Сергей работает маркетологом в небольшой сети из трех фитнес-клубов в Екатеринбурге, и команда у него из двух человек вместе с ним. Полгода назад он закончил наш первый поток, и я давно хотел с ним поговорить, потому что его кейс отвечает на вопрос, который мне регулярно задают на демо-встречах. Звучит он примерно так: «Хорошо, ChatGPT умеет многое, а где он конкретно у обычного маркетолога экономит время, без того чтобы переворачивать процессы вверх дном». У Сергея получился аккуратный, приземленный ответ, без вау-цифр и без обещаний волшебства, и мне показалось, что именно этой приземленностью он и интересен. Ниже наш разговор в сокращенном виде.
Сразу к цифрам
Если разложить по часам, сколько времени у вас реально освободилось и на чем?
Около часа в день на разборе утренней почты и еще полтора часа в неделю на еженедельном отчете для собственников, а в плотные недели на отчете доходит до двух часов. Для меня это в первую очередь история про качество работы, потому что самая утомительная часть рутины перестала отнимать внимание, и это поменяло ощущение рабочего дня заметнее, чем сама экономия времени.
А контент-планирование?
С контентом отдельная история, и считать экономию там сложнее, потому что это работа командой. Раньше план на месяц мы собирали втроем за рабочий день, теперь я делаю первый драфт самостоятельно за вечер, команда вычитывает и корректирует уже готовое, и в сумме на двух коллегах освобождается примерно по полдня в месяц на каждого. В мой личный график эта экономия не идет, но настроение в команде стало значительно спокойнее.
С чем приходил на курс
С каким настроением вы вообще шли на курс?
С прохладным, если по-хорошему, потому что жена увидела рекламу и предложила записаться, а я согласился скорее из вежливости, чтобы не спорить по такому поводу. До курса я открывал ChatGPT несколько раз, спрашивал что-то вроде «придумай акцию для фитнес-клуба», получал в ответ шаблон, который уже видел в десяти отраслевых рассылках, и закрывал окно с ощущением, что инструмент явно переоценен. Я был уверен, что для студенческих эссе ChatGPT сгодится, для рабочих задач это пустая трата времени.
В какой момент мнение поменялось?
На втором уроке, когда Дмитрий разбирал контекст-инжиниринг. Идея простая, но до того, как ее проговорили подробно, я ее не видел. ChatGPT не знает мой бизнес, и если хочешь получить нормальные ответы, нужно сначала загрузить в него контекст: кто клиенты, какие цены, кто конкуренты в каждом районе, какие акции зашли в прошлом сезоне и почему. Я собрал такой документ за вечер, восемь страниц про мою сеть, аудитории, цены, расположение клубов, что работало этим летом, и загрузил это в Claude Project. Снова попросил предложить акцию для нового сезона. В ответ пришло три варианта, и один из них почти совпал с тем, что я последний месяц обдумывал самостоятельно, но никак не доводил до формулировки. Вот этот момент меня и убедил, что мы говорим про рабочий инструмент.
С чего начали
С какой задачи вы начали внедрять?
Я начал с самой скучной и в то же время самой проверяемой задачи, с разбора почты. Логика была такая. Если ChatGPT напишет ерунду клиенту, я это увижу до того, как нажму «отправить», и максимум потеряю минуту на правку, ничего страшного не случится. Я настроил в Gmail метки фильтрами по типу писем (согласования внутри сети, поставщики, заявки клиентов) и подключил ChatGPT через расширение, чтобы он смотрел в нужные папки и готовил черновики ответов для каждой категории. Утром я открываю почту, там уже лежат заготовленные ответы, я прохожусь, правлю где нужно, отправляю. Первые две недели проверял каждый черновик по три раза, потому что ждал какого-то страшного промаха, но за это время не поймал ни одной критичной ошибки, и постепенно перешел на одну проверку. К десяти утра у меня Inbox Zero, чего за полтора года работы тут раньше не случалось ни разу.
А еженедельный отчет?
Этим я занялся следующим и собрал сценарий в Make. По понедельникам в восемь утра скрипт сам забирает выгрузки из CRM и из рекламных кабинетов, складывает все в одну гугл-таблицу, и дальше ChatGPT по этой таблице пишет короткий разбор для собственников в той структуре, к которой они уже привыкли (что выросло, что упало, гипотезы по причинам, планы на следующую неделю). К моменту, когда я включаю компьютер, отчет уже готов, я просматриваю цифры, добавляю две-три собственных мысли, отправляю. Раз в две недели сценарий ломается, потому что какой-то источник поменял формат выгрузки, и я лезу в лог, поправляю одно поле, перезапускаю. На все это уходит минут десять отвлечения, не больше.
Промпты
Можете показать те, которыми пользуетесь чаще всего?
Структура у всех моих промптов одна. Контекст и роль закрываются системным промптом в Claude Project один раз, и потом в самом запросе я пишу только конкретику задачи, иногда буквально в одну строчку. Вот шаблон, с которого я начинал и от которого до сих пор отталкиваюсь во всех новых задачах.
Я маркетолог сети из трех спортивных клубов в Екатеринбурге.
Помоги структурировать [задача].
Учти специфику: [то, что относится именно к этой задаче].
Ответ верни в формате [текст / таблица / список / план].
Вот промпт для еженедельного отчета.
Ниже выгрузка из CRM и рекламных кабинетов за неделю.
Напиши краткий разбор для собственников.
Структура:
1. Что выросло, что упало, в цифрах
2. Гипотезы о причинах
3. Что планируем делать на следующей неделе
Тон деловой, без воды, длина до 400 слов.
Не округляй цифры, давай точные значения.
И вот промпт для месячного контент-плана.
Составь контент-план на 4 недели для сети из трех фитнес-клубов.
Целевые аудитории, кампании, сезонные акценты, форматы под Telegram и VK.
Где специфика клубов отличается, дай разные темы.
Формат, таблица.
Грабли
Что было самым сложным во всей этой истории?
Самое сложное было перестать перепроверять. Первый месяц после того, как все заработало, я по привычке открывал каждый отчет руками и шел по строчкам, сверяя цифры с источниками, и в какой-то момент жена пошутила, что я придумал себе новую работу взамен старой. Меня отпустило, когда я подряд поймал три ошибки в одном отчете, и все три оказались одного типа. ChatGPT округлял цифры в удобную для нарратива сторону. Я просто дописал в промпт фразу «не округляй, давай точные значения», и эта проблема исчезла. После чего стало понятно, что ошибки модели в принципе предсказуемые, их можно ловить инструкцией заранее, и дальше работать на доверии без двойных проверок.
Где ChatGPT у вас пока стабильно не вытягивает?
Есть два места, и оба связаны с человеческим контактом. Первое это живая коммуникация с клиентами, когда нужно почувствовать тон письма, поймать раздражение или скрытое сомнение в формулировке. ChatGPT пишет вежливо и шаблонно, что само по себе нормально для типовой ситуации, но в сложных случаях нужна моя голова и понимание этого конкретного клиента. Второе это стратегические разговоры с собственниками, куда мы идем в следующем сезоне и какие гипотезы тестируем. ChatGPT помогает раскладывать варианты на бумаге и сводить аргументы, но решение остается за людьми, и я думаю, что это правильно.
Совет
Что бы вы сказали маркетологу, который сейчас в той же точке, где вы были полгода назад?
Я бы посоветовал три вещи, в этом конкретном порядке.
Первое, начинайте с рутины и оставьте креатив на потом, потому что креатив у ChatGPT получается средний, оценивать его глазом сложно, и можно очень надолго остаться при мнении, что инструмент бесполезен. На рутине результат виден сразу, доверие нарастает быстрее, и вы быстрее принимаете решение, стоит вкладываться в это дальше или нет.
Второе, не пожалейте часа на сборку контекста про ваш бизнес. Час работы над одним документом даст экономию десятков часов в месяц, и это самая высокая отдача из всего, что я успел заметить.
Третье, не ждите волшебства. Это инструмент того же класса, что Excel или CRM, и полезен он ровно настолько, насколько вы знаете, чего хотите, и можете проверить, что получили.
Где этому учим
Кейс Сергея собран по программе курса gpteka. Семь уроков по два с половиной часа, по одному в неделю. Контекст-инжиниринг, тот самый, что у Сергея сработал на втором уроке, разбираем там же. Сценарии в Make и собственные ИИ-агенты, на шестом уроке.
Поток собирается шесть раз в год, по двадцать четыре человека. Места заполняются за пару недель до старта, потому что мы держим маленькие группы, чтобы каждому хватало внимания преподавателя.