Как увеличить количество маркетинговых экспериментов без расширения отдела

Но если посмотреть, куда на самом деле уходит время между идеей и запуском, выяснится, что дополнительный человек ускоряет не цикл, а только количество параллельных очередей.

Ниже разбор того, где у типичного отдела теряются недели, что показывает опыт компаний, ускоривших тестирование, и как это выглядело на практике в одной из команд, работающих с AI Business Box.

Почему найм не решает проблему

По данным исследования VWO, где опросили 206 компаний, медианная маркетинговая команда проводит две-три гипотезы в месяц. Идей у таких команд хватает. Не хватает способа быстро превратить идею в запущенный тест.

Разложите цикл одной гипотезы на этапы и засеките время. Сбор инсайтов и формулировка гипотезы занимают три-пять дней, написание офферов и заголовков ещё три-пять, подготовка креативов и бриф дизайнеру пять-семь, свод таблиц и анализ после запуска два-три. В сумме выходит около двух-трёх недель подготовки и разбора, а сбор данных после запуска добавляет ещё столько же и сокращению не поддаётся. Такая раскладка встречается в кейсе, который мы разбираем ниже, и у многих команд она выглядит похоже.

Теперь представьте, что в отдел пришёл новый специалист. Каждый этап остаётся таким же долгим, просто теперь его проходят два человека. Количество тестов в месяц вырастет, но линейно и дорого: каждая следующая гипотеза по-прежнему стоит столько же человеко-дней. К этому добавляются затраты на онбординг, согласования и управление, и растущая команда начинает тратить часть времени на координацию самих себя.

Есть и обратная ситуация, когда тормозит не нехватка рук, а то, что рутина съедает время людей, способных принимать решения. Маркетолог, который два дня сводит выгрузки, не придумывает гипотезы. Дизайнер, который получает бриф в виде одной строки, переделывает макет по три раза. Это потери, которые не видны в штатном расписании, но хорошо видны в календаре тестов.

Что показывает опыт тех, кто ускорился

Нагляднее всего это видно у компаний, для которых тестирование стало инфраструктурой. Российский пример: Авито в начале 2025 года представил собственную платформу для A/B-тестов Trisigma. По словам управляющего партнёра компании, после её внедрения число продуктовых экспериментов выросло с нескольких десятков до более чем четырёх тысяч в год. Он же оценивает, что культура A/B-тестирования добавляет 10–20% в год к ключевым метрикам, и это его собственная оценка, а не независимый замер. Это продуктовые эксперименты, а не маркетинговые, и о составе команды в публикации ничего не сказано. Но сама связка показательна: рост числа тестов на два порядка дала не толпа новых сотрудников, а платформа, которая убрала ручную работу вокруг запуска.

Мировые примеры говорят о том же. Booking.com проводит свыше 25 тысяч A/B-тестов в год, Airbnb нарастила темп со ста до семисот экспериментов в неделю, а в Amazon за первый год работы с тестированием провели 546 экспериментов, сейчас же проводят свыше двенадцати тысяч в год. Важная деталь, о которой часто забывают: на Booking.com выигрывает лишь меньшинство запущенных тестов. При такой скорости неудачный эксперимент стоит недорого, и именно поэтому его не страшно запускать.

Теперь о том, что в маркетинге можно ускорить прямо сейчас, не строя собственную платформу. Креативы. Одна из российских историй: компания «Чистовье», которая производит расходные материалы для салонов красоты и клиник, столкнулась с тем, что рекламные креативы выгорали, а штатный дизайнер ушёл в длительный отпуск. Агентство перешло на изображения, созданные нейросетью, и протестировало их на вебинарных кампаниях в РСЯ, Telegram-ботах и лид-формах ВКонтакте. По данным самого агентства, CTR вырос на 93%, а стоимость заявки на вебинар и стоимость нового подписчика сократились вдвое. У этого кейса есть оговорки: он опубликован в блоге агентства, независимой проверки нет, не указаны бюджет и точный период, а название нейросети не раскрыто. Как доказательство конкретного результата использовать его нельзя, но как иллюстрацию механики он годится: нейросеть решила проблему нехватки производственных рук в конкретном звене цепочки.

Как это выглядело в одной команде

В одной из компаний, работающих с AI Business Box, маркетинговый отдел тестировал гипотезы по привычной схеме: идея, обсуждение, оффер, бриф дизайнеру, запуск, сведение результатов. На один полный цикл уходило три-четыре недели, и в месяц получалось проверить две-три гипотезы.

Отдел не стал искать универсального ИИ-помощника. Вместо этого каждый этап цикла отдали отдельному агенту с узкой задачей. Первый собирает карту сегментов аудитории с болями и триггерами. Второй вытаскивает возражения и формулировки из расшифровок звонков отдела продаж, до которых раньше руки не доходили. Третий выдаёт десятки вариантов офферов под разные сегменты и углы подачи. Четвёртый превращает выбранные офферы в концепции креативов вместе с техническим заданием для дизайнера. Пятый после запуска считает CAC, CPL и ROMI и показывает, что отключить, а что масштабировать. Шестой превращает результаты в основу для гипотез следующего раунда.

Результат команда описывает так: цикл подготовки теста сократился с трёх-четырёх недель до трёх-пяти дней, число гипотез выросло с двух-трёх до двадцати-тридцати в месяц, около 80% ручной рутины перешло к агентам, а количество правок по креативам упало почти до нуля, потому что дизайнер получает структурированное задание. Штат при этом не менялся. Побочным эффектом стал содержательный инсайт: анализ показал, что главным барьером клиентов была не цена, как предполагала команда, а страх потерять контроль. Коммуникацию перестроили под этот барьер.

Решения при этом остались у людей. Маркетолог приоритизирует гипотезы, выбирает офферы для запуска и проверяет итоговые цифры. Агент не определяет, что тестировать первым. Он делает так, чтобы к моменту выбора на столе лежали десятки проработанных вариантов, а не одна случайная идея.

Это один кейс, и как норму его переносить нельзя. Другая команда с другими данными, другим CRM и другими каналами получит другой результат. Показательно другое: прирост дало не ускорение каждого человека, а перестройка процесса, при которой каждому звену цикла дали отдельную задачу.

С чего начать, если отдел небольшой

Не нужно сразу строить шесть агентов. Практичнее начать с замера. Выберите последние три-четыре теста и запишите, сколько дней заняло каждое звено: от формулировки гипотезы до запуска и от запуска до вывода. Почти всегда окажется, что одно-два звена съедают большую часть времени, и именно их стоит автоматизировать первыми.

Дальше берётся самая рутинная часть. Обычно это свод отчётности и подготовка брифов: если в отделе сводят выгрузки вручную, одно это освободит дни. Это общая логика, а не чей-то замер. Опыт других команд подтверждает осторожность: в одном из внутренних кейсов ассистент для календаря публикаций систематически ошибался в расписании и требовал уточнений, в другом ассистент по генерации идей воронок помогал не всегда, иногда подкидывая нужный ход. Значит, у каждого звена нужна проверка человеком и своя метрика качества: сколько результатов пришлось переделать и где модель ошиблась.

Наконец, ограничьте себя по числу гипотез, которые запускаете параллельно. Опыт Booking.com показывает, что большинство тестов не выигрывает, поэтому растёт не качество каждой идеи, а скорость, с которой вы отбрасываете слабые. Но для небольшой команды важно не утонуть: десять тестов, за которыми никто не следит, хуже, чем три, за которыми следят.