Внедрение ИИ-контента в рекламные стратегии брендов

1. Концепция
2. Успешные примеры внедрения ИИ 2.1. Сбер 2.2. Heinz 2.3. Пятерочка 2.4. Третий Трест 2.5. Тинькофф Журнал 2.6. Lamoda 2.7. Epica 2.8. KitKat 2.9. Спортмастер 2.10. М.Видео
3. Неуспешные примеры внедрения ИИ 3.1. Toys R Us 3.2. Under Armour 3.3. Citizen M Hotels 3.4. KFC 3.5. Coca-Cola 3.6. Artisan
4. Заключение
5. Источники

Искусственный интеллект занял устойчивое место в практике современного маркетинга. Реклама — одна из первых областей, в которой технологии генерации изображений, видео и цифровых образов начали внедряться массово. Сегодня бренды все чаще прибегают к инструментам на базе нейросетей — MidJourney, DALL-E, Stable Diffusion, ChatGPT и другим — не как к эксперименту, а как к системному элементу производства рекламного контента. При этом степень зрелости таких решений, как и восприятие со стороны аудитории, остаются до конца не определенными, что порождает как удачные, так и неудачные примеры их применения.

Нельзя не отметить оживленность вокруг темы нейросетевого контента в продвижении брендов, что связано не только с бурным развитием генеративных технологий, но и с их стремительным распространением. Рекламный рынок оказывается в ситуации, когда визуальный контент, созданный с помощью нейросетей, перестает быть исключением и все чаще становится лицом бренда. При этом эффект от таких решений далеко не всегда очевиден: он может усилить посыл, обновить образ, а может — вызвать отторжение, стать источником недоверия и последующей критики. Именно это противоречие между технологическим потенциалом и фактическим восприятием делает тему значимой и требует изучения на конкретных примерах.

В центре моего внимания находятся рекламные стратегии, в которых ИИ-контент стал графической или смысловой основой. Я также учитываю не просто факт использования технологии, а ее публичное проявление — то, что видит и интерпретирует аудитория. В качестве материала были выбраны кейсы, по которым можно судить о результатах: они хорошо задокументированы, присутствуют в открытом информационном поле и позволяют сопоставлять цели и итоговую реакцию. Я работала с различными источниками — официальными страницами брендов в социальных сетях, публикациями в СМИ, открытыми интервью и презентациями. Отдельное место заняли семь интервью, которые я направила в маркетинговые отделы и агентства, непосредственно связанные с реализацией рассмотренных кейсов. Вопросы касались конкретных кампаний, использованных технологий, результатов и дальнейших планов. Полученные ответы легли в основу ряда наблюдений и были включены в анализ наравне с другими источниками.

Для структурирования материала я разделила кейсы на две группы — успешные и неуспешные. Эта рубрикация основана на комплексной оценке: количественных метриках (охваты, вовлеченность, число упоминаний), реакции пользователей (комментарии и обсуждения), а также содержании высказываний представителей брендов или агентств. В каждом случае я старалась анализировать всю доступную информацию — будь то динамика интереса, качество исполнения или контекст, в котором был размещен ИИ-контент. Такой подход позволяет выявить отдельные удачные решения и закономерности: что именно срабатывает в пользу бренда, а что — ослабляет эффект.

В качестве теоретической базы я использовала открытые данные и источники, опубликованные в свободном доступе: пресс-релизы, статьи, отчеты отраслевых объединений, исследовательские обзоры и мнения практиков. Мой анализ строится на фактическом материале, включая пользовательскую реакцию, высказывания самих участников процесса и структуру визуального ряда.

Ключевой вопрос, лежащий в основе моего исследования, формулируется так: при каких условиях внедрение ИИ-контента в рекламную коммуникацию способствует улучшению результатов, а при каких — мешает достижению целей бренда. Я выдвигаю гипотезу, что нейросетевые технологии могут усиливать эффективность рекламы только в тех случаях, когда они интегрированы в стратегию осознанно, с учетом восприятия аудитории, визуального соответствия и уровня реализации. Автоматизация ради демонстрации технических возможностей или моды приводит, напротив, к репутационным рискам и снижению вовлеченности.

Таким образом, цель моего исследования — зафиксировать наиболее показательные примеры внедрения нейросетей в рекламные стратегии брендов, а также выявить принципы и условия, при которых такой контент становится действенным рекламным инструментом, способным работать в интересах бренда.

В данный раздел включены примеры, где интеграция ИИ-контента продемонстрировала практическую эффективность в решении конкретных рекламных задач. Отбор основывался на наличии положительных метрик: прирост охватов, вовлеченности, роста продаж или узнаваемости бренда. Учитывалось также качество исполнения, оригинальность идеи и соответствие целям.

В 2020 году Сбер использовал технологию дипфейка и синтеза речи для создания новогоднего ролика с персонажем Жоржем Милославским из советского фильма «Иван Васильевич меняет профессию». В проекте использовались четыре минуты аудиофрагментов голоса актера Леонида Куравлева, на основе которых была построена модель TTS.

Проект стал технически значимым внутри экосистемы Сбера и получил отраслевую премию «Итоги года — 2020». Реакция аудитории оказалась скорее положительной, чем нет. Часть зрителей сочла использование образа вора (по сюжету фильма) неуместным. Также возникла проблема различия восприятия между возрастными группами: молодая аудитория персонажа не знала, старшее поколение воспринимало его как носителя сомнительного символизма. По итогу технологическая реализация была признана успешной и спровоцировала обсуждение уместности выбранного образа.

В 2022 году Heinz провел кампанию, основанную на генерации изображений в DALL-E 2 по текстовым подсказкам, связанным с кетчупом. Во всех случаях алгоритм воспроизводил узнаваемую форму бутылки Heinz — даже без прямого упоминания бренда. Это было интерпретировано как подтверждение глубокой интеграции марки в массовое восприятие.

«Даже для ИИ кетчуп выглядит как Heinz. И хотя подсказки становились все более странными, от „Бутылка кетчупа эпохи Возрождения“ до „Карта Таро кетчупа“, ИИ все еще выдавал результаты, похожие на Heinz» — команда Heinz^[5]

Кампания стартовала в Канаде и США, затем вышла на глобальный уровень. Общий объем показов превысил 850 миллионов, что на 2500% превышало медиаинвестиции. Уровень вовлеченности оказался на 38% выше по сравнению с предыдущими рекламными активностями бренда. В рамках продолжения были выпущены лимитированные бутылки с ИИ-этикетками и открыта цифровая галерея в метавселенной.

Кампания получила положительную прессу и была отмечена в изданиях Forbes, Bloomberg, Fast Company как пример интеграции современных технологий в классическую рекламную механику. В этом случае нейросеть стала не вспомогательным элементом, а центральным смысловым компонентом.

Рекламная кампания линейки сыров Liebendorf от Пятерочки реализована с применением технологии дипфейк: лицо актрисы Ольги Медынич наложили на дублера при помощи DeepFaceLab. Это решение позволило ритейлеру сэкономить 25% бюджета, который в обычных условиях пошел бы на участие селебрити в съемках. Производственный цикл с момента начала создания дипфейка до запуска ролика занял менее недели.

По данным проекта, рекламное видео превысило ожидания вдвое: 44,4 млн показов при охвате 23,5 млн уникальных пользователей. Это стало возможным благодаря быстрой технической реализации (обработка велась на ML-платформе Cloud) и выбору узнаваемой актрисы, чье участие ограничилось только юридической продажей права на использование образа.

«Продакшн сэкономил время и значительно упростил съемочный процесс, так как отпала необходимость согласовывать графики и тратить время на грим. А клиент получил возможность быстрее запустить рекламу, сохранить немалую долю бюджета и получить рекордные охваты за счет темы, которая всегда на слуху» — Никита Горбачевский, представитель Cloud^[11]

Представители агентства Cloud отметили, что замена физического участия звезды на нейросетевой дипфейк позволяет снизить затраты на производство в среднем на 20–60%, а также избежать логистических сложностей, связанных с графиком знаменитостей. Примененный формат оказался выигрышным как по медийным метрикам, так и по бюджету.

ГК «Третий Трест» и агентство Marten Marketing реализовали первую в России наружную кампанию с визуалом, полностью сгенерированным нейросетями. Для имиджевой рекламы экогорода Яркий использовались два ИИ-инструмента: одна нейросеть генерировала художественные изображения диких животных, «мечтающих переехать в квартиры», а другая повышала разрешение картинок до формата наружных баннеров площадью до 900 м².

Проект однозначно стал инфоповодом: были получены сотни бесплатных публикаций в СМИ, более 2 млн просмотров и закрепление за брендом образа «инновационного девелопера». ИИ-основа рекламы сыграла ключевую роль в охвате и обсуждаемости.

В начале 2023 года команда Тинькофф Журнала поставила перед собой задачу привлечь в пять раз больше студентов на курс «Как быть взрослым», чем в декабре. Вместо традиционного подхода с привлечением дизайнеров, для рекламной кампании использовали генеративные нейросети — Stable Diffusion и Midjourney. За несколько дней было создано 23 решения. Уже первая волна испытаний показала, что треть изображений обеспечивает необходимую конверсию — от 25 до 30 процентов. Лучший результат продемонстрировал баннер с героиней в аниме-стиле на фоне здания МГУ: его показатель переходов оказался в два-три раза выше, чем у других вариантов.

Процесс создания одной иллюстрации занимал около получаса: генерировалось от 30 до 100 изображений, из которых отбирались наиболее выразительные. Затем выполнялась их ручная доработка, включая исправление анатомических неточностей, настройку цветовой гаммы и добавление текста. Для реализации сложных задач применяли метод обработки изображений по образцу — он позволял встраивать дополнительные элементы и сохранять композиционную логику.