Настоящая работа команды роста — редко сама кампания. Это цикл вокруг неё: предположение о том, кто отреагирует, тест, который его подтверждает или опровергает, спор о том, какой канал принёс конверсию, и перераспределение бюджета в понедельник утром. Большая часть этого цикла по-прежнему живёт в таблицах, дашбордах и совещаниях — медленно и вручную.
Cohenta — движок, который Thyn строит, чтобы замкнуть этот цикл. Это подход к AI-автоматизации маркетинга, при котором рост реализован как непрерывный эксперимент под управлением агентов в рамках политики, а не людей, обновляющих отчёты. Cohenta на раннем этапе — в активной разработке, ещё не выпущен, — поэтому здесь описано то, для чего он создаётся.
Дашборд — не система
Дашборд говорит, что произошло. Он не решает, что делать дальше, и никогда не действует. Поэтому дашборд превращается в место, куда люди приходят, чтобы перевести цифры в действия, — ручной ретранслятор между наблюдением и решением.
Большинство маркетинговых инструментов находятся на стороне наблюдения. Они строят отчёты, сегментируют, визуализируют — и возвращают суждение человеку. Медленным всегда был не сам график, а человек посередине, сводящий каналы и заново распределяющий бюджет.
Идея Cohenta в том, что продуктом должен быть сам цикл. Восприятие, решение и действие должны находиться внутри одной системы, где люди задают границы, а не выполняют каждый шаг. Вот разница между слоем отчётности и AI-автоматизацией маркетинга, которая действительно движется.
Маркетинг — это эксперимент, который никогда не заканчивается. Работа — это управление циклом, а не чтение графика.
Цикл Cohenta
Cohenta построен вокруг единого цикла, который повторяется непрерывно. Каждый оборот включает одни и те же четыре шага, и на каждом шаге агент выполняет работу, которую команда иначе делала бы вручную.
- Гипотеза. Сформулировать проверяемое утверждение — сегмент, предложение, сообщение, микс каналов — с метрикой, которая его подтвердит или опровергнет.
- Эксперимент. Запустить тест как контролируемый эксперимент с контрольными группами и правилами показа, определёнными заранее, а не восстановленными постфактум.
- Атрибуция. Определить, какое касание действительно дало сигнал, отделив каналы, которые принесли конверсию, от тех, что просто оказались рядом.
- Оптимизация. Перераспределить бюджет и креативы в пользу того, что сработало, отказаться от того, что не сработало, и передать результат как следующую гипотезу.
Четвёртый шаг — это первый шаг следующего оборота. Замкнутость — в этом весь смысл: система не останавливается на рекомендации, она действует по ней, измеряет последствие и предлагает следующий ход. Автономный рост — это то, что производит цикл, когда он работает без ожидания, пока человек скопирует число из одной вкладки в другую.
AI-автоматизация маркетинга под управлением агентов в рамках политики
Циклом управляют AI-агенты маркетинга — компоненты, которые владеют шагом, а не описывают его. Один агент предлагает гипотезы на основе предыдущих результатов. Другой настраивает и запускает эксперименты. Третий разрешает атрибуцию. Четвёртый перераспределяет бюджет в заданных пределах.
Что удерживает это от безрассудства — политика. Политика — это явные границы, внутри которых действуют агенты: максимальные суточные расходы, бренды и утверждения, которые никогда не должны появляться, аудитории, закрытые для таргетинга, минимальный объём доказательств, необходимый для изменения живого бюджета. Политику пишут люди; агенты действуют в её рамках.
Это инверсия, вокруг которой построен Cohenta. Вместо того чтобы человек принимал каждое решение, а инструмент лишь нажимал клавиши, агенты решают и действуют, а человек определяет правила. Человек поднимается на уровень выше — от оператора к законодателю, — где его суждение действительно накапливается.
Симуляция до расходов
Живые эксперименты стоят реальных денег и реального внимания, и некоторые гипотезы не стоит проверять на рынке. Прежде чем Cohenta выделяет бюджет, он создаётся с возможностью симуляции — оценки вероятного диапазона результатов предложенного эксперимента и отсева тех, что не проходят на бумаге.
Симуляция делает две вещи. Она сужает набор живых тестов до тех, что стоит запускать, — и расходы концентрируются там, где неопределённость реальна. И она даёт шагу оптимизации априорное знание: модель ожидаемого поведения, с которой сравнивается реальный результат, — чтобы неожиданный исход был распознан как неожиданный.
Это то, что отличает дисциплинированную автоматизацию от системы, которая просто быстрее сжигает бюджет. Скорость без модели ожидаемых затрат — лишь дорогой способ ошибаться. Слой симуляции — это проверка корректности, которая даёт право действовать быстро.
Контент как система, а не бэклог
Эксперименты требуют материала — сообщений, вариантов, лендингов, креативов для тестирования. Если относиться к каждому из них как к разовой задаче, контент становится узким местом, которое останавливает весь цикл.
Cohenta проектируется так, чтобы рассматривать контент как систему. Варианты генерируются под гипотезу, управляются той же политикой, что ограничивает расходы, и производятся с той скоростью, с которой их потребляет экспериментальный цикл. Контентная аналитика здесь означает, что цикл питается непрерывно, а то, что производится, формируется тем, что шаг атрибуции уже определил как работающее.
Цель — не больше контента. Цель — контент, который быстрее закрывает вопрос: сгенерированный для проверки конкретного утверждения, честно измеренный и заменённый в тот момент, когда доказан лучший вариант.
Куда это движется
Cohenta ещё строится, и такой порядок намеренен: цикл, политика, симуляция и атрибуция должны быть надёжными по отдельности, прежде чем что-либо из этого коснётся живого бюджета. Первые вехи — сделать каждый шаг честным в изоляции, затем дать циклу работать от начала до конца в рамках жёсткой политики. Со временем та же механика должна поддерживать больше каналов, более сложные эксперименты и более короткие циклы — при неизменном цикле, обороты которого становятся быстрее.
Ставка проста. Среди следующего поколения инструментов AI-автоматизации маркетинга важными окажутся не лучшие дашборды. Это будут системы, которые проводят эксперимент за вас, по правилам, которые вы задаёте, и показывают свою работу. Cohenta — попытка Thyn построить именно такую систему.