На конференции SaaStr в Лондоне Гийом «G» Кабан, сооснователь и генеральный партнер HyperGrowth Partners, представил прагматичный взгляд на то, как искусственный интеллект трансформирует маркетинг и продажи. Опираясь на опыт работы в таких компаниях, как Drift, Segment и Reddit, он продемонстрировал, почему традиционные подходы к привлечению клиентов (CAC) становятся неэффективными и как современные инструменты позволяют маленьким командам заменять целые отделы из сотен сотрудников.
📉 Новая экономика привлечения: как ИИ обрушил CAC 3:04
По словам Кабана, последние десять лет в маркетинге существовала четкая корреляция: низкая стоимость привлечения (CAC) соответствовала низким чекам (PLG-модель), а высокие чеки требовали дорогостоящих отделов продаж (Sales-led). Однако внедрение ИИ кардинально меняет этот ландшафт .
Гийом утверждает, что сегодня мы перешли из эры «ИИ делает хуже, но дешевле» в эру «ИИ делает быстрее и качественнее, чем человек, при меньших затратах». Ключевые изменения в структуре каналов, по мнению спикера:
- Стирание границ сегментации: Раньше аутбаунд-продажи были слишком дорогими для малого и среднего бизнеса (SMB), но теперь, благодаря автоматизации, этот канал стал рентабельным даже для небольших сделок .
- Смена ролей каналов: Теперь можно использовать SEO для привлечения среднего бизнеса (Mid-market) и аутбаунд для стартапов, что раньше считалось экономически нецелесообразным .
- Новое качество данных: Возможность массово собирать (скрейпить) данные с сайтов и социальных сетей и мгновенно скармливать их LLM-моделям позволяет создавать гипер-персонализированный контент по цене массовой рассылки .
📧 Смерть традиционного аутбаунда и победа маркетинга 6:42
Кабан считает, что классическая модель SDR (представителей по развитию продаж) уходит в прошлое. Он прослеживает эволюцию этого канала: от ручного сбора информации в 2015 году через эпоху спам-автоматизации 2018-го к современному ИИ-аутбаунду .
В качестве примера Гийом привел свой недавний кейс в Reddit. Перед ним стояла задача: к концу года привлечь 10% всех рекламодателей США на платформу, начиная практически с нуля .
Реализация стратегии выглядела следующим образом:
- Сбор данных: Использование Clay для скрейпинга библиотек рекламы Facebook, LinkedIn и Google .
- Анализ контента: ИИ анализировал визуальные образы и тексты текущих объявлений конкурентов.
- Гипер-персонализация: Письмо содержало не просто приветствие, а скриншот текущей рекламы клиента и рекомендации конкретных сабреддитов (сообществ в Reddit), где эта реклама сработает лучше всего .
Результат оказался впечатляющим: по данным Кабана, эта автоматизированная система, созданная за два месяца, показала результаты лучше, чем команда из 200 SDR, работавшая над этим годами . Кабан резюмирует: «Война между маркетингом и продажами окончена — маркетинг победил» . Теперь аутбаундом должны заниматься технические маркетологи и Growth-лиды, а не классические сейлзы.
🔎 Программное SEO: как заменить 10 сотрудников одним процессом 12:06
Традиционное SEO часто ассоциируется с аутсорсингом написания статей низкооплачиваемым фрилансерам. Кабан утверждает, что этот подход больше не работает . Вместо этого лидеры рынка переходят к программному созданию страниц с помощью LLM-оркестрации.
Спикер привел в пример компанию Deepgram, которая использовала связку Airtable и AirOps для масштабирования контента:
- Архитектура процесса: Вместо одного длинного промпта они используют каскад субагентов. Один ищет лучший заголовок, другой — подходящий скриншот, третий — примеры кода .
- Контроль качества: Один человек управляет рабочим процессом (валидация и контроль), заменяя собой отдел из 10 человек .
- Результаты: Такая стратегия позволила Deepgram получить 3,5 миллиона кликов .
Кабан подчеркивает, что современные ИИ-воркфлоу уже создают контент лучше, чем люди, если только вы не готовы платить по $10 000 за одну статью экспертного уровня .
💰 Платный трафик: почему опасно ограничивать алгоритмы 16:39
В сфере платной рекламы Кабан ссылается на опыт Рекса (Rex) из HubSpot, который за 5 лет потратил более $100 млн только на Google Search . Главный вывод: попытки человека вручную сегментировать кампании и управлять ставками сегодня только вредят результату.
Основные тезисы по платному трафику:
- Доверие к алгоритмам: LLM внутри Google Ads справляются с таргетингом и ставками лучше людей .
- Опасность ограничений: Чем больше условий (география, бюджеты по странам) вы навязываете системе, тем меньше у ИИ возможностей для оптимизации и тем хуже будет результат .
- Роль человека: Работа специалиста по платному трафику теперь заключается в создании качественной инфраструктуры данных, чтобы ИИ мог обучаться на правильных сигналах о конверсиях .
🔮 Будущее: «сертифицированные люди» и AE-марионетки 21:29
Завершая выступление, Кабан поделился прогнозами, которые могут показаться тревожными для профессионалов индустрии.
- Ускорение технологического цикла: Если раньше выбор софта был актуален годами, то теперь рекомендации Кабана устаревают через три месяца из-за появления новых моделей . Он советует строить «компонуемый стек» (composable stack), чтобы иметь возможность легко заменять части системы.
- Элитный статус человека: В будущем «настоящий живой человек» станет признаком VIP-обслуживания. Кабан ожидает появления термина «сертифицированный человек» как маркетингового преимущества в B2B-продажах .
- Сейлзы-марионетки: В сегменте Enterprise-сделок менеджеры (AE) постепенно превращаются в исполнителей воли ИИ. Такие инструменты, как Gong, уже диктуют сейлзам, что говорить, какие аргументы приводить и какую цену называть .
❓ Вопросы и ответы: легальность скрейпинга и обучение новичков 24:58
В ходе сессии вопросов и ответов были затронуты критические аспекты новой реальности.
О легальности скрейпинга: Отвечая на вопрос о запрете LinkedIn на сбор данных, Кабан напомнил о судебном прецеденте 2019-2020 годов (дело в суде Калифорнии). По его словам, суд постановил: то, что доступно для индексации Google, должно быть доступно и другим . Кроме того, использование ИИ для пересказа публичной информации делает практически невозможным доказательство факта автоматизированного сбора .
О подготовке кадров: Один из зрителей поднял важную проблему: если отделы SDR (начальная ступень для молодых специалистов) исчезают, где компании будут брать опытных Account Executives (AE) через 10 лет? . Кабан признал, что это серьезный вызов. Он полагает, что роль SDR трансформируется в Sales Ops — специалистов, которые не «звонят в холодную», а настраивают ИИ-воркфлоу, опираясь на глубокое понимание психологии продаж .
Об ИИ в сложных сделках: Кабан отметил, что в крупных Enterprise-сделках ИИ пока не эффективен для глубокого «дискавери» (выявления скрытых потребностей клиента) . Там слишком много контекста и рисков, поэтому эта сфера останется за людьми в обозримом будущем. Однако ИИ уже отлично справляется с суммаризацией данных при передаче клиента от продаж в отдел внедрения (onboarding) .
