30.09.2026
Компании требуют от маркетинговых команд внедрять искусственный интеллект, хотя сами команды по-прежнему не всегда могут связать данные из разных источников, доказать отдачу от рекламы и превратить аналитику в конкретные действия. Новый отчет Supermetrics показывает: AI пока не решил проблему избытка маркетинговых данных — во многих случаях он просто добавил к ней еще один технологический слой.
Несколько лет маркетинговая индустрия училась собирать как можно больше данных. Практически любое действие пользователя теперь можно измерить: просмотры, клики, конверсии, стоимость привлечения, поведение на сайте, покупки и десятки других показателей поступают из рекламных, аналитических и CRM-систем.
Однако рост объема информации не привел к сопоставимому росту способности ею пользоваться. В предыдущих исследованиях Supermetrics уже обращала внимание на перегрузку данными: маркетинговые команды получали все больше показателей, но им не хватало времени и возможностей, чтобы превратить их в понимание происходящего. Теперь к этой проблеме добавился искусственный интеллект.
AI требуют внедрять быстрее, чем компании успевают к нему подготовиться
В новом “The 2026 Marketing Data Report” Supermetrics опросила 435 специалистов из брендов, агентств и e-commerce. Более 80% респондентов заявили, что испытывают давление, связанное с необходимостью внедрять AI. Однако полностью интегрировать технологию в рабочие процессы смогли только 6%, а самая большая группа (39%) пока находится на стадии экспериментов.
Импульс в значительной степени идет сверху. 61% респондентов называют источником давления руководство компании, 28% — совет директоров или инвесторов. Одновременно 37% маркетологов говорят, что им не хватает четкой AI-стратегии со стороны руководства, а 35% — обучения.
Есть и проблема доверия. Полностью доверяют AI только 1% участников исследования, еще 17% оценивают свое доверие как высокое. У 39% есть опасения по поводу конфиденциальности данных.
В результате AI пока чаще используют не для сложного анализа, а для наиболее очевидных задач. 70% респондентов называют одной из целей его внедрения повышение производительности, 61% — автоматизацию повторяющихся операций. Получение более качественных аналитических выводов занимает третье место — 54%.
Авторы отчета видят здесь риск: AI может остаться инструментом ускорения привычной работы вместо технологии, которая помогает маркетологам лучше использовать накопленные данные.
Данных много, но они по-прежнему не складываются в общую картину
Одна из причин этой ситуации — инфраструктура, на которую должен опираться AI. Только 30% опрошенных уверены в том, насколько хорошо в их компаниях соединены маркетинговые данные. 41% уверены в способности анализировать информацию, но когда дело доходит до следующего этапа — использования данных для конкретных действий, — показатель снижается до 33%. Масштабной персонализации достигли только 24% компаний.
Разрыв хорошо виден на конкретных сценариях. Сегментацию и таргетинг аудитории уже используют 44% респондентов, собственные данные о клиентах для платной рекламы — 41%, оптимизацию кампаний в реальном времени — 31%. Но перейти от относительно простой сегментации к персонализированной работе с пользователями в масштабе удается значительно меньшему числу компаний.
При этом 36% участников исследования называют именно улучшение соединения маркетинговых данных одной из основных задач. Еще одна организационная проблема — управление ими: 52% говорят, что стратегию данных и измерения определяет команда за пределами маркетинга, тогда как CMO участвует в ней лишь в 31% случаев.
Получается, что от маркетинга ждут решений, основанных на данных, хотя сами данные часто находятся в разных системах, а правила работы с ними определяются за пределами маркетинговой функции.
Больше измерений не означает более точного ответа
Особенно заметен этот разрыв при оценке эффективности. Несмотря на огромное количество доступных показателей, 40% маркетологов называют доказательство ROI по разным каналам одной из самых сложных задач. Одновременно 55% испытывают давление с требованием сокращать расходы без снижения результатов, а 44% пытаются найти баланс между краткосрочными продажами и долгосрочной стратегией бренда.
Меняются и методы, которыми компании пытаются измерять эффект. A/B-тестирование используют 69% участников исследования, ROI-анализ — 62%, сопоставление бюджета с фактическими расходами — 56%. При этом прогнозная аналитика остается сравнительно мало распространенной — ее используют 29%.
Зато растет интерес к более сложным методам оценки. Marketing Mix Modeling стал главным направлением будущих инвестиций в измерения — вкладываться в него в ближайшие 12 месяцев собираются 40% респондентов. Агентства уже применяют MMM значительно чаще брендов — 59% против 35%. Для тестирования инкрементального эффекта (incrementality testing) разрыв также заметен: 40% против 23%.
Таким образом, проблема маркетинговой аналитики постепенно смещается от вопроса «сколько данных мы можем собрать?» к вопросу «что из этих данных действительно позволяет понять влияние маркетинга на бизнес?».
Людей сокращают охотнее, чем технологии
55% маркетологов беспокоят возможные сокращения бюджетов. Среди статей, которые компании рассматривают для экономии, на первом месте оказался персонал: 46% респондентов сообщили, что сокращение штата уже рассматривалось или рассматривается. Для сравнения, о текущем или будущем сокращении расходов на маркетинговые технологии и инструменты сообщили только 15%.
Тенденция вписывается в общую картину исследования. От меньших команд требуют большей эффективности, одновременно предлагая им все больше данных, инструментов и теперь еще AI.
AI не исправит плохие данные
Именно к этому сводится главный вывод Supermetrics. По мнению авторов, маркетинговым командам не нужны идеальные данные, но они должны быть достаточно чистыми, связанными и доступными, чтобы на их основании можно было действовать. AI способен ускорить уже работающие процессы, но сам по себе не исправляет фрагментированную инфраструктуру и не определяет, какие решения бизнесу следует принимать.
При этом компании рассчитывают использовать AI для более сложных задач. Главным направлением инвестиций в работу с данными на 2026 год стала массовая автоматизированная персонализация — создание индивидуальных предложений и контента для большого числа клиентов. В нее собираются инвестировать 38% респондентов. За ней следуют оптимизация кампаний в реальном времени — 35%, сегментация и таргетинг, а также прогнозное моделирование и поиск похожих аудиторий — 32%.
Получается, что маркетинг столкнулся уже не столько с нехваткой технологий, сколько с разрывом между их возможностями и способностью компаний ими пользоваться. Сначала индустрия получила больше данных, чем успевала осмыслить. Теперь она получает AI быстрее, чем успевает привести в порядок данные и процессы, на которых он должен работать.
Иллюстрация: Supermetrics
