Minerva привлекла $20 млн на ИИ-агентов, которые объединяют данные о клиентах и управляют маркетингом

У большинства брендов есть данные о собственных клиентах, но картина остаётся неполной. Информация о покупках, обращениях и действиях пользователей хранится в разных системах, а о поведении человека за пределами собственных каналов компания почти ничего не знает. Minerva предлагает соединить эти сведения с графом идентичностей 270 млн потребителей — базой, которая связывает рабочую и личную электронную почту, телефоны, адреса и цифровые идентификаторы одного человека.

Для этого бренд подключает к Minerva свою систему управления клиентами, хранилище данных и другие источники. ИИ-агент, разработанный с использованием технологий OpenAI, изучает структуру информации, после чего агенты Minerva объединяют записи в единые клиентские профили и дополняют их собственными данными компании. Маркетолог получает более полное представление о покупателях и может использовать его для поиска новой аудитории.

Один из примеров — финансовая компания Ramp. Раньше её почтовая рекламная кампания опиралась на рабочие адреса потенциальных клиентов. Minerva помогла связать рабочие и личные контакты, чтобы расширить охват рассылки. За первые три месяца доля потенциальных клиентов, соответствующих маркетинговым критериям качества, выросла примерно на 80%.

Другой клиент, сервис аренды премиального жилья Wander, использовал Minerva для поиска людей, похожих на своих лучших покупателей. Компания построила их профили, обучила на этих данных модели и передала сформированные аудитории в Meta1. По словам генерального директора Minerva Джексона Энглса, ROAS оказался в 3,4 раза выше, чем при использовании широкого таргетинга Meta. Это результат конкретной кампании, о котором рассказал руководитель стартапа, а не независимая оценка эффективности технологии.

Интересно, что основатели Minerva пришли не из рекламы, а из финансов. Джексон Энглс работал в Lazard, Дэниел Саеди — в Bridgewater, а Мэтью Джозеф занимался анализом данных в Citadel. В инвестиционной индустрии они научились извлекать полезные сигналы из разрозненной информации о поведении и расходах потребителей. Первые полтора года существования Minerva команда посвятила изучению того, как определить готовность человека к покупке и как жизненные события влияют на его траты. Лишь затем на этой основе появился маркетинговый продукт.

При этом Энглс не считает собственную базу данных долговременным преимуществом. По его оценке, через пару лет она вряд ли будет заметно выделять Minerva среди конкурентов. Поэтому компания предпочитает ограничивать круг задач: вместо универсального ИИ, которому маркетолог самостоятельно передаёт случайные наборы данных, Minerva предлагает специализированную систему с заранее подобранными источниками информации.

Следующий шаг — ИИ-агент, который сможет самостоятельно строить прогнозные модели по обычному текстовому запросу. Например, маркетолог спросит, какие клиенты с наибольшей вероятностью перестанут пользоваться услугами или кому лучше предложить конкретный продукт. Пока этот инструмент находится в разработке.

По своей сути Minerva напоминает платформу клиентских данных — систему, которая собирает сведения о покупателях из разных источников и формирует единые профили. Однако компания сознательно избегает такого позиционирования. По словам Энглса, традиционные платформы нередко превращались для маркетологов в ещё одну сложную систему, которой приходилось управлять. Minerva рассчитывает изменить сам способ работы: вместо многочисленных настроек и панелей аналитики пользователь будет общаться с ИИ-агентами и получать готовые результаты. Как объясняет Энглс, маркетологи должны больше времени уделять тому, как рассказывать историю своего бренда, а рутинные операции и оптимизацию постепенно поручать искусственному интеллекту.