Как я готовил рекламную кампанию для РСЯ с помощью Nano Banana и Gemini 2.5

Автор на практике показывает, как собрать «карманный маркетинговый отдел» на базе Gemini 2.5 и Nano Banana Pro для РСЯ без привлечения агентства, директолога и дизайнера. Собранный ранее Python-инструмент с интеграцией Gemini, парсера цен конкурентов и генерации карточек для маркетплейсов дополняется модулем для подготовки рекламных кампаний Яндекс.Директ.

Семантика формируется без Wordstat: Gemini на основе выгрузок из Яндекс.Метрики и 1С автоматически группирует ключевые фразы по воронке (горячие, тёплые, околотематические) и добавляет транзакционные хвосты «купить», «цена», «оптом». Креативы для консервативной ниши спецодежды строятся на провокационных концептах (зомби на стройке, «эволюция рабочего»), а Nano Banana Pro генерирует готовые баннеры с читаемым текстом в нужных форматах под блоки РСЯ.

В результате автор запускает две параллельные кампании: автонастройка Яндекс.Директа даёт предсказуемый трафик по стандартным запросам, а нестандартные баннеры пробивают баннерную слепоту и работают на узнаваемость бренда. По его оценке, весь цикл — от семантики до визуалов — удалось выполнить за один вечер, фактически заменив работу небольшого маркетингового отдела и сократив расходы на подрядчиков.

Читайте также

  1. Яндекс Поиск сэкономил 4,5 млрд ₽ в 2025 году благодаря ИИ — при этом качество ответов Алисы AI выросло в 3 раза
  2. Как пять простых действий в четыре раза увеличили продажи загородной недвижимости: неочевидные лайфхаки рекламы в Яндекс Директ
  3. Как нацелить контекстную рекламу на богатых и продавать диваны за 1 млн: история роста магазина элитной мебели в 8 раз
  4. Я доверил Gemini в Google Maps спланировать мой день, и всё прошло неожиданно хорошо
  5. Как LLM и агенты меняют бизнес: кейсы, ограничения и выбор фреймворков
Ключевые инсайты из новости (по версии ChatGPT)
  • Генерация семантики для РСЯ на основе внутренних данных и LLM: Вместо ручной работы в Wordstat семантика для РСЯ может строиться на связке внутренних данных: логи Яндекс.Метрики (поисковые запросы, реальные формулировки пользователей) и товарный каталог из 1С. LLM (например, Gemini) по промпту группирует фразы по воронке (горячие, тёплые, околотематические), автоматически добавляет транзакционные хвосты и фильтрует мусорные запросы, после чего результат сразу готов к загрузке в рекламный кабинет.
    [процесс]
Для получения полного доступа оформите подписку PubMag PRO.
Зарегистрированные пользователи видят только два тезиса.
Зарегистрироваться
Инсайты автоматически генерируются с помощью искусственного интеллекта на основе текста статьи.
← Назад в лентуЧитать оригинал →
✈️ Подписывайтесь на мой Telegram-канал — там еще больше интересного про AdTech, MarTech, AI и многое другое!