# Что такое машиночитаемый маркетинг

Источник: https://kurzemnek.ru/method/introduction
Автор: Валерий Курземнек
Опубликовано: 2026-10-07
Обновлено: 2026-10-07

<h2 id="definition">Что такое машиночитаемый маркетинг</h2>

**Машиночитаемый маркетинг — метод построения собственной маркетинговой системы, в которой агенты работают с данными и принимают решения по заданным правилам.** Сначала разбираемся, какие данные есть и можно ли им доверять. Затем определяем, какие задачи агент может выполнять, по каким правилам и как проверять результат. Данные, определения метрик и история действий должны быть доступны системе так, чтобы расчёты и решения можно было проверить.

Маркетолог задаёт вопрос и получает разбор с расчётами, источниками и ограничениями. На этой основе он может сравнить варианты и принять решение. Человек задаёт цель и пределы полномочий; агенты готовят отчёты, предлагают или выполняют разрешённые действия и измеряют результат.

Я, Валерий Курземнек, развиваю этот метод на практике. Первую публичную версию изложил в [манифесте от 8 июля 2026 года](/manifest). Здесь объясняю, как устроен метод и с чего начать внедрение. В кейсах разбираю системы, которые мы построили: решения, результаты и ограничения.

Основное требование метода — **проверяемая петля решения**: система получает данные, проверяет их, выбирает допустимое действие и измеряет результат. Для управления рекламными деньгами нужно видеть связь расхода с оплатой. Для работы с блогом — оценивать конкретную правку по выбранной метрике за оговорённый период. Если система не может отличить результат действия от ошибки в данных, расширять её полномочия рано.

<h2 id="target">Берите готовую основу и достраивайте под задачу</h2>

Задача может упереться в ограничения платформы: нужный сценарий не поддерживается, исходные события недоступны или расчёт нельзя изменить. Тогда следующая доработка зависит от возможностей продукта и планов его команды.

Когда нужно управлять самой логикой работы, берите готовое решение с доступным кодом и достраивайте его под свой бизнес. Например, возьмите основу бота, добавьте свои сценарии и свяжите события с оплатами. С помощью ИИ можно дорабатывать код, инструменты и проверки, а результат проверять на своей задаче.

Такой основой может быть форк — версия открытого проекта, которую можно развивать под свои задачи. При выборе смотрите, что уже работает, какие изменения внесены и что потребуется настроить. Дальше подключаете свои данные, проверяете результат и развиваете систему по мере появления новых задач.

<figure class="method-visual" aria-labelledby="assembly-caption">
<figcaption id="assembly-caption"><span class="method-figure-label">Устройство системы</span>Готовая основа → доработка под бизнес → собственная система</figcaption>
<div class="assembly-flow">
<div class="assembly-stage"><span class="assembly-number">01</span><div><strong>Берём готовую основу</strong><p>Решение или форк с доступным кодом, описанием возможностей и инструкцией запуска.</p></div></div>
<div class="assembly-stage"><span class="assembly-number">02</span><div><strong>Достраиваем под задачу</strong><p>Добавляем свои данные, определения метрик, сценарии, инструменты и проверки.</p></div></div>
<div class="assembly-stage assembly-result"><span class="assembly-number">03</span><div><strong>Управляем собственной системой</strong><p>Агенты выполняют работу по нашим правилам. Код, расчёты и последовательность действий можно проверить и изменить.</p></div></div>
</div>
<p class="method-figure-note">Внешняя инфраструктура: модели, вычисления и API рекламных площадок. Их использование учитываем в устройстве и расходах системы.</p>
</figure>

В такой системе вы можете проверить и изменить, как считаются деньги, что запускает сценарий, когда агент действует и что его останавливает. Разработка и обслуживание входят в стоимость работы вместе с моделями и инфраструктурой.

Начните с одной задачи. Выберите основу, подключите данные и проверьте, что нужная функция работает в ваших условиях. Следующую задачу добавляйте после проверки первой.

<h2 id="value">Что получает маркетолог</h2>

Маркетолог уточняет, что именно нужно сравнить и за какой период. Агент собирает расчёт, а критик — отдельный проверяющий — сверяет его основания с источниками и правилами. Так до решения о расходах можно увидеть, на чём держится каждый вариант и каких данных пока не хватает. После действия сохраняем результат, чтобы вернуться к нему при следующем разборе.

В конечном счёте я хочу повысить **долю удачных решений, или win rate (WR)**. Чтобы проверить, происходит ли это, нужно заранее определить, какой исход считаем удачным, за какой период его оцениваем и какие решения сравниваем. В журнале сохраняем гипотезу, прогноз, действие и фактический результат. Общего измеренного прироста WR по методу мы пока не заявляем.