Как Nike собрал контент-движок вокруг AI: не про «делать больше», а про делать точнее

Как Nike собрал контент-движок вокруг AI: не про «делать больше», а про делать точнее

В 2026-м у маркетинга всё чаще ломается старая логика: контента больше, а эффекта не прибавляется. Nike это увидел раньше многих — и пошёл не в гонку объёма, а в перестройку системы вокруг данных, креатива и персонализации.

Контекст был такой: у бренда огромная аудитория, много каналов, разные сценарии покупки и сильная конкуренция за внимание. При этом классическая логика «один месседж на всех» перестаёт работать: в эпоху AI-overviews, zero-click и короткого внимания выигрывает не тот, кто громче, а тот, кто точнее попадает в намерение человека.

Задача Nike была прагматичной: повысить конверсию и удержание без бесконечного роста медиабюджета. Иначе говоря — не просто привлекать трафик, а лучше монетизировать уже существующий спрос.

Что сделали:
— собрали единый слой клиентских данных, чтобы видеть поведение не только по последнему клику, но и по всему пути к покупке;
— начали использовать AI для сегментации аудитории по намерениям, а не только по демографии;
— ускорили производство креативов: AI помогал быстро собирать вариации визуалов и текстов под разные категории и сценарии;
— усилили персонализацию в CRM и на сайте, подстраивая предложения под историю взаимодействия.

Смысл решения в том, что AI стал не «генератором баннеров», а частью MarTech-архитектуры: от аналитики до активации. Это важно: когда креативов можно сделать много, конкурентное преимущество смещается в сторону качества концепции и точности данных.

Результат — более высокая релевантность коммуникации и меньше потерь на пути к покупке. В публичных разборах таких инициатив Nike обычно фигурируют цифры роста вовлечения и эффективности активаций, но главный эффект даже не в одном KPI: бренд смог быстрее тестировать гипотезы и сокращать цикл от идеи до запуска.

**Урок для рынка простой:** AI в маркетинге работает лучше всего там, где есть связка данных, креатива и измерения. Если использовать его только для «производства контента», эффект быстро упирается в потолок. Если встроить в RevOps-логику и сквозную аналитику — он начинает влиять на выручку, а не только на охваты.