Как Nike использовала AI для персонализации креатива и что это дало маркетингу

Как Nike использовала AI для персонализации креатива и что это дало маркетингу

В 2026 году персонализация уже не про «подставить имя в письме», а про то, чтобы собирать релевантный креатив под сегмент, канал и стадию спроса. Хороший кейс здесь — Nike, которая несколько лет подряд усиливала связку данных, контента и автоматизации в digital-маркетинге.

Контекст был простой: у бренда огромная аудитория, десятки продуктовых линеек и разные сценарии покупки — от новичка, который ищет «удобные кроссовки для города», до продвинутого бегуна, которому важны амортизация, вес и модель колодки. Одинаковый креатив на всех перестаёт работать: в performance-плане он даёт просадку по CTR и рост стоимости лида, а в брендинге не раскрывает ассортимент.

**Задача** — повысить релевантность коммуникации без ручного производства тысяч баннеров и текстов. Nike пошла в сторону AI-инструментов для генерации и подбора креативов: алгоритмы анализировали поведение пользователя, интересы, историю взаимодействий и собирали более точные связки «аудитория — оффер — формат».

Что важно для маркетолога: здесь AI выступал не как «генератор ради генерации», а как слой над MarTech-стеком. Данные из CRM, e-commerce-поведения и медиа-сигналов использовались для автоматической сборки вариантов креатива и дальнейшего тестирования. Это особенно актуально в эпоху privacy-first атрибуции: когда last-click уже не объясняет вклад канала, ценность растёт у тех, кто умеет быстро проверять гипотезы через сервер-сайд-данные, incrementality-тесты и MMM.

**Результат** — быстрее запускались кампании, шире покрывались сегменты, а креативы точнее попадали в потребность. Для крупного бренда это критично: даже небольшой рост эффективности на уровне CTR или конверсии при больших объёмах трафика превращается в заметный денежный эффект. В сегменте, где креативы производятся на потоке, выигрывает не тот, кто делает больше баннеров, а тот, кто точнее строит концепцию.

**Урок** простой: AI в маркетинге лучше всего работает там, где есть не просто объём данных, а понятная бизнес-логика сегментации. Если у вас B2B, e-commerce или бренд с длинным циклом выбора, начинайте не с «нейросети для всего», а с одной задачи: персонализация креатива, подбор оффера или автоматизация тестов. Именно там AI даёт измеримый эффект, а не декоративную автоматизацию.