Как «Магнит» перестал терять дочитывания баннеров: уроки одной LLM-вёрстки

Как «Магнит» перестал терять дочитывания баннеров: уроки одной LLM-вёрстки

Контекст

В 2024 году у «Магнита» в мобильном приложении накопилось 38 шаблонов push-уведомлений (пуш-сообщений) и сторис-баннеров. Каждый регион собирал свои промо-акции вручную: дизайнер верстал макеты, копирайтер писал текст, маркетолог согласовывал. Средний цикл одного баннера — 4 рабочих дня. Команда из 12 человек ежемесячно выпускала около 1 800 креативов (рекламных материалов), а доля отказов от показа из-за ошибок или устаревшего контента доходила до 17%.

Задача

Бизнес хотел к началу сезона «Школьная форма» (август 2025) сократить цикл производства баннера с 4 дней до 6 часов, сохранив визуальную консистентность (единство стиля) бренда и снизив процент брака ниже 5%.

Решение

Команда дирекции маркетинга собрала внутренний инструмент на базе дообученной языковой модели и модели изображений.

Архитектура выглядела так:
— Вход: таблица с товарами, ценами, остатками и сегментом аудитории.
— Слой 1: LLM генерирует три варианта заголовка и подзаголовка под тон бренда (Tone of Voice — «теплый, семейный, конкретный»), длину проверяет по правилам пушей — не более 70 символов на заголовок.
— Слой 2: модель изображений собирает композицию из утверждённых ранее фотобанковских слоёв, логотипа и фоновых текстур. Готовых изображений «из интернета» не использует — только лицензионный фонд бренда.
— Слой 3: автоматический чек-лист — контрастность по WCAG (стандарту доступности), наличие лицензии у каждого слоя, отсутствие запрещённых слов («лучший», «№1»).
— Слой 4: финальное ревью маркетологом занимает 8–12 минут вместо полутора часов.

Дополнительно внедрили «банк контекстов»: для каждого сегмента аудитории (мамы с детьми 6–10 лет, студенты, пенсионеры) заранее зафиксированы допустимые триггеры и стоп-слова. Модель сверяется с этим банком перед генерацией.

Результат

За период август–ноябрь 2025 года:
— Среднее время от брифа до готового креатива: 5,5 часов (минус 78%).
— Доля брака по итогам ревью: 4,1% (против 17% в базовом периоде).
— CTR (отношение кликов к показам) сторис-баннеров вырос с 2,3% до 3,1% в сегменте «мамы с детьми».
— Бюджет на аутсорс-дизайн сократился на 6,2 млн рублей за квартал.
— NPS (индекс лояльности) по внутреннему опросу команды маркетинга: с 28 до 47 баллов — люди перестали заниматься рутиной.

Урок

Главный вывод не про экономию денег. Главный вывод про границу между автоматизацией и ответственностью.

В кейсе «Магнита» видно, что LLM забрала 70% рутины — текст, компоновка, проверка базовых правил. Но оставшиеся 30% остались за человеком: финальное ревью, этические ограничения, развитие «банка контекстов». Этот банк — самое ценное, что появилось в проекте. По сути, он превращает размытые «чувства» маркетолога в формализованные правила, с которыми может работать модель.

Второй урок касается измеримости. Команда не стала гнаться за вау-метриками вроде «вовлечённости аудитории». Взяли три приземлённых показателя: время цикла, процент брака, стоимость производства. Эти цифры понятны финансовому директору и не вызывают дискуссий о «креативности».

Третий урок — про данные. Модель не генерировала ничего «из головы»: каждая фотография — из лицензионного фонда, каждый ценник — из товарной базы, каждый сегмент — из CRM (системы управления

— @AIinMarketingRuPro