ИИ в маркетинге 2026: как «поиск без кликов» меняет digital-рынок Казахстана
Маркетинг превращается в поле битвы алгоритмов, а данные становятся главным активом компаний
За последние годы казахстанский рынок digital-рекламы вырос — по данным экспертов Центральноазиатской рекламной ассоциации (ЦАРА), за три квартала 2025 года рост составил 17 % год к году — и стал более зрелым. Главным технологическим фактором 2026 года стала глубокая интеграция ИИ во все уровни digital-маркетинга и окончательное превращение ИИ из вспомогательного инструмента в операционную реальность.
Глобальные рекламные экосистемы — Google, Yandex, Meta, TikTok — форсированно расширяют применение ИИ-алгоритмов. Параллельно меняется сама логика поиска. На смену классическому SEO и контекстной рекламе приходит «поиск без кликов» — пользователь получает ответ от ИИ-ассистента, даже не переходя на сайт бренда. Для рекламодателей это означает, что поисковые платформы все меньше воспринимаются как источник трафика и все больше — как источник данных. Но возникает парадокс: чем больше бизнес делегирует алгоритмам, тем выше цена ошибки и тем критичнее вопрос, кто в действительности принимает решения — директор по маркетингу или «черный ящик» рекламной платформы?
Что находится в «черном ящике»?
Константин Коломейцев, директор по ИИ (CAIO) Sergek Group, считает, что полностью раскрыть логику нейросети сложно, но можно раскрыть логику процесса. Маркетологу важно видеть не только финальный ответ, а путь: какие сайты агент открыл, какие источники сохранил, какие данные использовал и почему сделал тот или иной вывод. «Модель может быть сложной, но работа агента должна быть проверяемой», — определяет возможные стандарты Константин.
По мнению основателя и директора ИИ-агентства «ХабЛаб» (HubLab.ai) Ивана Кононова, проблема заключается не в «черном ящике» как таковом. Реальный вопрос другой: где принимаются решения и можно ли их проверить. «В наших проектах каждое решение оставляет след — на каких признаках оно принято, где сработал контроль, насколько разошлись генератор и оценщик. В одном из B2B-проектов мы подняли точность классификации намерений с 49 до 81 % — не за счет модели, а за счет ручной разметки 500 диалогов и проверки моделью-судьей. Каждое решение получило аудируемый контекст, который можно показать клиенту», — приводит пример Кононов. Прозрачность против эффективности — ложная дилемма, и открывать в 2026 году надо не модели, а архитектуры вокруг них.
Когда алгоритмы берут на себя тактику, меняется роль маркетолога. Директор по работе с медиа казахстанского продуктового бюро Heartland Александра Волкова считает, что мы наблюдаем, по сути, момент «переизобретения» института маркетинговых агентств в целом. «Если алгоритм становится «состратегом» клиента, то в чем теперь ваша добавленная стоимость как маркетолога? Как вы отвечаете клиенту, который говорит: «Я могу освоить бюджет без вашего участия»?» — задает совсем не риторические для продавцов маркетингового сервиса вопросы Волкова.
За любым алгоритмом, отмечает она, так или иначе стоит человек. Специалист должен понимать контекст, принимать решения, взвешивать риски, видеть картину шире цифр и, самое главное, брать ответственность за результат — и понимание этого нужно «продать» клиенту. Рынок становится взрослее, клиенты — сильнее, и это всем идет на пользу. Алгоритм может оптимизировать кампанию, но он пока не понимает бизнес так же хорошо, как человек, не чувствует рынок, пока плохо видит культурный контекст. Вот здесь и проявляется настоящая ценность агентства или новая роль сильного маркетолога, констатирует Волкова.
Новая unit-экономика цифровых продуктов
Рост рынка digital-рекламы и экспансия ИИ создают реальность, в которой ключевой валютой становится не охват и не частота контакта, а доказуемая эффективность каждого тенге рекламного бюджета. Дополнительный фактор давления — медиаинфляция.
По словам директора по маркетингу Bereke Business (Bereke Bank) Дарьи Сычевой, для B2B-сегмента медиаинфляция особенно чувствительна: аудитория узкая, касания дорогие, и если ты платишь больше за тот же охват — стоимость привлечения клиента начинает кратно увеличиваться. «Часть бюджета, которая в прошлом году шла на широкий охват, перераспределена в пользу performance-инструментов с четкой атрибуцией. Это болезненное решение с точки зрения узнаваемости бренда, но ты вынужден защищать каждую строчку расходов перед финансовым директором на языке цифр, а не охватов», — комментирует эксперт.
Вопрос «сколько мы потратили?» сегодня окончательно уступает место вопросу «что мы за это получили?». Каждое решение измеряется через призму возврата на вложенный капитал, и в основе этого перехода лежит простой, но жесткий принцип: каждая рекламная кампания — это микроинвестиционный портфель, а каждый маркетолог — инвестор. У него есть стоимость привлечения платящего клиента (CAC), прогнозируемая доходность на горизонте жизни клиента (LTV), целевая рентабельность (Target ROAS) и период окупаемости (payback period).
Как и в сфере управлении активами, задача маркетолога — не просто «разместить бюджет», а распределить капитал в каналы с наибольшим возвратом, балансируя портфель по мере поступления новых данных. В свою очередь, инвесторы и советы директоров все чаще смотрят на маркетинг как на функцию, генерирующую измеримый возврат на инвестированный капитал, и оценивают ее по тем же стандартам, что и любой другой бизнес-юнит.
Это и привело к тому, что консалтинговая компания Gartner уже прогнозирует коллапс традиционных martech-архитектур — структур взаимодействия всех маркетинговых технологий и программного обеспечения компаний — уже в ближайшем году, с приходом агентского ИИ (agentic AI). Однако это не пугает рынок профессионального маркетинга.
Основатель и CEO ИИ-сервиса gro.now, помогающего понять рынок и клиентов, Таня Плотникова утверждает, что видит в нынешнем моменте скорее возможность, чем угрозу. «Наша платформа изначально создавалась с применением ИИ, и с каждым релизом она использует его еще больше. Архитектура агентов — это настоящая смена парадигмы, все больше задач выполняются автономно, и следующий шаг — создание директора по исследованиям и стратегии в рамках платформы. Он отвечает на вопросы, улавливает контекст, формулирует задачи, отчитывается о выполнении, корректирует стратегию и просчитывает сценарии», — прогнозирует она.
Иван Кононов считает, что аналитики Gartner правы в целом, но уверен в том, что традиционные martech-стеки (программные инструменты и цифровые платформы, которые используют маркетинговые команды) сожмутся, когда ИИ-агенты начнут оркестрировать функции из одной точки. В США и ЕС, по мнению эксперта, это может произойти в горизонте года или двух лет, в Казахстане — трех-четырех лет. Поэтому в настоящий момент угроза реальна для классических adtech-платформ, у которых выручка построена на сложности их же стека. «Когда агент сам решает, какие данные собирать и через какой канал доставить, большая часть промежуточных инструментов теряет ценность», — утверждает Кононов.
Описанный выше подход к управлению на основе данных — это операционная система маркетинга нового поколения. Но даже самая совершенная система измерения и аллокации капитала бесполезна, если она не учитывает структуру аудитории. А самый быстрорастущий и недооцененный сегмент казахстанской аудитории говорит на казахском языке, который маркетологи долгое время игнорировали, и теперь именно на этом они теряют не только охват, но и прямую доходность.
Қазақша сөйлейміз
Рост казахоязычного сегмента — один из наиболее заметных трендов, который из имиджевой инициативы превращается в бизнес-императив. По данным Yandex Ads, 15 % интернет-пользователей Казахстана предпочитают получать информацию на казахском языке, и именно эта группа демонстрирует более высокую вовлеченность и интерес к брендам. Участники рынка единодушны в том, что этот тренд нельзя оставлять без внимания, но единого мнения о том, как с ним работать, пока нет.
По словам Плотниковой, основная LLM, которую использует ее компания, Gemini, «справляется с казахским языком великолепно и более чем в 95 % случаев клиенты не делают никаких правок». В то же время Константин Коломейцев пока скептически относится к качеству такой работы, считая, что «ИИ уже может генерировать креативы на казахском, но качество пока не всегда такое же стабильное, как на английском языке, к примеру». Главная проблема, считает он, не только в модели, а в нехватке локальных рекламных данных — заголовков, призывов к действию (CTA), баннеров, performance-кейсов, tone of voice бренда и обратной связи.
Практически все эксперты согласны, что работа с государственным языком — не дополнительная опция и не дань моде, а продуктовое решение. Региональный директор Jet Finance в Казахстане Айтолкын Канапина рассказывает, что компания перевела все свои сайты на принцип «казахский в первую очередь» и получила плюс 20 % к конверсии в заявку.
«Важный момент: мы не переводим русские макеты, а сразу делаем казахоязычную версию основной — и результат получается совсем другой. В финансовом продукте все держится на доверии, а язык, который человек считает родным, напрямую влияет на конверсию. Хороший казахский копирайтинг и адаптация финансовой терминологии в дефиците. Поэтому мы вкладываемся в это осознанно — для нас это вопрос уважения к аудитории», — поясняет Айтолкын.
С коллегой согласна Александра Волкова. По ее наблюдениям, рынок постепенно перестает быть копией русскоязычного диджитала и начинает собирать свою собственную реальность. И если бренды начинают нормально работать на казахском — не переводом, а мышлением на этом языке, — они, по сути, начинают участвовать в формировании собственной цифровой среды страны.
Но языковой вопрос — лишь часть более масштабной проблемы. На рынке уже пролегает разлом между теми, кто работает на основе анализа данных, и теми, кто творит «по вдохновению». И способность вовремя преодолеть этот разрыв в перспективе двух-трех лет станет для многих компаний вопросом выживания.
Великий разлом
Самый очевидный и самый болезненный разрыв между условными «физиками» и «лириками» кроется в способности предсказывать поведение клиента до того, как он совершит покупку. Компании, опирающиеся на данные, оперируют не просто демографическими или поведенческими сегментами, а предиктивными когортами: они знают, какой клиент склонен к оттоку через 90 дней, какой — к повторной покупке с вероятностью 80 %, а какому нужен триггерный офер прямо сейчас, чтобы не уйти к конкуренту.
Следующий уровень, на котором data-rich-компании уходят в отрыв, — инфраструктурный. Речь идет о способности собирать данные, очищать, объединять и активировать в реальном времени. И здесь на казахстанском рынке происходит тектонический сдвиг — уже запущена первая в стране отечественная CDP-платформа (Customer Data Platform) на базе big data. Она фиксирует поведение пользователей и собирает сегменты на основе обезличенных данных всего за один день.
Пожалуй, самый драматичный разрыв кроется в способности измерять эффективность. Но компании, работающие на основе данных, и здесь уходят в отрыв: они внедряют ИИ-инструменты, которые дают перейти от корреляции к причинно-следственному анализу, автоматизировать сбор данных и обновлять модели ежемесячно.
Разрыв между data-rich и data-poor — это окно возможностей для технологических партнеров. Дарья Сычева из Bereke Business рассказывает, что на пути к data-rich структура находится в переходной точке. «У нас, как у банка, есть то, чего нет у большинства рекламодателей — транзакционные данные, поведенческая история клиента, сегментация по реальным финансовым паттернам. Но умение превращать эти данные в маркетинговые инсайты в реальном времени — здесь мы еще строим инфраструктуру», — отмечает собеседница.
Айтолкын Канапина характеризует Jet Finance как «однозначно data-rich-компанию», у которой есть собственная ИИ-система скоринга, обрабатывающая данные заявителей в режиме реального времени, GPS-мониторинг залогового имущества, полная воронка от первого касания до погашения займа. «Это дает нам понимание клиента, которого нет у многих игроков рынка», — отмечает она.
А Константин Коломейцев не просто привел свою компанию к стадии data-rich, но и сделал в свободное от работы время проект, который сокращает этот разрыв между большими и малыми игроками. «Раньше нормальная ИИ-аналитика, веб-исследования и автоматизация были доступны в основном компаниям с data-командой и бюджетом. Теперь можно запустить агента локально, без сложной инфраструктуры. Но разрыв между теми, кто просто «пробует ИИ», и теми, кто быстро встраивает агентов в реальные бизнес-процессы, все равно останется», — считает эксперт.
Таким образом, data-driven-подход — это конкретная площадка борьбы, на которой data-rich‐компании уже сегодня выигрывают у data-poor. Разрыв между ними измеряется не просто процентами конверсии, а целыми порядками в маркетинговых метриках. Кто не начнет сокращать этот разрыв сегодня — завтра будет платить за вход в рынок цену, которую уже не сможет окупить. Пока data-rich-компании наращивают отрыв, а казахоязычная аудитория ждет бренды, говорящие с ней на одном языке, окно возможностей остается открытым. Но закрывается оно быстрее, чем кажется.