Маркетинговый инженер: как собрать систему, в которой агенты ведут кампании

Когда маркетолог начинает всерьёз работать с агентами, быстро выясняется странная вещь. Задачи разные — исследовать рынок, спланировать кампанию, написать посты, собрать посадочную, — а агентам в каждой нужно одно и то же. Кому продаём. Что продаём. Что уже пробовали. Что показали результаты.

Пока эти сведения живут в голове и в переписке, каждую задачу приходится начинать с пересказа. Выход — перестать давать агентам разовые поручения и построить систему, в которой знания, данные и процессы связаны между собой.

Шанн Холмберг, который по его словам делает около 70% маркетинговой работы в агентной среде, назвал эту роль маркетинговым инженером и подробно описал подход в статье How to Become a Marketing Engineer. Ниже — разбор его подхода, пересобранный под российские инструменты. А в конце — скилл, который проводит через весь путь сам: задаёт вопросы, исследует, собирает данные, анализирует и создаёт структуру файлов.

Кто такой маркетинговый инженер

Это не программист в отделе маркетинга. Это маркетолог, который строит системы, делающие маркетинговую работу: на агентах, связанных данных и контексте бизнеса.

Например, контентная система. Она исследует темы, находит углы для кампании и создаёт материалы на основе исследования клиентов, оффера и голоса бренда. Вы проверяете результат до публикации. После публикации связанные процессы собирают результаты и возвращают их в базу знаний, чтобы следующая кампания начиналась не с нуля.

Главное здесь — ваша экспертиза. Именно вы решаете:

• что агентам нужно знать;
• какими источниками пользоваться;
• как проверять их работу;
• где без вашего участия нельзя.

Если предложения агента получились общими, это повод разобраться, а не переписать текст. Слишком широким было исследование? Не хватило знаний о клиентах? Инструкция упустила важное ограничение? Улучшать входы и инструкции — тоже часть работы над системой.

Роль собирает навыки с обеих сторон:

Откуда навык	Что он даёт системе
Продуктовый маркетинг	Знания о клиенте, позиционировании и оффере
Контент и креатив	Голос, примеры, проверку созданных материалов
Performance-маркетинг	Процессы вокруг тестов и измеримых результатов
Маркетинговые операции	Связку инструментов и порядок передачи работы
Аналитика	Надёжные данные и проверку того, как агент их трактует
Разработка	Подключение API, код вместе с агентами, тестирование процессов

Покрывать всё не нужно. Холмберг даёт простой совет: начинайте с работы, которую знаете. Если вы сильны в контенте — стройте с контента. Ваш опыт поможет выбрать источники, дать агентам хорошее направление и заметить, когда черновик промахнулся мимо сути.

Рабочее пространство: где живут знания и работа

Каждому проекту нужно место, где хранится контекст, запускаются процессы и сохраняется результат. Холмберг раскладывает его по маркетинговым направлениям, а общие знания о компании держит рядом, чтобы ими пользовались все направления:

marketing/
├── shared-knowledge/          общее: продукт, аудитория, позиционирование
├── content/
│   ├── knowledge/             знания направления: голос, примеры
│   ├── work/                  черновики и работа в процессе
│   ├── workflows/             процессы от входов до результата
│   ├── skills/  agents/  scripts-and-code/
│   ├── outputs/               одобренные материалы
│   └── results-and-learnings/ результаты и выводы
├── seo-aeo/
├── paid-and-creative/
├── lifecycle-and-cro/
└── outbound/

Строить всё сразу не нужно. Делаете контентный процесс — начните с папки контента и добавляйте то, что ему понадобится.

Одних имён папок агенту мало: они не объясняют, как работать. Нужен короткий файл-карта — где что лежит, какими источниками пользоваться, куда сохранять результат. Отдельные процессы потом ссылаются только на нужные им файлы. Это тот же приём, что и файл правил CLAUDE.md, только для маркетинга.

Подключения и доступы

Процессу нужны инструменты. Контентному — площадки, где искать посты и смотреть их результаты, и сервис, где создавать черновики. Подключаются они через API.

Начинать стоит с вопроса «что процесс должен сделать», а не «что можно подключить». И сразу разделять права:

• Чтение данных, создание черновика и публикация — три разных уровня доступа. Процессу, который готовит посты на проверку, не нужно право публиковать.
• Одобрение — часть процесса. Если вы хотите видеть черновик до выхода, этот шаг вписан в workflow, а публикация закрыта там, где инструмент это позволяет.
• Ключи — только в файле .env, исключённом из Git и не лежащем в общих папках. Не в промптах, не в брифах, не в файлах знаний.
• Сначала маленький тест: забрать пару записей или создать один черновик. Потом подключать к остальной системе.

Не всё нужно подключать самим. Для свежих обсуждений темы Холмберг использует готовый скилл /last30days: он ищет, что люди в нише обсуждали за последний месяц в соцсетях, на форумах и в видео. Найденное всё равно проверяет человек.

Слой знаний: что бизнес знает и что происходит снаружи

Процессу нужно понимать аудиторию, оффер, цель и то, что уже пробовали. Холмберг делит этот контекст на внутренний и внешний:

Внутренний контекст	Внешний контекст
Продукт, офферы, позиционирование	Продукты, офферы и кампании конкурентов
Звонки клиентов, заметки в CRM, переписка с поддержкой	Открытые обсуждения, отзывы, вопросы клиентов
Ваша экспертиза и примеры	Исследования рынка и отрасли
Прошлые кампании и их результаты	Поисковый спрос

Сила — в соединении. Звонки показывают вопрос, который клиенты задают перед покупкой. Внешнее исследование показывает, как люди говорят об этой проблеме, что ищут и как её закрывают конкуренты. Вместе с данными о продукте и прошлых кампаниях у агента появляется материал для настоящих идей, а не общих слов.

Три правила слоя знаний:

• Ваша экспертиза тоже должна попасть в контекст. Голосовая заметка о том, почему прошлая кампания привела не тех клиентов, способна изменить следующий бриф. Причину своей правки стоит записать: «обещает результат, которого продукт не даёт» — это конкретная проверка для следующего запуска.
• У исследования есть источник и дата, у непроверенного — метка. Агент должен отличать одобренное решение о позиционировании от идеи, прозвучавшей на встрече. Как это устроено для голоса бренда, я разбирал в статье про голос бренда в AI-контенте.
• Исследование кампании живёт в её папке. Выводы, полезные дальше, после вашей проверки переносятся в общие знания.

Слой данных: связать рекламу с продажами

Чтобы планировать следующий раунд рекламы, агенту нужно знать, что было в прошлом: какие объявления привели посетителей, какие посетители оставили заявку, какие заявки стали продажами. В России это обычно Яндекс Директ и VK Реклама, Метрика и CRM вроде amoCRM или Bitrix24 — каждый со своими данными.

Хранилище сводит их в одно место, откуда процесс может делать запросы. Начать можно с маленькой базы SQLite и выгрузок в CSV. Дальше помогут три вещи:

• Регулярный сбор. Подключение к API само данные не обновляет. Нужен скрипт, который забирает новые записи по расписанию.
• Связка записей. ID кампаний показывают, что крутилось. UTM-метки — откуда пришёл визит. Поле источника в CRM — откуда пришла заявка.
• Честность про дыры. Связка почти никогда не бывает полной. Процесс должен сообщать о пропущенной разметке, а не уверенно приписывать каждую продажу.

Начинать стоит с вопроса, на который нужен ответ. Например: «какие углы в рекламе принесли качественные заявки в прошлом месяце и что тестировать дальше?» Для ответа мало кликов: нужны расход, исход заявок и запись о том, какой угол проверяло каждое объявление. А ваш разбор добавит то, чего не видно в цифрах: заявки обработали поздно, оффер поменяли посреди кампании, одно объявление обещало лишнее и привело не тех клиентов.

Первый workflow

Выберите задачу, которую делаете достаточно часто, чтобы узнать хороший результат. Для рекламы это может быть бриф на следующий раунд креативов по исследованию клиентов и прошлым результатам. Публикацию объявлений и изменение бюджетов — позже.

Холмберг не запускает процесс сразу. Сначала он 5–10 минут надиктовывает всё, что знает о задаче: цель, контекст, что уже пробовал, в чём не уверен. Потом прорабатывает это с агентом через скиллы планирования Мэтта Покока, которые допрашивают вас по дереву решений. Здесь уходит время на ответы: если агент спрашивает, что считать качественной заявкой, от ответа зависит, какие результаты он возьмёт. А если оффер не согласован, генерировать креативы рано.

Дальше процесс запускается с вашим участием. Если исследование конкурентов нерелевантно, чинятся критерии отбора до того, как оно попадёт в бриф. Если направления игнорируют возражение клиента, проверяется, было ли оно в знаниях и просила ли инструкция его учесть. Когда процесс сложился, шаги сохраняются как переиспользуемый workflow.

Лучше всего видно, что улучшать, в местах, где пришлось вмешаться:

Что случилось	Где искать причину
Исследование захватило нерелевантные компании	Критерии отбора и инструкции исследования
Рекомендации упустили важное возражение клиента	Контекст о клиентах в знаниях
Отчёт взял старые цифры	Обновление данных и проверка свежести
Результат выглядит правильно, но бесполезен	Бриф и определение хорошего результата

Кампания целиком: тикеты вместо хаоса

Холмберг честно признаётся: раньше он переусложнил свою контентную систему. Четыре агента на то, что по сути было тремя шагами производства и петлёй обратной связи. Лучше контекст для агента-автора дал больше, чем новые агенты.

Это тот же вывод, к которому приходят исследования: команда агентов окупается только там, где задача действительно раскладывается на независимые части. Как выбирать форму — в разборе шести паттернов оркестрации.

Для многоканального запуска — посадочная, реклама, контент, письма — Холмберг сначала планирует кампанию целиком, а потом режет её на тикеты. Каждый тикет описывает результат, ссылается на нужный контекст, перечисляет проверки и фиксирует зависимости:

Тикет	Зависит от	Статус
Утвердить оффер кампании	Исследование клиентов и конкурентов	Нужно решение
Собрать посадочную	Одобренный оффер и campaign book	Ждёт
Подготовить рекламные креативы	Одобренный оффер и campaign book	Ждёт
Проверить связку объявление — посадочная	Посадочная и креативы	Ждёт

Параллельно можно вести исследование конкурентов, разбор прошлых кампаний и поиск потенциальных клиентов. Последовательно — всё, что зависит от решений: финальный текст ждёт согласованного оффера, реклама — посадочную, письма — понимания, на что человек подписался.

Общий визуальный ориентир — campaign book: мудборд и одобренные примеры для объявлений, страниц, постов и писем. Холмберг собирает его в Paper или Figma. Агенты по нему верстают макеты в коде и делают варианты под форматы, а человек проверяет направление и детали продукта.

И последнее: проверять кампанию целиком, а не только отдельные материалы. Каждый может пройти свои проверки и при этом противоречить другим. Обещает ли объявление то, что даёт посадочная? Тот же ли оффер в письме? Совпадают ли даты и ссылки?

flowchart TD
    A["Общие знания<br/>аудитория и оффер"] --> C["Запуск workflow"]
    B["Контекст кампании<br/>бриф и исследование"] --> C
    C --> D["Черновики<br/>и проверки"]
    D --> E["Ваша проверка"]
    E -->|правки| C
    E -->|одобрено| F["Готовые материалы"]
    F --> G["Результаты кампании"]
    G --> H["Выводы и ваш разбор"]
    H --> A

Циклы: работать до результата, но с лимитами

Когда у процесса есть понятные шаги и проверки, агент может повторять часть работы, пока результат не пройдёт требования. Это цикл. Для набора креативов проверки простые: верные ли размеры, не обрезан ли текст, совпадает ли оффер с посадочной, точны ли детали продукта. Не прошло — конкретные правки и снова проверка.

Цель для цикла должна называть результат, указывать на план и говорить, когда остановиться. «Сделай креативы лучше» агенту ничего не даёт. Холмберг использует команду /goal: сама цель короткая, а исследование, требования и решения лежат в файлах. По-русски это выглядит так:

Подготовь бриф для следующего раунда рекламы.
Контекст: audience.md, approved-claims.md, campaign-book/
и previous-test-results.md.

Предложи 3 направления. Для каждого: для кого, на чём основано,
чем отличается от прошлых тестов. Дай ссылки на источники,
отметь допущения. Проверь каждое по аудитории и одобренным обещаниям.
Сохрани в creative-brief.md в папке кампании.

Остановись, когда бриф готов к моей проверке.
Не создавай и не публикуй объявления. Если не хватает контекста — спроси.

У цикла обязательны лимиты: время или бюджет токенов, число попыток и правило, когда звать человека. И важная оговорка Холмберга: пройденные проверки не значат, что креатив понравится. Размеры проверяются автоматически, направление и вкус — человеком.

Регулярные задачи и боты

Часть работы повторяется: обновить данные кампаний, проверить активность конкурентов, собрать недельный отчёт. Когда процесс справляется с задачей надёжно, её можно поставить на расписание.

Но расписание не чинит недоделанный процесс. Сначала задача проходит вручную: к чему у неё доступ, что она производит, как проверить результат и что делать при сбое. Отчёт должен сообщать о неудачном обновлении данных, а не писать уверенные выводы на цифрах прошлой недели. Как ловить такие тихие отказы — в статье как следить за AI-ботом в работе.

Следующий шаг — бот, которому команда даёт работу прямо в рабочем чате: «разбери результаты рекламы за прошлую неделю и подготовь бриф для следующего теста». Но создавать его стоит только тогда, когда у него есть понятная работа.

Скилл, который собирает всё это за вас

Прочитать про систему легко, собрать — долго. Поэтому я упаковал подход в скилл для AI-агентов: он работает в Claude Code, Codex, Cursor и других средах, которые поддерживают формат Agent Skills.

Он проводит через шесть фаз:

1. Задаёт вопросы. Раундами, по дереву решений, к каждому вопросу — рекомендуемый ответ. Сначала смотрит сайт, чтобы не спрашивать то, что там уже написано.
2. Исследует. Сайт компании, конкурентов, отзывы и обсуждения клиентов. У каждой находки источник, дата и метка: факт, предположение или «проверить».
3. Собирает данные. Составляет инвентарь источников и загружает выгрузки из Директа, Метрики или CRM в SQLite. Кодировку (включая cp1251) и разделитель определяет сам и отмечает дыры в связке данных.
4. Анализирует. Аудитория с возражениями, карта конкурентов, пробелы и три направления для первой задачи. Выбор оставляет вам.
5. Создаёт структуру и файлы. Общие знания, стартовое направление, кампанию с тикетами, первый workflow, цели для запуска и проверки.
6. Проверяет. Ищет незаполненные поля, похожие на ключи строки, находки без источника и битые ссылки между файлами.

Правила у него жёсткие: ничего не публикует и не отправляет, не просит ключи в чате, не выдумывает цифры и отзывы, не перезаписывает существующие файлы. Решения — направление, обещания клиентам, что требует одобрения — остаются за человеком.

Установка — одной командой:

npx skills add ircitdev/marketing-engineer-skill

Или скопируйте папку skills/marketing-engineer в .claude/skills/ проекта. Запускается обычной фразой: «Собери маркетинговое рабочее пространство для агентов. Компания — …, сайт …, начнём с контента, первая задача — …».

Скилл на GitHubircitdev/marketing-engineer-skill

Не готовы ничего устанавливать — начните с того, что скилл делает на этапах исследования и анализа. Бот соберёт анализ рынка и конкурентов по адресу вашего сайта: где прячутся деньги и что обещают другие.

📊 Собрать анализ рынка и конкурентовБесплатно, в Telegram-боте @uspeshnyybot

Вывод

Маркетинговый инженер не заменяет маркетолога агентами. Он строит систему, в которой ваша экспертиза, данные и процессы связаны, а результаты каждой кампании делают следующую точнее. Строить её стоит не с архитектуры, а с одной задачи из текущей работы: со сроком, требованиями и человеком, который будет пользоваться результатом.

Следующий шаг: выберите задачу, которую вы делаете каждую неделю и умеете оценить. Надиктуйте за десять минут всё, что о ней знаете, и прогоните через скилл или хотя бы через промпт-допрос. Отмечайте каждое место, где пришлось вмешаться, — это и есть план улучшений.

Читайте также