Описание кейса / решения

Команда Dinamica x D Innovate Group разработала креативную концепцию “Так хочу отдыхать”. Она может считываться сразу с несколькими смысловыми акцентами “ТАК хочу отдыхать” и “так ХОЧУ отдыхать” – оба откликаются на запрос нашей аудитории. Визуальным проводником концепции должны были стать необычные, максимально расслабленные или странные позы персонажей. Учитывая требуемую частоту смены креативов, мы должны были выдавать два-три сюжета в месяц. Естественно, с помощью генеративного ИИ. С идеями проблем не было, а вот с реализацией… 

С наивной идеей получать изображения через промт мы расстались довольно быстро. Когда объем промта, написанного с помощью ИИ-ассистента по промту, превысил несколько страниц, а результат был удручающим. Мы столкнулись с основным ограничением нейросетей: они хорошо справляются со стандартными задачами и абстрактными изображениями. Просить нейросеть сгенерировать человека в нелепой позе – нелепо, в ее исполнении это будет выглядеть, скорее, пугающе, чем забавно или мило. Также бесполезно просить ее отрисовать конкретный диван, его ей можно только “выдать сверху”. 

Путем проб и ошибок команда Dinamica x D Innovate Group за два месяца пришла к LoRA-ориентированной системе производства. Процесс AI-продакшна выстроился в следующей последовательности: 

1. Подготовка персонажа 

• Создание дизайна 
• Генерация ~30 изображений (позы, крупности, части тела) 
• Обучение LoRA на персонажа 

2. Среда и объекты 

• Разработка локации 
• Создание пропсов 
• Обучение LoRA на диван. Диваны пришлось пойти отснять в салонах вручную и выдать эти материалы нейросети, только так достигалось требуемое сходство с конкретными моделями. 

3. Сборка сцены 

• Помещение дивана в локацию 
• Настройка камеры 
• Настройка света 
• Помещение персонажа в приблизительную позу 
• Объяснение модели нужной пластики через примеры на живых людях. Сам ИИ категорически не справлялся с нестандартными позами, поэтому мы учили нейросеть на собственных примерах. Команда фотографировала друг друга в нужных позах и так объясняла нейросести, что от нее и от AI моделей требуется. 
• Правка пропорций и анатомии 

4. Финальная доводка 

• Глобальный апскейл 
• Локальный апскейл 
• Ретушь и исправление артефактов 
• Склейка деталей из разных генераций 

5. Адаптация под различные носители 


Сроки реализации
02.06.2025 — 31.12.2025 








Результаты ДО и ПОСЛЕ

Новые креативы стартовали в июне 2025г. 

1. Восстановление продаж началось в августе, выход в положительную зону (YoY) – в октябре. В результате объем продаж Divan Boss по итогам 2025г. вырос на 3% (YoY) на фоне падение рынка на 15%. 

2. CTR по новым креативам вырос на 2.5 пп. В январе-мае он составлял 5%, в июне-декабре – 7,55%. Брендовый спрос в июне-декабре 2025 (vs июне-декабре 2024) вырос на 5%, несмотря на то, что бренд в 2025г. исключил охватные offline каналы, оставив только digital. 

3. Time-to-market сократился в три раза. Если ранее на разработку креатива необходимо было 15 рабочих дней, то теперь пять. В 2026 г. планируется дальнейшая оптимизация за счет внедрения новых инструментов в уже отработанной пайплайн (цель 2-3 рабочих дня). 

4. Бюджет на AI-продакшн составил 500 тыс. ₽. Мы подсчитали затраты на стандартный продакшн. Съемка пяти топовых моделей диванов, двух актеров в двух локациях для 18 сюжетов обошлись бы нам примерно в пять млн ₽. При этом любой ситуативный незапланированный сюжет (а у нас были и такие) увеличивал бы смету. 


В чем полезность и уникальность кейса?

Один из первых примеров, когда ИИ использовался не в рамках оптимизации или эксперимента, а стал инструментом, обеспечивающем устойчивость бизнеса. Для удержания объема продаж на падающем рынке Divan Boss необходимо было совершить рывок в производстве креативов (числе, качестве, оптимизации их стоимости). Справиться с этой задачей без технологий было просто невозможно. Использование AI позволило в десять раз сократить расходы на продакшн, в три раза увеличило частоту смены креативов. 

В итоге запущенная рекламная кампания не просто удержала продажи Divan Boss на падающем рынке, но увеличила их на 3%. ИИ не просто сэкономил ресурсы, а поддержал компанию в условиях падающего рынка. 


Возможно ли кейс масштабировать в компании и применить для других участников рынка?

Проблема масштабирования и использования AI контента в продвижении — в сохранении баланса между эффективностью нейросети и качеством результата. Аудитория все лучше распознает AI контент, и отношение к нему неоднозначное. По данным открытых исследований, 56% российских пользователей заявили, что реклама, созданная с помощью нейросетей, снижает их доверие к бренду. Очевидно, есть разница между тем, чтобы AI креатив увидели и даже запомнили, и тем, чтобы он повлиял на решение о покупке. И поэтому так важна идея, которая стоит за контентом, сообщением бренда. 

В нашем случае сработало не использование GenAI как таковое, а реализация с его помощью креативной концепции “Так хочу отдыхать”, которая отозвалась аудитории, зажатой со всех стороны всевозможными вызовами и сложностями. Идея остается ключевым элементом маркетинга, только в совокупности с ней использования AI становится эффективным и оправданным. 

Результат

Описание кейса / решения

Для решения задачи компания Defender внедрила «Дживио Агент» — ИИ-агента «Дживио» для автоматизации ответов на отзывы и вопросы покупателей на маркетплейсах. 

Ключевая особенность проекта заключалась не просто в автоматизации большого объема типовых обращений, а в том, что ответы должны были оставаться фактически точными и опираться только на заранее подготовленную информацию по конкретному товару. 

Совместно с командой клиента в «Дживио» была выстроена управляемая модель автоматизации. По каждому товару Defender формировал подробную текстовую основу: характеристики, размеры, цвета, элементы управления, правила использования и ответы на частые вопросы. Затем эти данные переносились в сценарии «Дживио Агента», где задавались правила ответа, логика формулировок и необходимая глубина детализации. Такой подход позволил ограничить источник ответа конкретным документом по товару и исключить риск неточных или «правдоподобных, но неверных» формулировок, что особенно важно для техники и электроники. 

Для проекта были использованы расширенные инструкции внутри «Дживио Агента» объемом до 50 000 символов. Это дало возможность детально настроить логику ответа по каждой группе товаров и встроить ИИ не как отдельный экспериментальный слой, а как рабочий инструмент в действующий операционный процесс клиента. 

В рамках проекта команда «Дживио» настроила для Defender 118 сценариев: 51 для отзывов и 67 для вопросов. За 3 месяца с помощью решения было обработано 82 030 отзывов и 1 596 вопросов. В результате Defender автоматизировал самый ресурсоемкий типовой поток обращений и впервые за 4 года прошел высокий сезон без срочного найма дополнительных сотрудников и без расширения команды под сезонную нагрузку. 


Сроки реализации
01.09.2025 — 28.11.2025








Результаты ДО и ПОСЛЕ

До внедрения «Дживио Агента» Defender обрабатывал поток отзывов и вопросов вручную. При ассортименте 2800 SKU и нагрузке до 1000 обращений в день в обычный период с задачей справлялись 1–2 оператора, но в высокий сезон компании приходилось усиливать команду, привлекать дополнительных сотрудников и работать в выходные, чтобы не допустить накопления неотвеченных обращений. При этом ручная обработка типового потока забирала значительный ресурс у команды и масштабировала операционные затраты вместе с ростом продаж. 

После внедрения решения за 3 месяца с помощью «Дживио Агента» было обработано 82 030 отзывов и 1 596 вопросов — всего 83 626 обращений. Для этого команда настроила 118 сценариев: 51 для отзывов и 67 для вопросов. Главный результат — Defender впервые за 4 года прошел высокий сезон без расширения команды и отказался от найма 3 сезонных сотрудников. 

Таким образом, компания автоматизировала самый ресурсоемкий типовой поток клиентской коммуникации без потери качества ответов и без роста штата под сезонную нагрузку. Финансовая эффективность кейса выражается в отказе от сезонного найма, снижении нагрузки на действующую команду и возможности масштабировать продажи на маркетплейсах без пропорционального роста операционных затрат. 


В чем полезность и уникальность кейса?

«Дживио» решил для Defender не локальную задачу ускорения ответов, а системную проблему масштабирования клиентской коммуникации на маркетплейсах. При ассортименте 2800 SKU и потоке до 1000 обращений в день компания автоматизировала обработку типовых отзывов и вопросов без потери качества и впервые за 4 года прошла высокий сезон без расширения команды. Это позволило снять с сотрудников рутинную нагрузку, отказаться от найма 3 сезонных операторов и масштабировать продажи без пропорционального роста операционных затрат. 

Уникальность кейса в подходе к точности. Для Defender было критично не просто генерировать “хорошо звучащие” ответы, а отвечать строго на основе заранее подготовленного документа по конкретному товару. Это особенно важно для электроники и техники, где ошибка в формулировке быстро становится ошибкой по сути. В результате «Дживио Агент» был встроен не как универсальный генератор текста, а как управляемый AI-инструмент с жестко заданной фактической опорой. 

Второе отличие кейса — глубина настройки. Для проекта было создано 118 сценариев и использованы расширенные инструкции до 50 000 символов, что позволило адаптировать ответы под специфику конкретных товаров и встроить решение в реальный операционный процесс клиента. За 3 месяца с помощью «Дживио Агента» было обработано 82 030 отзывов и 1 596 вопросов — всего 83 626 обращений. 


Возможно ли кейс масштабировать в компании и применить для других участников рынка?

Да, кейс масштабируем как внутри компании, так и для других участников рынка. Внутри Defender решение уже доказало эффективность на ассортименте 2800 SKU и потоке до 1000 обращений в день. Это значит, что подход можно расширять на новые категории товаров, сценарии коммуникации и площадки без изменения базовой логики процесса. 

Для рынка кейс особенно актуален там, где есть большой ассортимент, высокий поток типовых отзывов и вопросов и повышенные требования к точности ответа. Это применимо не только к электронике, но и к любым категориям со сложными характеристиками, комплектацией, совместимостью и правилами использования товара. 

Практическая ценность масштабирования в том, что «Дживио» не требует перестраивать процесс с нуля: клиент задает фактическую базу и правила коммуникации, а агент берет на себя поток обращений. Такой подход позволяет снижать зависимость от сезонного найма, удерживать качество ответов и масштабировать продажи без пропорционального роста операционных затрат.

Результат