ИИ Маркетинг | Женя Коржавин

Кажется, я разучился печатать) Не в том смысле, что забыл буквы. Просто последнее время я почти не трогаю клавиатуру, хожу по комнате и наговариваю всё подряд: тексты, промпты, ТЗ в ИИ и даже этот пост. Со стороны, наверное, похоже на человека, который разговаривает сам с собой как полоумный), но оно того стоит. Раньше длинный текст я откладывал до последнего. Сесть и стучать по клавишам, выуживать формулировки для меня всегда было через силу. А теперь я просто проговариваю мысль вслух, и она сама ложится в аккуратный текст. Чувствую себя как писатель из нуарного фильма. Весь фокус в сервисе Wispr Flow. Он переводит речь в текст и тут же причесывает её через ИИ. Я могу мямлить, перескакивать с мысли на мысль, ронять свои «ну» и «эээ», а на выходе получаю чистый абзац с запятыми ровно там, где нужно. И да, русский понимает отлично. Живет почти в любом окне, а не только внутри одного чатика с ИИ. Работает бесплатно и на всех платформах, а если затянет, как меня, то есть Pro версия в $15 в месяц. По факту то же самое, просто включается их обработка с ИИ на полную. Я подсел так, что от одной мысли вернуться к клавиатуре накатывает лёгкая тоска, в общем рекомендую!

Исходный код картинки и вся серия баннеров в одном стиле. Под разные офферы и товары нужен единый вид, но нейросеть на каждой генерации может уводить изображение куда ей вздумается. Вот тут и выручает этот промпт. Он не копирует картинку, а раскладывает ее на исходный код, машиночитаемый JSON, где прописана каждая деталь. Каждый объект, точные hex-коды цветов, свет и тени. Причем в три прохода, так что ловит и мелкие текстуры, и связи между объектами. И вот ради чего все это. В готовом JSON Вы меняете только то, что нужно, скажем товар, фон или надпись, а весь остальной вид держится сам. Отсюда единый стиль через десятки баннеров, повтор того же вида в любом другом генераторе и точное ТЗ дизайнеру вместо размытого сделай похоже. Пользоваться элементарно. Берете промпт под постом, кидаете его вместе с картинкой в Claude, ChatGPT или Gemini, забираете JSON и несете в свой генератор. А нужна хирургия, дайте модели сразу оригинал и поправленный JSON, тогда она тронет только нужный кусок, а остальное оставит как есть. Забирайте и тестируйте: You are a forensic image-analysis engine. I will give you ONE image. Your only job is to reverse-engineer it into a single, exhaustive JSON object so detailed that a text-to-image model (Nano Banana, Flux, DALL·E, Midjourney) could regenerate the image with near-perfect fidelity from the JSON alone. Run THREE sequential passes internally before writing anything: 1. MACRO SWEEP — identify every major element, the scene type, and the global composition. 2. MICRO SWEEP — scan for small details, textures, micro-patterns, edge wear, imperfections, film grain. 3. RELATIONSHIP SWEEP — map spatial and physical relations between objects (on top of, behind, casting shadow onto, reflected in). Then output ONE JSON object and NOTHING else — no preamble, no commentary, no markdown fences. Follow this schema exactly. Use null for anything you cannot determine. Never invent data. { "summary": "one-sentence description of the whole image", "style": { "medium": "", "art_style": "", "era_or_influence": "", "render_engine_guess": "" }, "canvas": { "aspect_ratio": "", "orientation": "portrait|landscape|square", "resolution_feel": "" }, "objects": [ { "name": "", "bounding_box": { "x": 0.0, "y": 0.0, "w": 0.0, "h": 0.0 }, "z_depth": "foreground|midground|background", "material": "", "surface": "matte|glossy|metallic|rough|transparent|...", "colors": [ { "role": "base|accent|shadow|highlight", "hex": "#000000" } ], "lighting_on_object": "", "notable_details": "" } ], "background": { "description": "", "texture": "", "pattern": "", "depth_of_field": "", "dominant_hex": "#000000" }, "composition": { "symmetry": "", "rule_of_thirds": "", "focal_point": "", "leading_lines": "", "balance": "" }, "text_content": [ { "text": "", "font_style": "", "weight": "", "alignment": "", "hex": "#000000", "position": "" } ], "lighting": { "key_light_direction": "", "color_temperature": "", "shadows": "", "highlights": "", "contrast": "", "transparency_or_glow": "" }, "color_palette": [ "#000000", "#000000", "#000000" ], "mood": "", "regeneration_prompt": "one dense paragraph that recreates this image, written as a ready-to-paste text-to-image prompt" } Rules: - Sample REAL hex codes from the pixels. Do not round to generic color names. - Normalize every position and size to 0–1, origin at the top-left corner. - If the image has no text, return "text_content": []. - Return valid, parseable JSON only. Если что, для ИИ-аватаров такой подход не подойдет, там нужно держать саму внешность, а не стиль.

Создал систему из агентов, которая разбирает рекламу и лендинги до последнего винтика и тут же позволяет править все на лету. Я свел это в один контур. Кабинет Яндекс.Директ и Метрики подключены по API к Claude, а рядом в нейросети лежит весь исходный код лендингов + память. Все сшито на каждой кнопке, на каждом блоке и секции, на скролле и даже на процентах прокрутки внутри каждой секции. Так что путь пользователя виден целиком, а не кусками. Дальше полный анализ. С одной стороны семантика и ставки, какие фразы сливают бюджет, а какие реально приводят заявки. С другой поведение, на каком именно блоке и на каком шаге формы человек разворачивается и уходит. Получается сквозная аналитика без слепых зон, такая живая цепочка: фраза, клик, блок, шаг, конверсия. И увидев слабое место, я могу тут же править лендинг, не выходя из этого же окна. Сверху прикрутил память к Claude, так что весь контекст не рассыпается между сессиями. С памятью вообще классно, видит все правки в рекламе и на лендингах и сравнивает с тем, что было. Сам провел анализ, сам предложил правки. Пока не понимаю, как перенести эту архитектуру на любой проект, иначе бы уже выложил на GitHub отдельной системой.