Главная Академия Статья Как автоматизировать очистку базы контактов и ускорить работу с Яндекс Аудиториями в 10 раз с помощью ИИ

Как автоматизировать очистку базы контактов и ускорить работу с Яндекс Аудиториями в 10 раз с помощью ИИ

Раньше на подготовку контактных баз для ретаргетинга у меня уходило не менее 20 минут. Вручную искал ошибки в заполнении контактных данных, делал несколько итераций загрузки и постоянно вносил правки.

Представьте, сколько на это уходит времени и сил, если запускать, к примеру, 20 рекламных кампаний в месяц?

Я придумал, как автоматизировать этот процесс с помощью ИИ, и собрал простой сервис, который за одну загрузку приводит контакты к нужному формату. Теперь чистка контактных баз занимает не более двух минут.

С использованием сервиса я ежемесячно экономлю около 7 часов.

В статье рассказываю, почему нужно чистить базы и как мне удалось автоматизировать этот процесс с помощью нейросети. Протестировать сервис можно по этой ссылке.

Павел Злобин

зам. руководителя по производственной части

Перфоманс-маркетинг: комплексное решение

Который увеличивает выручку и запускает эволюционные процессы в бизнесе

Почему контактные базы не проходят загрузку в рекламные системы

Загрузить контактную базу в систему — регулярная задача в работе с рекламными кампаниями. Например, в Яндекс Аудитории или ВК Рекламу, чтобы запустить ретаргетинг или собрать «look-alike» сегменты.

Формально задача простая: взять контакты из CRM и загрузить в сервис для работы с рекламой. На практике всё упирается в качество данных.

Контакты в CRM почти всегда хранятся в разном виде, потому что их вносят вручную. В одной базе могут одновременно встречаться:

телефоны с плюсом, без плюса, через 8, со скобками, пробелами или дефисами;
email-адреса с опечатками и лишними символами;
несколько email в одной ячейке;
дубли и некорректные контакты.

Я не разработчик, но создаю сервисы с вайбкодингом. Что нужно знать, чтобы начать?

Контакты до чистки — телефонные номера в разных форматах, это не подойдёт никакой рекламной системе.

Такая база не проходит валидацию в рекламных системах. После загрузки часть данных отклоняется, приходится исправлять ошибки вручную в несколько итераций: загрузка → ошибка → правка → повторная загрузка. Даже при небольшом объёме данных это неудобно. Если в базе тысячи контактов — задача отнимает много времени.

Не стоит забывать и про человеческий фактор. Когда приходится чистить данные в спешке или в больших объёмах, легко пропустить ошибку или случайно удалить корректный контакт. А если параллельно горят дедлайны и приходится переключаться между задачами, процесс растягивается. Небольшая задача на 20 минут тянет за собой клубок незавершённых дел и вызывает расфокус.

Ручная очистка контактов для рекламных систем — рутинный и механический процесс, который отнимает много времени, а мне надо запустить рекламную кампанию сейчас.

В самих рекламных системах готовых решений нет, поэтому я решил проблему своими силами. Сначала автоматизировал частично: загружал файлы в ChatGPT и давал команды на очистку данных — убрать лишние символы, привести телефоны и email к нужному формату. Это ускорило работу, но всё ещё требовало моего внимания на каждом этапе.

Решение: собрал сервис с помощью нейросети для автоматической чистки контактов

Я решил не останавливаться на чате с нейросетью и собрал отдельный сервис для очистки контактов.

Взял правила, которые использовал при ручной обработке, и передал их ИИ как требования к решению. На их основе ИИ написал скрипт для обработки данных и подсказал, как развернуть его на базе моего блога в WordPress. Так я разместил сервис на странице блога.

На сборку сервиса ушло около пары часов — за счёт того, что логику обработки сформулировал заранее. За это время я мог бы очистить несколько контактных баз, но вместо этого один раз сделал сервис и больше никогда не буду этим заниматься вручную.

Мои опыт и сформулированные этапы решения задачи помогли нейросети сделать инструмент эффективно и быстро. Идеальный симбиоз работы грамотного специалиста и ИИ. Без понимания итогового результата ничего бы не вышло.

Теперь чистка контактов выглядит так: я выгружаю базу из CRM, загружаю файл в сервис и получаю готовый файл для рекламной системы. Никаких промежуточных проверок и исправлений!

ИИ написал код — что дальше? Почему вайбкодинг не отменяет мышление маркетолога

Контакты до и после очистки — теперь все в едином формате.

Сервис приводит данные к требованиям рекламных платформ: корректирует телефонные номера, очищает email, убирает лишние символы и дубли, корректно обрабатывает строки с несколькими контактами.

Самое главное — сервис экономит время. Если думать глобально, то 20 минут на каждую базу превращаются в 7 часов в месяц. А это почти целый рабочий день! Теперь же я очищаю контакты за пару кликов.

На этом я не остановился и встроил логику сервиса в рабочие процессы. Сейчас это один из шагов внутри AI-инфраструктуры агентства: обработка контактов запускается как отдельный skill (навык) в агентском GitHub, и любой член команды может использовать сервис без погружения в детали.

Отдельный сервис на сайте остался как решение для внешнего использования.

Что в итоге

Очистка контактных баз — небольшой, но регулярно повторяющийся процесс. В сумме такие задачи влияют на скорость запуска кампаний и загрузку команды.

Мне удалось убрать лишние шаги и сократить процесс до одного действия. При этом сам сервис я рассматриваю как промежуточный этап. Дальше такие решения логично встраивать в рабочие задачи, чтобы они были частью большого процесса.

Записала Мария Андреева, отредактировал Сергей Афонин