Клуб медицинского менеджмента и маркетинга · Екатеринбург

AI для медицинских
маркетологов

Практика

Евгений Кузнецов · Head of Analytics, JetStyle

Контекст

Мы здесь уже были

1999
Появился интернет
  • «Это игрушка для гиков»
  • «Серьёзный бизнес строится вживую»
  • «У нас нет ресурсов на это»
  • «Подождём, пока технология созреет»
2025
Активно развиваются AI-агенты и экосистемы
  • «Это просто чат, у нас ChatGPT есть»
  • «Это пузырь, он скоро лопнет»
  • «Агенты врут и галлюцинируют, серьёзные решения принимают люди»
  • «Нет времени разбираться»
  • «Подождём, пока всё устаканится»

Те, кто не ждал в 1999 — построили бизнес на интернете.
Те, кто действует сейчас — входят в новый мир и кратно повышают свою эффективность.

Шкала трансформации · Сева Устинов

Путь от «умного Google» к AI-компании

01 «Умный Google» В интерфейсе чата: спросил — получил ответ — сделал сам
02 Custom GPT Доп. файлы, специальные промпты, конкретная область знаний
03 AI — это агент Взаимодействует с файлами, компьютером, сервисами. Выполняет цепочки действий
04 Личный Workspace Агент работает внутри твоего пространства и накапливает контекст
05 Правила и навыки Регулярные задачи описываются — возникают инструкции, навыки и суб-агенты
06 Командный Workspace Из личного — в company-wide. Агент знает весь контекст компании
07 Автоматизация Лид сам перешёл в статус — агент запустился сам. Без «пойди обработай»
08 Цепочка ценности От людей, точечно использующих агентов — к агентам под присмотром людей
09 Оргструктура Продукт и сервис схлопываются — обе части работают над одной агентной системой
10 Ответ за результат Не за инструмент — за конечный результат в процессе клиента
11 Быстрый фидбек Ежедневно: edge cases → улучшения → тестирование → деплой
12 Уникальные агенты Данные и знания компании = конкурентное преимущество, которого нет ни у кого

Перейти от «зоопарка» разрозненных SaaS-инструментов
к единой AI-native операционной системе

Шкала трансформации · Где вы сейчас

Большинство — здесь

01 «Умный Google» В интерфейсе чата: спросил — получил ответ — сделал сам
02 Custom GPT Доп. файлы, специальные промпты, конкретная область знаний
03 AI — это агент Взаимодействует с файлами, компьютером, сервисами. Выполняет цепочки действий
04 Личный Workspace Агент работает внутри твоего пространства и накапливает контекст
05 Правила и навыки Регулярные задачи описываются — возникают инструкции, навыки и суб-агенты
06 Командный Workspace Из личного — в company-wide. Агент знает весь контекст компании
07 Автоматизация Лид сам перешёл в статус — агент запустился сам. Без «пойди обработай»
08 Цепочка ценности От людей, точечно использующих агентов — к агентам под присмотром людей
09 Оргструктура Продукт и сервис схлопываются — обе части работают над одной агентной системой
10 Ответ за результат Не за инструмент — за конечный результат в процессе клиента
11 Быстрый фидбек Ежедневно: edge cases → улучшения → тестирование → деплой
12 Уникальные агенты Данные и знания компании = конкурентное преимущество, которого нет ни у кого
Где большинство прямо сейчас
Цель этого мастер-класса

Шаги 1–2: «спросил — получил ответ — сделал сам».
Сегодня делаем переход на шаги 3–4.

Что открывается дальше

Шаги 3–4: агент с контекстом клиники

3

Это не чат — это агент

Если дать AI доступ к файлам — он не просто отвечает, а делает: читает, анализирует, создаёт документы. Вы задаёте задачу, он выполняет цепочку действий.

4

Личный workspace

Благодаря систематизации агент работает внутри вашего мира: знает вашу клинику, конкурентов, пациентский путь. Каждый следующий запрос порождает более качественный ответ — контекст накоплен.

Результат

Часы
вместо дней

Анализ конкурентов и матрица позиционирования
Черновик посадочной страницы
Структура рекламных кампаний

За одну рабочую сессию агента, не человека.

Архитектура

AI-first рабочее пространство

1

Единая среда в Markdown

Все знания, документы, процессы, стратегия и найм хранятся в виде лёгких Markdown-файлов — одинаково читаемых агентом и человеком.

2

Система контекстных правил

README.md / .cursorrules / CLAUDE.md / AGENTS.md — каждая папка (продукт, маркетинг, операции) имеет свой файл с правилами. Агент читает их сам и решает, какой контекст подтянуть для задачи.

Результат двух слоёв

Компания становится
«читаемой» для ИИ

Автоматизация перестаёт быть фрагментарной. Для этого:

Создаётся онтология компании
Прописываются права доступа и владельцы процессов
Агент сам находит нужный контекст — без ручных подсказок
Инструменты

Стек AI-native workspace

Хранилище знаний · Фундамент
Obsidian
Obsidian Vault
Все знания, документы и правила — в Markdown-файлах. Агент читает их как контекст перед каждой задачей.
Среда и агент
Cursor
Cursor
AI-редактор с агентным режимом. Читает файлы, выполняет цепочки задач прямо внутри рабочего пространства.
Модель · Мозг агента
Claude
Claude
Длинный контекст, глубокое рассуждение, работа с документами. Лучший выбор для маркетинга и стратегии.
UI и прототипы
Stitch
Stitch
AI-генерация интерфейсов по описанию. Быстро создаёт посадочные страницы без разработчика.
Автономный агент
Codex
Codex
Агент OpenAI для написания и запуска кода. Работает в фоне, выполняет задачи параллельно без команды.
Илья Красинский — о промптах

«Попытка AI извлечь максимум смысла из короткого промпта — это математически некорректная задача»

— Илья Красинский

По умолчанию AI выдаёт усреднённый, стереотипный результат.

Не описывайте что делать — описывайте входные данные и критерии качества результата.

Каждая ошибка агента — не правка руками, а новое правило в базу знаний.

Главный тезис

Не промпты важны.
Важен контекст
и система.

Промпт — это вопрос. Контекст — это всё, что AI знает о вашей клинике, пациентах, конкурентах и задаче, до того как вы задали вопрос.

Разрыв

«Спросил AI» vs «AI работает внутри твоего мира»

⚠ Было: спросил AI

Открыл ChatGPT, написал «напиши текст для страницы ЭКО»
Получил общий текст про «высококвалифицированных специалистов»
Переписал вручную, добавил про клинику
Повторил три раза — получилось что-то похожее на правду

✓ Стало: AI с контекстом

Агент читает: данные клиники + CJM пациента + анализ конкурентов
Выявляет незакрытые боли, которых нет у конкурентов
Пишет тексты на языке пациента, с закрытием конкретных страхов
Проверяет себя в роли QA-эксперта и находит нарушения закона о рекламе
Блок 2

Сейчас
покажем

Живое демо на материале ВРТ-клиник Екатеринбурга.
Конкурентная разведка + черновик стратегии за 20 минут.

Точка отсчёта

Тогда и сейчас

Тогда: ChatGPT-чат

1Написали промпт: «составь CJM для ВРТ-клиники»
2Получили общую структуру — не то
3Уточнение: «добавь этапы 1–10, эмоции, боли»
4Ещё итерация: «сведи в таблицу»
5Финальный CJM через 3 итерации

Один вопрос — один ответ. Контекст не накапливается.

Сейчас: агент с контекстом

→Передаём CJM как файл — агент читает весь пациентский путь сразу
→Агент извлекает: боли, окна контакта, маркетинговые возможности
→Этот файл используется в каждом следующем шаге автоматически

CJM — не одноразовый артефакт. Это живая база знаний.

Что делаем сейчас

5 этапов за 20 минут

0
Пролог
CJM → база знаний
Агент извлекает контекст пациентского пути
→
1
Этап 0
Контекст клиники
Создаём clinic-context.md с персонами и УТП
→
2
Этапы 1–2
Конкуренты + матрица
6 сайтов, матрица, незакрытые ниши
→
3
Этап 3
Посадочная
Тексты на языке пациента + QA-проверка
→
4
Этап 4
Кампания
Структура Директ по этапам пути пациента
Инструмент: Cursor
или Claude Code
Модель: Claude Sonnet
Демо — Пролог + Этап 0 · ~5 минут

Закладываем фундамент

Пролог: CJM → база знаний

Агент читает файл CJM и создаёт структурированную базу:

  • Эмоциональный маршрут пациента
  • Боли по этапам (хронические)
  • Возможности для клиники
  • Маркетинговые окна
Результат: demo/cjm-insights.md

Этап 0: Контекст клиники

Агент создаёт «маркетинговый мозг» клиники «Надежда»:

  • 3 персоны пациентов с болями и языком
  • Услуги и реалистичные УТП
  • Tone of voice — тёплый, честный
  • Что нельзя обещать (закон о рекламе)
Результат: demo/clinic-context.md

→ Эти два файла — основа. Все следующие этапы читают их как контекст.

Демо — Этапы 1–2 · ~12 минут

Конкурентная разведка

Этап 1: Анализ сайтов

Агент обходит 6 сайтов клиник + читает список ключевых запросов пациентов. Извлекает по каждому:

  • H1 и главный оффер
  • 2–3 УТП из текста
  • Цена, онлайн-запись (да/нет)
  • Явные слабые места
Результат: demo/competitors-analysis.md

Этап 2: Матрица и ниши

Агент сравнивает конкурентов с болями из CJM и семантикой пациентов:

  • Матрица по 7 критериям
  • Что не делает ни один конкурент
  • ТОП-3 незакрытые потребности
  • 3 гипотезы позиционирования
Результат: demo/competitive-matrix.md
Демо — Этапы 3–4 · ~8 минут

От анализа к готовым материалам

Этап 3: Посадочная страница

Структура с готовыми текстами — тон из эмоций этапа «Выбор клиники» CJM:

  • H1 + подзаголовок + CTA на языке пациента
  • 3 блока под хронические боли из CJM
  • Блок «Мы понимаем ваш путь» (закрытие страхов)
  • QA-проверка: агент меняет роль и проверяет себя

Этап 4: Рекламная кампания

Структура Яндекс Директ по этапам пути пациента, не просто по ключам:

  • Группа 1: Активный поиск (информационные запросы)
  • Группа 2: Выбор клиники (коммерческие)
  • Группа 3: ЭКО по ОМС (31k запросов)
  • Группа 4: После неудачных попыток
Итог демо

Что сделал агент за 20 минут

6
сайтов конкурентов проанализировано
3
незакрытые ниши на рынке ЭКО
1
черновик посадочной страницы готов
4
рекламные группы по CJM

Агент работал с контекстом клиники, пациентского пути и конкурентного рынка — одновременно.

Без контекста — это была бы неделя работы аналитика.

Блок 3 · Инструментарий

На чём это работает

📂
Obsidian + Markdown-файлы — хранилище знаний
Все знания клиники, CJM, конкуренты, результаты — в простых текстовых файлах. Одинаково читаемы агентом и человеком
⚡
Cursor / Claude Code — среда и агент
IDE или терминал, где агент читает файлы, выполняет цепочки задач и создаёт документы прямо внутри рабочего пространства
🧠
Claude Sonnet — мозг агента
Длинный контекст, глубокое рассуждение, работа с документами. Лучший выбор для маркетинговых и стратегических задач
📋
CLAUDE.md / .cursorrules — память и правила
Контекстный файл с правилами клиники. Агент читает его при каждом запросе — и всегда знает кто его клиника, кто пациент, что можно говорить. Это главный инструмент.
Ключевой инструмент

Что такое контекстный файл клиники

# Клиника «Надежда» — контекст для AI ## Целевые пациенты Персона 1: женщина 28–35 лет, первичное бесплодие Страхи: «не знаю с чего начать», «это очень дорого» Язык: «не получается забеременеть», «врачи не находят причин» Персона 2: пара 35–42, вторичное бесплодие Страхи: «время уходит», «уже 1,5 года пробуем» ## Tone of voice Тёплый, без медицинского формализма. Честный про риски — без обещания гарантий. «Мы понимаем что вы уже многое прошли». ## Что нельзя говорить — Гарантия беременности — Конкретные сроки лечения — Сравнения с конкурентами по имени

Это не настройка

Это характер агента. Он читает файл при каждом запросе — и всегда знает кто его клиника, кто пациент, что можно говорить.

Одного файла достаточно для старта

Начните с 20 строк о клинике. Дополняйте после каждой задачи. Через месяц агент будет знать вашу клинику лучше нового сотрудника.

С чего начать прямо сейчас

4 шага на эту неделю

Запомните одно

Инструменты вторичны.

Первична система контекста.

Cursor или ChatGPT — это просто среда.
Ваша база знаний о клинике — это то, что делает агента умным.

Блок 4 · Учебный курс

Повторите всё самостоятельно

М0
Настройка рабочего пространства
Cursor, папка проекта, первый контекстный файл. Старт за 30 минут.
М1
База знаний клиники
Шаблон clinic-context.md с персонами, УТП и правилами tone of voice.
М2
Конкурентная разведка
Готовые промпты: анализ сайтов → матрица → незакрытые ниши.
М3
Черновик посадочной страницы
Тексты на языке пациента + QA-проверка агентом. Приём Красинского.
М4
Структура рекламной кампании
Группировка по этапам пути пациента, готовые заголовки и объявления для Яндекс Директ.
Ваш следующий шаг

Откройте курс
и повторите
прямо сейчас

Всё что делали на экране — пошагово, с готовыми промптами.
Сканируйте QR или откройте ссылку на ноутбуке.

→ workspace.datahints.ru
QR workspace.datahints.ru

workspace.datahints.ru

QR Telegram

Telegram-канал

Спасибо

Вопросы?

Евгений Кузнецов
Head of Analytics, JetStyle

Курс: course/index.html · Промпты: assets/prompts/ · JetStyle · Екатеринбург
1 / 24
← На главную