Продвижения личного бренда с помощью нейросетей

Ролики я сделала ещё до начала проекта — всё это мои личные анимации. В этом кейсе я занималась продвижением. Видео короткие, с разной идеей и подачей. Я выкладывала их только на YouTube. Также сделала статью на DTF. Всё продвигала самостоятельно, экспериментируя с ИИ, как с инструментом: он помогал писать тексты, подбирать обложки, адаптировать описание под видео.

Я выложила на YouTube четыре ролика: «3 кадра», «механизм», «Homo Sapiens» и «Оттепель». Также опубликовала статью на DTF, где показала более короткие анимации.

Я выложила 4 ролика примерно в одно и то же время.

 Первой была Оттепель

Анимация получила достаточно слабую отдачу. Вероятно, повлиял формат и параллельно выложенный контент.

Последним из горизонтальных видео была ведьмочка. Она привлекла чуть больше внимания чем первая, но в разы меньше второй

В качестве работы вертикального формата я выложила Хомо Сапиенса. 
К моему удивлению, он почти не получил просмотров. Вероятно, на это повлияло количество прочих публикаций в этот день.

В качестве площадки для статьи я выбрала DTF. Моя статья набрала 1863 показов в лентах и 92 открытий страницы поста.

Ролики дали очень разные результаты. «3 кадра» явно вырвался вперёд по всем показателям, особенно за счёт сочетания высокого качества, понятного визуала и простого названия. Остальные ролики показали, что даже интересная идея может не сработать без правильного захода. «механизм» и «Homo Sapiens» — примеры того, как алгоритмы YouTube могут просто не показать видео аудитории. Даже при высоком CTR они не набрали охвата. «Оттепель» оказался внизу почти по всем метрикам, и это дало понять, что важна не только идея, но и её подача. Контраст между роликами показал, что оформление влияет не меньше, чем сам контент. А статья, несмотря на более «медийный» формат, тоже сработала — лайки и открываемость у неё были выше, чем я ожидала.

Наиболее заметный результат был у статьи — она собрала 1861 показ в ленте, 91 открытие страницы и 14 лайков. Среди роликов лучше всего сработал «3 кадра»: у него больше всего показов (6379), просмотров (371), вовлечённых просмотров (371) и общее время просмотра (1.26 ч). У «механизма» был высокий CTR (15.22%) при всего 46 показах и 12 просмотрах — это говорит о том, что обложка и название были достаточно привлекательными, но сам ролик получил мало охвата из-за низкой начальной видимости. «Homo Sapiens» показал самый высокий CTR (30.77%), но получил всего 13 показов и 15 просмотров, из которых только 10 были вовлечёнными. Это подчёркивает, что даже очень кликабельная подача не помогает, если видео почти никому не показывают. «Оттепель» набрала 8 просмотров при 178 показах, с CTR 3,37%. Здесь всё работало средне — и визуал, и тема. 

Из получившихся данных можно увидеть, что в первую очередь на площадках не так важно оформление, так как первые три были техническими без него и без кликабельного названия, сколько показы самой платформы. Без ее решения контент любого качества может пропасть.

Ролики дали очень разные результаты. «3 кадра» явно вырвался вперёд по всем показателям, особенно за счёт сочетания высокого качества, понятного визуала и простого названия. Остальные ролики показали, что даже интересная идея может не сработать без хорошего захода. «механизм» и «Homo Sapiens» — примеры того, как алгоритмы YouTube могут просто не показать видео аудитории. Даже при высоком CTR они не набрали охвата. «Оттепель» оказался внизу почти по всем метрикам, и это дало понять, что важна не только идея, но и её подача. Контраст между роликами показал, что оформление влияет не меньше, чем сам контент. А статья, несмотря на более «медийный» формат, тоже сработала — лайки и открываемость у неё были выше, чем я ожидала.

Я использовала ChatGPT, чтобы писать описания, адаптировать тексты под YouTube, находить удачные формулировки. Его же использовала, чтобы собрать черновую статью.
 Для поиска подходящих статей использовала perplexity.

ИИ в этом проекте показал себя как действительно полезный инструмент. Он не заменял креативную часть, а помогал ускорять рутину, принимать решения и тестировать гипотезы. Особенно хорошо он сработал там, где нужно было быстро накидать варианты — заголовки, описания или черновики. Также нейросети позволили быстрее понять, какие форматы работают, какие нет — просто за счёт скорости проб и экспериментов. Это особенно важно, когда продвигаешь что-то самостоятельно. Итог: ИИ не делает работу за тебя, но даёт ощутимую поддержку — если грамотно с ним обращаться. И в рамках учебного проекта это дало больше свободы для тестов и анализа, чем я ожидала в начале.