Университеты и маркетинг

​​Вебинар: как исследовать опыт студента и сотрудника с помощью ИИ? Три года мы собирали открытые ответы об опыте студентов и сотрудников в анкетах 20 университетов и колледжей. 22 830 ответов, шесть групп, единые кодификаторы. Пять ключевых выводов 👇 1. Позитив везде держится на людях. Профессионализм преподавателей - драйвер номер один во всех четырёх студенческих группах: 56,0% в колледжах, 44,7% в магистратуре, 43,5% в бакалавриате. Не инфраструктура и не бренд. 2. Они же в верхушке антирейтинга - 24,5% и 20,4%. Значит, проблема не в том, что сильных преподавателей нет. Проблема в том, что нет единых регламентов и стандартов. 3. Сообщество ценят все, но никто не позиционирует. Людей и окружение хвалят во всех студенческих группах, но своим отличием сообщество не сделал ни один вуз из двадцати. Самая ёмкая свободная ниша сектора. 4. Материальная среда - недостаток у пяти групп из шести. Единственная тема, общая для студентов и сотрудников. Всё остальное индивидуально: у административного персонала это оплата (29,1%), у преподавателей - бюрократия (20,2%). 5. Практика - зона опережающего спроса. Единственная тема, где запрос вдвое-втрое выше барьера. Здесь люди не жалуются, а просят больше. Первая половина вебинара - разбор этой карты: семь выводов, портреты шести групп, матрица приоритизации и незанятые ниши. Вторая половина - как это посчитано с помощью ИИ и почему числам можно верить. Покажем реальные файлы проекта: кодификатор, проверку согласованности кодирования и случай, когда работа была остановлена из-за расхождения в шесть строк. Плюс два инструмента: пять действий, чтобы примерить эту карту на свой вуз, и пять вопросов тому, кто принесёт вам ИИ-аналитику открытых ответов. 18 августа, вторник, 11:00 МСК, 60 минут. Зарегистрировавшимся: отраслевой доклад 2026 (PDF, 27 страниц) и полная презентация вебинара. Регистрация тут. #опытстудента #исследования #ИИвмаркетинге

Главный дефицит магистранта - не знания, а время Магистратура и ординатура - это взрослый работающий студент, который продолжает начатую траекторию, а не начинает заново. Его опыт вуз проектирует редко, а оценивает такой студент строго: ему есть с чем сравнивать. Мы изучили этот опыт на открытых ответах самих обучающихся. Выборка и метод. Открытые ответы 2 068 студентов магистратуры и ординатуры из 11 университетов, собранные в 2023-2026 годах, на пять вопросов: достоинства, недостатки, рекомендации, отличия вуза и факторы выбора. Около 10,8 тысячи содержательных высказываний. Все частоты считаются кодом из корпуса, каждое высказывание отнесено к одной из 59 категорий кодификатора, порог включения 5%, цитаты проверены точным поиском. На частоты наложены модель Кано, эффект пика и конца Канемана, издержки усилия Талера и Санстейна, EST-измерения и механизмы Чалдини, профиль персоны по Остервальдеру и Пинье. Ключевые результаты. Ядро опыта - люди и содержание: преподаватели (44,7% ответивших о достоинствах) и качество образования (32,7%); с учётом всех вопросов о них говорят 52,0%. Барьеры двухслойны: содержание - качество образования (23,3%), преподаватели (18,8%), состав программ с повторами бакалавриата (13,8%); среда - корпуса (18,6%) и оборудование (11,1%). Практика - зона опережающего спроса: как барьер она умеренна (6,2%), но в рекомендациях запрос почти втрое выше (17,9%). Факторы выбора: близость к дому (26,5%), учёба в своём городе (20,1%), продолжение в том же вузе (8,2%); по EST профиль двухвершинный - "ближе" (25,8%) и "интереснее" (23,9%). Польза. Исследование даёт руководителю карту приоритетов, понимание недооценённого канала набора и готовую рамку коммуникации для этой группы - без дорогих панелей, на уже собранных ответах. Инсайты. Взрослый студент оценивает вуз как потребитель времени, поэтому фрикции и повторы дисциплин для него дороже косметики. Сильнейший "продавец" магистратуры - собственный бакалавриат вуза: логику описывает принцип последовательности Чалдини. Язык ценностного предложения звучит в ответах: "продолжай, не переезжая и не увольняясь". Полный разбор - в статье на сайте и в приложенном файле. #опытстудента #исследования

Абитуриент выбирает вуз рядом с домом и по совету окружения Бакалавриат и специалитет - самая массовая группа студентов и главный источник репутации вуза: именно эти студенты пишут отзывы и приводят следующих. Мы разобрали их опыт на открытых ответах. Выборка и метод. Открытые ответы 15 872 студентов бакалавриата и специалитета из 18 университетов, собранные в 2023-2026 годах, на пять вопросов: достоинства, недостатки, рекомендации, отличия вуза и факторы выбора. Частоты рассчитаны кодом; интерпретация опирается на тематический и контент-анализ, модели Кано, Канемана, Талера и Санстейна, Чалдини и EST-модель. Ключевые результаты. Ядро опыта - люди и содержание: преподаватели (43,5% ответивших о достоинствах) и качество образования (32,4%); с учётом всех вопросов - 46,0% и 49,2%. Барьеры трёхслойны: содержание и люди, материальная среда (состояние корпусов 18,8%), ритм и правила (нагрузка 13,0%, расписание 12,2%). Качество и преподаватели амбивалентны - лидируют и в достоинствах, и в недостатках. Выбор локален и социален: близость к дому (22,8%), качество (20,9%), город (19,8%); решают социальное доказательство (16,4%) и авторитет (14,0%). Практика - зона опережающего спроса: барьер 5,7%, а запрос в рекомендациях 11,9%. Польза. Исследование даёт руководителю карту приоритетов оптимизации, понимание реального канала набора (репутация и отзывы) и рамку коммуникации для абитуриента. Инсайты. За абитуриента чаще решает окружение, а не реклама. Опыт запоминается пиками и концовкой, а пики этой группы - сессия и бытовые кульминации дня. Качество и преподаватели важны консистентностью, а не отдельными яркими фишками. Полный разбор - в статье на сайте и в приложенном файле. #опытстудента #исследования #приемнаякампания

ИИ в маркетинге университета: системный подход вместо отдельных инструментов НИТУ МИСИС и агентство "Университеты и маркетинг" открывают первую программу повышения квалификации, в которой ИИ встроен во весь комплекс маркетинга вуза 6P: продукт, среда, люди, цена, продвижение, процессы. Вместо обзора нейросетей вас ждёт сквозной проект: команда проводит реальную образовательную программу своего вуза через все шесть шагов и получает комплекс решений для повышения эффективности образовательной деятельности: от актуализации программ под запросы рынка труда до улучшения опыта студентов и преподавателей и оптимизации процессов подразделений. Что вы сделаете на программе и где именно поможет ИИ: ▫️Продукт. Проведёте исследование рынка, конкурентов и вакансий по готовым промптам: ИИ за вечер собирает данные, на которые раньше уходили недели. ▫️Среда. Спроектируете базу знаний, на которой заработают ИИ-ассистенты студента и преподавателя. ▫️Люди. Освоите дизайн опыта, а ИИ поручите разметку сотен ответов, кластеризацию и синтез инсайтов. ▫️Цена. Обоснуете стоимость программы: ИИ ускорит сбор данных о рынке и наборе для ценностно-стоимостной карты. ▫️Продвижение. Разработаете позиционирование, сгенерируете креативы и составите план GEO: видимости вуза в ответах нейросетей. ▫️Процессы. Найдёте узкое место в работе подразделения и составите ТЗ на первого ИИ-ассистента. Все практикумы идут не только на топовых, но на бесплатных и российских инструментах (GigaChat, YandexGPT, Шедеврум, NotebookLM), поэтому каждый результат вы повторите на рабочем месте без платных подписок. Эксперты программы: авторы книг "Маркетинг университетов" и "Брендинг университетов России", команда маркетинга НИТУ МИСИС с опытом AT&T, Virgin и Philips, практики НИУ ВШЭ, УрФУ, МИП и других вузов, а также эксперты high-tech бизнеса. 28–31 октября, Москва, НИТУ МИСИС. Очно и онлайн. Удостоверение о повышении квалификации Университета МИСИС. 👉 Узнайте подробности на странице программы, чтобы изучить состав модулей, сравнить форматы участия и заранее спланировать повышение квалификации команды в октябре: https://misis.ru/events/7162/. #ИИвмаркетинге

Главный барьер преподавателей - не финансы Опыт студента вуз проектирует. А что радует и что мешает самим преподавателям, спрашивают редко. Мы измерили это на данных, и верх списка барьеров оказался неожиданным. Выборка и метод. Открытые ответы 2 083 преподавателей из 9 университетов на четыре вопроса: достоинства, недостатки, рекомендации, отличия. Почти 12 тысяч содержательных высказываний. Все частоты считаются кодом из корпуса, каждое высказывание отнесено к одной из 45 категорий кодификатора (каппа Коэна 0,760), порог включения 5%, цитаты проверены точным поиском. На частоты наложены модели Герцберга, Кано, уровней культуры Логана, эффект пика и конца Канемана и профиль персоны по Остервальдеру и Пинье. Ключевые результаты. Верх антирейтинга - не деньги: бюрократия и документооборот (20,2% в недостатках), оснащение (18,4%) и лишь третьей оплата труда (17,3%), далее управление (14,2%) и здания (12,3%). Удерживают людей развитие (26,0%), коллектив и атмосфера (25,9%), ценности (19,3%) и профессионализм коллег (19,2%), а специфика группы - мотиваторы содержания труда: работа со студентами и творчество. Речь о вузе смещена к уровню культуры "Мы крутые" (83,0% размеченных высказываний), а отличия преподаватели видят в идентичности: роль в регионе (15,4%), ценности, динамика развития, традиции. Польза. Исследование дает руководителю готовую карту приоритетов (матрица барьеров и встречных рекомендаций), материал для EVP и бренда работодателя и портрет персоны для коммуникации изменений. Инсайты. Коллектив формально гигиенический фактор, но по данным ведет себя как источник удовлетворенности, а развитие для преподавателей - восхищающая категория по Кано. Работать нужно на двух контурах сразу: процессами, оснащением и оплатой снимать недовольство, а лояльность строить на развитии, людях и работе со студентами. Часть барьеров процессов - это издержки усилия, которые лечит не бюджет, а дизайн опыта: единая точка входа и отказ от дублирующих форм. Полный разбор - в статье на сайте и в приложенном файле. #опытсотрудника #исследования

Слепая зона: опыт АУП и операционная эффективность Опыт студента вуз проектирует. А опыт административно-управленческого персонала (АУП) часто остается слепой зоной, хотя именно эти люди держат операционный контур университета. Мы измерили его на данных. Выборка и метод. Открытые ответы 888 сотрудников АУП из 9 университетов на четыре вопроса: достоинства, недостатки, рекомендации, отличия. Более 5 тысяч содержательных высказываний. Все частоты считаются кодом из корпуса, каждое высказывание отнесено к одной из 45 категорий кодификатора (каппа Коэна 0,760), порог включения 5%, цитаты проверены точным поиском. На частоты наложены модели Герцберга, Кано, уровней культуры Логана, эффект пика и конца Канемана и профиль персоны по Остервальдеру и Пинье. Ключевые результаты. Главный барьер - оплата труда (29,1% в недостатках), за ним управленческий и процессный узел: качество управления (16,2%) и бюрократия (15,2%). Но удерживают людей не деньги: сплоченность и атмосфера (31,5%), стабильность (22,1%) и обучение (24,9%) - ведущие драйверы. Речь о вузе смещена к уровню культуры "Мы крутые" (83,6% высказываний), а отличия сотрудники видят в идентичности: роль в регионе, статус, ценности, динамика развития. Польза. Исследование дает руководителю готовую карту приоритетов (матрица барьеров и встречных рекомендаций самих АУП), материал для EVP и бренда работодателя и портрет персоны для коммуникации изменений - без дорогих панелей, на уже собранных ответах. Инсайты. Коллектив - формально гигиенический фактор, но по данным ведет себя как источник удовлетворенности, а обучение для админслужбы - восхищающая категория по Кано. Работать нужно на двух контурах сразу: деньгами и процессами снимать недовольство, а лояльность строить на людях, развитии и смыслах. Часть барьеров процессов - это издержки усилия, которые лечит не бюджет, а дизайн опыта: единая точка входа, регламентные сроки, статус-трекинг. Полный разбор - в статье на сайте, полный отчет - в приложенном файле. #HRмаркетинг #исследования #опытсотрудника

Люди против среды: результаты синтеза 22 тысяч открытых ответов студентов и сотрудников 20 университетов За три года мы реализовали проекты по исследованию опыта студента и сотрудника в 20 университетах со схожей методологией опросов. В каждом опросе - открытые вопросы о том, что нравится и что не нравится в обучении или работе, что хотелось бы улучшить, чем вуз отличается от других и почему выбрали именно его. На эти вопросы ответили более 22 тысяч человек, и во многих ответах не пара слов, а целые эссе. Задача. Закрытые ответы можно автоматизировать, но открытые мы всегда обрабатывали вручную: обобщали, классифицировали, кодировали и считали частотность. В основе - методология на работах Логана (уровни корпоративной культуры), Канемана, Талера и Санстейна и Чалдини (поведенческая экономика), Кано (факторы выбора), EST-модели (дифференциация) и ценностного предложения Остервальдера и Пинье. Такая обработка занимала недели работы нескольких аналитиков. Решение. Нынешний уровень генеративного ИИ позволяет провести тот же анализ за пару дней, из которых первый уходит на архитектуру методологии и тестирование. Мы обезличили данные, агрегировали 20 проектов и вместе с Claude Fable 5 собрали оркестр ассистентов, который последовательно проходит все этапы: от разметки до синтеза шести отчетов по категориям. Человек остается в контуре на каждом шаге. Как обеспечили точность. 10 системных промптов, 10 независимых сессий, результат каждой проверяет и машина, и аналитик по сравнению с прежними ручными отчетами. Ключевые опоры - разделение функций (все числа считает код на Python, модель классифицирует и интерпретирует), контрольные суммы и протокол действий при их расхождении, дословность цитат и фиксированный кодификатор, порог включения 5%, изоляция сессий и маркировка гипотез без прямой опоры на данные. Результат. Отраслевой доклад по опыту 22 830 респондентов из 20 вузов. Главный вывод: ядро позитива во всех группах - люди, а не инфраструктура; при этом сектор конкурирует в алом океане, дифференцируясь одним и тем же набором категорий, а самые емкие ниши остаются свободными. Полный разбор методологии и результатов - в статье на сайте и в приложенном файле. #опытстудента #опытсотрудника #исследования

Ваш вуз запускает новую магистратуру. Вопрос: в какой нише конкурировать? Рынок магистерских программ переполнен. Десятки вузов борются за одного и того же платёжеспособного и талантливого абитуриента, у сильных конкурентов уже накоплен капитал бренда, а у новой программы есть только один шанс на верный старт. Ошибка в позиционировании на этом этапе может стоить приёмной кампании. Европейский университет в Санкт-Петербурге пришёл к нам именно с этим вызовом. Рассказываем, как мы превратили неопределённость в доказательную стратегию. ▫️ Разобрали весь рынок, а не удобную выборку. Более 100 сопоставимых программ в вузах России и 6 стран Евразии: Китая, Турции, Армении, Казахстана, Таджикистана, Узбекистана. В конкурентном поле - МГУ, НИУ ВШЭ, МГИМО, СПбГУ. ▫️ Отсеяли мнимых конкурентов. Метод воронки по трём критериям вывел из 100+ программ 40+ вузов-конкурентов и 14 прямых. Вы удивитесь, сколько "очевидных" соперников на деле не конкурируют за вашего абитуриента. ▫️ Построили ценностно-стоимостные карты. Каждая программа - точка на карте "ценность (рейтинги QS, THE, RAEX) - стоимость". Рынок распался на 7 сегментов. И да, зоны низкой конкуренции существуют, вопрос лишь в том, как их увидеть. ▫️ Вскрыли позиционирование конкурентов по модели RDB. Развёрнутое ценностное предложение оказалось лишь у половины программ. Остальные повторяют один и тот же информационный шум, и в этом их слабость и ваш шанс на дифференциацию. ▫️ Дошли до конкретики: учебные планы, барьеры входа, условия обучения. Каждый срез - отдельный источник конкурентного преимущества, от структуры курсов до условий приёма иностранцев. Результат - не отчёт "в стол", а доказательная база для запуска: обоснованная рыночная ниша, стратегия позиционирования и проверяемые гипотезы о преимуществах. Заказчик принимает решения, опираясь на цифры, а не на интуицию. Какую именно нишу и стратегию мы рекомендовали, читайте в полной версии кейса. Там же методологическая схема из шести шагов, которую вы сможете примерить к собственным программам. Если вы проектируете или перезапускаете программу, этот кейс сэкономит вам месяцы проб и ошибок. По вопросам конкурентного анализа образовательных программ пишите @OlgaBakumenko. #маркетингобразовательныхпрограмм #системныймаркетинг #исследования #приемнаякампания

Как попасть в ответы ChatGPT и Perplexity "Куда поступать на экономику?", "where to study business in Russia?" - абитуриент задаёт эти вопросы не Google, а ChatGPT и Perplexity. И если в сгенерированном ответе вашего вуза или программы нет, для этого абитуриента вы не существуете. Попаданием в ответы ИИ можно управлять. Это направление называется GEO = оптимизация под генеративный поиск. С чего начать. 👇 Шаг 1. Замерьте видимость вуза или программы Нельзя улучшить то, что не измеряешь. Составьте 8–10 разговорных вопросов, которые задают абитуриенты и родители, без упоминания конкретных вузов (в идеале - на основе реальных профилей и JTBD ваших абитуриентов). Промпт для подготовки вопросов: «Составь 8–10 разговорных вопросов, которые абитуриенты и родители задают ИИ при выборе программы по [направление] в [регион]: например "куда поступать на…", "какой вуз лучше для…", "сколько стоит учиться на…". Добавь 2–3 вопроса на английском — для иностранных абитуриентов. Не упоминай конкретные вузы.» Задайте эти вопросы в Perplexity, ChatGPT и Алисе - каждый вопрос в новом чате - и зафиксируйте в таблицу: упомянут ли ваш вуз, какие вузы названы, на какие источники ссылается ответ. 📊 Mention Rate: доля вопросов, в ответах на которые вас упомянули. Считайте отдельно по каждой системе. Не спрашивайте "расскажи о программе Х" - это подсказка модели. Нужен нейтральный вопрос абитуриента. Замеряйте минимум в 2–3 системах: ответы меняются, поэтому всегда фиксируйте дату замера. Шаг 2. Дайте ИИ то, что он сможет процитировать Модели любят структурированные факты и прямые ответы. Что помогает попасть в ответ: ▫️ Блок FAQ на языке запросов абитуриента, где первое предложение каждого ответа = прямой ответ с названием программы и вуза. ▫️ Разметка Schema.org (JSON-LD, типы Course и FAQPage), чтобы ИИ "понимал" структуру страницы. ▫️ Файл llms.txt на сайте вуза. ▫️ Конкретика, за которую можно зацепиться: даты, цифры приёма, имена, результаты выпускников. Расплывчатые формулировки ИИ цитировать не станет. Шаг 3. Замерьте снова через 2–4 недели Сравните Mention Rate до и после, так вы увидите эффект доработок, а не собственные ощущения. GEO не отменяет обычное SEO, это новый слой видимости поверх него. GEO - это финальный шаг нашего вебинара "ИИ-маркетинг образовательных программ". На практике покажем весь путь: от конкурентного анализа до рекламы и попадания в ИИ-поиск - каждый шаг с готовым промптом. Успейте зарегистрироваться до 11.30 мск тут. #ИИвмаркетинге

Конкурентный анализ образовательной программы за пару часов Раньше на конкурентный анализ образовательной программы уходили недели: собрать сайты вузов, свести в таблицу стоимость, баллы ЕГЭ, места и рейтинги, понять, чем ваша программа отличается от конкурентов. Сегодня эту рутину можно сжать до пары часов, если знать, как поручить сбор данных ИИ и, главное, как его проверить. Делюсь схемой экспресс-анализа из трёх шагов. 👇 1️⃣ Соберите данные конкурентов - обязательно со ссылками на источники. Нужен инструмент с доступом к актуальным данным: Perplexity (или Нейро / Алиса от Яндекса). Если хотите абсолютно надежный результат - сделайте вручную выгрузки таблиц из Мониторинга качества приема по УГСН, предметного рейтинга Раекс, скачайте приказы об утверждении стоимости обучения и планы приема конкурентов - положите в папку проекта. Промпт: «Собери в таблицу данные по бакалаврским программам направления [ваше направление] в вузах: [6–8 конкурентов]. Столбцы: вуз; название программы; позиция в предметном рейтинге Раекс [название, год]; стоимость обучения в год; средний проходной балл ЕГЭ на бюджет; средний балл на платное; число бюджетных и платных мест. Источники данных: мониторинг качества приема по УГСН [ваше направление, ссылка на сайт], предметный рейтинг Раекс [ваше направление, ссылка на сайт] , приказы об утверждении стоимости обучения 2026 и планы приема 2026 на сайтах конкурентов. Для каждой цифры указывай источник (ссылку). Если данных нет - пиши "нет данных", не оценивай приблизительно.» Пройдите по 2–3 ссылкам и сверьте цифры вручную. 2️⃣ Постройте ценностно-стоимостную карту и EST-модель. Попросите ИИ (Claude, ChatGPT, GigaChat) перевести данные о позициях в рейтингах в баллы по 5-балльной шкале и составить две таблицы: "ценность × стоимость" и "ценность × балл ЕГЭ" и определить, какую нишу занимает ваша программа (эконом, средний, элитный, смежные). Добавьте промпт для составления таблиц с переведенными в баллы est-параметрами (количество мест, уникальность профилей, барьеры входа, стоимость, позиции в рейтингах, разрыв в барьерах входа для поступающих на платное и бюджет) и определения est-профиля программы и конкурентов. Важно: просите таблицу координат для Excel, а не "нарисуй график". В Эксель построение графиков можно поручить Копилоту, а написание формул - интегрированному в него же Клоду. 3️⃣ Сделайте контент-анализ сайтов конкурентов. Пусть модель выпишет позиционирующие определения всех программ, проведет RDB-анализ и посчитает, какие смысловые блоки повторяются у большинства. Всё, что использует больше половины конкурентов, - это "информационный шум", в котором вы растворитесь. А вот пустые смысловые пространства, которые не занял никто, - и есть "голубой океан" для позиционирования (попросите модель опираться на труды Ким и Моборн). Итог: за пару часов вы получаете ответ на два ключевых вопроса: чем вы объективно сильнее конкурентов и о чём стоит говорить, чтобы не слиться с толпой. 📌 Важное правило: ИИ - генератор черновиков, а не источник истины. Каждую цифру и каждую цитату проверяет человек. Это только один из шести шагов конвейера, который мы целиком покажем на бесплатном вебинаре "ИИ-маркетинг образовательных программ". Разберём весь путь на реальном кейсе: от анализа конкурентов до рекламных креативов и попадания в ИИ-поиск. Каждый шаг - с готовым промптом, который можно повторить у себя. Регистрация тут. #ИИвмаркетинге #маркетингпрограмм

Абитуриент спрашивает ChatGPT, куда поступать. А что нейросеть отвечает о вашей программе? 14 июля 12.00 мск приглашаю на вебинар "ИИ-маркетинг образовательных программ". За 60 минут пройдём один сквозной проект: как вывести программу бакалавриата на конкурентный региональный рынок. Анализ конкурентов и выбор стратегии позиционирования, портрет абитуриента, тексты и структура страницы программы, рекламные креативы, их проверка до запуска и первый шаг в GEO: как попадать в ответы ИИ-поисков. Успокою скептиков: вебинар не про то, что нейросеть заменит маркетолога. Не заменит. Каждую цифру проверяет человек, ответственность остаётся за людьми, а об ограничениях синтетических методов говорим открыто. ИИ здесь рабочий инструмент: он сжимает недели рутины в часы и освобождает время для того, что машине недоступно, - для смысла, стратегии и разговора с абитуриентом. Каждый приём покажу с промптом: не только результат, но и процесс. Очные участники получат библиотеку из 16 промптов с инструкциями, как адаптировать к своему кейсу (не коробочные решения!!!). Кому будет полезно: маркетинговым службам, приёмным комиссиям и международным отделам университетов. Специальная подготовка не нужна, достаточно любопытства. Регистрация тут. #ИИвмаркетинге #маркетингобразовательныхпрограмм

Как упаковать 10 программ бакалавриата и не попасть в "ловушку всеобщности": кейс НИУ ВШЭ Когда десять программ описывают каждую как "лучшую" с "широкими карьерными возможностями", не выделяется ни одна. Траут и Райс сформулировали это так: если все повторяют одно и то же, абитуриент не запоминает ничего. Коллеги из кампуса НИУ ВШЭ попросили нас решить обратную задачу. Для каждой из десяти программ, от юриспруденции и математики до лингвистики и психологии, найти подтверждённое данными отличие и сформулировать его так, чтобы абитуриент понял, зачем поступать, увидел разницу с конкурентами и поверил обещанию. Главное правило проекта: ни один атрибут не попадает в коммуникацию, пока не подтверждён данными. Маркетинг для нас наука, а не красивые слова. Как это устроено. Мы опирались на четыре независимых источника: конкурентный анализ, опрос студентов, анкету руководителя программы и анкеты преподавателей. Позиционные карты Котлера показали ценовой сегмент, EST-модель - опорные атрибуты, а контент-анализ конкурентов очертил "границы позиционирования". Логика простая: если 6 из 7 соперников апеллируют к "широким карьерным траекториям", этот аргумент использовать нельзя. Мотивы выбора мы трактовали через JTBD Кристенсена, а итоговую страницу собирали из шести смысловых блоков, встраивая в каждый поведенческий триггер по Чалдини, Талеру и Санстейн. Отдельно про роль ИИ. Он ускорил разметку сотен открытых ответов и адаптацию текстов под генеративный поиск. Мы работаем по принципу "человек в контуре": ИИ снимает рутину, ответственность за смысл остаётся за человеком. Все формулировки ещё до публикации протестировали на синтетических абитуриентах. Итог: страница программы не сочиняется, а собирается из результатов исследования. Заказчик получил по каждой из десяти программ конкурентную позицию, стратегию и готовые тексты на приёмную кампанию 2026. Полное описание методики и шести блоков ценностного предложения читайте в кейсе на нашем сайте. #кейс #позиционирование #маркетингобразовательныхпрограмм

За последние полгода я инвестировала полмиллиона рублей и все свои выходные в обучение работе с ИИ: от системной трансформации бизнес-процессов и построения баз знаний до прикладных задач, среди которых ИИ в маркетинге. Мой главный вывод простой. ИИ не заменит маркетолога, но изменит весь цикл работы и весь комплекс маркетинга, значительно усилив стратега и заменив младших сотрудников. Ярче всего это показал последний интенсив в Школе управления СКОЛКОВО, куда я поехала вместе с Юлией Шальневой, директором по маркетингу и коммуникациям НИТУ МИСИС. На старте мы получили задачу от реальной компании: консалтинговая фирма хотела вывести новый образовательный продукт на рынок коучей в странах СНГ. За два дня наша команда провела комплексное маркетинговое исследование, анализ конкурентов и объема рынка, изучила боли аудитории, провела синтетические интервью с коучами, разработала стратегию позиционирования и продвижения, рекламные креативы и сценарий видеоролика, сняла ролик и представила все это вместе со стратегией реальному заказчику. Сработало. Раньше такой цикл занял бы недели, а то и месяцы. Программу вели практики: Екатерина Борисоглебская, преподаватель СКОЛКОВО и руководитель направления в Поиске и Алисе, Дмитрий Драган, экс-руководитель аналитики и исследований OZON, Анаит Мирибян, AI-контент креатор ВкусВилл, Михаил Петухов, основатель проекта Кибер-Миша, Иван Хворов из СКОЛКОВО и Антон Шаров, Head of Research SberDevices. Главный вызов оказался не техническим. Вызов применения ИИ это смелость человека и количество итераций. И еще один нюанс: результат приходит только при трех условиях. Реальные ИИ-компетенции, а не роль личного ассистента в чате. Собственная методология, потому что коробочных решений здесь нет, мы настраиваем машину под свою когнитивную стратегию. И базы данных, на которых работает машина. При этих условиях ИИ усиливает стратега и методолога, но не заменяет мышление. Почему это важно для университетов. Мы работаем со сложным продуктом, длинным циклом принятия решения и ограниченными командами. ИИ здесь не про картинки, а про способ ускорить исследования, сегментацию и коммуникации в десятки раз при одновременном росте качества. #ИИвмаркетинге

Пока скептики ищут недостатки в ИИ, прогрессивные люди, к которым я отношу подписчиков канала, делают шаг в окно возможностей. По силе воздействия на мир ИИ можно сравнить с электричеством. Когда-то мы не стали совершенствовать свечу с помощью электроэнергии, мы заново придумали, как устроена жизнь. Сегодня нам предстоит заново придумать, как устроен университет. И прежде всего переосмыслить, что такое образовательная среда и почему именно она станет фактором конкурентоспособности в ближайшем будущем. 💡 Будущее конкурентоспособности университета в его уникальной образовательной среде, на которой обучен собственный ИИ-агент. Конспекты лекций, презентации, тезисы, доклады конференций, работы студентов, всё, что можно оцифровать, превращается в единую машиночитаемую базу знаний со связями и навигацией для агентов. Это уже не разрозненные ЭБС, Moodle и ЛК, а цельная система. Образование, которое даёт такая база и обученный на ней агент, нельзя получить больше нигде. За годы университеты произвели огромный объём знаний, но далеко не всё оцифровали, а оцифрованное хранили в разных местах, без связей и разметки. Мы исследовали, как образовательная среда устроена сейчас, глазами студентов. Что для них ценно и удобно, чем они пользуются чаще, а чем реже, с какими проблемами сталкиваются. Это важно, потому что будущее не в автоматизации, а в синергии людей и машин. Мощный ИИ-агент не станет преимуществом, если люди будут ему сопротивляться. А сопротивляются они только тому, что для них неудобно. Значит, в среду будущего нужно перенести всё, что удобно и популярно у студентов сегодня. На вебинаре завтра в 11.00 мск мы c ГК IPR представим результаты масштабного исследования образовательной среды российских университетов. Вместе разберём: - как ИИ переопределяет само понятие образовательной среды - из чего эта среда состоит сегодня и что в ней ценят студенты - как спроектировать среду будущего, адаптированную под ИИ-агента - почему уникальная база знаний становится конкурентным преимуществом университета Будем смотреть на результаты исследования и вместе переосмыслять, что можно сделать иначе в условиях тотальной экспансии ИИ. 👉 Регистрируйтесь на вебинар: https://b24-skzz1j.bitrix24site.ru/lectoris_reg_form/?event=524 #опытстудента #ИИвмаркетинге

​Мы протестировали описание программы до начала набора. На абитуриентах, которых не существует. Услышала на обучении по ИИ и сразу применила в проекте. Собрали через нейросеть 10 типичных профайлов абитуриентов: модель играла роль абитуриента с конкретной мотивацией и тревогами. На этих профайлах протестировали восприятие разработанных страниц программ. Обычно вы узнаёте, как читается описание программы, только во время набора. Синтетические интервью переворачивают порядок: вы проверяете восприятие формулировок уже на этапе черновика. Где это помогает: 1. Тест описания программы до запуска. Дайте модели сыграть пять абитуриентов и спросите, что им непонятно и ради чего они бы подали документы.  2. Проверка коммуникаций. Лендинг, пост, письмо. Считывается ли главное обещание программы или тонет в "качественном образовании" и "широких возможностях". 3. Быстрая прикидка сегментов. Черновая карта мотивов, с которой потом можно проводить количественные опросы, сразу тестируя, а не выдвигая гипотезы. Синтетика годится для общих гипотез и не заменяет абитуриента там, где нужна эмоциональная реакция: зашёл ли ролик, почему человек выбрал не вас. Вопрос "почему" закрывают только реальные интервью. Отсюда правило: синтетика на входе, чтобы отсеять слабые формулировки, абитуриенты на выходе, чтобы проверить прошедшее фильтр.  Возьмите описание одной программы и прогоните на пяти синтетических профайлах. Просто посмотрите, что они не поняли. Подозреваю, там будет пара открытий. Промпт 👇 Ты выступаешь поочерёдно в роли пяти разных абитуриентов, которые выбирают, куда подать документы. Профайлы: 1. Сильный выпускник, метит в топовый вуз, боится «не дотянуть». 2. Средний балл, выбирает «надёжный» вариант рядом с домом. 3. Прагматик: смотрит только на трудоустройство и зарплату после выпуска. 4. Гуманитарий-сомневающийся, не уверен в специальности. 5. Абитуриент из другого региона, решает вопрос переезда и общежития. Вот описание нашей образовательной программы: [ВСТАВЬТЕ ТЕКСТ ОПИСАНИЯ ПРОГРАММЫ] Для каждого из пяти профайлов ответь по пунктам: — Что я понял про эту программу с первого прочтения? — Что осталось непонятным или вызвало сомнение? — Что лично меня отпугнуло бы? — Ради чего я бы подал документы именно сюда? — Чего мне не хватило, чтобы принять решение? В конце сведи общее: три самые частые претензии к тексту и три формулировки, которые стоит переписать в первую очередь. Отвечай конкретно, без вежливых общих фраз. #ИИвмаркетинге #приемнаякампания #маркетингпрограмм