Как GPT помог улучшить воронку финтех-проекта и прогреть 13 платящих клиентов: кейс “Маяка”
✋ Пролог — это не про “напиши текст за меня”
Я — человек, который пользуется GPT каждый день уже почти два года. И нет, я не прошу нейросеть писать за меня письма и лендинги «по шаблону». Я думаю с её помощью.
Сегодня расскажу, как делегировал GPT анализ кривой воронки продаж — и получил инсайт, до которого сам бы не дошёл так быстро.
GPT не писал мне тексты. Он объяснил, почему люди не покупают. Вот что я узнал из простого анализа воронки.
Старт был такой: “У нас есть продукт. И вроде бы даже воронка…”
Я участвовал в студенческом финтех-проекте “Маяк” — это приложение с сигналами по фондовому рынку по подписке (3 тарифа).
На старте у нас была базовая воронка: – лид-магнит – короткий лендинг – предложение младшего тарифа – апсейл на средний
📉 Проблема: люди кликали, но не конвертились. Промежуточные метрики были... вежливо говоря, не радующие. Много внимания к продукту — мало прогрева. Цепочка казалась логичной, но что-то ломалось по пути.
Что сделал: подключил GPT как маркетингового аналитика
У меня уже был опыт использования GPT в анализе воронок, и я решил не просто “написать тексты с помощью нейросети”, а:
дать модели всю воронку как систему и попросить найти точки слабого звена
Что именно загрузил:
- Формулировки офферов на каждом этапе
- Скрин лендинга и ключевые тексты
- Кто наша ЦА (новички в инвестициях, интерес к пассивному доходу, но низкая вовлечённость в аналитику)
- Цель: понять, где ломается логика и чего не хватает, чтобы довести до оплаты
Что выдал GPT (и как это сработало)
GPT разложил нам воронку так, как будто это UX-путь с эмоциональной кривой пользователя. Он показал:
– на первом экране слишком абстрактный оффер ("стань увереннее в инвестициях") — мало боли, много воздуха – CTA на лид-магните был тёплым, а текст под ним — холодным и сложным – непонятно, за что платим — модель подписки была не разжёвана
📎 GPT предложил:
- переписать оффер: вместо “точки входа в рынок” → “сигналы, которые экономят 3 часа анализа каждый день”
- добавить 1 экран с разбором пользы тарифа
- использовать другой триггер: вместо “начни инвестировать” → “перестань принимать решения наугад”
Результат!!!
После этих доработок (в основном — в тексте и подаче офферов), мы:
✅ прогрели 10 пользователей на младший тариф
✅ закрыли 3 на средний тариф
✅ получили обратную связь, которая раньше не появлялась: “наконец понял, зачем это”
🛠 Как выглядел промт
GPT не читает мысли — ему нужен контекст. Я использовал примерно такой запрос:
Ты — продуктовый маркетолог с фокусом на поведенческий анализ. У тебя есть воронка финтех-продукта «Маяк»: она включает в себя описание целевой аудитории, структуру лендинга и текст офферов.
🔍 Твоя задача — проанализировать путь пользователя не с точки зрения текста, а с точки зрения восприятия, логики и доверия. Ответь на три вопроса: Где в воронке может происходить обрыв пользовательской логики?
– На каком этапе пользователь может запутаться, потерять мотивацию, усомниться или прекратить движение? Какие моменты могут восприниматься как непонятные, неубедительные или вызывающие недоверие?
– Обрати внимание на психологические барьеры и скрытые ожидания целевой аудитории.
Сформулируй 2–3 гипотезы, как можно повысить конверсию, опираясь на поведенческую мотивацию аудитории.
– Не переписывай текст
— смотри на структуру, очерёдность, барьеры, обещания.
🎯 Фокусируйся на том, как думает пользователь, а не как выглядит лендинг.
📌 Важно: я не просил «перепиши оффер». Я просил оценить стратегически: где когнитивный конфликт, где слабый триггер, где пользователь теряет мотивацию. GPT справился потому, что получил структуру, а не “придумай что-нибудь”.
💡 Вывод
GPT — это не про “пиши за меня”. Это про то, чтобы посмотреть на продукт глазами нейтрального, но очень логичного собеседника.
Я делегировал не текст — я делегировал мышление “на свежую голову”. И оно сработало.
📎 t.me/romanproai — мой Telegram-канал. Пишу про ИИ, который помогает работать не быстрее, а точнее и глубже. Создаю свою ИИ-модель улучшения промптов