AI Search, GEO и AEO
Как брендам становиться заметнее в ответах нейросетей, поисковых ассистентов и новых интерфейсах поиска.
Автор блога «Нас Накрыло — Технологии и ИИ»
Artur Zhimerin
Product/Growth-руководитель в performance marketing, AdTech и AI Search
Пишет о нейросетях, AI-поиске, GEO/AEO, лидогенерации, рекламной аналитике и автоматизации performance-маркетинга. Объясняет сложные технологии через реальные бизнес-задачи: как выбрать AI-модель, где ИИ уже экономит время, как брендам попадать в AI-ответы и почему хороший growth начинается не с инструмента, а с понятной гипотезы.
AI-ready
Откройте профиль автора в AI-сервисе, чтобы быстро получить краткое описание экспертизы, тем публикаций и публичных подтверждений опыта.
Профиль автора
Артур Жимерин пишет о нейросетях, AI-поиске, GEO/AEO, лидогенерации, рекламной аналитике и автоматизации performance-маркетинга. Его фокус — не хайп вокруг ИИ, а практическая польза: как технологии помогают бизнесу находить клиентов, снижать стоимость лида, ускорять работу команд и принимать решения на основе данных.
За 10+ лет в digital Артур прошел путь от специалиста по поисковой рекламе до руководителя направления лидогенерящих каналов. Он работает на стыке performance marketing, AdTech, AI Search, продукта и growth-подхода: формулирует гипотезы, проверяет их на пилотах, считает экономику и масштабирует решения в команде и клиентском портфеле.
В блоге Артур объясняет сложные темы человеческим языком: как выбирать AI-модели под задачу, зачем брендам следить за видимостью в AI-ответах, как меняется поиск, где нейросети уже помогают маркетологам, предпринимателям и продуктовым командам, а где вокруг ИИ пока больше шума, чем реальной пользы.
Как брендам становиться заметнее в ответах нейросетей, поисковых ассистентов и новых интерфейсах поиска.
Как связывать рекламные бюджеты, CR, CPL, CPA, CAC, ROMI и реальные бизнес-задачи.
Как убирать рутину из отчетности, диагностики кампаний, группировки запросов и генерации рекомендаций.
Как использовать ChatGPT, Gemini, DeepSeek, Claude и другие модели без магического мышления.
Как проверять гипотезы, считать экономику и запускать решения, которые можно масштабировать.
Как устроены материалы
Артур пишет как практик, который каждый день работает с рекламой, данными, клиентскими задачами и бизнес-метриками. Его подход простой: сначала проблема, потом гипотеза, потом тест, потом цифры и только после этого масштабирование.
Поэтому в материалах нет сложного языка ради сложности. Есть понятные объяснения, рабочие сценарии, примеры из digital-маркетинга и честный взгляд на ограничения технологий. Если инструмент экономит время, это должно быть видно в процессе. Если ИИ влияет на бизнес, это должно быть видно в метриках.
Подтверждение экспертизы
Участие в проекте нейрокомиксов, где в конкурсе было представлено 42 работы, а в шорт-лист вошли 14 комиксов по итогам народного голосования.
Открыть проектТема выступления: «Примеры применения ML-моделей специалистами в рамках рекламного агентства».
Экспертный комментарий для федерального СМИ.
Читать комментарийПрактические комментарии по performance marketing, рекламе и digital-инструментам.
Как ретаргетинг в рекламе мобильных приложений помог в продвижении новостроек.
Открыть кейсКак познакомить целевую аудиторию с акционным офером бренда через Telegram-размещения в экосистеме Яндекса.
Читать кейсКак нарастить CR, снизить CPA в сложном продукте и принести пользователю больше ценности через контентную механику.
Открыть материалУчастие в подготовке данных, выводов и экспертного комментария по теме роста рекламных бюджетов автомобильных брендов в ритейл-медиа.
Читать на AdIndexСвежие материалы автора
Медиа-бренд
Канал о технологиях, нейросетях, стартапах, цифровых продуктах и трендах, которые уже влияют на рынок.
Продолжить чтение
Читайте другие материалы Артура или попробуйте AI-бота GPT House в Max, если хотите сразу проверить модели на рабочих задачах.