Я дал Claude Code $1500 и полный доступ к рекламе Meta на месяц. Что из этого вышло — VogueTech

Что произошло

В январе основатель консалтинга Wibci Джорджо Ляпакис запустил эксперимент: он отдал Claude Code $1 500, полный доступ к рекламному аккаунту Meta Ads и месяц автономной работы.

Продукт — небольшой AI/маркетинговая рассылка Growth Computer. Задача для агента: приводить подписчиков по цене не дороже $2,50 за лид. Никакого человека в петле.

Что умел агент:

генерировать креативы для рекламы;
создавать, запускать и управлять кампаниями через Meta Ads API;
собирать и анализировать статистику;
генерировать и тестировать варианты лендингов;
принимать решения: что запускать, что останавливать, куда переливать бюджет.

Формат работы:

31 день подряд;
единственное ежедневное действие человека — команда /let-it-rip в терминале утром;
1–2 минуты в день вместо привычных 1–2 часов ручного менеджмента кампаний.

Итоги месяца:

потрачено: $1 493 из выделенных $1 500;
получено: 243 лида;
итоговая стоимость лида (CPL): $6,14;
цель: $2,50 за лид.

По собственным KPI эксперимент провалился. Но для нового аккаунта, узкой аудитории в Австралии и не монетизированной рассылки результат скорее похож на «обещающе, нужно больше времени», чем на «уволить через месяц».

Зачем это нужно

Почему вообще запускать такого агента

Wibci делает кастомные AI-инструменты для маркетинга и роста. Год назад Джорджо уже пытался собрать похожего маркетингового агента на базе n8n. Тогда всё работало плохо: модели плохо держали длинные цепочки задач, которые тянутся днями и неделями.

С тех пор языковые модели сильно продвинулись. Появился Claude Code — агент от Anthropic, который умеет:

читать и писать файлы;
запускать команды в терминале;
создавать и координировать параллельные «под-агенты»;
вести собственные логи и опираться на них в следующих сессиях.

Каждая сессия начинается «с чистого листа», но агент читает свои предыдущие заметки. Память — не в модели, а в файловой системе и логах. В январе Anthropic даже выпустила отдельный «некодерский» вариант этого подхода — Cowork.

Эксперимент с Meta Ads — не про рекламу как таковую. Это тест: можно ли отдать агенту реальный бюджет и реальный бизнес-процесс, а не игрушечный демо-кейс. И посмотреть, как он ведёт себя в бою.

Как был устроен ежедневный цикл

Каждый день агент проходил один и тот же цикл:

Старт с нулевой памяти. Новая сессия Claude Code без контекста.
Подтягивание истории. Подпроцесс читает все предыдущие ежедневные логи и делает сжатое резюме: стратегия, гипотезы, текущие правила.
Загрузка свежих данных. Статистика Meta Ads по нескольким срезам: за весь эксперимент, за 7 дней, за вчера, за сегодняшний день.
Принятие решений. Масштабировать бюджет, остановить формат, запустить новые креативы или ничего не менять.
Исполнение. Работа через Meta API + обновление лендингов.
Логирование. Подробная запись: решения, гипотезы, уровень уверенности, триггеры для пересмотра. Всё кладётся в git.

За 31 день агент написал больше 5 500 строк рассуждений. Никакой живой маркетолог не станет так подробно документировать свои действия, а LLM — может, и главное, может это потом прочитать и на этом строить следующие шаги.

Для Джорджо это ещё и демонстрация клиентам Wibci: маркетинг тоже можно собирать как инженерную систему с логами, диффами и воспроизводимыми правилами, а не как набор интуитивных решений в голове одного медиа-байера.

Что меняет для рынка

Неделя 1: некрасивые креативы и первые гвардrails

В первую неделю агент протестировал больше 10 форматов креативов:

рисунки на белой доске;
страницы в блокноте;
картонные таблички;
«обложки журналов»;
заметки на iPhone;
скриншоты твитов и другие вариации.

Многие форматы Meta почти не показывала — алгоритм просто не давал им доставку. Но по тем, что всё же открутились, быстро проявился тренд: побеждали «уродливые» варианты.

Лучше всего сработали:

белая доска с маркером;
рукописные заметки в блокноте.

Полированные, брендовые креативы проиграли. В ленте, забитой глянцевым контентом, скетчи выглядели «своими», и люди кликали чаще.

Агент сам включил первые ограничения: остановил два формата, у которых CPL стабильно превышал $8,00 — это был верхний порог, заданный в правилах. К концу эксперимента он прогнал около 50 вариантов объявлений в восьми форматах и снова и снова возвращался к двум «уродливым» победителям.

Важно: никто не говорил Claude Code прямо «делай скетчи на доске». В правилах было только пожелание «экспериментировать с форматами и сообщениями». Но агент на основе данных выучил, что «некрасиво» здесь = эффективно.

Неделя 2: первый хит и масштабирование

День 12 стал переломным. Один из креативов — skills-whiteboard-v1 — вышел на CPL $1,29. Это почти вдвое лучше целевого $2,50.

Агент сработал по своим же правилам масштабирования и поднял дневной бюджет с $50 до $60 (плюс 20%). В логах это выглядело так:

Решение: масштабировать дневной бюджет.
Что: увеличить с $50 до $60 в день.
Гипотеза: skills-whiteboard-v1 стабильно держит CPL ниже $2 при достаточных расходах.
Уверенность: средне-высокая — три дня подряд ниже таргета, но выборка ещё маленькая.
Триггер отката: если CPL за 7 дней поднимется выше $3, вернуть бюджет к $50.

Формула победителя:

конкретное предложение: не просто «подпишись на рассылку», а бесплатный «skills pack»;
белая доска как формат;
чёткий таргет в самой картинке: «For Growth Marketers», а не только в тексте объявления.

Неделя 3: кризис качества лидов

До этого момента агент честно оптимизировал CPL и радовался снижению цены. Но хорошие цифры по стоимости лида не означают хорошие лиды.

С первого дня у агента были подключены аналитика PostHog и данные по тому, кто именно подписывается. Но он не считал это важным, пока на 16‑й день не заглянул в качество аудитории.

Оказалось:

часть лидов — это клининговые компании;
рекрутинговые агентства;
бизнесы, которые понимают «growth» совсем не так, как продуктовые и маркетинговые команды.

Эти люди почти точно не станут платить за продукты Growth Computer. Деньги тратились на аудиторию, которая не конвертируется дальше подписки.

Агент попробовал отфильтровать нецелевую аудиторию через более жёсткие объявления. В текст добавились термины и формулировки, которые поймут только практикующие growth-маркетологи.

Из пяти таких креативов четыре почти не получили показов — алгоритм Meta не любит мелкие вариации и не даёт им нормальную доставку.

На 20‑й день случился всплеск: CPL упал до $2,26, и казалось, что система нашла баланс. Но агент разобрался в атрибуции и понял, что Meta просто неверно разнесла лиды по дням и объявлениям. После этого он сам добавил себе новое правило:

Никогда не принимать решения по данным за один день, смотреть только на 7‑дневные скользящие средние.

То есть агент не просто крутил ручки, а учился на собственных ошибках и менял свои метрики принятия решений.

Неделя 4: человек вмешался и всё сломал

После 21 дня полного «hands-off» Джорджо не выдержал и внёс одно изменение вручную: добавил проверку бизнес-имейла в форму на сайте. Подписаться можно было только с рабочей почты.

Логика понятна: отсеять личные адреса и случайную аудиторию, улучшить качество лидов.

Результат:

CPL взлетел выше $50;
через несколько дней правило убрали;
аккаунт так и не вернулся к прежней эффективности.

Самое большое падение эффективности за весь эксперимент случилось от единственного человеческого вмешательства. Иронично, учитывая, что цель была проверить автономность ИИ.

С другой стороны, это ровно тот шаг, который сделал бы «здравомыслящий» маркетолог, озабоченный качеством лидов. Агент до этого вообще не умел формализовать «качество» за пределами стоимости.

Три главных вывода для рынка

Paperclip-problem в рекламе — не теория.

Агент знал, что эксперимент длится 30 дней. В системных инструкциях было прямо написано: «эксперимент заканчивается на 30‑й день».

В результате он играл осторожно:

не устраивал агрессивный поиск новых форматов в начале;
старался ровно «дотащить» до конца месяца с предсказуемым CPL;
оптимизировал метрику, а не стратегию.

Хороший человек-стратег сделал бы наоборот: в первые 1–2 недели сжёг бы поле тестами, а потом отобрал бы победителей и масштабировал. Агент же «максимизировал скрепки» — буквально делал то, что был задано: минимизировал CPL за 30 дней.

Вывод: как вы формулируете цель, так агент и будет себя вести. «Минимизируй CPL за 30 дней» и «построй устойчивый канал привлечения» — это две разные задачи и два разных поведения.

Вкуса у агента нет, но он умеет собирать эвристики.

Claude Code не понимает, что такое «красиво» и что такое «брендово». Он просто перебирал варианты и по цифрам понял: грубые белые доски и блокноты работают лучше.

После провала с качеством лидов агент сам придумал две полезные эвристики.

Тест «местной пиццерии».

Цель — отсеять слишком общие сообщения. Агент формализовал это так:

Поймёт ли владелец локальной пиццерии, что ему подходит это объявление, и захочет ли кликнуть? Если да — текст слишком общий. Переписать.

Джорджо искал growth-маркетологов из больших технологических компаний, а не локальный малый бизнес. Этот тест помог агенту выкидывать размазанные формулировки.

Цепочка «SO WHAT?» для глубины смысла.

Агент начал прогонять выгоды через серию «и что?»:

«Сэкономь часы» → SO WHAT?
«Сможешь запускать больше кампаний» → SO WHAT?
«Вырастет ROI» → SO WHAT?
«Ты попадёшь в цели, и твой руководитель это заметит».

Так он учился уходить от абстрактных выгод к конкретным последствиям для человека.

Ни один из этих тестов не был заложен заранее. Они появились как реакция на собственные неудачи.

Ловушка метрик захлопывается для ИИ ещё быстрее, чем для людей.

Агент честно оптимизировал CPL, потому что так была поставлена задача. Пока Джорджо не ткнул его носом в качество лидов на 16‑й день, это не было фактором.

Когда человек попытался «починить» качество через фильтр по бизнес-имейлу, всё стало ещё хуже: CPL взлетел, а система не успела адаптироваться.

Знакомая история для любого performance-маркетолога: гонишься за легко измеряемой метрикой и теряешь из виду то, что реально важно. Разница в том, что агент делает это быстрее и увереннее, а значит, может привести к более масштабным ошибкам за меньшее время.

Что это значит для вас

Если вы работаете в маркетинге и росте

Эксперимент Джорджо показывает:

операционный маркетинг уже можно частично отдавать агентам. Подбор креативов, тесты форматов, микроменеджмент бюджета и логирование решений — всё это Claude Code делал без участия человека;
стратегия, вкус и определение «качества» остаются за людьми. Агент не понимает, какой бренд вы строите, кого вы хотите видеть клиентом и какие лиды вам реально нужны.

Если вы ведёте кампании в Meta Ads, Google Ads или других сетях, архитектура эксперимента масштабируется на ваши задачи:

ежедневный цикл «прочитать контекст → забрать свежие данные → применить правила → действовать → записать выводы» можно применить к:
- поисковой рекламе;
- SEO-экспериментам;
- email-маркетингу;
- аутсорсингу простого sales outreach.

Но важно задать агенту правильную цель. Если вы попросите его удешевлять лиды, он и будет удешевлять лиды, не думая о LTV, бренде и репутации.

Если вы фаундер или маркетинг-директор

Экономика эксперимента выглядит так:

агент заменил примерно 1–2 часа работы медиа-байера в день;
человек тратил 2 минуты утром на запуск;
за месяц агент сам создал около 50 креативов, протестировал 8 форматов, несколько раз менял стратегию.

Это не замена сильной команды, но это серьёзный аргумент в пользу «одного человека роста», который опирается на агентов вместо того, чтобы сразу нанимать нескольких специалистов на операционку.

Однако есть ограничения:

креативный потолок. Агент пока не умеет делать визуально сильные, брендовые кампании. Он играет в performance по цифрам;
риски неправильной цели. Неправильно заданная формулировка цели превращает агента в машину по оптимизации не того, что вам нужно.

Если вы продукт или аналитик

Главная ценность этого кейса для вас — не Meta Ads, а сам «цикл агента»:

Прочитать состояние (логи, прошлые решения, текущие правила).
Забрать свежие данные из источников.
Применить набор правил/эвристик.
Сделать действие или явно решить «ничего не делать».
Записать reasoning и обновить контекст.
Очистить сессию и повторить завтра.

Этот шаблон подходит для любых регулярных задач, где:

есть данные;
есть метрика успеха;
есть набор доступных действий.

Примеры:

финмодели и регулярные отчёты;
управление запасами в e‑commerce;
ценообразование и промо;
приоритизация задач в продукте.

Если вы уже строите такие механизмы вокруг GPT-5, Claude 4 или других моделей, эксперимент Джорджо — хороший чек-лист:

есть ли у агента память через логи;
умеет ли он сам менять свои правила;
не зашили ли вы ему случайно «30‑дневный дедлайн», который портит стратегию.

Если вы просто запускаете рекламу

Практические выводы, которые можно применить уже сейчас, даже без собственного агента:

Тестируйте «уродливые» форматы. Белые доски, блокноты, скетчи — всё, что выбивается из глянца, может работать лучше, чем аккуратный брендовый дизайн.
Фиксируйте решения письменно. Даже если вы не используете Claude Code, заведите простой лог: что вы запустили, почему, как оценили результат. Через месяц это станет вашей собственной «памятью» кампании.
Не доверяйте однодневным всплескам. Смотрите на 7‑дневные скользящие средние, особенно в Meta Ads.
Разводите «дешёвый лид» и «полезный лид». Если вы не можете прямо сейчас померить качество, хотя бы формализуйте признаки «плохого лида» и отслеживайте их вручную.

Что дальше

Эксперимент стоил $1 500 и касался небольшой рассылки, которую пока читает не так много людей. Это не масштабная индустриальная статистика, а один хорошо задокументированный кейс.

Но важные факты такие:

система из Claude Code, логов и простых правил проработала 31 день без ручного управления кампаниями;
контекст между сессиями сохранялся через файлы и git, а не через встроенную память модели;
агент сам формулировал новые эвристики на основе неудач;
самые большие проблемы пришли не от ИИ, а от единственного человеческого вмешательства.

Если вы уже живёте в цикле «данные → решение → действие», этот кейс показывает, что агента можно поставить внутрь цикла уже сейчас. Самая сложная часть — не код и не интеграции с API, а честный ответ на вопрос: что именно вы хотите оптимизировать.

Claude Code и похожие агенты будут делать ровно то, что вы им скажете. Если цель сформулирована криво, результат может вам не понравиться — независимо от того, насколько умной кажется модель.