Агент, который сам собирает и верстает email- и push-рассылки

Автоматизировать ежедневный процесс подготовки пуш- и имейл-рассылок у туроператора. Базовые цифры — несколько десятков рассылок в день, каждая из которых при шаблонизации требует ручной сборки данных и вёрстки.

Ключевые сложности:

1. Часть исходных данных лежит на сайте туроператора, часть — во внутренних источниках; нужна единая точка сбора.

2. Целевая CRM-система маркетинга **не предоставляет API** — стандартная интеграция невозможна.

3. Сборка рассылки требует не только данных, но и понимания шаблонов компании, тональности, схем тегирования (UTM).

4. Главный бизнес-эффект — не «сократить расходы», а расширить охват и детализацию рассылок теми же силами.

Многослойная архитектура с агентом, работающим в браузере поверх целевого интерфейса.

Слой данных. Парсер сайта туроператора собирает актуальную информацию по турам, ценам, направлениям. Внутренние системы клиента подключены через function calling — агент запрашивает их по необходимости.

Слой взаимодействия с менеджером. Диалоговый бот принимает задачу на естественном языке («сделай рассылку по Турции на следующую неделю для сегмента семьи с детьми»). Бот знает систему шаблонов компании, понимает, какие данные нужны для каждого шаблона, и через function calling добирает их у менеджера, если они не вытаскиваются автоматически.

Слой исполнения. Главный компонент — агент в браузере на базе Puppeteer и LLM. Он открывает интерфейс CRM-системы маркетинга, выбирает нужный шаблон, наполняет его собранными данными, расставляет UTM-метки, отправляет на проверку менеджеру. Действует в интерфейсе как человек.

В результате процесс сводится к короткому ТЗ от менеджера и финальной приёмке готовой рассылки. 95% рассылок проходит без вмешательства.

Результаты сотрудничества

- 95% рассылок собирается автоматически — практически без участия менеджера

- Команда тем же составом увеличила общий объём рассылок

- Перешли от широких кампаний по ключевым направлениям к работе с микросегментами — это повышает релевантность каждой коммуникации и конверсию.

Кейс показывает класс задач, где LLM-агенты дают качественно новое решение: они не оптимизируют существующий процесс, а снимают ограничение «нет API — нет автоматизации». Агент работает в интерфейсе как человек — в десятки раз быстрее и без усталости.