Каждая минута важна: как ИИ помог быстрее спасать пациентов через рекламу

Медицинская реклама часто сталкивается с парадоксом: человек уже ищет помощь, но так и не становится пациентом. Причина в том, что большинство клиник в рекламе говорят одинаково. Пациент не видит разницы между клиниками и продолжает искать дальше.

Проблема: несмотря на большой объем рекламы, часть пациентов терялась еще до визита.

Задача: перестроить рекламную систему так, чтобы она приводила не просто обращения, а реальных пациентов.

Изучили рекламную выдачу по ключевым медицинским запросам.

Собрали десятки объявлений и передали их в ChatGPT для анализа.

AI показал, что большинство клиник используют одинаковые формулировки:

 • опытные врачи

 • современное оборудование

 • индивидуальный подход

Такие фразы практически не отличают клиники друг от друга.

При этом запросы пользователей показывают другую потребность:

 • «срочно стоматолог»

 • «болит зуб ночью»

 • «круглосуточная стоматология»

В этих ситуациях пациенту важна скорость получения помощи, а не описание клиники.

Мы сделали вывод: реклама должна говорить о скорости решения проблемы пациента.

Клиника оказывала:

 • 32 медицинских направления

 • 180+ услуг

 • 220 страниц сайта

Чтобы управлять такой структурой, мы применили подход, который часто используется в e-commerce проектах.

Мы построили рекламу по двум принципам:

1. География филиалов

Для каждого филиала задали радиусы 3-5 км, чтобы показывать рекламу людям рядом с клиникой.

В объявлениях делали акцент: "клиника рядом с вами"

2. Фид медицинских услуг

Мы создали фид, где для каждой услуги указали:

 • услугу

 • посадочную страницу

 • характеристики

На основе фида запустили динамические объявления на поиске.

Например, запрос: «консультация невролога Москва» показывал объявление конкретной услуги и ближайшего филиала.

Дополнительно подключили ретаргетинг, чтобы возвращать пользователей, которые уже интересовались конкретными услугами клиники.

Медицинская реклама генерирует тысячи поисковых запросов.

Раньше специалисты анализировали их вручную и на это уходило до 5 часов в неделю.

Мы начали использовать ChatGPT для анализа поисковых запросов.

Процесс:

 1. выгружали массив поисковых запросов

 2. передавали его в ChatGPT

 3. получали список минус-слов

 4. добавляли их в кампании

AI помог выявить более 1200 нецелевых запросов.

Основные группы мусорного трафика:

 • бесплатная медицина

 • самолечение

 • форумы

 • информационные статьи

Например:

 • «бесплатная стоматология»

 • «народные методы лечения зуба»

 • «форум депрессия»

Время анализа сократилось с 5 часов до 40 минут в неделю.

Мы регулярно собирали объявления конкурентов и анализировали их с помощью ChatGPT.

AI помог:

 • сгруппировать офферы конкурентов

 • выявить повторяющиеся формулировки

 • определить, чем можно выделиться

 • предложить гипотезы новых УТП

Мы протестировали несколько вариантов.

Классический оффер:

«Опытные врачи и современное оборудование»

Новые гипотезы:

 • «Приём стоматолога ночью без ожидания»

 • «Поможем при острой зубной боли сегодня»

 • «Запишем к врачу за 5 минут»

 • «Есть запись сегодня в ближайший филиал»

К этому моменту реклама уже приводила обращения.

Но мы обнаружили новую проблему — низкую конверсию из звонка в запись.

Мы подключили ИИ-ассистента для анализа телефонных разговоров.

Он выявил типичную ситуацию: если нужного времени или врача не было, администратор часто не предлагал альтернативу.

Пациент возвращался обратно в поиск.

Мы изменили сценарии обработки звонков.

Теперь администратор обязан предложить:

 • ближайшее свободное время

 • другой филиал сети

 • запись на ближайший день

Имплантация — одно из самых дорогих направлений стоматологии.

Массовые рассылки по всей базе пациентов обычно неэффективны.

Мы использовали систему скоринга от Calltouch, которая оценивает вовлечённость пользователей.

База разделилась на три сегмента:

 • низкая

 • средняя

 • высокая готовность к лечению

Мы сделали рассылку только по сегменту с высокой готовностью.

Оффер: «Имплантация под ключ 29 000 ₽ + бесплатная диагностика до 31 августа»

Фрод стал серьезной проблемой проекта.

Иногда доля мусорных обращений достигала 50%.

Главная опасность фрода - он искажает обучение рекламных алгоритмов.

Если система оптимизируется по лидам, алгоритмы начинают искать пользователей, похожих на ботов и случайные обращения.

Мы применили два ключевых решения.

1. Дублирование рекламных кампаний

Мы создали копию кампаний и объединили их в пакетную стратегию.

Кампания с меньшим количеством фрода делилась данными с новой кампанией, что позволило быстрее обучить алгоритмы на качественном трафике.

2. Оптимизация на реальные записи

Мы интегрировали CRM клиники с Метрикой и Директом.

Теперь алгоритмы обучались на факте записи пациента, а не на лидах.

Но проблема со фродом на этом не заканчивается, тут важен систематичный подход. Еженедельно мы проводим десятки действий для контроля трафика от спама.