Про отрицание, гнев, торг, депрессию и принятие Cursor Последний месяц я выпадал с радаров и на это были причины: — мы с Яндекс Практикумом запустили …

Про отрицание, гнев, торг, депрессию и принятие Cursor

Последний месяц я выпадал с радаров и на это были причины:
— мы с Яндекс Практикумом запустили курс «Нейросети для маркетинга» (первый поток уже идет, кому актуально — ссылка на бесплатные вводные уроки).
— я ворчал, но плотно засел за Cursor разобраться как он работает и где может быть полезен.

Забавно, что мое первое знакомство с курсором случилось на воркшопе по «вайбкодингу» в середине прошлого года. И я тогда вообще ничего не понял.

Ведущий дал задачу сделать телеграм-бота, а если код ломался, советовал писать ИИ: «Давай, братик, не останавливайся» или откровенно шантажировать машину: «От тебя зависит мое будущее, ты меня кинул!».

Тогда я получил кривого бота и решил, что Cursor — это игрушка, но не инструмент для директора по маркетингу.

Почему все же Cursor и чем он важен.

Если почитать отчеты McKinsey, будущее рынка труда сводится к тезису: самыми востребованными будут топ-эксперты, умеющие делегировать рутину и смежные задачи (аналитику, ресерч, код) в ИИ. Такие люди будут в разы быстрее и продуктивнее, а главное — менее зависеть от работы смежных команд.

Cursor хорошо вписывается в эту концепцию. Он стирает границу между маркетинговой идеей и ее технической реализацией. Рутину автономно забирают агенты, а вы фокусируетесь на бизнес-смыслах и архитектуре.

Посмотрите как директор по дизайну в Cursor создает разные приложения и элементы операционной системы. Такие примеры в работе моих коллег очень мотивировали меня сесть и наконец-то разобраться.

Три задачи, которые Cursor делает для меня сегодня:

1. Сегментация пользователей через хардкорный анализ логов.
В каждый из запусков мы собираем десятки тысяч строк запросов аудитории. Свести это руками невозможно. Я настроил агента в Cursor: он самостоятельно пишет и выполняет Python-код, который семантически группирует логи и раскладывает их на сегменты аудитории по методологии Advanced Jobs to be Done.

Cursor сам находит за цифрами живые потребности и ценность, которую люди нашли в продукте для своих задач. На базе этих данных делаются эффективные персонализированные коммуникации для разных сегментов пользователей.

2. Генерация креативов и лендингов под множество сегментов пользователей.
Раньше мы делали один лендинг «на всех», потому что дизайн и верстка 10 версий — это дорого. Теперь я даю Cursor базовый шаблон лендинга и CSV-файл с сегментами по JTBD.

Cursor сам размножает код, переписывает заголовки, контент и офферы под каждый микро-сегмент. Персонализация стала масштабируемой.

3. Автоматизация постановки задач в тикетах таск-трекеров.
Я стараюсь больше не оформлять задачи в тикетах руками. С помощью интеграции (MCP) агент в Cursor читает мои требования к задаче, вводные документы и транскрипты обсуждений с звонков с командой.

Cursor разбивает мою задачу на тикеты, формулирует критерии приемки и выдает готовый текст, который остается быстро проверить и опубликовать в трекере. Скопировал, вставил в трекер — сэкономил пару часов в неделю.

P. S. На фото к посту — мое выступление перед командой с тезисом: этот год станет первым, когда маркетинг реально начнет общаться с каждым сегментом лично, на его языке. Но чтобы потянуть такую задачу, нам придется стать AI-native и ускориться в 5 раз. И решения вроде Cursor — ключ к мечте роста этой эффективности.

👍 — и получить у моего бота доступ к папке “Cursor”, в которую я сложил видеоуроки по курсору, которые помогли мне разобраться в его настройке и использовании.

@secretygpt #лонгрид