Як побудувати стратегію виходу на ринок за допомогою AI: від дослідження ринку до 90-денного GTM-плану

Executive Summary

У травні я провів 6-тижневу майстер-групу з розробки стратегії виходу на ринок. 6 занять по 2 години, багато домашки, розбори учасників. Це був перший потік, у якому моя GTM-методологія і AI працювали разом.

Методологія спирається на 15 років практики: майже 200 проєктів у 9 країнах, спершу в Soloviov Marketing Agency, яка згодом стала Soloviov Consulting. У систему вона зібралася за останні 3 роки, коли я почав це викладати і треба було навчити людей робити те саме самостійно (поки робиш сам, багато що тримається на інтуїції; щойно вчиш іншого — доводиться формулювати правила).

Майстер-групу я вів у 2023 і 2024 роках, сумарно 150+ учасників. У 2026-му перезібрав фрейм так, щоб модель стояла всередині методології, а не поруч з нею.

Чи може Claude або ChatGPT побудувати вам стратегію виходу на ринок? Коротко: ні. І саме в цьому суть. Але допомогти може сильно, і про це далі.

Go-to-Market стратегія (GTM-стратегія) — для мене це система виходу на ринок: кому продаємо, чому куплять саме в нас, через які канали, за якою логікою продажу і з якими метриками. А головне це не тільки набір дій, а і послідовність їх виконання, і в цьому матеріалі далі також про це поговоримо. Бо як показала практика, для моделей теж дуже важливо віддавати матеріал поступово, в тому самому порядку.

У роботі я використовую кілька моделей: Perplexity і Gemini для пошуку, ChatGPT для опрацювання великих масивів даних, Claude для складної інтелектуальної роботи. Найбільше працюю в Claude.

ШІ опрацює тисячі джерел, згенерує гіпотези і структурує дослідження за хвилини. Але GTM-стратегія це послідовність рішень: на який ринок виходимо, кому продаємо, чому куплять саме в нас, у який канал вкладаємо гроші, що тестуємо першим і які дані змусять нас передумати.

Ці рішення приймає людина. Модель допомагає їх підготувати швидше.

Важливо! Я не використовую Claude, щоб генерувати GTM-стратегії, а тільки суто щоб прискорити частини методології, яку розробив і вже валідував на 9 ринках.

У попередньому звіті я показував цифру: 91% B2B-компаній впровадили AI, але більшість не бачать результату. Там розповідав, чому і що поламано. Тут поговоримо про те, який контекст дати моделі, щоб вона якісно опрацювала те, що вам треба. Розкажу, як я це роблю.

• як я збираю контекстний шар для роботи з Claude,
• з яких дев'яти блоків складається моя методологія розробки стратегії виходу на ринок,
• як за допомогою AI робиться дослідження ринку і профілювання клієнта,
• які рішення я ніколи не делегую моделі,
• за якими ознаками впізнаю AI-слоп і
• скільки годин коштує його підчистка, і
• як усе це збирається в 90-денний GTM-план.

01. Чому промпти не дають стратегії

Документ, який виглядав готовим

Повернімось до майстер-групи, яка йшла в травні. Домашка після першого заняття була проста: заповнити GTM-фреймворк з дев'яти блоків під свій бізнес. Спершу самостійно, потім прогнати через модель, потім принести на розбір.

На другому занятті один з учасників, засновник дизайн-агенції, приніс своє. Він зробив його правильно: місяцями складав у Claude власну базу знань про агенцію, завантажив туди галузеві дослідження, попросив зібрати все в структуру.

Документ вийшов сеньйорний. Позиціонування, конкуренти, ринок, цілі на рік, канали продажів. Не поверхневий, з цифрами, з посиланнями на дослідження. Виглядав як робота людини, яка добре розуміє свій бізнес.

Один блок у ньому був порожній за змістом при повному обсязі тексту. Блок про клієнтів.

Він знав усе про бізнес-планування взагалі і майже нічого про своїх покупців конкретно. У базі знань цих даних просто не було. Claude не сказав «мені бракує інформації». Він заповнив блок так само впевнено, як і решту.

AI не знає, чого він не знає. Порожнечу в контексті він заповнює правдоподібним текстом — і на око не відрізнити від решти документа. Це і є той самий AI-слоп (у перекладі з англійської — помиї).

Через два тижні той самий учасник переписав цей блок з нуля. Не з моделлю — з власного досвіду і з розмов. Вийшло чотири різні профілі клієнтів замість одного розмитого. І далі змінилося все: комунікація, продуктова лінійка, скрипти на дзвінках. Він перестав пропонувати стартапам на етапі перевірки гіпотези великий сайт з брендингом і почав продавати їм те, що їм справді потрібно на цій стадії. Перший продаж на новому сегменті стався ще під час програми.

Коли безлімітний доступ не допомагає

Другий випадок з тієї ж категорії, але дорожчий.

З березня по червень я з партнерами готував велику стратегічну сесію для клієнта: учасники це 18 топів, кожен керівник напрямку. Там була купа всього для підготовки і були задачі як от соцдослідження чи то кастдеви.

Ми робили кілька етапів досліджень і одним з них були кастдеви. На дослідницьку частину я взяв підрядника — сеньйорного продакт-менеджера з корпоративним акаунтом і фактично безлімітними токенами. Задача: customer journey, аналіз дев'яти суміжних організацій, порівняльна таблиця.

Він кожного разу видавав обсяг, який неможливо було опрацювати. Кожен тиждень новий масив матеріалів, формально по темі, і виглядало це як щось корисне. Я тричі намагався зібрати з цього документ, який можна показати клієнту. Тричі не вийшло. Часу це з'їло божевільно багато, десь понад сто годин.

Ми ходили по колу майже три місяці. Вирішилось це тільки тоді, коли я попросив відкласти модель і перезібрати все руками. Аналітик сів і зробив. Після цього матеріал став придатним до роботи.

Безлімітний доступ до сильної моделі не дає кращого результату. Він дає більше матеріалу. А більше матеріалу і кращий результат це різні речі — і плутають їх постійно.

Формула, з якої все починається

Обидва випадки описуються одним рівнянням:

Результат AI = модель + контекст + задача.

Більшість працює тільки з третім доданком. Шукає ідеальний промпт, підбирає формулювання, переписує задачу. І при цьому щоразу починає з чистого аркуша, тобто з нульовим контекстом.

GTM так не працює. Стратегія виходу на ринок вимагає постійного контексту: бізнес, продукт, ринок, ICP, персони, конкуренти, позиціонування, ціноутворення, продажі, канали, дані кастдевів, специфіка конкретного ринку. Це має десь жити. Це постійний працюючий живий проєкт, це динаміка.

02. Контекстний шар: як я навчаю Claude під проєкт

Розкажу, як це влаштовано в мене. Це мій робочий стандарт, а не універсальна рекомендація — я пробував різні формати організації і зупинився на цьому, бо мені так зручніше.

Навчена воронка

Під кожен проєкт я створюю в Claude окреме діалогове вікно і послідовно навчаю його. Туди йде все: галузеві дослідження, мої власні матеріали і фреймворки, профілі клієнтів, ціннісні пропозиції, маркетинг-план. Кожен важливий шматок я прошу зберегти в тривалу пам'ять, щоб до нього можна було звертатися з інших чатів.

Через кілька тижнів такої роботи це вже не чат. Це середовище, яке знає контекст проєкту і мій спосіб мислення про нього. Коли я приходжу з задачею «зроби меседж під цей сегмент», воно не вигадує сегмент — воно бере його з профайлу, який ми разом складали, і з дослідження, яке я туди завантажив.

Це і була ціль моєї програми: щоб кожен учасник вийшов не тільки з готовою стратегією, а з навченою воронкою, у якій лежить уся методологія разом з контекстом його бізнесу. Вони можуть повертатися до неї через рік, з новим продуктом або новим напрямком, і отримувати ту саму логіку роботи. Знання не залишились у конспекті — вони залишились у робочому інструменті.

Це, чесно кажучи, здивувало мене більше за все інше. Методологію, на яку я витратив роки, вдалося передати так, що вона працює без мене.

Артефакти: п'ять документів, які тримають систему

1. 01

   Профіль клієнта

   Головний документ у всій системі. Він у мене вже готовий і опрацьований до деталей: не портрет «власник бізнесу 35–45», а робочий день людини, її задачі, тригери покупки, заперечення і критерії вибору. Далі він живить меседжинг, сайт, рекламні кабінети, скрипти продажів і комерційні пропозиції. Учасники програми зробили свої профілі за цим самим фреймом.

2. 02

   Дослідження

   Набір промптів і чеклістів, які я закидаю в Claude, щоб він провів дослідження і витягнув саме те, що потрібно, а не все підряд. Це і є та різниця між «досліди мені ринок Німеччини» і керованим ресерчем, у якого є питання, джерела, критерії й межі.

3. 03

   Матеріали, статті й лекції

   Мої власні тексти, навчальні лекції та фреймворки, які я завантажую в модель. Так вона отримує доступ до того, що знаю я, а не до усередненої суми інтернету. Це і є та частина, яка зберігається в тривалій пам'яті й далі впливає на кожну наступну відповідь.

4. 04

   Фреймворк ціннісної пропозиції

   Будується поверх профілю клієнта. Формула фіксована: що пропонуємо, кому, яку проблему закриваємо, завдяки чому, який результат отримує клієнт і в чому наша унікальність. Окрема пропозиція під кожен сегмент.

5. 05

   Маркетинг-план по каналах

   Сценарний документ, який адаптується під конкретний проєкт, його можливості й бюджет. Розкладається за потребою: PR, перфоманс, Meta, Google Ads, особистий бренд засновника, партнерська пропозиція. Далі перетворюється на конкретний план з відповідальними і датами. Це остання ланка, у якій стратегія стягується докупи.

Другий елемент контекстного шару я приніс не з AI-практики, а з донорських проєктів. (ринок NGO навчив мене робити ці артефакти супер якісно, а от ШІ любить ці документи) Там артефакт це стандарт роботи: кожен етап закривається документом за фіксованим фреймом. Спершу я не розумів їхньої цінності. Зрозумів тоді, коли зайшов схожий проєкт, я розпакував теку зі старими артефактами — і половина роботи вже була зроблена.

Артефакт це документ за заданими параметрами, які визначаю я, а не модель. У мене їх кілька десятків, але систему тримають п'ять.

Артефакти зручні саме тим, що їх легко завантажувати назад у воронку. Виходить замкнений цикл: контекст народжує документ, документ повертається в контекст і робить наступний документ кращим, далі це все привязується до цілей бізнесу.

03. З чого складається стратегія виходу на ринок

Контекстний шар це інфраструктура. Методологія це те, що в ній відбувається.

Звідки взялася ця методологія

Методологія розробки стратегії виходу на ринок не з'явилася разом з AI і не була написана як методологія. Вона складалася три роки з практики: клієнтські проєкти в дев'яти країнах і майже двісті проєктів агентського досвіду в маркетинговій агенції, яка згодом стала Soloviov Consulting.

Оформлятися в систему вона почала тоді, коли її довелося комусь передати. У 2023 і 2024 роках я провів потоки майстер-групи з розробки стратегії виходу на ринок. У 2026-му зібрав новий фрейм — GTM + AI, у якому модель стоїть усередині методології, а не поруч з нею. Сьогодні це програма GTM Master Group.

Це важливо з практичного боку. Коли методологія існувала до моделей, видно, що саме моделі прискорюють, а що вони не роблять зовсім.

Дев'ять блоків GTM-стратегії

1. 01

   Цільова аудиторія

   Хто клієнт, що в нього болить, хто приймає рішення, хто його блокує, який тригер запускає покупку. Найважливіший блок і той, що найчастіше провалюють.

2. 02

   Ціннісна пропозиція

   Що ми пропонуємо, кому саме, яку проблему закриваємо, завдяки чому, який вимірюваний результат отримує клієнт і чим ми відрізняємось.

3. 03

   Конкуренти

   Перелік, фішки кожного, ваше місце відносно них. Тут корисно виходити за межі кабінетного дослідження і збирати реальні комерційні пропозиції ринку.

4. 04

   Аналіз ринку і вікна можливостей

   Розмір, тренди, швидкість входу і — окремо — культурний контекст покупця. Про це нижче, бо саме тут AI найчастіше вводить в оману.

5. 05

   Маркетингові цілі

   У цифрах і в термінах. Не «збільшити впізнаваність», а конкретна виручка, кількість угод або кваліфікованих розмов до конкретної дати.

6. 06

   Стратегія продажів

   Як саме відбувається продаж: прямий, через вебінари й воркшопи, через партнерку, реферальну програму, безкоштовний продукт на вході.

7. 07

   Канали

   Де ця аудиторія вже існує сьогодні. Не де ви хочете бути, а де вона зараз читає, питає і приймає рішення.

8. 08

   Бюджет

   Розбитий поканально, з окремою частиною на експерименти, які майже напевно не спрацюють. Закладати цю частину треба свідомо і заздалегідь.

9. 09

   Метрики і терміни

   План і факт по кожному каналу. Без цього ви не дізнаєтесь, що працює, і будете масштабувати навмання.

Моя стратегія виходу на ринок складається з дев'яти блоків. Це робочий документ, який заповнюється в кілька підходів: спершу самостійно, потім з Claude, потім у розборі з людиною, яка бачила багато таких документів.

Послідовність важливіша за самі блоки

Дев'ять пунктів вище легко знайти в будь-якому підручнику. Працює порядок, у якому вони заповнюються.

Дослідження і тренди ринку → цільова аудиторія → ціннісна пропозиція і меседжинг → канали → маркетинг-план → реалізація і заміри.

Кожен наступний блок живиться попереднім. Витягнути один з контексту не вийде.

Найтиповіше порушення я бачив у програмі. Один з учасників, власник SaaS-сервісу, взявся писати ціннісну пропозицію, не доробивши профіль клієнта. Вийшло дженерично і слабко. Причина: модель не врахувала контекст того, що важливо клієнту, і порожнє місце заповнила аргументом «продаємо дешевше».

І гірше того — «дешевше» відлякує B2B-покупця, бо читається як «неякісно». Він не міг сформулювати цінність не тому, що погано писав, а тому, що ще не знав, кому пише.

Погана ціннісна пропозиція майже завжди означає незакритий блок вище за течією.

За моєю практикою і за аудитами, які я проводив у клієнтів, якісно пропрацьована ціннісна пропозиція зменшує вартість залучення заявки з платної реклами приблизно вдвічі.

04. Дослідження ринку і ICP за допомогою AI

Як не треба і як треба

Типовий запит на дослідження ринку виглядає так: «Claude, досліди мені іспанський ринок». На виході — акуратний огляд, у якому все правда і нічого не можна використати для рішення.

Керований ресерч виглядає інакше. Це ланцюг, у якому кожна ланка задається вами:

питання → джерела, яким ми довіряємо → докази → синтез → гіпотези → прогалини в даних → наступні дослідницькі питання..

І друге правило, яке я застосовую до будь-якого результату ресерчу: розділяти факт, здогад моделі, гіпотезу і рішення.

Як визначити ICP: воронка від ринку до критеріїв покупки

ICP (Ideal Customer Profile, профіль ідеального клієнта) — опис компанії і людини, яким ваш продукт потрібен найбільше і які здатні за нього заплатити: галузь, розмір, роль, задача, тригер покупки і критерії вибору.

Шлях від широкого ринку до робочого профілю проходить сім кроків, і AI корисний майже на кожному:

Широкий ринок → сегменти → гіпотези ICP → хто користувач і хто платить → тригер покупки → біль і заперечення → критерії вибору.

Claude добре структурує сегменти, генерує гіпотези і ставить під сумнів ваші припущення, якщо його про це попросити прямо. Він погано робить одне: не відрізняє сегмент, який реально приносить гроші і закриває план, від сегмента, з яким ви готові працювати наступні два роки, і від того, що модель просто вигадала.

Тому фінальний ICP не генерується. Він обирається. Це стратегічне рішення про те, від якої частини ринку ви свідомо відмовляєтесь.

Обробка інтерв'ю і великих масивів

Окремо про те, де модель дає найбільший приріст швидкості. Я регулярно опрацьовую через Claude продуктові інтерв'ю, щоб витягнути формулювання, якими клієнти самі описують свою проблему. Ці формулювання потім ідуть у меседжинг майже без переробки, бо вони вже сказані мовою покупця, а не мовою продукту.

Те саме з масштабними дослідженнями. Коли у вас кілька сотень інтерв'ю або великий соціологічний масив, опрацювати це вручну в розумні терміни неможливо. Тут AI незамінний — за умови, що ви розумієте, яке питання ставите до цього масиву.

05. Позиціонування і меседжинг: де модель видає дженерік

На третьому занятті ми робили ціннісні пропозиції. Двоє з трьох учасників принесли варіанти, згенеровані моделлю. Обидва я забракував одним словом: дженерік.

Написано було гладко. Просто ці формулювання можна було поставити під будь-яку компанію в тій самій ніші, і ніхто б не помітив підміни. А таке не працює за визначенням.

У третього учасника вийшло добре з першого разу. Різниця була не в промпті і не в моделі. Він єдиний зробив профіль клієнта до того, як узявся за текст.

Дженерік на виході майже завжди означає дженерік на вході. Модель не має чим бути конкретною, якщо ви не дали їй конкретики.

Ланцюг, у якому губиться сенс

Меседжинг це ланцюг. Аудиторія, її болі, фрейми, з яких народжуються меседжі, і далі сайт, рекламні кабінети, скрипти дзвінків, комерційна пропозиція тощо. Так у моїй методології збирається воронка, з AI або без нього це не принципово.

На кожному переході щось губиться. Найчастіше губиться на першому: людина не знає болів своєї аудиторії достатньо точно і компенсує це загальними словами. Далі ці загальні слова просто множаться по всіх каналах.

Різні люди чують різне

Друга річ, яку постійно пропускають: меседж має бути окремим під кожен сегмент і під кожну роль у прийнятті рішення.

Технічний директор питає про безпеку даних, про те, де вони зберігаються, і про швидкість інтеграції. Комерційний директор питає про ціну і термін окупності. Донор питає про сталість результату після завершення фінансування. Інвестор питає про розмір ринку. Це один продукт і чотири різні розмови.

Коли меседж один на всіх, він не влучає ні в кого. Саме звідти далі дорожчає кожна заявка з реклами.

Що модель тут справді робить добре

Позиціонування обирається, а не генерується. Це рішення про те, що саме ви хочете займати в голові клієнта і від чого заради цього відмовляєтесь. Але щоб дійти до нього, потрібен опонент, і в цій ролі Claude корисний.

Альтернативи

П'ять варіантів позиціонування одного продукту, щоб стало видно: ваш перший варіант був не єдиним.

Перевірка на унікальність

Питання «під яку ще компанію в цій ніші підійде цей текст» відсіює дженерік швидше за будь-яку редактуру.

Слабкі місця

Питання «де тут натяжка» дає більше, ніж питання «як покращити».

Заперечення

Дайте профіль клієнта і попросіть відповісти від його імені. Почуєте те саме, що почуєте на дзвінку, тільки на тиждень раніше.

Звірка з профілем

Чи закриває це формулювання ті болі, які записані в профілі, чи ви просто гарно написали.

06. Чи може AI побудувати GTM-стратегію

Ні, і причина не в тому, що моделі недостатньо розумні. У кожному з дев'яти блоків є частина, яку робить модель, і частина, яку робить людина.

Ринок

Стратег обирає, куди йдемо. Claude збирає докази і синтезує джерела.

ICP

Стратег обирає пріоритетний сегмент. Claude структурує гіпотези і ставить під сумнів припущення.

Позиціонування

Стратег визначає, що ми хочемо займати в голові клієнта. Claude генерує альтернативи і симулює заперечення.

Меседжинг

Стратег затверджує ключове повідомлення. Claude тестує варіанти під різні сегменти й канали.

Канали

Стратег розставляє пріоритети і розподіляє бюджет. Claude шукає, де аудиторія вже присутня.

Продажі

Стратег інтерпретує реальні розмови. Claude знаходить у них повторювані патерни.

План

Стратег приймає рішення і свідомі компроміси. Claude структурує й операціоналізує.

Шість рішень, які я не делегую

1. Вибір ринку — куди йдуть обмежені ресурси компанії.
2. Пріоритезація ICP — на кому ми справді фокусуємось, а від кого відмовляємось.
3. Позиціонування — що саме ми хочемо займати.
4. Розподіл ресурсів — у що вкладаємо час і гроші.
5. Стратегічні компроміси — що ми свідомо вирішуємо не робити.
6. Фінальний зміст GO TO MARKETING плану на 90 днів.

Причина одна і вона проста: за кожне з цих рішень я відповідаю грошима. Модель не відповідає ні за що.

AI прискорює перевірку гіпотез. Він не перевіряє ринок замість вас.

Межа, яку видно на кастдевах

Ще один учасник програми провів близько десяти глибинних інтерв'ю зі своєю аудиторією. Респонденти були в захваті. Один навіть зробив скріншот продукту і виклав у себе в соцмережах. Але платити не збирався ніхто.

Жодна модель цього не показала б. Готовність платити не виводиться з аналізу ринку, з опису конкурентів і з розміру сегмента. Вона з'ясовується в розмові з живою людиною, у якої є бюджет.

Друга помилка в тому ж кейсі виявилась цікавішою. Країни для інтерв'ю обиралися випадково — хто відповів, з тим і поговорили. У результаті більшість респондентів була з ринку, де культура покупки в принципі не передбачає оплати за такий інструмент. Дані зібрані чесно, вибірка не має відношення до бізнес-рішення.

07. Перевірка: AI-слоп і його реальна ціна

У методології є етап, який не описаний у жодному фреймворку, але забирає найбільше мого часу. Перевірка на AI-слоп.

Я перевіряю майже все. Дослідження, які роблю сам. Матеріали, які отримую від підрядників. Тексти, які йдуть клієнту. Клієнти помічають AI-слоп миттєво, і реакція в них негативна.

Частину я ловлю просто через надивленість: бачиш, що тут щось не те, і йдеш перевіряти. Але надивленість не передається, а працювати з підрядниками треба вже зараз. Тому далі — конкретні ознаки.

І окремо про те, чого не видно в бюджеті. Найбільше часу в мене забирає не створення матеріалів, а виправлення чужих. Коли підрядник надсилає згенерований текст як готову роботу, він не зекономив час, він переклав його на мене.

Термін «AI-слоп» описує ситуацію, коли хтось щось десь згенерував, а потім цілий відділ витрачає тижні, щоб це перевірити і привести до придатного вигляду. Формально робота зроблена. Фактично вона перекладена на наступного в ланцюжку.

Чотири ознаки, за якими я його впізнаю

1. 01

   Повторювані слова і конструкції

   Одні й ті самі звороти кочують з абзацу в абзац. Око чіпляється за це раніше, ніж мозок встигає прочитати зміст.

2. 02

   Побудова через заперечення

   «Це не просто інструмент, це рішення». «Не тому що, а тому що». Одна така фраза нормальна. Коли їх п'ять на сторінку, текст писала машина.

3. 03

   Надлишок довгих тире

   Найпомітніша технічна ознака. Живі люди так не пунктують.

4. 04

   Текст, з якого нічого не виносиш

   Головна ознака. Ви дочитали абзац і не стали знати більше. Не відчувається, що людина доклала руку: немає ні власного спостереження, ні цифри, ні позиції, з якою можна посперечатись.

Частину цього можна зняти на вході

У мене є окремий документ-інструкція для Claude, який прибирає більшу частину цих ознак ще на етапі генерації. Він розписує, як не писати як машина: без надлишку довгих тире, без конструкцій через заперечення, без порожніх підсилювачів. Я отримав його від продакт-менеджера і використовую постійно.

Документ не мій винахід. В основі подібних інструкцій лежить перелік ознак машинного письма, зібраний редакторами Вікіпедії у статті Signs of AI writing: близько двох десятків патернів. Найвідоміша реалізація цього переліку у вигляді скіла для Claude називається humanizer.

Дві деталі роблять його справді робочим, і обидві легко пропустити.

08. Вихід на новий ринок: market fit і канали

Одна стратегія на всі ринки не працює

Я розробляв стратегію виходу на Скандинавію для клієнта. Ринок вивчений, сегменти визначені, меседжі готові. Потім я потрапив на галузевий івент і отримав матеріал про культурні відмінності ринків — не про розмір і не про гроші, а про те, як там взагалі приймають рішення про покупку.

Половину напрацьованого довелося викинути. У Скандинавії B2B-цикл угоди доходить до дванадцяти місяців, і довіра будується через особисті зв'язки, а не через оффер. На США, Великій Британії чи в Ірландії той самий продукт продається за два-три місяці і зовсім іншою логікою.

Той самий продукт, той самий ICP, ті самі меседжі — і зовсім інший sales motion. Claude цього не підкаже, бо в його контексті цього немає, доки ви туди це не покладете.

Market fit: продукт заходить не на кожен ринок

Скандинавія

Продає той, кого звати Йохансен і хто смажить шашлик у іншого Йохансена на дачі. Довіра будується роками через особисті зв'язки, цикл угоди довгий, оффер сам по собі не вирішує нічого.

США

Зовсім інша логіка: тут прийнятний прямий контакт, працює навіть холодний дзвінок, а швидкість реакції і чіткість пропозиції важать більше за тривалість знайомства.

ЄС

Тут першою перевіряють не пропозицію, а вас: юридична присутність, оформлені документи, відповідність вимогам. Без цього розмова часто не починається взагалі.

Це і є market fit у практичному сенсі: не «чи потрібен там продукт», а «чи можемо ми там продавати так, як там прийнято купувати». Питання про поведінку покупця: як тут приймають рішення, що вважають доказом, кого допускають до розмови.

AI SDR: шість місяців, нуль угод

Іноземна маркетингова агенція, яка працює з клієнтами в Південній Європі та Ізраїлі, запустила AI SDR і тестувала його шість місяців. Нуль закритих угод. До мене вони прийшли вже після цього.

За цей рік та сама історія повторилася на кількох B2B SaaS-проєктах, які виходили на Польщу, Канаду і групу з п'яти ринків Європи та США. Повторюваність тут важливіша за окремий кейс.

Механіка провалу однакова. Інструмент парсить сайти й профілі, генерує «персоналізовані» листи і розсилає їх. Виходить дженерік у промислових обсягах. Працює інше: модель збирає базу, а далі людина відкриває профілі, дивиться, що в компанії відбувається просто зараз, і пише те, що стосується конкретної ситуації.

Де вже є ваша аудиторія

Питання, з якого починається блок каналів, звучить так: де ця аудиторія вже існує сьогодні. Не де ви хочете бути, а де вона зараз читає, питає і приймає рішення. Спільноти, партнери, івенти, аутрич, контент, мережа засновника, реферали і AI-пошук.

Лідген я веду як одну систему, а не набір окремих каналів: аутрич, перфоманс у Meta і Google Ads, видимість у ШІ-пошуку. Канали мають підсилювати один одного. Аутрич готує ґрунт до конференції, вебінар живить воронку, партнер закриває угоду, бо вже має довіру клієнта.

AI-пошук як етап продажу, а не тільки канал

Найкращий приклад тут у мене власний, тому розкажу на цифрах Soloviov Consulting.

У State of Go-to-Market 2026 я писав про перші інбаунд-ліди з AI-пошуку. Зараз їх сім. Це люди, які прийшли не з реклами і не з холодних листів: вони спитали в моделі, хто розбирається у виході на нові ринки, і модель назвала мене, саме по запиту про розробку стратегій виходу на ринок. Це зайняло трохи часу, і я продовжу над цим працювати, але вже зрозумів, що цим треба займатися окремо. Плюс ось такий кейс.

Один із таких дзвінків я запам'ятав. Телефонує керівниця з державного університету, ставить дуже конкретні питання, явно готувалася. Питаю, звідки вона про мене дізналася. Відповідає: порекомендував ChatGPT. Угода тоді не склалася через бюджет, але сам факт я запам'ятав.

Важливіше за самі ліди інше спостереження: практично всі мої клієнти перевіряють мене через ChatGPT перед першим контактом. Не після знайомства, а до нього.

Це змінює статус AI-видимості. Вона стала етапом продажу. Питання вже не в тому, чи приведе вам ChatGPT клієнта, а в тому що він розповість про вас клієнту, який уже вирішив до вас звернутися.

Свого часу я перевірив це на собі й отримав неприємний результат. Модель розповідала про те, що я робив три-п'ять років тому і що публікував тоді, а не про те, які задачі я вирішую зараз. Довелося переписувати видачу. Це зайняло вісім місяців, зараз тут в мене вже все коректно.

Модель описує вас за вашим старим контентом. Якщо ви змінили позиціонування, а контент лишився попереднім, то у відповіді AI ви досі та людина, якою були три роки тому.

09. 90-денний GTM-план

Усі дев'ять блоків сходяться в один документ, і це не презентація стратегії. Це план на 90 днів, у якому видно, звідки візьмуться клієнти.

Найчастіша помилка на цьому етапі — підміна маркетинг-плану операційним. Мені приносили чудові документи: фази підготовки, матриці відповідальності, впорядковані процеси, вкладені етапи. Виглядає це солідно. Але такий документ відповідає на питання «як влаштована наша операційка», а не на питання «звідки прийдуть ліди».

Якщо дія не конвертується у вхідного ліда — вона не йде в маркетинг-план. Це інший документ.

І друге правило, яке я повторюю на кожному проєкті: стратегія відрізняється від ілюзії планом досягнення цілей. Немає плану з цифрами і датами — немає стратегії, є наміри.

Що має бути в 90-денному плані

• Перелік каналів, кожен окремим рядком.
• Бюджет по кожному каналу окремо.
• План і факт по лідах з кожного каналу.
• Відповідальний за канал.
• Дати початку і завершення кожної дії.
• Мітка для трекінгу, поставлена до запуску, а не після.
• 15–20% бюджету на ретаргетинг, який догріває тих, хто ще не готовий.
• Мінімум три канали, які підсилюють один одного.

Як це виглядає на практиці

Візьмемо реальний випадок з програми. Дизайн-агенція, бюджету на платний трафік практично немає, аудиторія — стартапи на ранній стадії.

Відкриваємо профіль клієнта і дивимось, де ця аудиторія вже є. Акселератори і програми підтримки підприємців. Їх на ринку п'ять-шість, усі відомі. Далі беремо болі з профайлу і перетворюємо їх на теми виступів: як швидко перевірити гіпотезу, не витративши бюджет на повноцінний продукт; як не втратити місяці, відкладаючи запуск; які інструменти з модних насправді не потрібні на цій стадії.

П'ять виступів у п'яти спільнотах за квартал. Приблизно сто слухачів. Після кожного виступу — безкоштовний розбір як точка входу. Реалістична конверсія: п'ять цільових зустрічей. З них угоди.

Нічого технологічного. Але це план, у якому кожна дія веде до зустрічі, і в якому є цифра, з якою через квартал можна звірити факт. Claude допоміг зібрати перелік спільнот і згенерувати теми з профайлу. Рішення про те, куди йде час трьох людей на найближчі три місяці, ухвалила людина.

Розмови з продажів як дані для стратегії

Останній елемент, який замикає цикл. Двадцять розмов з продажів це масив даних, який більшість компаній не використовує взагалі.

Транскрипти цих розмов ідуть у контекстний шар, і далі Claude добре справляється з тим, щоб витягнути повторювані заперечення, часті питання, критерії вибору, причини програних угод і цінові сумніви. Що з цим робити — вирішує стратег. Але побачити патерн у двадцяти розмовах машина допомагає швидше за будь-кого.

Розмови з клієнтами стають навчальними даними для вашої GTM-системи. Не для моделі — для стратегії.

Що з цього виходить

Методологію, описану вище, ми послідовно пройшли за шість тижнів на реальних бізнесах: B2B-сервіс, SaaS-продукт і освітня платформа. Потім перевірили її ще раз, на додаткових проєктах тих самих людей, у B2C і в B2B.

Результати з'явилися ще до завершення програми. Один учасник вийшов на новий сегмент і закрив там перший продаж. Другий підписав і запустив партнерство. Третій підготував вихід нового продукту на новий ринок.

Методологія працює, але жорстко вимагає послідовності. Варто пропустити блок або взятися за нього не в тому порядку, і результат розсипається на наступному кроці — причому розсипається так, що документ при цьому виглядає нормально.

Контекст → Дослідження → Гіпотеза → Тест → Висновок → Адаптація → Масштабування.

І чесний перелік того, чого AI не робить, скільки б контексту ви в нього не заклали. Він не гарантує попиту на ваш продукт. Не замінює кастдеви. Не підтверджує готовність платити. Не приймає стратегічного рішення і не несе за нього відповідальності. Не гарантує коректності власного дослідження.

Мене найбільше цікавить точка, де стратегія зустрічається з першою виручкою. План виходу на ринок мало вартий, якщо ніхто не володіє меседжингом, пайплайном і доведенням до кінця. Модель цю частину не закриє ніколи.

Зараз я упаковую цю методологію в GTM-плейбук: дев'ять блоків, шаблони артефактів і бібліотека промптів під кожен блок. Про запуск напишу в телеграм-каналі.

Часті питання

Чи може Claude побудувати GTM-стратегію?

Ні, бо GTM-стратегія це вибір ринку, пріоритетного сегмента і позиціонування — за людиною, бо саме вона відповідає за результат і за гроші в касі.

Як використовувати AI для розробки стратегії виходу на ринок?

Використовувати як багатошарове поле і робочу зону для досліджень, аналізу і виконання всередині структурованої методології, а не просити згенерувати стратегію з нуля. Практично це означає створити окреме навчене середовище під проєкт, скласти в нього контекст і артефакти й повертатися до нього на кожному блоці роботи.

Що таке AI-powered GTM?

Це стратегія виходу на ринок, у якій людські рішення поєднані з AI-підтримкою на етапах дослідження, генерації гіпотез, аналізу зворотного зв'язку і виконання.

Чи може AI замінити GTM-стратега?

Точно ні. AI прискорює частину GTM-роботи, але не замінює розуміння клієнта, пріоритезацію і відповідальність за результат. І головне це готовність ринку платити — це з'ясовується тільки в розмовах з живими покупцями, валідацією.

Що має входити в 90-денний GTM-план?

ICP, позиціонування, меседжинг під кожен сегмент, пріоритетні канали, експерименти, бюджет по каналах, метрики з планом і фактом, відповідальні та дедлайни. Головний критерій: кожна дія в плані має конвертуватися у вхідного ліда або в зустріч. Показник це ліди з прив'язкою до MRR.

Скільки часу займає розробка стратегії виходу на ринок?

Розробка стратегії з передачею команді займає 2–4 тижні. Якщо потрібне доведення до перших продажів, це формат fractional GTM lead на кілька місяців: меседжинг і скрипти, лідген як система, участь у наймі під нову функцію, розбір перших дзвінків і корекція гіпотез за фактичними даними.

Про автора