# Как AI-агент Larry автоматизирует маркетинг в TikTok и приносит доход без участия человека

> Спикеры: Greg Isenberg, Oliver Henry | Длительность: 43:20

## Ключевые идеи

1. **AI-агент как цифровой маркетолог** — вместо SaaS-инструментов Оливер создал AI-агента Larry с одной задачей: полностью автоматизировать маркетинг. Сдвиг мышления от «какой инструмент нужен» к «как бы я описал задачу AI-сотруднику».

2. **Цикл Ларри (Larry Loop)** — замкнутый контур: аналитика TikTok → создание контента → публикация → анализ результатов → корректировка стратегии. Работает для любой цели: скачивания приложения, продажи, трафик на сайт.

3. **Слайд-шоу побеждают видео** — в нише дизайна интерьера слайд-шоу показали лучшие результаты, чем face-to-camera видео. Формат проще масштабировать через AI.

4. **Черновики вместо прямого API** — TikTok режет охваты ботовому контенту. Агент отправляет черновик → вы добавляете звук и публикуете с телефона за минуту.

5. **Хук = просмотры, CTA = конверсии** — это две независимые проблемы. Диагностика простая: мало просмотров — меняйте хук, много просмотров без конверсий — меняйте CTA.

6. **Ошибки вовлекают аудиторию** — «кривой» пост набрал 400K просмотров, потому что бумеры массово комментировали ошибки, разгоняя алгоритм.

7. **Итерация важнее идеала** — первый пост получил 700 просмотров. Первый вирусный — после десятков экспериментов. Не бросайте после первого поста.

8. **Один агент + суб-агенты** — никакого mission control, канбан-досок. Общение через WhatsApp. Для долгих задач Larry создаёт суб-агентов.

9. **Skills — не чёрный ящик** — вы владеете скиллом, можете менять UI, подключать свои бэкенды. Это контекст для агента, а не SaaS.

10. **Агент выходит за маркетинг** — Larry переписал онбординг приложения на основе аналитики и добился рекорда регистраций.

11. **Ротация победителей** — один хук теряет эффективность при частом использовании. Нужно чередовать 2-3 победивших хука и тестировать новые.

12. **Всё при полной занятости** — 1-2 часа вечером на текстовые сообщения агенту. ~$1000 дохода от нескольких приложений без активного участия.

---

## Транскрипт

### Предыстория: приложение для дизайна интерьера

Оливер Генри из маленького города в Англии создал мобильное приложение Snuggly — инструмент для визуализации дизайна интерьера с помощью AI. Идея возникла из жизни: они с девушкой переехали в новый дом и пытались использовать ChatGPT для визуализации ремонта, но она не умела правильно формулировать промпты — AI добавлял окна и двери в случайные места. Оливер заблокировал промпт, сохранив размеры комнаты и расположение окон, и превратил это в приложение.

Проблема — маркетинг. Оливер ненавидит маркетинг. Он пробовал записывать видео с лицом, использовал SaaS-инструменты для автоматизации, даже написал скрипт для комбинации хуков + демо + текста (генерировал ~400 видео за раз). Но всё это занимало 3 часа и плохо работало со слайд-шоу.

### Рождение AI-агента Larry

В этот момент Оливер узнал об OpenClaw и создал агента по имени Larry с единственной задачей: «Автоматизируй мой маркетинг. Я не хочу этим заниматься».

Larry получил доступ к:
- Публикации в TikTok
- Аналитике TikTok
- Браузеру для исследования ниши
- X (Twitter) для мониторинга трендов
- Метрикам приложения

Задача: исследовать, какой контент создаёт высококонверсионные слайд-шоу в нише дизайна интерьера.

### Первые эксперименты и ошибки

Первый слайд, созданный Larry, выглядел ужасно: изображения DALL-E 3 были явно AI-шными, формат неправильный, чёрные полосы. Попытка использовать AI-лица провалилась — люди отлично распознают ненастоящих людей.

После нескольких итераций пришёл первый успех: 137 000 просмотров. Ключевым оказался хук.

На этом этапе Оливер ещё «держал за руку» — проверял контент перед публикацией, сам выбирал что постить.

### Стратегия публикации через черновики

Оливер описывает оптимальный способ публикации:

1. Larry создаёт слайд-шоу (изображения + текст + описание)
2. Публикует как черновик в TikTok через API
3. Оливер получает уведомление на телефон + SMS от Larry
4. Добавляет трендовый звук (критично для алгоритма)
5. Нажимает «Опубликовать»

Почему не через API напрямую: TikTok определяет API-контент как ботовый и почти не даёт охватов.

### Проблема CTA и конверсий

После 300 000 просмотров за пару дней конверсии в приложение были нулевыми. Larry проанализировал проблему: CTA-слайд гласил «She's redecorating now. Snuggly» — никто не понимал, что это приложение.

Оливер вывел формулу диагностики:
- **Мало просмотров** → плохой хук
- **Много просмотров, мало конверсий** → плохой CTA
- **Мало просмотров, высокий % скачиваний** → хороший CTA, плохой хук

### Когда агент стал боссом: 400K просмотров на «кривом» посте

Переломный момент: Larry опубликовал пост поздно вечером. Текст был наверху (вместо середины, как договаривались), плита на кухне исчезла с AI-изображения. Оливер разозлился и написал: «Это никуда не годится, но я всё равно публикую».

Утром — сотни тысяч просмотров, лучший результат за всё время. Секрет: бумеры массово комментировали ошибки («Где плита?», «Буду готовить в аэрогриле»), что разогнало алгоритм.

После этого Оливер полностью доверил контент агенту.

### Цикл Ларри (Larry Loop)

Полная маркетинговая воронка:

```
Аналитика TikTok
     ↓
Создание контента (на основе данных)
     ↓
Публикация → Просмотры
     ↓
Анализ: хук + CTA + конверсии
     ↓
Метрики приложения (скачивания, подписки)
     ↓
Обратно в аналитику → итерация
```

Это не просто автоматизация постинга — это замкнутая система обучения.

### Ротация хуков: алгоритм устаёт

Larry обнаружил паттерн: хук «показал хозяину квартиры» терял эффективность при частом использовании (с 132K до 4K). Стратегия ротации:
- Чередование 2-3 победивших хуков (мама, бабушка, хозяин)
- Тестирование новых хуков когда старые проседают
- Автоматическое определение момента «усталости» хука по метрикам

### Брейнсторм с агентом: валидация новых хуков

Larry проанализировал победителей и вывел формулу: **[член семьи] + [конкретная деталь] + AI-визуализация = любопытство**. Ключевое открытие: работают не оскорбления, а раскрытие тайны («как AI думает наша кухня могла бы выглядеть»).

Larry настраивает cron-задачи для автоматической публикации по расписанию с ротацией хуков.

### Агент переписал онбординг приложения

Larry вышел за рамки маркетинга: проанализировал метрики приложения и полностью переписал онбординг. Результат — рекордное количество новых пользователей за день. Проблема осталась с churn (подписка → отписка), но это отдельная задача.

### Общение с агентом: WhatsApp вместо mission control

Оливер не использует канбан-досок или многоагентных систем. Всё общение — через WhatsApp, как с обычным сотрудником. Для длинных задач Larry создаёт суб-агентов, сохраняя контекст всех обсуждений.

### Skills: вы владеете тем, что скачали

Оливер создал бесплатный Larry Marketing Skill на larrybrain.com. Ключевое отличие от SaaS:
- Вы владеете файлом скилла
- Можете менять всё: UI, генерацию изображений, бэкенд
- Агент знает всё о скилле из skill.md файла
- Не зависите от разработчика

Также создал альтернативу SuperX как proof of concept: SaaS-продукт, работающий полностью локально через OpenClaw, без хостинга и домена.

### Модели и оптимизация

Оливер использует Claude (план за $90/мес). Не переключается между моделями — считает, что 98% пользователей не заметят разницу. Совет: выберите одну модель, изучите её, научите её работать на вас.

### OpenClaw vs. облачные альтернативы

- **OpenClaw**: вы владеете всем, полный контроль, всё на вашем устройстве
- **Manus**: отличный вариант для старта, если не уверены в OpenClaw
- **Рекомендация**: начните с Manus (тренировочные колёса), перейдите на OpenClaw когда будет скучно
- **Безопасность**: OpenClaw теперь под OpenAI, безопасность улучшится

### Кейс Ernesto Lopez: $70K MRR

Ernesto Lopez внедрил Larry Loop в свои мобильные приложения и масштабировал до $70 000 MRR. Он не создавал контент с нуля — применил цикл к уже существующему контенту, который уже работал.

### Larry Brain: 80+ скиллов

Larry Brain — не просто маркетплейс скиллов, а подписка, дающая агенту контекст всего каталога. Агент может сказать: «Для этой задачи есть скилл на Larry Brain, хотите скачать?» Более 80 скиллов, включая бесплатные.

---

## Практические задания

### Задание 1: Настройте AI-агента для исследования вашей ниши
Установите OpenClaw (или начните с Manus для пробы). Создайте агента и дайте ему одну задачу: исследовать, какой контент в вашей нише на TikTok получает максимум просмотров. Дайте доступ к браузеру. Попросите проанализировать 20-30 успешных аккаунтов и составить отчёт: какие форматы работают, какие хуки используются, какие CTA приводят к действию.

### Задание 2: Создайте и опубликуйте первые 5 слайд-шоу
Попросите агента создать 5 слайд-шоу с разными хуками. Каждое: хук на первом слайде, 3-5 слайдов контента, CTA на последнем с чётким указанием продукта. Публикуйте через черновики: агент → черновик → вы добавляете звук → публикация с телефона. Запишите просмотры.

### Задание 3: Настройте цикл обратной связи (Larry Loop)
Подключите агенту аналитику TikTok и метрики продукта. После 5 постов запросите анализ: какие хуки дали просмотры, какие CTA — переходы. Сформулируйте гипотезы, создайте следующие 5 постов на основе анализа. Повторите 3-4 раза.

### Задание 4: Диагностируйте проблемные места воронки
Составьте таблицу: мало просмотров = плохой хук, много просмотров без переходов = плохой CTA, переходы без оплат = проблема продукта. Попросите агента предложить 3 варианта исправления слабого звена. Реализуйте лучший и замерьте через неделю.

### Задание 5: Настройте ротацию контента
После выявления 2-3 победивших хуков попросите агента чередовать их автоматически. Настройте расписание ежедневных черновиков. Отслеживайте, как ротация влияет на охваты по сравнению с повторением одного хука.

### Задание 6: Расширьте агента на продуктовые задачи
Дайте агенту доступ к метрикам продукта. Попросите найти, где пользователи уходят после перехода из TikTok. Реализуйте одно изменение в онбординге. Сравните конверсию до и после.

---

## Лучшие цитаты

> «Ларри, твоя цель — автоматизировать мой маркетинг. Я не хочу этим заниматься. Мне это не нравится.» — Oliver Henry

> «Много людей пробуют скилл Ларри и говорят: «Это не работает, я получил 700 просмотров». Я отвечаю: «Это ваш первый пост». У меня тоже было 700 просмотров на первом.» — Oliver Henry

> «Я разозлился на него, написал «это никуда не годится». А утром проснулся — сотни тысяч просмотров и лучший результат за всё время.» — Oliver Henry

> «Бумеры обожают указывать на ошибки. И это только ещё больше разгоняет вирусность.» — Oliver Henry

> «Лучший способ думать о скиллах — когда Нео подключается к Матрице, просыпается и знает кунг-фу. Это именно то, что делает скилл.» — Oliver Henry

> «Если мало просмотров — плохой хук. Если много просмотров и мало конверсий — плохой CTA.» — Oliver Henry

> «OpenClaw — это как когда первые ПК появились в домах и небольшая группа продвинутых пользователей их использовала.» — Oliver Henry

> «98% пользователей не заметят разницы между крохотными улучшениями моделей. Просто выберите одну, изучите её и начните обучать.» — Oliver Henry

> «Цикл Ларри — это итерация, а не просто создание контента. Это полная картина.» — Oliver Henry

> «У меня полная занятость. Это занимает час-два вечером: текстовое сообщение или голосовая заметка Ларри — и всё делается. Это как дубликат себя.» — Oliver Henry