Маркетинговые платформы автоматизации двадцать лет отвечали на один вопрос: этот лид готов к продаже? Сейчас модель перестраивается сразу по трём путям, и у каждого своя точка опоры. Разбираем, что меняется.
Раньше Marketo, Eloqua и Pardot давали маркетологу базу, поведенческие сигналы, сегменты, скоринг, воронки, email и интеграцию с CRM. Логика была простая: человек скачал белую книгу, сходил на вебинар, открыл письма - значит, интерес проявился. Дальше скоринг, прогрев и передача в продажи, когда лид перешёл порог.
Сейчас данных вокруг становится больше. К поведению на сайте добавляются покупки, использование продукта, заявки в поддержку, активность аккаунта, подписки, разговоры с продажами и то, что делает вся группа покупателей. Всё это можно собрать в одном месте. Продажная готовность остаётся важной, но превращается в одно из многих состояний клиента.
Суть
Старая схема: собрать сигналы, оценить, прогреть, квалифицировать, отдать в продажи. Новая: собрать данные о клиенте, понять контекст, решить следующее действие, скоординировать ответ и учиться на результате.
Salesforce и Adobe строят оркестрацию поверх широких клиентских данных. Marketing Cloud Next у Salesforce опирается на платформу Data 360, а Flow Builder сводит действия в единый сценарий. Adobe Journey Optimizer собирает динамические пути на данных Adobe Experience Platform, а Marketo Engage отвечает за автоматизацию внутри экосистемы. Центр тяжести смещается в инфраструктуру клиентских данных.
Braze идёт от другого. Архитектура строится на профилях клиентов, поведении в реальном времени и согласованной работе по всем каналам. Пути ведут от привлечения через онбординг, вовлечение, удержание и возврат. Центр смещается с базы данных на весь жизненный цикл клиента.
Inflection.io удерживает автоматизацию как самостоятельную платформу, но обновляет её под современный B2B. Компания выросла на product-led бизнесе, давая маркетологам доступ к активности продукта. В 2026 добавили решение для компаний с продажами: синхронизацию возможностей в Salesforce, нативные формы, скорость отклика и скоринг аккаунтов. Знакомые блоки вроде форм, email и сегментации остаются, но добавляются более богатые данные.
Что это значит для маркетинговых команд
Вопрос теперь не в том, какой порог делает лид MQL, а в том, какие сигналы действительно важны, что они значат вместе, какая система отвечает за решение и какой результат клиента мы создаём дальше. Команде, которая выстраивает автоматизацию во Владивостоке или на Дальнем Востоке, понимание этих архитектур помогает выбрать платформу под свои процессы, а не под моду, и заранее спланировать работу с клиентскими данными. Внедрение искусственного интеллекта здесь работает на то, чтобы превратить гору атрибутов и сигналов в понятное решение.
Маркетологи десятилетиями просили полный обзор клиента. Он правда становится достижимым. Следующая задача - сделать эти данные полезными: профиль с сотнями атрибутов помогает только тогда, когда команда понимает, какие сигналы важны и что должно произойти дальше.