По данным ВЦИОМ за последние полгода доля интернет-пользователей в РФ с опытом использования нейросетей выросла с 73% до 78%. Доля тех, кто обращается к ним не реже раза в неделю, поднялась с 51% до 58%. Рост идёт и за счёт новых пользователей, и за счёт роста интенсивности у тех, кто уже пользовался нейросетями раньше.
По агрегированным оценкам Head Promo, аудитория Алисы AI составляет около 28-38 млн человек, DeepSeek – около 11 млн, Google AI – 4-6 млн, GigaChat – около 4,7 млн, ChatGPT – около 4 млн, Perplexity – около 1,6 млн.
Цифры ориентировочные: разные платформы и исследования по-разному считают активную аудиторию. Но масштаб уже достаточный, чтобы принимать во внимание фактор ИИ в маркетинге.
Пользовательский сценарий и выбор
Рассмотрим простую ситуацию, а точнее “пользовательский сценарий”. Человека что-то беспокоит, он идет к ИИ за советом. Например:
“Привет Алиса, у меня часто болит голова после работы, что это может быть, что делать?”
На этом этапе у него нет потребности в коммерческом выборе. Ему пока нужно понять, какие вообще есть варианты.
Здесь нейросеть ему выдаст длинный ответ, но если подытожить, то что-то типа такого:
“Стоит проверить давление, сон, базовые показатели здоровья. Рекомендую пройти чекап организма или обратиться к врачу.”
И вот здесь, на втором шаге, ИИ уже плавно переводит диалог на коммерческие рельсы. Далее диалог может строиться так:
“Хмм, а где можно пройти чекап у меня в городе?”
Первая точка внимания для бизнеса именно этот этап. Здесь мы ещё в довольно широкой воронке, пока ИИ даст широкий выбор вариантов. Но часть пользователей на этом шаге уже выберет один из вариантов и оставит заявку.
Однако сценарий не обязательно на этом заканчивается. Пользователь может пойти дальше:
-
“А какая из этих клиник лучше?”
-
“Порекомендуй клинику с самыми дешевыми ценами на чекап”
-
“А какая из них работает в выходные?”
-
“Посоветуй ТОП-3 варианта в районе метро Таганская?”
Вторая точка внимания для бизнеса. Критически важно попасть именно в эту выборку.
|
Совет: обратите внимание на “модификаторы” запросов. У нас тут “дешевые цены”, “работа в выходные” и “метро Таганская” – ваше позиционирование должно попадать под запросы пользователей и эта информация должна быть доступна нейросетям и поисковым системам. |
Таким образом, мы прошли путь от проблемы клиента не связанной с выбором бренда или продукта, в ходе решения которой AI нас перевел в коммерческую плоскость и порекомендовал конкретные компании, в данном случае, клиники.
Проблема → определение нужной услуги → широкая выборка компаний → сравнение → рекомендация бренда.
Упоминание бренда ≠ рекомендация
При этом, само появление компании в ответах нейросетей ещё не равно рекомендации этой компании.
Есть несколько уровней присутствия бренда в ИИ:
Знает → упоминает → включает в выборку → сравнивает → рекомендует.
Например, ChatGPT может знать, что существует определённая клиника, но никогда не включать её в ответы на запрос “лучшие клиники Москвы”.
Или компания может регулярно появляться в списке вариантов, но AI не будет называть её среди наиболее подходящих.
Давайте рассмотрим пример:
Алиса в своем ответе явно отдает предпочтение “Ам Медика”, а вот “Казанскую клинику” описывает намного скромнее. Именно поэтому я всегда говорю, что наличие в ответе не равно рекомендации. Об этом я писал подробнее в предыдущей статье про качество ответов.
Почему AI рекомендует одни компании и не рекомендует другие
Нейросеть должна понимать не только то, что бренд существует, но и когда его уместно рекомендовать.
Для этого вокруг компании должен существовать понятный информационный след:
-
сайт с подробным описанием услуг и преимуществ;
-
независимые публикации о компании и продуктах;
-
рейтинги и сравнения;
-
отзывы;
-
карточки компании и отраслевые каталоги;
-
экспертные материалы;
-
упоминания бренда на внешних площадках.
Если разные источники связывают компанию с определённой услугой, географией, специализацией и преимуществами, ИИ проще включать этот бренд в релевантные ответы.
Если ИИ не упоминает вашу компанию в ответах, то здесь может быть несколько вариантов:
-
Недостаточно открытой информации о компании. Нейросети просто не хватает данных, чтобы уверенно связать бренд с конкретной услугой, продуктом или тематикой.
-
Информация размещена не в тех источниках. Публикации есть, но сами площадки не дают достаточно сильного сигнала для поисковых систем и AI.
-
Информация о компании не подтверждается. Данные встречаются только на собственном сайте, противоречат друг другу или не подтверждаются независимыми источниками.
-
У компании слабая репутация или много негативных отзывов. Это не обязательно исключит бренд из ответов, но может заметно снизить вероятность прямой рекомендации.
-
Компания не попадает в пользовательский сценарий. AI может знать бренд, но не связывать его с тем запросом, географией, потребностью или критерием выбора, который задаёт пользователь.
Чем больше у нейронки качественных и согласованных между собой источников информации о компании, её услугах, специализации и преимуществах, тем проще нейросети понять, в каких сценариях бренд стоит рекомендовать.
Как попасть в рекомендации нейросетей?
Работа с видимостью бренда в генеративных системах называется GEO – Generative Engine Optimization. Тут на habr лежит мой подробный гайд про то как попадать в ИИ ответы.
Если сильно упростить, задача GEO состоит из нескольких направлений:
-
Сделать сайт понятным для AI.
-
Создать внешний информационный след вокруг бренда.
-
Попадать в рейтинги, обзоры и сравнительные материалы.
-
Работать с отзывами, карточками и каталогами.
-
Регулярно публиковать экспертную информацию по вашей теме
-
Проверять, по каким запросам AI уже упоминает и рекомендует компанию.
Главная задача – не добиться одного случайного упоминания, а создать устойчивую связь:
Определенная потребность пользователя → категория услуги → ваш бренд.
После того как бренд появился в ответах нейронок, идет более точечный этап влияния на содержимое ответа, трансляции тех тезисов и смыслов, которые важно доносить компании до потенциального клиента.
По нашей практике, необходимая глубина GEO зависит от конкуренции в тематике.
В низкоконкурентных тематиках, обычно, достаточно связки: сайт + внешние трастовые площадки.
В среднеконкурентных, добавляется проработка репутационного и экспертного слоя.
В высококонкурентных, мы уже создаем собственные тематические площадки, высокую роль начинает играть фактор обновляемости информации, наличие эксперта бренда, широта охвата тематики.
Подытожу. ИИ не просто поисковая, а во многом рекомендательная система. Если сумеете закрепиться в её рекомендациях – получите ещё один стабильный канал привлечения горячих заявок.
Автор: VladimirNazarov
