ИИ как новый байер: почему бизнесу придется продавать не людям, а алгоритмам

Разговор, который заменяет поиск

Логика поведения потребителя меняется не постепенно, а рывками, и последний такой рывок случился на глазах у всего рынка. По данным Adobe Analytics, в 2025 году трафик на розничные сайты США из генеративных ИИ-сервисов вырос в разы: за период с ноября по декабрь рост составил около 760%, а в Черную пятницу отдельные ритейлеры фиксировали скачок более чем на 800% год к году. Да, база пользователей пока небольшая, но динамика важнее абсолютных цифр: с июля 2024 по май 2025 года переходы из ИИ-сервисов на розничные сайты выросли примерно в 35 раз.

Еще показательнее то, что происходит после перехода. Посетители, пришедшие из чат-бота, проводят на сайте больше времени, реже уходят сразу и все чаще доводят визит до покупки: разрыв в конверсии между ИИ-трафиком и обычным сократился с 91% в июле 2024 года до 9–20% к началу 2026-го, а в отдельные месяцы ИИ-переходы уже конвертируются лучше, чем классический поисковый трафик. Больше половины опрошенных Adobe пользователей говорят, что после консультации с нейросетью чувствуют большую уверенность в покупке и реже возвращают товар.

Кто на самом деле принимает решение

Здесь стоит остановиться и назвать вещи своими именами. Когда ИИ отвечает на вопрос «какой смартфон выбрать» или «где оформить кредит», он не проводит тендер и не сравнивает офферы в реальном времени — он опирается на то, как бренд представлен в данных, на которых модель обучена и с которыми она работает в моменте: обзоры, карточки товаров, форумы, новости, структурированная разметка сайта. Для бизнеса это означает, что появился новый получатель маркетингового сообщения, и вести с ним диалог нужно на другом языке, чем с человеком.

При этом сама логика рекомендаций ИИ зачастую сильно отличается от привычной рыночной картины, и в этом легко убедиться на конкретных отраслях. Мы в AIMonitor воспроизвели поведение реальных людей, чтобы получить статистически значимые данные и составили первый в России ИИ-индекс видимости банков и брендов электроники. База нашего исследования — более 40 тысяч запросов к нейросетям и 3,5 тысячи пользовательских сценариев. Мы сформировали профили виртуальных пользователей с разными социально-демографическими характеристиками: возрастом, интересами, уровнем дохода. Все данные сводятся в единую метрику — Share of Voice (доля голоса, или доля упоминаний), которая учитывает не только сам факт того, что бренд назван, но и его положение в ответе, а также контекст появления: рекомендован ли он как лучший вариант, упомянут вскользь или назван в списке альтернатив.

В электронике многое зависит от узкой категории устройства. При запросах про смартфоны нейросети чаще всего называют Samsung — на бренд приходится около 24,3% рекомендаций, тогда как доля Apple здесь заметно скромнее, порядка 12%. Зато в категории наушников расстановка сил обратная: Apple становится безусловным лидером и получает более четверти всех упоминаний. Дальше начинается борьба уже не производителей, а ритейлеров — куда именно ИИ посоветует пойти за покупкой. Здесь основная конкуренция разворачивается между М.Видео (18,9%) и Ozon (17,8%), которые практически идут ноздря в ноздрю.

Похожая картина в банковской сфере, только там на результат сильно влияет то, какой именно ассистент отвечает на вопрос. В «Алисе» от Сбербанка сам Сбербанк занимает уверенно лидирующую позицию с долей 41,3%. Но стоит перейти в DeepSeek, и разрыв резко сокращается: 23,1% у Сбербанка против 18,8% у Т-Банка. А в отдельных сценариях, например при запросах про кредиты и займы, Т-Банк и вовсе выходит вперед — 23,0% против конкурента. Для банка или ритейлера это не абстрактная статистика, а прямое указание на то, что присутствие в одной нейросети никак не гарантирует такого же результата в другой.

Насколько бизнес готов к новому байеру

Здесь и кроется главная проблема. Исследование, охватившее 35 стран, показало, что средний показатель видимости товаров для больших языковых моделей составляет лишь 48% — это на 13 пунктов ниже уровня, который аналитики считают критическим порогом для того, чтобы бренд вообще регулярно попадал в ответы ИИ. Еще жестче звучит другая цифра из того же среза: менее 1% страниц товаров в интернет-магазинах соответствуют техническим требованиям, по которым их могли бы уверенно порекомендовать ИИ-агенты. Получается, что подавляющее большинство карточек товаров физически не читается алгоритмом так, как это нужно для рекомендации, — и дело здесь не в качестве продукта, а в том, как он описан и структурирован.

В России пользовательское поведение пока осторожное, но тренд уже заметен. По результатам исследования, которое провела наша команда, 45% опрошенных хотя бы раз совершали покупку или выбирали услугу, опираясь на подсказку нейросети. При этом на регулярной основе к советам ИИ обращаются только 5% пользователей, а 21% попробовали один раз и больше к этому опыту не возвращались — то есть для большинства россиян это все еще формат эксперимента, а не устойчивая привычка. Но экспериментом эта история вряд ли останется надолго: маркетплейсы и голосовые ассистенты уже приучили людей доверять ленте рекомендаций, а нейросети встраиваются именно в эту привычную рутину.

Что с этим делать бизнесу уже сейчас

Первый и самый очевидный шаг — перестать думать об ИИ-видимости как о факультативной задаче для отдела маркетинга через год-два. Приведенные выше цифры показывают, что окно для того, чтобы занять хорошие позиции, пока открыто, но оно точно не бесконечно: чем больше конкурентов приведет свои данные в порядок, тем сложнее будет прорваться позже.

Второй шаг — техническая гигиена данных о продукте. Нейросети собирают информацию из открытых источников: карточек товаров, отзывов, статей, структурированной разметки сайта, публикаций в медиа. Если эти данные противоречат друг другу, устарели или просто отсутствуют, у алгоритма нет причин рекомендовать именно вас — он выберет того, чья информация полнее и понятнее.

Третий шаг — регулярный мониторинг того, как именно разные нейросети отвечают на запросы о вашей категории. Как показывает пример Сбербанка и Т-Банка, доля упоминаний может кардинально различаться в зависимости от конкретного ассистента и даже от формулировки сценария — «кредит» и «займ» дают разные лидеры. Без замера этой картины бизнес принимает решения вслепую, полагаясь на общие ощущения вместо данных.

И четвертый — важно помнить, что ИИ не придумывает факты о бренде из воздуха, он их считывает и переупаковывает. Значит, любая работа с видимостью в нейросетях начинается не с попыток обмануть алгоритм, а с того, чтобы у бизнеса действительно было что показать: понятное описание продукта, честные отзывы, актуальные цены и характеристики.

Рынок не первый раз проходит через смену посредника — было время, когда решала выкладка на полке, потом поисковая выдача, потом лента маркетплейса. Разница в том, что с алгоритмом нельзя просто «договориться» через звонок байеру или скидку за лучшее место на витрине: у него нет личных предпочтений, зато есть данные, на которых он учился отвечать. Бизнесу, который хочет остаться в поле зрения покупателя, придется учиться разговаривать на языке, понятном не только человеку, но и модели, которая все чаще стоит между ним и покупкой.