Анатомия пользовательского промпта: как клиенты на самом деле спрашивают ИИ о покупках

По данным опроса AIMonitor.pro среди 2000 россиян, 45% уже пробовали выбирать товары или услуги с подачи ИИ. Но между пробой и привычкой пока большая дистанция: регулярно, по нескольку раз в неделю, ИИ-инструментами при покупках пользуются только 5% опрошенных, еще 19% делают это время от времени — раз в месяц или реже, а 21% попробовали один раз и не вернулись.

Похожая динамика видна и по данным аналитических центров, где почти половина онлайн-покупателей уже обращаются к нейросетям перед покупкой, а 69% из них стали делать это заметно чаще, чем годом ранее.

Для бизнеса это означает одно: решение о том, что покупать, все чаще принимается еще до того, как пользователь открывает сайт бренда или маркетплейса. Вопрос в том, что происходит с запросом внутри нейросети между вводом вопроса и появлением ответа — и как в этом процессе оказаться на стороне рекомендованных, а не проигнорированных.

Как ИИ формирует ответ на покупательский запрос

По отношению к каждому бренду модель фактически принимает четыре независимых решения: упомянуть ли его вообще, на какой позиции разместить относительно других вариантов, как его описать и стоит ли сопроводить упоминание прямой рекомендацией. Бренд может быть хорошо известен модели — она «знает» о нем факты, — но не проходить ни одно из этих четырех решений в конкретном сценарии выбора. Рассказать о продукте и убедить систему предложить его пользователю здесь и сейчас — разные по сложности задачи.

Для отбора источников имеет значение не столько формальная популярность страницы, сколько ее пригодность для извлечения: структурированные блоки, таблицы, конкретные цифры и проверяемые факты. По оценкам отраслевых разборов GEO-продвижения, вероятность того, что модель процитирует фактически насыщенный, табличный материал, примерно на 40% выше, чем вероятность цитирования текста без структуры и данных.

Это меняет расстановку сил на пути пользователя к покупке. По тем же оценкам, уже до 40% поисковых сессий в 2026 году заканчиваются прямо в интерфейсе ИИ, без перехода на сайт. Если бренда нет в самом ответе, для значительной части аудитории он в этот момент просто не существует — сайт может быть отлично сделан, но пользователь до него попросту не доходит.

Что на самом деле происходит с доверием к рекомендациям ИИ

Несмотря на рост частоты обращения к ИИ, доверие к его советам остается избирательным, а не безусловным. Согласно опросу россиян, совет нейросети сегодня входит в тройку факторов, реально влияющих на решение о покупке, наряду с отзывами и силой бренда — по влиянию на выбор он уже сопоставим с мнением знакомых и заметно превосходит влияние прямой рекламы.

При этом пользователи редко ограничиваются одним ответом: диалог после первой реплики прекращают только 9% опрошенных, остальные чаще задают уточняющие вопросы — в первую очередь про цену и характеристики. 37% готовы полностью прочитать развернутый ответ модели, чтобы принять решение, а 32% — перейти по всем предложенным в нем ссылкам. Значит, содержимое самого ответа и ссылки внутри него — не второстепенная деталь, а полноценная точка контакта с брендом.

Согласно опросу AIMonitor.pro, среди тех, кто уже пробовал выбирать товары с помощью ИИ, лишь 16% следуют его рекомендациям «почти всегда» или «часто», а 32% — «редко» или «никогда», и еще 27% — лишь иногда. Иначе говоря, даже опытные пользователи не передают ИИ выбор на автомате — они прислушиваются к нему выборочно, от случая к случаю.

Доверие сильно зависит от того, насколько близко действие подходит к моменту транзакции. Пользователи охотно делегируют нейросети трудоемкие информационные задачи: 56% готовы полностью довериться ИИ в поиске лучшей цены, 47% — в сравнении товаров между собой. Но как только речь заходит о самостоятельном выборе конкретного товара, доля готовых довериться падает до 27%, а в оформлении и оплате покупки — до 13%. Больше половины пользователей (53%) дополнительно проверяют полученную от ИИ информацию, и лишь 14% принимают ее без проверки.

Анатомия покупательского промпта

Несмотря на разнообразие формулировок, у сильного покупательского запроса есть узнаваемая внутренняя структура. В нем почти всегда присутствует глагол-действие («посоветуй», «подбери», «сравни», «найди»), категория товара или услуги, идентификатор самого покупателя («для начинающего», «для чувствительной кожи», «для команды из пятнадцати человек»), триггер, подтолкнувший к покупке («нужен к понедельнику», «переезжаю», «открываю компанию»), набор ограничений — бюджет, характеристики, сроки, локация, предпочтения — и формат, в котором пользователь хочет получить ответ: сравнение, топ-3, разбор плюсов и минусов, рекомендация с обоснованием.

«Посоветуй CRM для команды из 15 человек в B2B-сегменте, чтобы интегрировалась с нашей текущей почтой, была простая в освоении и стоила до 5000 рублей в месяц. Сравни 3 варианта и объясни, какой лучше для нас».

Такой запрос дает нейросети достаточно контекста, чтобы перейти от общего описания категории к персонализированной рекомендации — и одновременно дает бренду понятный ориентир: контент должен закрывать не абстрактный интерес к категории, а конкретную комбинацию условий.

Как мыслит покупатель: 7 типов промптов, которые выдают его логику выбора

Анализ реальных пользовательских запросов позволяет выделить семь устойчивых типов формулировок — каждый из них закрывает свою точку в решении о покупке и требует от бренда разного контента.

1. «Что лучше для начинающих?»

Примеры: «Лучший протеин для начинающих», «Какая CRM подойдет стартапу?», «Какую камеру купить новичку до 30 тысяч?» Это запрос на открытие категории: бренд, который попадает в такой ответ, сразу входит в список рассмотрения покупателя.

2. «Какие есть альтернативы _?»

Примеры: «Альтернативы HubSpot», «Чем заменить Notion», «Аналоги Shopify подешевле». Пользователь уже знает категорию и конкретного игрока, но подбирает варианты — это признак высокого интента к покупке.

3. «Сравни _ и _»

Примеры: «Notion или ClickUp?», «Apple Watch или Garmin?», «Dyson или обычный пылесос?» Пользователь находится на стадии сравнения, и модель чаще опирается на бренды с качественными, прозрачными сравнительными материалами.

4. «Что выбрать, если мне нужно _?»

Примеры: «Ноутбук для видеомонтажа до 100 тысяч», «Матрас при болях в спине», «Кроссовки для бега по асфальту». Пользователь описывает задачу, а не продукт, — побеждают бренды, которые говорят на языке этой задачи.

5. «Стоит ли _ своих денег?»

Примеры: «Стоит ли покупать iPhone 15?», «Оправдана ли цена ChatGPT Plus?». Это середина воронки, валидация уже почти принятого решения, — ответ здесь сильно влияет на финальный выбор.

6. «Что рекомендуют эксперты для _?»

Примеры: «Что советуют специалисты по уходу за кожей?», «Какие инструменты рекомендуют для автоматизации?» Пользователь ищет авторитетное мнение, и упоминания в экспертных материалах повышают шанс бренда попасть в такой ответ.

7. «Что говорят люди на форумах и в отзывах о _?»

Примеры: «Что пишут о [бренд] на форумах?», «Какие отзывы о [продукт]?», «Стоит ли доверять [компания]?» Доверие к пользовательскому опыту растет, и независимые обсуждения становятся все более важным источником для ИИ.

Какие ограничения определяют структуру запроса

Покупатели почти никогда не формулируют запрос абстрактно. Бюджет («до 5000 рублей», «не дороже 200 долларов»), сроки («нужно к понедельнику», «с быстрой доставкой»), локация («в Москве», «с доставкой по России»), технические характеристики («16 ГБ RAM», «без отдушек», «для жирной кожи»), сценарий использования («для путешествий», «для работы из дома», «для подарка маме») и личные предпочтения («экологичный», «российский бренд», «с гарантией») — все эти параметры одновременно сужают круг подходящих вариантов и задают критерии, по которым нейросеть будет сравнивать бренды между собой. Материал, отвечающий на запрос лишь в общих чертах, без учета подобных ограничений, с высокой вероятностью не попадет в финальный ответ — даже если формально описывает нужную категорию товара.

Что это значит для бизнеса

Из того, как устроен ответ нейросети и как ведут себя покупатели, можно вывести четыре практических принципа работы с контентом и репутацией бренда.

а) От характеристик — к задачам пользователя. Поскольку модель синтезирует ответ из материалов, которые проще извлечь и на которые можно сослаться, самый прямой эффект дает смена языка описания продукта — с характеристик на задачи пользователя. Формулировка «наш крем увлажняет» отвечает на абстрактный интерес к категории, тогда как «помогает при сухой и чувствительной коже зимой» напрямую соотносится с тем, как реально звучат запросы покупателей.

 б) Честные сравнения. Не менее важны сравнительные материалы: запросы вида «сравни X и Y» и «альтернативы X» относятся к числу самых частых у пользователей, уже определившихся с категорией, а честное сравнение с указанием сильных сторон и ограничений дает модели готовую основу для ответа. Компании, полностью отсутствующие в независимых сравнениях, рискуют не попасть в рассмотрение даже при сильном продукте: как правило, в сравнительных и «лучшие X» ответах лидер категории получает заметно бо́льшую долю упоминаний, чем остальные игроки вместе взятые.

в) Доказательная база и структура. Дальше работает доказательная база — исследования, тесты, отзывы, кейсы, экспертные комментарии: как уже отмечалось, структурированный, фактически насыщенный контент заметно чаще становится источником для модели, чем общий текст без данных. К этому же принципу относится и сама структура материала — заголовки, сформулированные как вопросы пользователей, таблицы, четкие смысловые блоки: чем легче фрагмент текста извлечь и процитировать, тем выше шанс, что модель использует именно его.

г) Видимость требует повторения. Наконец, присутствие бренда в ответах ИИ не статично: оно меняется вместе с источниками, которые обновляет модель, и с самими формулировками пользовательских запросов. Разовая публикация не гарантирует устойчивого результата — изменение принято считать закрепившимся, только если оно повторяется минимум в двух последовательных замерах, а не в одном удачном срезе.Покупательский путь все чаще начинается не с сайта или маркетплейса, а с диалога с ИИ. Разбираемся, как нейросети формируют рекомендации, какие промпты отражают логику выбора и что брендам нужно сделать, чтобы попасть в ответ.