AI-поиск и чат-боты по-разному определяют лидеров среди брендов одежды
Бренды одежды и обуви получают неодинаковую видимость в традиционных поисковых системах с нейросетевыми блоками и в чат-ботах на базе больших языковых моделей. Даже если пользователь вводит один и тот же запрос, Google, "Яндекс" и генеративные сервисы могут рекомендовать совершенно разные компании. Это показало исследование платформы RateMe, в котором сравнивалось поведение двух каналов AI-видимости.
Аналитики изучили ответы поисковых систем Google и "Яндекс", где искусственный интеллект дополняет привычную выдачу, а также семи чат-ботов, самостоятельно формирующих развернутые рекомендации. В выборку вошли бренды одежды и обуви, а запросы разделили на три группы: информационные, коммерческие и репутационные. Всего исследователи проанализировали более 50 тыс. ответов.
Информационные запросы: поисковики и чат-боты называют разные бренды
На вопросы вроде "как выбрать пальто" или "какая одежда подойдет для зимы" нейросетевые блоки появляются примерно в 70% случаев в Google и в 72% случаев в "Яндексе". Чат-боты формируют ответы на подобные запросы практически всегда.
В поисковой выдаче чаще других брендов одежды встречался O'stin: на него пришлось 10,3% упоминаний. В ответах языковых моделей лидером стала Zara - ее доля составила 2,7%. Разница объясняется тем, что поисковики и чат-боты используют разные наборы источников и по-разному интерпретируют задачу пользователя.
В сегменте обуви нейросетевые блоки демонстрировали еще более высокую активность: они появлялись в 83% ответов Google и 87% ответов "Яндекса". В поисковых системах лидировал Rendez-Vous. Чат-боты чаще упоминали Nike, причем на информационные вопросы об обуви они отвечали в 100% случаев.
Коммерческие запросы усиливают позиции маркетплейсов
Когда пользователь уже готов к покупке и ищет, где приобрести товар, поведение каналов меняется. В поисковых системах AI-блоки для коммерческих формулировок появляются крайне редко. Чат-боты, напротив, регулярно отвечают на такие вопросы и часто называют не отдельные марки, а крупные торговые площадки.
Наибольшую долю упоминаний получили Wildberries - 38,7%, Ozon - 35% и Lamoda - 30,1%. Для российского рынка это важная особенность: в момент выбора товара бренду приходится конкурировать не только с другими производителями, но и с платформами, которые объединяют тысячи предложений в одном интерфейсе.
В коммерческих ответах на Wildberries, Ozon и Lamoda приходится 33,5% всех упоминаний. В информационной категории маркетплейсы занимают 7,9% в ответах LLM и 29,3% в поисковых AI-блоках. Однако в репутационных рекомендациях их доля снижается до менее чем 3%.
Репутационные запросы: важна не только частота, но и позиция
Иная картина наблюдается в запросах "лучшие бренды одежды", "рейтинг марок" и "отзывы о производителях". В AI-блоках поисковых систем лидирует 12storeez с охватом 27,1%. В чат-ботах первое место занимает Zara - 41,1%.
При этом 12storeez получает в ответах языковых моделей 31,2%, а Zara в поисковых AI-блоках - 19,3%. Это подтверждает: высокая заметность в одном канале не гарантирует аналогичного результата в другом.
Само количество упоминаний также не всегда отражает реальное влияние бренда. В информационных ответах нейросети обычно называют всего один-два варианта, поэтому попадание в рекомендацию почти автоматически означает получение основной доли внимания пользователя. В репутационных списках выбор шире: поисковые системы в среднем упоминают около девяти брендов, а чат-боты - более 11.
Поэтому большое значение приобретает место в списке. Например, 12storeez и Zarina получили соответственно 130 и 103 упоминания в поисковых AI-блоках. Но 12storeez занимал первую позицию в 41% случаев, тогда как Zarina оказывалась первой лишь в 7%. Для пользователя это принципиальная разница: первые позиции чаще воспринимаются как основная рекомендация, а бренды в конце списка могут остаться незамеченными.
Почему бренды получают разную видимость
Нейросети оценивают компании не только по содержанию официальных сайтов. На итоговые рекомендации влияют отзывы покупателей, отраслевые рейтинги, публикации экспертов, карточки товаров, обзоры, упоминания в СМИ и информация на торговых площадках.
Поисковые системы дополнительно учитывают факторы, привычные для SEO: структуру сайта, качество контента, релевантность страниц и поведение пользователей. Чат-боты работают иначе: они обобщают сведения из разных источников и формируют ответ в зависимости от контекста запроса.
На результат влияет и формулировка вопроса. Запрос "где купить недорогое пальто" стимулирует появление маркетплейсов, а вопрос "какие бренды считаются качественными" чаще приводит к репутационным и экспертным рекомендациям. Поэтому универсальная стратегия продвижения "под искусственный интеллект" практически невозможна.
Различия между нейросетями
Исследование выявило заметный разброс и между самими моделями. Доля российских брендов в ответах варьируется от 87% у Perplexity до 9% у "ГигаЧата". Это означает, что одна и та же марка может быть хорошо представлена в одном чат-боте и почти отсутствовать в другом.
Причины связаны с языком и составом обучающих данных, доступными источниками, региональной спецификой и логикой ранжирования. Для брендов это означает необходимость регулярно проверять собственную представленность в разных сервисах, а не ориентироваться на показатели одной модели.
Что это означает для маркетинговой стратегии
Компаниям стоит разделять работу с AI-видимостью на несколько направлений. Для информационных запросов необходимы экспертные материалы: руководства по выбору одежды, советы по уходу, сравнения материалов и ответы на практические вопросы. Такой контент помогает бренду стать источником, который нейросети смогут использовать при подготовке рекомендаций.
Для коммерческой категории важны качественные карточки товаров, единообразные описания, наличие характеристик, актуальные цены и отзывы. Если данные о продукции противоречивы или неполны, чат-боту сложнее корректно включить бренд в ответ.
Репутационную видимость формируют независимые обзоры, отзывы и упоминания в тематических публикациях. Одного присутствия на официальном сайте недостаточно: языковые модели чаще доверяют совокупности внешних сигналов.
Отдельное внимание следует уделять правильному написанию названия бренда, ассортиментным категориям и региону работы. Ошибки в названиях, разные варианты транслитерации и отсутствие актуальной информации могут привести к тому, что нейросеть не распознает упоминания как относящиеся к одной компании.
В итоге AI-продвижение становится частью более широкой работы с цифровой репутацией. Бренду важно не просто попасть в ответ, а закрепиться среди первых рекомендаций, присутствовать в разных типах запросов и контролировать, какие сведения о нем доступны поисковикам и чат-ботам. Уже сейчас видимость в генеративных сервисах превращается в самостоятельный показатель эффективности маркетинга, сопоставимый с позициями в классической поисковой выдаче.