Рыночное лидерство не гарантирует бренду видимость в ответах ИИ - исследование
Генеративные нейросети всё чаще подменяют собой привычный поиск и становятся "точкой выбора": пользователь задаёт вопрос - и получает список рекомендаций. Однако новое исследование показало неприятную для маркетологов закономерность: высокая узнаваемость и сильные продажи вовсе не означают, что бренд окажется в ответах ChatGPT, Gemini, Claude или Perplexity. Более того, почти каждый пятый бренд алгоритмы не называют вообще.
Что именно изучали аналитики
Команда AI Bigs Lab проверила, как бренды "видны" в рекомендациях генеративного ИИ. В выборку вошли 715 брендов из 30 товарных категорий. Аналитики сравнили ответы четырёх платформ: ChatGPT, Gemini, Perplexity и Claude.
Исследование проводили в период с 20 июля по 4 августа 2026 года. Метод был максимально прикладным: одни и те же потребительские вопросы вводили многократно в каждую нейросеть, а затем оценивали результат по 100-балльной шкале. В индекс включали:
- как часто бренд вообще появляется в ответах;
- долю упоминаний относительно конкурентов;
- использует ли модель официальные материалы компании при формулировке рекомендаций.
Главные выводы: ИИ рекомендуют по-разному и "забывают" бренды
Первый результат - ответы разных нейросетей заметно расходятся даже при идентичных запросах. Один и тот же товарный вопрос может приводить к разному "топу" брендов в ChatGPT, Gemini, Claude и Perplexity. В 20 из 30 категорий лидер рекомендаций менялся в зависимости от платформы.
Второй результат ещё жёстче: 127 брендов, то есть 17,8% от всей выборки, не были упомянуты ни одной из четырёх нейросетей. Фактически это "цифровая невидимость" в канале, который стремительно становится витриной выбора.
Третий вывод - рыночное лидерство не является пропуском в ИИ-рекомендации. Исследование зафиксировало разрыв между тем, кто объективно силён на рынке, и тем, кто выглядит "главным" в ответах нейросетей.
Примеры, где рынок и ИИ-выдача не совпали
Аналитики привели показательные случаи. Так, сеть Mega MGC Coffee - лидер по количеству магазинов - заняла лишь четвёртое место в общем зачёте видимости. При этом ранжирование по платформам выглядело рвано: у Gemini бренд был первым, у Claude - третьим, у Perplexity - пятым, у ChatGPT - только седьмым.
Похожая ситуация у Hymun: бренд лидирует в сегменте протеиновых напитков, но в категории протеиновых продуктов оказался лишь на четвёртой позиции по видимости.
Кто выигрывает в рекомендациях: заметный тренд на СТМ
Отдельная закономерность - высокие позиции в ответах ИИ нередко занимают бренды под собственными торговыми марками (СТМ). В числе примеров:
- готовые блюда Hyejaroun Jipbap - первое место сразу во всех четырёх нейросетях;
- замороженные пельмени Gomgom Wanggyoja - четвёртая позиция;
- рис, готовый к употреблению, No Brand - также четвёртая позиция.
Это важно: ИИ может опираться не только на "медийность", но и на доступность структурированной информации, частоту упоминаний в типовых сценариях и то, насколько продукт легко описать через понятные потребителю свойства.
Официальные материалы брендов почти не используются
Ещё один тревожный сигнал - нейросети редко опираются на официальные данные компаний. В категории кимчи из 29 брендов только у одного официальные материалы цитировали все четыре ИИ. Для большинства компаний это означает, что даже при наличии сайта и пресс-страниц бренд не контролирует, из каких источников и с какими акцентами ИИ собирает рекомендацию.
Представитель AI Bigs Lab Ким Джун Хён сформулировал практический вывод так: компаниям нужно понимать, в каких аспектах и по каким запросам бренд отстаёт от конкурентов именно в ИИ-ответах, а не только в классических метриках рынка.
---
Как бренду попасть в рекомендации ИИ: практические шаги (дополнение)
Ниже - что можно сделать бизнесу уже сейчас, чтобы повысить вероятность попадания в ответы генеративных моделей. Это не "волшебная кнопка", а системная работа с присутствием бренда в цифровой среде.
1) Разложите продукт на "вопросы пользователя"
ИИ чаще отвечает не брендами, а решениями задач: "лучший рамен для быстрого обеда", "пицца по франшизе для небольшого города", "протеин после тренировки для чувствительного желудка". Составьте карту сценариев: 30-100 реальных вопросов, на которые должен "попадать" ваш продукт. Без этого вы будете оптимизировать всё и сразу - и не попадёте никуда.
2) Сделайте характеристики понятными и сопоставимыми
Нейросети любят сравнения. Если у товара нет чётких параметров (вкус, формат, объём, состав, ограничения, условия использования, аудитория), алгоритму сложнее уверенно рекомендовать его. Описания должны быть не рекламными, а прикладными: кому подходит, в каких ситуациях, какие есть альтернативы, какие ограничения.
3) Уберите противоречия в названиях и линейке
Одна из причин "невидимости" - размытая идентичность: разные написания бренда, плавающие названия SKU, несостыковки между упаковкой, карточками товара и описаниями. Для ИИ это разные сущности. Чем больше путаницы, тем выше шанс, что модель "не сложит" бренд в единый объект.
4) Публикуйте официальную базу знаний - не только новости
Если официальный контент представлен лишь пресс-релизами, пользы мало. Нужны страницы с ответами на типовые вопросы: инструкции, разбор состава, сравнения линеек, рекомендации по выбору, условия хранения, совместимость, безопасность, гарантия. Чем проще нейросети "вытянуть" конкретику, тем выше шанс корректного упоминания.
5) Работайте с нейтральными формулировками, а не только с маркетингом
ИИ плохо переносит "самый лучший" и "№1". Зато хорошо подхватывает факты: "острый вкус", "формат стакана", "время приготовления 3 минуты", "без сахара", "подходит для вегетарианцев", "порция 20 г белка". В ваших материалах должно быть больше проверяемых утверждений и меньше лозунгов.
6) Следите за тем, как бренд называют люди
Генеративные модели обучаются на огромных массивах текста, где пользовательские формулировки важнее брендбука. Если покупатели чаще пишут сокращённо, с ошибками или используют разговорное название - учитывайте это в контенте: в FAQ, в описаниях, в карточках, в ответах поддержки. Иначе ИИ может не связать запрос с вашим официальным названием.
7) Измеряйте "долю голоса" именно в ИИ-ответах
Классические отчёты по доле рынка не показывают, как вы выглядите в ChatGPT/Gemini/Claude/Perplexity. Нужен отдельный мониторинг: список запросов, регулярные проверки, фиксация того, кто упоминается и в каком контексте (премиум/эконом, "лучший"/"на любителя", "безопасный"/"сомнительный"). Это и есть ваша новая витрина.
8) Укрепляйте категорийную связку: "бренд ↔ подкатегория ↔ задача"
Если нейросеть не понимает, "про что" ваш бренд, она отдаст место тем, кто проще укладывается в категорию. Закрепляйте устойчивую ассоциацию: не абстрактно "кофе", а "кофе-то-го для утренней чашки дома", не "протеин", а "протеин для набора массы без сахара" (если это правда). Чем яснее связка, тем легче ИИ выбирать вас как релевантный ответ.
---
ИИ-выдача уже живёт по своим правилам: она меньше уважает рыночные регалии и больше опирается на доступность, связность и прикладную ясность информации. Поэтому задача бренда сегодня - не только быть лидером продаж, но и стать "понятным" для алгоритма: в терминах потребительских вопросов, свойств продукта и последовательного цифрового следа.
