AI-поиск и чат-боты по-разному определяют лидеров среди брендов одежды и обуви
Бренд может занимать заметное место в нейросетевой выдаче, но почти не фигурировать в ответах чат-ботов. И наоборот: компания, которую языковые модели регулярно рекомендуют пользователям, не обязательно окажется среди первых результатов AI-поиска. К такому выводу пришли аналитики платформы RateMe, изучившие видимость брендов одежды и обуви в разных типах нейросетевых сервисов.
Исследователи сопоставили два канала взаимодействия с искусственным интеллектом. Первый - поисковые системы с автоматически сформированными AI-блоками, включая Google и "Яндекс". Здесь нейросеть дополняет привычную поисковую выдачу. Второй - чат-боты на базе больших языковых моделей, которые самостоятельно формируют развернутый ответ на запрос и подбирают рекомендации.
Результаты зависят от характера запроса
Наиболее заметные различия проявились при сравнении информационных, коммерческих и репутационных запросов. Пользователь, который пытается разобраться, как подобрать вещь, купить товар или оценить известность марки, получает от разных AI-сервисов совершенно разные списки брендов.
В информационных запросах, например "как выбрать пальто", нейросетевые блоки показываются примерно в 70% случаев в Google и в 72% случаев в "Яндексе". Чат-боты реагируют на такие вопросы еще активнее - содержательный ответ формируется практически всегда.
В поисковых AI-блоках среди одежных брендов чаще других появлялся O'stin: на его долю пришлось 10,3% упоминаний. В ответах языковых моделей лидировала Zara, получившая 2,7% упоминаний. Разрыв показывает, что алгоритмы поисковиков и чат-ботов опираются на разные наборы источников и принципы отбора информации.
Коммерческий сценарий выглядит иначе. Поисковые системы почти не используют AI-блоки для запросов, непосредственно связанных с покупкой, однако чат-боты стабильно отвечают на вопросы о том, где приобрести одежду или обувь. В этой категории главными участниками рекомендаций стали маркетплейсы: Wildberries упоминался в 38,7% случаев, Ozon - в 35%, Lamoda - в 30,1%.
Репутационные запросы усиливают конкуренцию
В вопросах вроде "какие бренды одежды лучшие", "каким маркам доверяют" или "где посмотреть отзывы" лидеры снова меняются. В поисковых AI-блоках первое место занял 12storeez с охватом 27,1%. В ответах чат-ботов лидировала Zara - 41,1%.
При этом показатели брендов в альтернативных каналах также оставались значительными: 12storeez получил 31,2% в ответах LLM, а Zara - 19,3% в поисковых AI-блоках. Это подтверждает: лидерство в одном формате не гарантирует аналогичного результата в другом.
В репутационной категории важна не только частота появления, но и порядок расположения бренда. Поисковые системы в среднем упоминали около девяти компаний за один ответ, а чат-боты - более 11. Поэтому бренд, оказавшийся первым или вторым, получает значительно больше внимания, чем марка в нижней части списка.
Показателен пример 12storeez и Zarina. В AI-блоках поисковиков они получили соответственно 130 и 103 упоминания. Однако 12storeez находился на первой позиции в 41% случаев, тогда как Zarina возглавляла список только в 7% ответов. Следовательно, одинаковое количество упоминаний может приводить к совершенно разной видимости и потенциальному влиянию на выбор пользователя.
В категории обуви лидеры также расходятся
Для обувного сегмента характерна аналогичная картина. В информационных запросах - например, "как выбрать зимнюю обувь" или "как ухаживать за обувью" - AI-блоки появлялись в 83% ответов Google и в 87% ответов "Яндекса".
В поисковых системах чаще других фигурировал Rendez-Vous. Чат-боты отдавали предпочтение Nike. При этом языковые модели формировали ответ на такие вопросы во всех исследованных случаях - показатель их охвата составил 100%.
Различие объясняется тем, что поисковый AI чаще связывает практические рекомендации с локальными ритейлерами, экспертными публикациями и российскими торговыми площадками. Чат-боты, напротив, склонны ориентироваться на глобальную узнаваемость бренда, международные обзоры и большое количество упоминаний в открытых источниках.
Маркетплейсы конкурируют с брендами за внимание
Особенностью российского рынка стало присутствие крупных торговых платформ. В коммерческих ответах чат-ботов на Wildberries, Ozon и Lamoda суммарно приходилось 33,5% всех упоминаний. Для пользователя они выступают не просто местом покупки, а самостоятельными ответами на запрос о выборе товара.
В информационном сегменте доля маркетплейсов была ниже в LLM - 7,9%, но заметно выше в поисковых AI-блоках - 29,3%. В репутационных запросах площадки почти исчезали из рекомендаций: их совокупная доля составляла менее 3%.
Это означает, что бренд конкурирует за внимание не только с другими производителями одежды и обуви. На стадии поиска и покупки ему приходится соперничать с платформами, которые объединяют широкий ассортимент, отзывы, рейтинги и ценовые предложения. Для небольших компаний это особенно важно: даже при наличии сильного продукта пользователь может сначала увидеть не марку, а маркетплейс.
Универсальной стратегии продвижения в AI не существует
Исследование выявило различия и между самими нейросетевыми моделями. Доля российских брендов в рекомендациях менялась от 87% у Perplexity до 9% у "ГигаЧата". Такая разница показывает, что одна и та же компания может получать противоположные результаты в зависимости от используемого сервиса.
Поэтому продвижение "под искусственный интеллект вообще" невозможно. Брендам приходится учитывать сразу несколько факторов:
- конкретную поисковую систему или языковую модель;
- цель пользовательского запроса;
- формат ответа;
- тип источников, на которые опирается алгоритм;
- позицию бренда в сформированном списке;
- наличие отзывов, рейтингов и экспертных материалов.
Нейросети преимущественно используют внешние данные. В их число входят обзоры, рейтинги, отзывы покупателей, материалы отраслевых медиа, карточки товаров и сведения с торговых платформ. Одной оптимизации сайта недостаточно: если информация о компании редко появляется в независимых источниках, модель может не включить ее в ответ даже при хороших позициях в традиционном поиске.
Что делать брендам для повышения AI-видимости
Компаниям стоит отдельно анализировать информационные и коммерческие сценарии. Для запросов "как выбрать" полезны экспертные статьи, инструкции по подбору изделий, материалы об особенностях тканей, сезонности, посадке и уходе. Такой контент увеличивает вероятность появления бренда в ответах, где нейросеть ищет полезные примеры и рекомендации.
В коммерческом сегменте важны полнота карточек товаров, единообразие названия бренда, наличие отзывов, оценки покупателей и актуальные сведения о цене и наличии. Чем меньше противоречий встречается в разных источниках, тем проще модели корректно распознать компанию и связать ее с нужной категорией.
Для репутационных запросов решающую роль играют независимые упоминания. Бренду необходимо работать с качеством отзывов, экспертными обзорами, рейтингами и публичным описанием своих преимуществ. При этом важно не только увеличить число упоминаний, но и добиться того, чтобы компания чаще появлялась в начале списков.
Аналитика также должна быть регулярной. Состав рекомендаций меняется вслед за обновлением моделей, появлением новых публикаций и изменением пользовательских формулировок. Контроль видимости следует проводить по группам запросов и отдельно для каждого сервиса.
Всего в исследовании были рассмотрены бренды одежды и обуви, три типа запросов и ответы AI-блоков Google и "Яндекса", а также семи нейросетей. Упоминания извлекались по отдельным словарям брендов для каждой категории. Общий массив составил более 50 тыс. ответов. Полученные результаты показывают, что AI-видимость становится самостоятельным направлением маркетинга, объединяющим SEO, контентную стратегию, работу с отзывами и управление цифровой репутацией.
