Половина российских интернет-пользователей больше информацию, полученную от нейросетей, хотя год назад так делали 30% из них. Для маркетинга это означает, что при выборе бренда людям стало достаточно ответов из выдачи ИИ. Если компания туда не попала, для покупателя ее будто не существует. Этот эффект в Ingate Group мы назвали "брендовой слепотой". Разбираемся c продакт-менеджером направлений SEO, GEO и AEO в Ingate Аленой Шумовой, откуда она берется, как ее диагностировать и что с ней делать.
Что такое брендовая слепота
"Брендовая слепота" — рабочий термин Ingate Group. Так можно описать поведение пользователя, получившего от нейросети конкретную рекомендацию и переставшего сравнивать альтернативы, сосредоточившись только на предложенном варианте. На первый взгляд все выглядит максимально просто для человека: нейросеть проанализировала и сравнила за него несколько брендов или товаров.
Но для бизнеса все значительно сложнее. Исследования , что невидимыми для ИИ-поиска остаются 76% брендов. Если компания попала в такую рекомендацию, на конкурентов пользователь может даже не обратить внимания. Если не попала — потенциальный клиент о ней не узнает. И дело не в качестве продукта, а в том, что модель не увидела достаточно фактов, чтобы добавить его в рекомендацию.
Почему маршрут клиента изменился
Искусственный интеллект не создает новый спрос — люди хотят того же, что и раньше. Но он полностью перестраивает путь от вопроса к решению, и такой маршрут обходит большинство сайтов стороной. Поведенческие экономисты подобную ситуацию «эффектом умолчания», когда человеку проще сразу принять готовый ответ, чем сравнивать несколько вариантов. Пик активности пользователя раньше приходился как раз на этап сравнения. Сейчас это за него делают нейросети.
Раньше человек оставлял запрос, получал ссылки, выбирал сайт, переходил в каталог, изучал предложения и принимал решение о покупке.
Сейчас путь такой: запрос, затем уточняющие вопросы от языковой модели, получение от нее ответа и решение о покупке без изучения разных предложений и перехода на сайт.
Несколько цифр, которые показывают, что это уже не гипотеза:
в РФ 35% онлайн-покупателей ИИ при выборе товаров, а по прогнозам Яндекса их доля вырастет до 74%;
54% российских покупателей искали товары через ИИ, среди аудитории 18–24 лет доля составляет 68%;
с января по апрель 2026 года ИИ-трафик из Алисы AI на сайты независимого e-commerce и маркетплейсов на 159%.
Как нейросети дают свои рекомендации
Когда нейросеть формирует ответ, она не пользуется человеческой логикой под влиянием рекламы или эмоций. LLM оценивает релевантность информации на сайтах в интернете по заданному запросу. Здесь возникают две разные проблемы: слепота узнавания и слепота упоминания. Проиллюстрируем на примере двух кейсов (подробнее о кейсах рассказывали на вебинаре Ingate):
у интернет-магазина бытовой техники 97% ответов ИИ упоминают бренд, но официальный сайт цитируется лишь в 9,6% ответов. Это слепота узнавания, когда о компании знают, но говорят о ней как бы с чужих слов;
у маркетплейса экспедиционных туров обратная картина. Сайт виден в источниках в 17,2% ответов, а сам бренд встречается в тексте ответа только в 12% случаев — это слепота упоминания, когда сайт цитируют, но бренд не попадает в финальный ответ.
Команда Ingate Group проводит комплексный GEO-аудит. Мы выявляем слепые зоны бренда в ИИ-выдаче, переупаковываем смыслы в понятные нейросетям фразы и выстраиваем цитируемость на независимых площадках.
Как обнаружить проблему цитируемости
Проверить, где именно у бренда проблема, можно самостоятельно за 20 минут. Возьмите 10–15 реальных вопросов пользователей и задайте их подряд в 5–6 разных нейросетях без уточнений. Фиксируйте, в скольких ответах появился бренд. Результаты проверки можно оценить по трем критериям.
Видимость (Share of Voice). Где бренд появляется в ответах, а где нет. Видимость может быть распределена неравномерно между моделями. Одна нейросеть упоминает бренд часто, другая — почти никогда, и общий средний показатель это скрывает.
Консистентность (Brand Consistency). Как модель описывает бренд — одинаково или по-разному. Модель при этом нельзя обвинять в выдаче ложной информации. Она просто усредняет противоречивые данные, которые видела на разных страницах сайта и во внешних источниках. Чем сильнее разнятся эти вводные, тем менее уверенно модель ведет себя в ответе: она может либо промолчать, либо назвать некорректную цифру.
Качество источников. Кто выступает своеобразным голосом бренда в ответе — официальный сайт или сторонние агрегаторы и отзовики. Без этого среза любая стратегия продвижения превращается в гадание.
Почему ИИ-модели могут ошибаться
Здесь у GEO есть пересечения с классическим SEO, в котором в прошлом возникала проблема конкуренции нескольких страниц за один и тот же посадочный запрос. Среди специалистов это называлось каннибализацией контента.
В GEO конкурируют уже не страницы, а формулировки за то, какая из них попадет в ответ модели. В технической литературе процесс приведения данных из разных источников к единому знаменателю называется Entity Resolution. Так, модели научились распознавать похожие названия, например «Бренд X», «БрендX.ру» и «ООО Бренд Икс», и считают их одной сущностью. И чем сильнее расходятся данные о бренде на разных площадках, тем сложнее корректно собрать информацию.
В нашей практике был такой пример: в ответах про один и тот же продукт срок гарантии назывался и 12 месяцев (96 упоминаний), и 24 месяца (140 упоминаний), и «до 3–5 лет» (89 упоминаний). В итоге модель могла либо вообще не рассказывать о сроке гарантии, либо усреднять данные. Этот кейс мы тоже разбирали на вебинаре Ingate.
Почему возникает разрыв между попаданием в источники и ответы
Механизм, который отвечает за появление разрыва, называется Retrieval-Augmented Generation. Сначала модель находит релевантные фрагменты текста, затем делает на их основе связный ответ. Отсев происходит как раз на стыке перед этапом выдачи. Модель берет факт с вашего сайта, но потом решает, что называть источник для ответа на конкретный вопрос избыточно. Разметка через Schema.org помогает модели найти и понять факт на этапе поиска, но не гарантирует, что бренд будет назван на этапе генерации — это уже вопрос формулировок, а не только техники.
Как решить проблему отсутствия упоминаний
Решение — формулировать факты не разрозненно, а короткими, самодостаточными смысловыми блоками по формуле «бренд + факт + категория + доказательство». Тогда модели физически некуда деть название бренда, и она целиком берет фрагмент текста в ответ. По структуре это классический триплет «субъект — предикат — объект», который Google открыто использует с 2012 года.
Идея не новая, но применять ее сознательно теперь нужно ради того, как информацию о бренде воспроизводит любая языковая модель. Важно, что одна красивая уникальная фраза на сайте работает слабее, чем скромная, но насыщенная фактами формулировка, повторенная на десятке площадок (своей и независимых внешних). Модель доверяет тем формулировкам, которые часто встречаются в разных независимых источниках: одинаковый по смыслу текст формирует рамку, которую модель переиспользует в ответах. Вам нужно рассказать LLM:
что собой представляет ваш бренд. Четкое определение, кто вы и с какого года на рынке. Это формирует ядро бренда для LLM;
что вы делаете. Конкретный продукт или формат, без общих фраз, чтобы бренд появлялся не только в главных, но и в смежных запросах;
чем отличаетесь от конкурентов. Главный дифференциатор, который выделяет бренд среди конкурентов и который модель может процитировать.
Почему модели доверяют агрегаторам
Агрегаторы (например, Яндекс Карты и 2ГИС) дают нейросетям структурированные, машиночитаемые данные с четкой схемой полей: адрес, часы работы, категория, рейтинг. Именно этот формат предоставления информации делает их источником, которому модель доверяет больше, чем произвольному тексту на сайте. Главное условие — следить за актуальностью данных и корректностью их заполнения.
Почему нейросети доверяют отзывам
Отзывы — тот редкий тип контента на сайте, который создает не сам бренд, а его клиенты, поэтому модели доверяют им даже сильнее, чем рекламным описаниям. Это похоже на то, как раньше поисковики доверяли естественным обратным ссылкам больше, чем платным.
Яндекс, Google и Wildberries уже генерируют обзоры на основе отзывов автоматически. Бренд не контролирует итоговый текст, но может контролировать исходные данные.
Модель суммирует тональность отзывов. Один яркий негатив без ответа может испортить весь AI-обзор, потому что попадет в саммари. Отвечать на отзывы стоит регулярно, в идеале в течение 24 часов.
Кроме того, модели отдают больший вес недавним отзывам. Три свежих хороших отзыва могут перевесить тридцать старых. Имеет смысл системно собирать отзывы после каждой продажи.
Что делать, если все ответы нейросетей заняты конкурентами
Важно не конкурировать за существующее пространство на рынке, а создать свою, никем не занятую нишу. Конечно, бренд может описать себя словами, которые используют лидеры рынка, но тогда он просто станет одним из множества одинаковых конкурентов. В условиях равенства языковые модели цепляются прежде всего за тех, кто располагает большим количеством подтверждающих источников, — а это непосредственные лидеры. Если же бренд использует оригинальные заходы, математическая вероятность попадания в ответы нейросетей повышается.
Пять кейсов Ingate Group: апрель–июль 2026 года
Курортный комплекс “Гранд Отель Анапа” (туризм). Общая видимость бренда выросла на 12%, но главный рывок дала Алиса AI – рост в 2 раза. Смотреть нужно на каждую нейросеть отдельно, а не только на усредненный показатель, иначе можно не заметить асимметричный рост. Подробнее о кейсе по GEO-продвижению отельного комплекса.
Бренд бытовой техники (компания федерального уровня). Типичная ошибка зрелых брендов с изначально высокой узнаваемостью — считать, что раз бренд везде виден, значит, он будет автоматически попадать в ответы. Однако точка роста лежит в глубине описания. Число доменов бренда в источниках отчета выросло с 7 из 34 до 15 из 48, позитивная тональность — с 89,69% до 90,89%.
Финансовая организация (YMYL-ниша). Общая видимость выросла с 77,84% до 81,96%, присутствие в Google AI Overview — с 56,52% до 76%. Спустя месяц появилась просадка видимости, модель начала чаще ссылаться на государственные источники вместо коммерческих брендов. Причем это было системным сдвигом по всей категории запросов, а не проблемой одного бренда. Конкуренты из частного сектора проседали пропорционально, а государственные бренды росли. Если такое происходит, причина может быть в изменении формата ответа на уровне всей категории, а не в частном случае.
Маркетплейс туров (нишевый премиум-сегмент). Видимость бренда выросла с 12,72% до 16,63%, присутствие в Google AI Overview — с 16% до 51%. В узких премиальных сегментах независимых источников о категории немного, поэтому даже точечные улучшения формулировок дают непропорционально большой эффект по сравнению с массовыми категориями, где сотни конкурентов создают информационный шум.
Стоматология (локальная медицинская ниша). Общая видимость почти не изменилась, зато позитивная тональность выросла с 66,96% до 72,57%, а присутствие в Google AI Overview — с 36% до 46%. Это показательный кейс с самыми скромными цифрами. Реальная работа с GEO часто выглядит как накопление качественных изменений, которое проявляется в метриках видимости и тональности заметно позже, чем через месяц.
В каждом из пяти случаев причины роста были разными: где-то результат дала одна конкретная нейросеть, где-то помогли подробности из официального источника, где-то — карты и агрегаторы. У финансовой организации рост и просадка вообще не всегда были связаны с самим брендом. Заранее предсказать, что сработает в конкретной нише без аудита невозможно, поэтому разговор о GEO стоит вести от диагностики к инструментам, а не наоборот.
Ingate Group объединяет классическое SEO и новые GEO-стратегии. Мы можем привести целевых пользователей на сайт через поисковые системы, чтобы ваш бренд получил максимум упоминаний в рекомендациях искусственного интеллекта.
Хотите узнать, как ваш бренд выглядит в ответах нейросетей и почему ИИ выбирает конкурентов? Эксперты Ingate Group проведут аудит видимости компании в ИИ-поиске. Покажем, как представлена компания в нейросетях, как увеличить видимость и присутствие в ИИ-ответах и улучшить тональность упоминаний.
Пока нет комментариев. Будьте первым!