ИИ-рекомендации меняют выбор товара раньше, чем это видно в отчётах

49% покупателей используют ИИ-сервисы вместо чтения отзывов, а 66% хотя бы иногда покупали товар сразу после рекомендации нейросети. Исследование «Ашманов и партнёры» показывает: решение всё чаще формируется в диалоге с ИИ, тогда как покупка происходит позже — на привычном сайте, маркетплейсе или в приложении. Для digital-маркетинга это означает разрыв между моментом влияния на выбор и моментом, который фиксирует веб-аналитика.

В опросе участвовали 1 000 жителей Москвы, Санкт-Петербурга и других городов-миллионников в возрасте от 18 до 55 лет, которые покупают в интернет-магазинах хотя бы раз в несколько месяцев. Результаты нельзя механически переносить на всю аудиторию, однако они хорошо описывают уже заметный сценарий: нейросеть становится дополнительным фильтром между поиском информации и окончательным решением.

Для SMM, контент-маркетинга и мониторинга бренда последствия шире, чем появление ещё одного канала привлечения. Бренд может повлиять на выбор без клика, а отсутствие переходов из ИИ-ответов ещё не доказывает отсутствие спроса. Поэтому оценка присутствия в нейросетях постепенно сближается с PR-аналитикой: важно отслеживать не только трафик, но и то, в каких контекстах бренд появляется, с кем сравнивается и какие характеристики к нему привязываются.

ИИ-рекомендации при выборе товара: за чем обращаются покупатели

Наиболее охотно пользователи делегируют нейросетям поиск лучшей цены — так ответили 56% опрошенных. Сравнение товаров готовы доверить ИИ 47%. Эти задачи хорошо укладываются в логику короткого диалога: человеку нужно быстро сузить выбор, увидеть различия между вариантами и не собирать вручную десятки однотипных карточек.

Причины обращения тоже достаточно прагматичны:

• 40% хотят сэкономить время;
• 37% стремятся лучше разобраться в товаре;
• 28% ждут рекомендации;
• 24% используют ИИ из любопытства.

69% респондентов считают, что ИИ-сервисы ускоряют поиск товаров и упрощают их изучение. При этом 57% после ответа нейросети чувствуют, что уже хорошо разбираются в товаре или категории. Для маркетолога здесь важен не сам факт ответа ИИ, а его роль в пользовательском пути: нейросеть уменьшает неопределённость до перехода на страницу бренда.

Такой сценарий меняет привычную последовательность касаний. Раньше пользователь мог искать обзоры, читать комментарии, сравнивать карточки и только после этого переходить к конкретному бренду. Теперь часть этой работы собирается в одном запросе. Если в ответе ИИ бренд не появляется или описывается неполно, он может не попасть в короткий список вариантов ещё до визита на сайт.

Почему отзывы не исчезают из выбора товара

Формулировка «ИИ вместо отзывов» не означает, что доверие к пользовательскому опыту стало неважным. Когда рекомендация нейросети противоречит отзывам, 53% опрошенных готовы дополнительно проверить информацию, а 32% доверятся отзывам. Только 2% откажутся от покупки.

Это важный сигнал для репутационной работы. Отзывы, публикации в соцсетях, обзоры и обсуждения по-прежнему остаются материалом для проверки. Нейросеть может быстро сформулировать рекомендацию, но при спорном выборе покупатель возвращается к первичным свидетельствам: опыту других пользователей, деталям использования, негативным сценариям и свежим комментариям.

Поэтому работа с репутацией не сводится к росту среднего рейтинга. Нужна понятная фактура, которую можно подтвердить в открытых источниках:

• актуальные описания продуктов и условий;
• ответы на повторяющиеся вопросы в карточках, постах и разделах поддержки;
• корректная реакция на негативные упоминания;
• материалы, где характеристики продукта объяснены без рекламных преувеличений;
• единые названия бренда, линейки и ключевых функций на разных площадках.

Для аналитики соцсетей это означает необходимость смотреть на содержание упоминаний. Одно сообщение с конкретным описанием проблемы может влиять на выбор сильнее десятка нейтральных репостов. Важны тема, тональность, охват публикации, реакция аудитории и скорость появления таких сообщений после кампании или запуска продукта.

Где ИИ вызывает недоверие и что с этим делать бренду

Участников исследования больше всего смущают недостаток информации — 40%, ошибки в рекомендациях — 37% и неактуальные сведения — 35%. Потеря личного контроля над выбором тревожит 24% респондентов.

Эти цифры объясняют, почему пользователи пока не готовы полностью передать ИИ решение. Оценку качества товара нейросети доверяют 32%, самостоятельный выбор товара — 27%, повторные покупки — 23%, оформление и оплату заказа — 13%. ИИ помогает ориентироваться, но окончательное действие остаётся за человеком.

Для digital-маркетинга здесь нет задачи заставить аудиторию доверять алгоритму сильнее. Рабочая задача — снизить риск, который видит покупатель. Если нейросеть получает противоречивые, старые или слишком общие сведения о продукте, сомнение переносится и на бренд.

Полезно регулярно проверять четыре слоя информации.

Актуальность

Цена, ассортимент, доступность, условия акции и характеристики меняются быстрее, чем успевают обновляться старые публикации. В контент-маркетинге стоит заранее определить страницы и посты, которые требуют регулярной ревизии: сравнительные материалы, подборки, инструкции, ответы на частые вопросы и анонсы.

Однозначность формулировок

Разные названия одной функции, продукта или тарифа усложняют и поиск, и сравнение. Если в Telegram-канале используется одно название, на сайте другое, а в обзорах третье, покупателю приходится тратить усилия на сопоставление. Единая терминология снижает эту нагрузку.

Доказательность

Нельзя компенсировать недостаток данных громкими обещаниями. Лучше работают понятные условия, реальные ограничения продукта, документация, демонстрация сценариев применения и свежая обратная связь. Иллюстративный пример: вместо фразы «подходит для любой команды» полезнее перечислить конкретные задачи, которые сервис решает, и условия, при которых он не подходит.

Наблюдение за дискуссией

Ошибочные представления о продукте возникают не только на собственных площадках. Они распространяются в обзорах, комментариях, чатах и постах конкурентов. Мониторинг бренда нужен, чтобы заметить такую тему до того, как она станет устойчивой ассоциацией.

Видимость бренда в ИИ нельзя измерять только переходами

В исследовании отдельно отмечено, что влияние нейроответов на продажи нельзя оценить лишь по переходам. Пользователь способен принять решение во время диалога с ИИ, а покупку совершить в привычном магазине или на маркетплейсе. В отчёте по последнему клику такое влияние часто останется невидимым.

Похожая проблема давно знакома SMM. Человек видит публикацию, сохраняет её, обсуждает продукт в мессенджере, позже вводит название бренда в поиск и совершает покупку с прямого захода. Нейросети добавляют ещё один слой непрямого влияния: рекомендация может изменить набор рассматриваемых брендов, но не создать отдельную отслеживаемую сессию.

Поэтому для оценки ИИ-рекомендаций полезнее собирать несколько сигналов одновременно.

• Видимость в ответах ИИ. Насколько регулярно бренд появляется по тематическим, сравнительным и проблемным запросам.
• Корректность контекста. Какие свойства, ограничения и альтернативы упоминаются рядом с брендом.
• Динамика брендового спроса. Меняется ли число запросов по названию бренда, продукту или категории после заметных публикаций и кампаний.
• Структура источников трафика. Растут ли прямые заходы, брендовый поиск, возвращающиеся пользователи и переходы из медиа.
• Упоминания в соцсетях и Telegram. Появляются ли новые формулировки, сравнения и вопросы, похожие на запросы к ИИ.
• Качество лидов и продаж. Совпадает ли рост интереса с изменением конверсии, среднего чека, повторных обращений или других доступных бизнес-метрик.

Ни один из этих сигналов не доказывает причинность сам по себе. Но в связке они дают более честную картину, чем попытка приписать всю ценность одному клику. Важно заранее зафиксировать период наблюдения, перечень запросов и правила сравнения, иначе отчёт превратится в набор случайных скриншотов.

Контент для ИИ-рекомендаций начинается с ясной фактуры

В ответах ИИ покупатели в первую очередь обращают внимание на общую полезность информации — так ответил 31% опрошенных. Бренд первым делом замечают реже: 17%. Это не повод скрывать бренд, а напоминание о порядке восприятия. Сначала человек ищет ответ на свою задачу, затем оценивает, кто помогает её решить.

Контент, который может участвовать в таком выборе, должен отвечать на конкретные вопросы категории. В SMM и Telegram-маркетинге часто недооценивают эту часть работы: публикации строятся вокруг новости компании, тогда как аудитория формулирует задачу иначе — сравнивает варианты, ищет ограничения, уточняет совместимость, цену, сценарий использования или риски.

1. Сравнительные разборы. Различия между вариантами объясняются по критериям, которые действительно важны в выборе.
2. Ответы на возражения. Отдельно раскрываются ограничения, сложные условия и распространённые ошибки использования.
3. Материалы по задачам. Продукт связывается с конкретной проблемой, а не описывается набором общих преимуществ.
4. Обновляемые справочные страницы. Сюда входят условия, тарифы, технические параметры, правила и сроки, которые быстро устаревают.
5. Разборы обратной связи. Вопросы из комментариев, чатов и отзывов превращаются в полезный контент, если ответ можно подтвердить.

Важна и согласованность между площадками. Реклама обещает один результат, лендинг объясняет другой, а публикации в соцсетях обходят сложные вопросы — такая разница снижает доверие. Единая фактура помогает и человеку, и системам, которые сопоставляют информацию из нескольких источников.

Для агентств особенно полезно включать этот слой в контент-стратегию клиента. В отчёте стоит отдельно показывать не только выпуск публикаций и охваты, но и покрытие вопросов аудитории: какие запросы закрыты, какие темы вызывают негатив, где информация устарела и по каким категориям бренд почти не присутствует в обсуждении.

Мониторинг бренда как основа работы с ИИ-видимостью

ИИ-рекомендации не появляются в вакууме. Они опираются на доступную информацию о брендах, продуктах, категориях и пользовательском опыте. Поэтому мониторинг бренда становится частью подготовки к новому поисковому поведению.

Начинать стоит с семантического списка, а не только с официального названия. В него обычно входят:

• название бренда и варианты написания;
• продукты, тарифы, линейки и отдельные функции;
• названия конкурентов;
• частые ошибки, сокращения и разговорные варианты;
• проблемные формулировки, связанные с категорией;
• вопросы, которые регулярно задают в комментариях и службе поддержки.

Далее упоминания следует распределять не только по тональности, но и по намерению автора. Жалоба, сравнение, запрос совета, рекомендация, технический вопрос и обсуждение цены требуют разных реакций. Для аналитики соцсетей это полезнее общей цифры упоминаний: рост может быть вызван как удачной публикацией, так и повторяющейся проблемой.

Платформа FollowPulse помогает объединить мониторинг упоминаний, анализ социальных площадок и Telegram Analytics в одном рабочем контуре. Это удобно, когда нужно сопоставить динамику публикаций, охватов, вовлечённости и разговоров о бренде, а не оценивать каждый канал изолированно.

Что меняется в таргетинге и отчётности

Таргетинг не получает из исследования готовую формулу. Однако логика выбора становится понятнее: люди используют ИИ, чтобы быстрее сузить ассортимент и разобраться в различиях. Значит, рекламные и органические сообщения должны вести не к абстрактному «лучшему предложению», а к ясному следующему шагу.

В коммуникации полезно проверять три вопроса:

• решает ли креатив конкретную задачу пользователя;
• совпадает ли обещание с информацией на посадочной странице и в соцсетях;
• можно ли подтвердить заявленное преимущество доступной фактурой.

Отчётность также требует отдельной колонки для непрямого влияния. Речь не о том, чтобы приписывать ИИ все продажи с прямого трафика. Речь о дисциплине наблюдения: фиксировать изменения брендовых запросов, обращений, тем в комментариях и доли сравнительных упоминаний рядом с периодами активной работы над присутствием бренда.

Если по тематическим запросам бренд стал чаще появляться в релевантных ответах, а аудитория чаще приходит с вопросами о конкретных свойствах продукта, это основание для дальнейшей проверки гипотезы. Если при этом продажа не растёт, причина может быть в цене, продукте, воронке или качестве посадочной страницы. Аналитика должна помогать разделить эти факторы, а не маскировать их удобной метрикой.

Чеклист

1. Собрать список товарных и категорийных вопросов, с которыми аудитория обращается к ИИ, поиску, комментариям и поддержке.
2. Проверить, есть ли на собственных площадках актуальные и подтверждаемые ответы на эти вопросы.
3. Настроить мониторинг бренда, продуктов, конкурентов, ошибок написания и проблемных формулировок.
4. Разметить упоминания по намерению: рекомендация, сравнение, жалоба, вопрос, цена, качество, условия использования.
5. Отдельно отслеживать динамику брендового спроса, прямого трафика, возвратов и обсуждений после контентных и PR-активностей.
6. Регулярно обновлять сравнительные материалы, справочные страницы и публикации с быстро меняющимися условиями.
7. Сопоставлять рост видимости с качеством лидов и продаж, не подменяя влияние ИИ одним показателем переходов.

FAQ

Как ИИ-рекомендации влияют на выбор товара?

ИИ помогает пользователю быстрее сравнить варианты, найти цену и разобраться в категории. По исследованию «Ашманов и партнёры», 66% опрошенных хотя бы иногда покупали товар сразу после рекомендации нейросети, однако окончательное решение многие дополнительно сверяют с отзывами и другими источниками.

Почему переходы из ИИ-ответов не показывают всё влияние на продажи?

Рекомендация может сформировать выбор в диалоге с ИИ, а покупка состояться позже через прямой заход, поиск, приложение или маркетплейс. Поэтому для оценки нужны также брендовый спрос, упоминания, прямой трафик и качество последующих обращений.

Может ли ИИ заменить отзывы о товарах?

Часть пользователей уже использует нейросети вместо чтения отзывов, но отзывы сохраняют значение при противоречивой информации. В исследовании 53% респондентов готовы дополнительно проверять сведения, если рекомендация ИИ расходится с отзывами.

Какие данные о бренде важны для ИИ-рекомендаций?

Полезны актуальные описания продукта, единая терминология, понятные условия, проверяемые характеристики и свежая обратная связь аудитории. Противоречивая или устаревшая информация повышает риск ошибок и снижает доверие.

Как SMM-команде измерять присутствие бренда в нейросетях?

Следует сочетать проверку видимости по релевантным запросам с аналитикой упоминаний, брендового спроса, прямого трафика, вовлечённости и тем комментариев. Отдельный клик не заменяет такую картину.

Следить за тем, как бренд звучит в соцсетях, мессенджерах и тематических обсуждениях, можно через FollowPulse — платформу аналитики соцсетей и Telegram Analytics.

Пользуйся FollowPulse и получай:

• Аналитику соцсетей
• Умный поиск информации
• Рост своего бренда

Пробный доступ — от 10 рублей.

Попробовать FollowPulse