Лиды из ChatGPT и поиска с искусственным интеллектом: где их считать и почему атрибуция врёт

49% звонков, пришедших из ChatGPT, квалифицируются как лиды — это примерно на 10 процентных пунктов выше среднего уровня по семи каналам в исследовании Invoca, опубликованном 13 июля 2026 года. Но дальше начинается неприятная часть для digital-маркетинга: конверсия этих лидов в разговоре составляет 40% против среднего уровня 42%, а значит измерять лиды из ChatGPT и поиска с искусственным интеллектом по одному числу нельзя.

По данным Invoca, вывод основан на массиве более 70 миллионов звонков и 600 миллионов минут разговоров в 10 отраслях. Это серьёзный объём для разговора о качестве лида, но не повод списывать в один столбец весь трафик из ChatGPT, брендового поиска, прямых заходов и звонков, которые пользователь сделал уже после общения с ассистентом.

Для SMM, performance и аналитики соцсетей здесь важен не сам рекорд канала, а логика воронки. Ассистент может сильнее подогревать намерение, чем классический поиск, но стандартная веб-аналитика часто не видит этот путь целиком. Поэтому в отчётах появляется знакомая путаница: спрос уже создан в ответе модели, а заслуга уходит брендовому запросу, direct traffic или колл-трекингу без расшифровки источника.

49% лидов ещё не означают 49% продаж

В отчёте Invoca у ChatGPT сильная первая часть воронки и средняя вторая. Это хороший ориентир для маркетолога, потому что он отделяет качество входящего контакта от качества обработки лида внутри бизнеса.

Если разложить воронку на шаги, картина выглядит так:

1. Пользователь получает ответ в ChatGPT или в другом интерфейсе поиска с искусственным интеллектом.
2. Затем переходит к бренду, карточке компании, сайту или сразу звонит.
3. Компания отвечает на звонок, квалифицирует обращение и пытается довести его до записи, покупки или другой целевой операции.

На этом пути можно ошибиться минимум дважды.

Первая ошибка — считать победой сам факт обращения. Для отдела маркетинга это соблазнительно: лид пришёл, источник новый, цифра красивая. Но если лиды из ChatGPT квалифицируются лучше среднего, а закрываются в сделку примерно на среднем уровне, то проблема может быть уже не в привлечении, а в скрипте, скорости ответа, записи на консультацию или слабом предложении на звонке.

Вторая ошибка — смешивать этапы в один показатель. Для AI Search полезно держать хотя бы три метрики отдельно:

• доля обращений, ставших лидами;
• доля лидов, закрытых в звонке или следующем шаге;
• доля лидов, дошедших до выручки, если CRM позволяет связать это с продажей.

В самом отчёте есть ещё один важный фон: по всем индустриям человек отвечает примерно на 56% звонков. Для звонков длиннее 15 секунд этот показатель поднимается до 65%, а для звонков длиннее 30 секунд — до 71%. Иначе говоря, часть потери ценности происходит вообще до разговора о продаже. Если маркетинг привёл более тёплый контакт, а бизнес не поднял трубку, канал в отчёте будет выглядеть слабее, чем он есть на самом деле.

Где стандартная атрибуция теряет поиск с искусственным интеллектом

Проблема лидов из ChatGPT редко начинается в CRM. Она начинается раньше, когда команда пытается увидеть источник только по рефереру, UTM-метке или последнему клику.

Search Engine Journal в том же материале напоминает о более раннем сигнале Similarweb: бренды, рекомендованные в ChatGPT, получали в 2,5 раза более высокую вероятность визита на сайт в течение семи дней. Существенная часть этого трафика выглядела как брендовый поиск, а не как прямой переход из ассистента. Для аналитики соцсетей и digital-маркетинга это принципиальный момент: влияние ассистента может быть реальным, а канал в отчёте — совсем другим.

Чаще всего данные теряются в четырёх местах.

Брендовый поиск забирает чужую заслугу

Пользователь читает рекомендацию в ChatGPT, не кликает по ссылке, а потом ищет бренд в Google или Яндексе. В отчёте растёт branded search, а влияние ассистента исчезает.

Прямые заходы маскируют путь исследования

Часть аудитории после ответа в ассистенте возвращается на сайт вручную, с другого устройства или из сохранённой вкладки. Такой путь превращается в direct traffic и не даёт маркетологу нормальной картины по каналам.

Звонок вообще не оставляет веб-следа

Invoca прямо указывает на ограничение методологии: в отчёте нет расшифровки, как именно атрибутировались звонки из ChatGPT. Неясно, был ли это клик по отслеживаемой ссылке, вызов по подменному номеру или иной цифровой след. Всё, что произошло после исследования в ассистенте, но без отслеживаемого касания, выпадает из отчёта.

По разным ассистентам данных почти нет

В разрезе отчёта измеримым источником оказался именно ChatGPT. Gemini, Claude и Perplexity в разбивке не показаны. Это не означает, что они не влияют на спрос. Это означает, что у команды ещё нет стабильного способа увидеть их вклад в воронке.

Как измерять лиды из ChatGPT и поиска с искусственным интеллектом в digital-маркетинге

Рабочая схема начинается не с красивого дашборда, а с отдельной логики учёта. Пока поиск с искусственным интеллектом даёт низкий объём, его особенно легко либо переоценить, либо полностью потерять в общих каналах.

1. Разделить прямой и ассистированный путь

В отчётности лучше сразу завести не один канал, а минимум три класса:

• прямой переход из ассистента — есть клик, реферер, метка или другой явный цифровой след;
• ассистированный путь — есть косвенные признаки, что пользователь сначала взаимодействовал с ассистентом, а потом пришёл через брендовый запрос, direct или звонок;
• неопределённый путь — видно обращение, но нет надёжного основания приписывать его ChatGPT или другому ассистенту.

Такая схема не даёт полной истины, но она честнее привычного last click. Для внутренней отчётности это уже большой шаг: видно, где заканчиваются подтверждённые данные и где начинаются гипотезы.

2. Помечать входные точки, которые чаще всего используются после ответа ассистента

Если в нише важны звонки, стоит отдельно размечать:

• карточки компании;
• страницы контактов;
• посадочные страницы с номером телефона;
• кнопки записи и звонка;
• формы обратной связи для брендового трафика.

Смысл не в том, чтобы повесить как можно больше UTM. Смысл в том, чтобы связать источник исследования и точку конверсии. Когда у команды есть отдельные сценарии для звонка, формы и записи, проще увидеть, где ChatGPT усиливает намерение, а где просто приводит любопытный, но сырой трафик.

3. Связывать звонок с CRM, а не хранить его как отдельное событие

Отчёт Invoca интересен именно тем, что различает обращение, лид и последующую конверсию. Без CRM на этом месте обычно остаётся только число звонков, а маркетинг делает ложный вывод о качестве канала.

Минимальный набор для связки такой:

• факт звонка или заявки;
• квалификация лида;
• исход разговора;
• запись на встречу, бронь, покупка или другой следующий шаг;
• итоговая выручка, если её можно связать без ручной археологии.

Если такой связки нет, лиды из поиска с искусственным интеллектом будут выглядеть либо чудом, либо шумом. На практике чаще получается просто слепая зона между маркетингом и продажами.

4. Добавить человеческий вопрос в скрипт, но не делать его единственным источником правды

Для звонков полезно иметь короткий обязательный вопрос вроде: «Где впервые узнали о компании?» или «Через какой сервис искали решение?». Это не заменяет цифровую атрибуцию, но помогает понять, сколько путей вообще проходит через ассистентов без клика.

Здесь важна дисциплина: одинаковые формулировки, единый справочник ответов и регулярная сверка с веб-данными. Иначе менеджеры будут записывать всё подряд в поле «другое», и канал снова растворится.

5. Смотреть на качество, а не только на объём

Самый частый перекос в AI Search сейчас выглядит так: команда радуется новым визитам, но не знает, что происходит дальше. Для управленческого решения полезнее другой набор метрик:

• доля квалифицированных лидов;
• доля лидов, дошедших до целевого действия;
• средняя длина разговора по качественным обращениям;
• доля пропущенных звонков;
• скорость ответа;
• выручка или маржа на лид, если доступна финансовая связка.

Именно здесь цифры Invoca наиболее полезны. ChatGPT в их отчёте выигрывает на стадии квалификации, но не обгоняет средний рынок по закрытию в разговоре. Значит, искать ответ надо не только в медиаплане, но и в операционке бизнеса.

6. Держать рядом мониторинг брендового спроса и упоминаний

Когда влияние ассистента уходит в брендовый поиск, полезно смотреть не на один источник, а на связку сигналов: рост брендовых запросов, всплески упоминаний, скачки переходов на страницы контактов, изменение доли входящих обращений по брендовым сценариям. На этом этапе пригодятся инструменты вроде FollowPulse, если нужно в одном контуре сводить аналитика соцсетей, мониторинг бренда и динамику интереса к контенту вокруг бренда и тематики.

Низкий объём не повод игнорировать канал

В отчёте есть ограничение, которое нельзя прятать под ковёр: Invoca не раскрывает, на каком объёме звонков получена цифра 49% для ChatGPT, и отдельно отмечает, что объём генеративного поиска в данных остаётся небольшим. Для маркетолога это означает простую вещь: высокий процент на маленькой базе может выглядеть убедительнее, чем заслуживает.

Поэтому в работе с лидами из ChatGPT и поиска с искусственным интеллектом полезно держать три правила.

• Не перераспределять бюджет по одной красивой цифре. Сначала нужен повторяемый тренд хотя бы на нескольких срезах.
• Смотреть окно шире одного дня или одной недели. Для нового источника разумнее анализировать 30, 60 или 90 дней, а не отдельные всплески.
• Разбирать качественные кейсы вручную. Пока объём невелик, несколько десятков хороших разговоров могут дать больше понимания, чем сводная таблица без контекста.

Отдельный сигнал из того же отчёта касается уже не медиа, а бизнеса: 64% компаний не просят звонящего сделать покупку или записаться. Для маркетинга это болезненный, но полезный вывод. Если лид пришёл из ChatGPT, уже выглядит сильнее среднего по квалификации, а оператор не довёл разговор до конкретного следующего шага, проблема находится не в канале.

Какие вопросы стоит задать команде уже сейчас

Перед тем как рисовать отдельный канал в отчётах, полезно быстро проверить базовую механику.

• Есть ли у звонков и форм отдельные сценарии атрибуции, или всё складывается в общий direct и branded search.
• Попадают ли данные о квалификации лида и результате разговора обратно в CRM.
• Видно ли в отчётах рост брендового спроса после публикаций, упоминаний или видимости в ответах ассистентов.
• Понимает ли отдел продаж, что часть пользователей приходит уже после исследования в ChatGPT, а не с холодным вопросом.
• Есть ли отдельный разрез по прямым и ассистированным обращениям из поиска с искусственным интеллектом.

Если на два-три вопроса ответ отрицательный, измерение канала пока не настроено. В такой ситуации спорить о качестве AI Search рано: сначала надо собрать путь пользователя хотя бы в базовом виде.

Чеклист

1. Завести в отчётности отдельные классы для прямых, ассистированных и неопределённых лидов из ChatGPT и поиска с искусственным интеллектом.
2. Разметить страницы контактов, кнопки звонка, формы и карточки компании, через которые чаще всего приходит тёплый спрос после общения с ассистентом.
3. Связать колл-трекинг и формы с CRM, чтобы видеть не только обращение, но и квалификацию, исход разговора и следующий шаг.
4. Добавить в скрипт продаж короткий обязательный вопрос об источнике первого знакомства с брендом и вести ответы по единому справочнику.
5. Смотреть на долю квалифицированных лидов, конверсию в целевое действие, скорость ответа и долю пропущенных звонков, а не на объём трафика сам по себе.
6. Проверять рост брендового спроса и упоминаний рядом с прямыми переходами, потому что влияние ассистента часто уходит в косвенные каналы.
7. Не принимать бюджетных решений по одному всплеску: сначала подтвердить тренд на длинном окне и вручную разобрать качественные кейсы.

FAQ

Как понять, что лид пришёл именно из ChatGPT, а не из обычного поиска?

Нужна комбинация прямых и косвенных сигналов. Прямой путь дают клик, метка или зафиксированный переход. Косвенный путь виден по связке брендового запроса, прямого захода, звонка и ответа пользователя в разговоре. Один только last click здесь почти всегда даёт искажённую картину.

Почему в отчётах растёт брендовый поиск, хотя спрос мог сформировать ассистент?

Потому что пользователь часто не переходит по ссылке из ответа модели, а позже ищет бренд вручную. Веб-аналитика видит поисковую систему, но не видит предыдущий этап исследования внутри ассистента.

Какие метрики важнее всего для лидов из поиска с искусственным интеллектом?

На первом месте качество лида: доля квалифицированных обращений, конверсия в следующий шаг, скорость ответа и доля пропущенных звонков. Объём полезен как фон, но без качества он вводит в заблуждение.

Можно ли считать все лиды из ChatGPT более ценными, чем лиды из других каналов?

Нет. В отчёте Invoca звонки из ChatGPT чаще становились лидами, но конвертировались в разговоре примерно на среднем уровне. Это сильный сигнал для анализа, но не универсальное правило для любой ниши и любого бизнеса.

Почему для оценки AI Search мало стандартных UTM-меток?

Потому что часть пути проходит без клика по отслеживаемой ссылке. Пользователь может запомнить бренд, вернуться позже, позвонить с другого устройства или найти компанию через карту и карточку бизнеса. В такой схеме UTM видят только часть маршрута.

Короткий вывод для практики простой: лиды из ChatGPT и поиска с искусственным интеллектом уже стоит измерять отдельно, но делать это нужно через качество, CRM и логику ассистированного спроса, а не через один реферер. Для мониторинга таких сигналов, динамики брендового спроса и аналитики площадок пригодится FollowPulse.

Пользуйся FollowPulse и получай:

• Аналитику соцсетей
• Умный поиск информации
• Рост своего бренда

Пробный доступ — от 10 рублей.

Попробовать FollowPulse