Покупатели готовы поручить нейросети поиск лучшей цены и сравнение товаров, но гораздо реже готовы доверить ей оформление заказа и оплату. В исследовании компании «Ашманов и партнеры» эти задачи выбрали 56%, 47% и 13% опрошенных соответственно. Речь именно о готовности делегировать функции в будущем, а не о доле покупок через ИИ.
Для бизнеса здесь важен не только возможный новый источник переходов. Мы предлагаем смотреть на нейро-ответ как на место, где покупатель формирует список вариантов, сравнивает предложения и ищет аргументы в пользу выбора. Разберём, какие цифры поддерживают этот подход, что они не доказывают и как перевести выводы в задачи GEO.
Кого опросили и на кого распространяются выводы?
Исследование «Поиск 2026: Как ответы “нейросетей” влияют на выбор и мнение покупателей» опубликовано в сентябре 2026 года. В онлайн-опросе участвовали 1 000 человек 18–55 лет из Москвы, Санкт-Петербурга и других городов-миллионников: все они пользуются ИИ-сервисами и покупают в интернет-магазинах не реже одного раза в несколько месяцев.
Авторы рассматривали пять категорий: одежду и обувь, косметику и парфюмерию, продукты питания, электронику и бытовую технику, мебель и товары для дома. В выборке использовались квоты по полу, возрасту и географии на основе данных Росстата.
Это важно для всех дальнейших процентов: они описывают опрошенных покупателей, уже использующих ИИ, а не всех россиян или всех клиентов электронной торговли. По такому исследованию нельзя определить, какая доля рынка вообще обращается к нейросетям.
Что покупатели готовы доверить ИИ?
В вопросе о полном делегировании функций в будущем лидируют поиск лучшей цены и сравнение товаров. Оформление заказа и оплата находятся в конце списка.
Какие функции участники полностью делегировали бы ИИ-сервису в будущем. Доля опрошенных; шкала каждой полосы от 0 до 100%.
Мотивы обращения к ИИ согласуются с этой картиной: 40% участников хотят сэкономить время, 37% стремятся разобраться в товаре или категории, 28% приходят за рекомендациями.
Наша интерпретация: для первого GEO-пилота разумнее выбрать сценарии, в которых человеку трудно сравнить варианты, а не ограничиваться запросом «купи товар». Например, проверить ответы на вопросы «какой ноутбук подойдёт для монтажа видео», «чем отличаются две модели» и «какие ограничения есть у бюджетного варианта».
Контент под такие сценарии стоит строить вокруг критериев решения: кому подходит продукт, с чем его сравнивать, в чём компромиссы и когда лучше выбрать альтернативу. Это практическая гипотеза для тестирования, а не установленный исследованием фактор попадания в нейро-ответ.
Как сильно нейро-ответ влияет на выбор?
В ответе на вопрос о частоте влияния ИИ на выбор 5% указали «всегда», 30% выбрали «часто», 48% ответили «иногда», 14% сообщили «редко» и 3% сказали «никогда». Следовательно, 35% отмечают частое или постоянное влияние, а 83% говорят о влиянии хотя бы иногда.
Как часто ИИ влияет на выбор участников опроса. Доля опрошенных; шкала каждой полосы от 0 до 100%.
Если включить ответ «редко», получится 97%. Но такой показатель объединяет принципиально разные ситуации: от эпизодической подсказки до постоянного участия ИИ в выборе. Поэтому для делового обсуждения полезнее сохранять распределение, а не превращать его в утверждение «ИИ управляет 97% покупок».
В другом вопросе 38% участников сообщили, что купленные товары «часто» или «почти всегда» совпадают с рекомендациями нейросетей. А 66% выбрали «часто» или «иногда», отвечая о покупке сразу после нейро-ответа. Ни один из этих показателей не является конверсией из ИИ в заказ: в опросе нет воронки с числом ответов, переходов и транзакций, а совпадение рекомендации и покупки само по себе не устанавливает причину выбора.
Для аналитики предлагаем разделять три уровня: присутствие в ответе, действия пользователя после контакта и бизнес-результат. Рост видимости нужно фиксировать как рост видимости, а дополнительную выручку подтверждать отдельно.
Заменяют ли нейросети отзывы и знакомые бренды?
52% опрошенных сообщили, что узнавали от ИИ о новых брендах. При этом для 71% бренд важен при покупке: 54% выбрали «скорее важен», ещё 17% ответили «очень важен». Эти результаты описывают две отдельные характеристики аудитории, а не доказывают, что все покупатели новых брендов перестали ориентироваться на знакомые названия.
- Наш вывод для небольшого бренда: стоит проверять не только узнаваемость, но и то, появляется ли он среди подходящих вариантов в конкретном сценарии.
- Для известного бренда задача другая: убедиться, что ИИ правильно объясняет его преимущества и ограничения, а не просто называет знакомое имя.
С утверждением, что ИИ заменяет чтение отзывов, полностью или скорее согласны 49% участников. Однако при гипотетическом конфликте нейро-ответа и отзывов 53% предпочли бы дополнительную проверку, 32% доверились бы отзывам пользователей и 14% выбрали бы ответ ИИ. Это разные вопросы; без перекрёстных данных нельзя утверждать, что одни и те же люди одновременно отказываются от отзывов и перепроверяют рекомендации.
Мы не предлагаем заменять работу с репутацией оптимизацией одного сайта. Для пилота полезнее проверить согласованность фактов на собственных страницах, в обзорах, отзывах и других источниках, которые обнаруживаются в ответах ИИ. Отдельный материал о том, почему ИИ цитирует сторонние источники вместо сайта бренда, поможет расширить такую проверку.
Что это меняет для GEO и AEO?
В этой статье будем разделять 2 задачи.
- Под GEO понимаем работу с упоминаниями и рекомендациями бренда в ответах ИИ.
- А под AEO в контексте аналитики источников понимаем присутствие сайта и конкретных URL среди цитируемых материалов.
Это разделение помогает не смешивать разные результаты: бренд может появиться в рекомендации, а измерять цитирование его сайта нужно отдельно.
Предлагаем перевести выводы исследования в пять направлений работы. Таблица ниже содержит наши рекомендации для пилота, а не список доказанных исследованием факторов ранжирования.
| Задача | Что сделать | Что измерять |
|---|---|---|
| Попасть в список выбора | Проверить запросы по задаче, категории и ограничениям покупателя, а не только по названию бренда. | Долю проверенных ответов с упоминанием и отдельно с рекомендацией бренда. |
| Объяснить преимущества | Подготовить сравнения, критерии выбора, сценарии применения и честные ограничения продукта. | Какие аргументы ИИ использует и насколько они соответствуют продукту. |
| Убрать ошибки | Сверить характеристики, ассортимент и условия; разобрать страницы-источники неверных утверждений. | Долю ответов с фактическими ошибками и типы повторяющихся искажений. |
| Проверить источники | Раздельно отслеживать собственный домен, конкретные URL и сторонние площадки. | Долю ответов со ссылкой на сайт и распределение цитируемых страниц. |
| Связать с бизнесом | Сопоставлять наблюдения с доступными переходами, обращениями и ответами клиентов об источнике знакомства. | Подтверждённые лиды и продажи; отдельно гипотезы о влиянии без прямого перехода. |
Для каждой доли заранее зафиксируйте знаменатель: набор сценариев, ИИ-сервисы, число повторов и период измерения. Изменения этих условий могут сделать сравнение некорректным.
Почему стоит начать с корректности фактов?
Среди опасений участников исследования: недостаток информации о товаре (40%), ошибки в рекомендациях (37%) и устаревшие сведения (35%). Это ответы о рисках, которые видят пользователи, а не результаты технической проверки самих нейросетей.
Поэтому в пилоте мы предлагаем оценивать качество присутствия вместе с его частотой. Упоминание с неверной характеристикой не стоит автоматически считать успехом. Для такой проверки можно использовать подход из статьи о поиске и исправлении неверной информации о бренде в ответах ИИ.
С чего начать бизнесу?
Необязательно сразу охватывать весь ассортимент и все типы запросов. Предлагаем начать с ограниченного пилота, в котором понятны исходная точка, изменения и критерии оценки.
- Выберите одну категорию. Лучше ту, где клиентам действительно приходится сравнивать характеристики и условия, а у команды есть возможность менять контент.
- Соберите 30–50 вариантов выбора. Это рекомендуемый стартовый объём, не норматив из исследования. Включите подбор под задачу, сравнение альтернатив, вопросы о недостатках и проверку конкретного бренда.
- Зафиксируйте исходные ответы. Сохраните формулировки запросов, дату, сервис и режим работы. Повторите проверки, чтобы не строить выводы на одном ответе. Здесь поможет проект в AI Пиксель Тулс.
- Выберите конкретные изменения. Например, уточните характеристики, добавьте сравнительную таблицу или разберите ошибку в описании продукта. Не меняйте всё одновременно, если хотите понять вклад отдельных действий.
- Повторите измерения на тех же условиях. Сравните рекомендации, источники и фактическую точность. Где возможно, добавьте неизменённую группу сценариев для контроля и отдельно оцените бизнес-метрики.
Результатом пилота должен стать не только процент упоминаний. Полезнее получить карту: где бренд не рассматривается, где проигрывает по аргументам, какие факты искажены и какие материалы стоит доработать в первую очередь.
Какие выводы делать рано?
Исследование помогает сформулировать гипотезы о поведении покупателей, но не даёт готового расчёта эффективности GEO. При использовании цифр в презентациях и стратегии важно сохранить несколько ограничений.
- Не вся аудитория рынка. В опрос вошли пользователи ИИ из определённых городов и возрастной группы. Переносить проценты на всех покупателей нельзя.
- Не динамика рынка. Один срез не показывает, насколько влияние выросло относительно прошлого года. Для этого нужны сопоставимые измерения в разные периоды.
- Не точный прогноз для отдельной категории. В опубликованном PDF не раскрыты базы всех категорий и проверки статистической значимости различий. Категорийные наблюдения разумнее использовать для постановки гипотез.
Главный практический вывод для нас: проверять участие бренда в выборе, а не только наличие ссылки. Для этого нужны понятные сценарии, раздельные метрики рекомендаций и цитирования, проверка фактов и аккуратная связь с коммерческим результатом. Исследование даёт повод начать такую работу, но её эффект бизнесу предстоит измерить самостоятельно.
Частые вопросы
Показывает ли исследование конверсию из нейросети в покупку?
Нет. В нём собраны ответы людей об опыте и установках, а не связанная цепочка «нейро-ответ → переход → заказ». Поэтому 66% ответов «часто» и «иногда» на вопрос о покупке сразу после ответа нельзя представлять как конверсию.
Стоит ли небольшому бренду заниматься GEO?
Как минимум стоит проверить гипотезу: 52% опрошенных узнавали через ИИ о новых брендах. Но это не обещание результата конкретной компании. Мы рекомендуем начать с небольшой категории и измеримого пилота, а не с переноса значительной части бюджета.
Что считать первым результатом GEO-пилота?
Предлагаем заранее определить набор промежуточных результатов: корректное появление бренда в релевантных рекомендациях, уменьшение числа ошибок и понятную картину источников. Лиды и продажи следует учитывать отдельно, не подменяя их показателями видимости.
