Исследование AI Пиксель Тулс · 9 октября 2026 г.

Сбер теряет лидерство в рекомендациях AI?

В ответах нейросетей ВТБ, Альфа-Банк и Т-Банк опережают Сбер, хотя Сбер держит ≈44% рынка вкладов. Итоги по 8 100 ответам пяти нейросетей на 1 620 запросов о банковских продуктах.
Чаще всех называют:
Скачать PDF
Алиса
Google AI
ChatGPT
Perplexity
DeepSeek
Методология

Как мы готовили это исследование

Открытая методология: всё, что нужно, чтобы воспроизвести результат или оспорить его.
01
Цель и предмет
Изучаем, как пять нейросетей описывают банковский рынок России по «холодным» запросам — без названия бренда в вопросе. Главный вопрос: кого модель называет, когда клиент просит «открыть вклад» или «выбрать карту».
Где лучше открыть вклад в Москве?
Нейросеть советует:
ВТБ
Альфа-Банк
Т-Банк
02
Объём выборки
1 620 запросов = 18 продуктов × 18 интентов × 5 городов. Каждый запрос отправлен в 5 нейросетей — итого 8 100 ответов, 33 110 упоминаний брендов и 47 428 ссылок на источники.
18
продуктов
×
18
интентов
×
5
городов
=
1 620
запросов
8 100
ответов
33 110
упоминаний брендов
47 428
ссылок на источники
03
Принцип нейтральности
Ни один из 1 620 запросов не содержит названия банка. Формулировки идут от клиента: «Где в Москве открыть вклад…», «Какая карта выгоднее…». Так измеряется «холодная» узнаваемость, а не пересказ вопроса.
0
из 1 620 запросов содержат название банка
04
Пять нейросетей
Поиск с Алисой, Google AI Overview, ChatGPT, Perplexity, DeepSeek — сценарии, через которые россиянин задаёт вопрос о банке в 2026 году.
Поиск с Алисой с чатом
Google AI Overview с чатом
ChatGPT
Perplexity
DeepSeek
05
Пять городов
Москва, Санкт-Петербург, Краснодар, Екатеринбург, Новосибирск. Срез показывает, какие банки локально различимы, а не только «национальный» топ.
Москва
Санкт-Петербург
Краснодар
Екатеринбург
Новосибирск
06
Разметка
Из каждого ответа извлекаются бренды, явная рекомендация и ссылки. Словарь канонических имён и типов источников открыт — его можно проверить в скачиваемых данных.
Ответ нейросети
Бренды
Явная рекомендация
Ссылки и типы источников
Открытый словарь в данных
Полный список запросов и сырые ответы — в разделе «Скачать данные» внизу страницы.

Исследование в цифрах

1 620
запросов
типовых вопросов клиента задали каждой нейросети
8 100
ответов
получили от 5 нейросетей и разобрали по брендам и ссылкам
3 995
брендов
нейросети назвали хотя бы в одном ответе
47 428
ссылок
на сайты-источники привели в ответах

Коротко о результатах

Нейросети
Срез
Продукт
Город
Интент
Показаны все 8 100 ответов
Фильтр меняет все блоки ниже
Чаще всех называют
ВТБ
48,8%
ответов упоминают этот бренд
Чаще всех советуют
ВТБ
0,6%
ответов рекомендуют только его
Главный тип источника
Сайты банков
40,6%
всех ссылок в ответах
В одном ответе
Брендов в среднем
4,1
названий в типичном ответе нейросети

Офлайн-полка против AI-полки

Сравниваем долю рынка вкладов с долей голосов (SoV) в ответах нейросетей. Разрыв показывает, кого ИИ «переоценивает», а кого «недооценивает» относительно реального рынка.
Сбер
Доля рынка вкладов
44,2%
AI-полка
10%
34,2 п.п.
ВТБ
Доля рынка вкладов
16,4%
AI-полка
11,9%
4,5 п.п.
Т-Банк
Доля рынка вкладов
7,1%
AI-полка
10,1%
3 п.п.
Альфа-Банк
Доля рынка вкладов
6,4%
AI-полка
10,2%
3,8 п.п.
Газпромбанк
Доля рынка вкладов
5,6%
AI-полка
4%
1,6 п.п.
Совкомбанк
Доля рынка вкладов
3,2%
AI-полка
4,9%
1,7 п.п.
Райффайзен Банк
Доля рынка вкладов
2,4%
AI-полка
0,9%
1,5 п.п.
МКБ
Доля рынка вкладов
2,1%
AI-полка
0,6%
1,5 п.п.
Почта Банк
Доля рынка вкладов
1,6%
AI-полка
0,2%
1,4 п.п.
Банк Санкт-Петербург
Доля рынка вкладов
1,1%
AI-полка
2,4%
1,3 п.п.
Уралсиб
Доля рынка вкладов
0,8%
AI-полка
1,2%
0,4 п.п.
Ак Барс
Доля рынка вкладов
0,7%
AI-полка
0,3%
0,4 п.п.
Точка
Доля рынка вкладов
0,5%
AI-полка
1,5%
1 п.п.
Офлайн-полка — оценочная доля рынка вкладов физлиц (внешний ориентир, не показатель нейросетей). AI-полка — доля голосов (SoV) в текущем срезе. Плюс — нейросети называют чаще рынка, минус — реже.

Кого называют нейросети

Топ-50 · 8 100 ответов
Видимость — доля ответов, в которых нейросеть назвала бренд. В колонках справа — тот же показатель отдельно по каждой нейросети.
#
1
ВТБ
48,8%
35
55
51
39
64
2
Альфа-Банк
41,7%
31
58
40
32
48
3
Т-Банк
41,2%
37
54
39
30
47
4
Сбер
40,8%
30
62
19
34
60
5
Совкомбанк
20%
17
20
20
23
20
6
Газпромбанк
16,5%
12
14
14
15
28
7
ПСБ
14,8%
10
9
18
14
23
8
Банк Санкт-Петербург
9,8%
7
8
9
9
15
9
МТС Банк
6,9%
6
6
7
6
10
10
Банк ДОМ.РФ
6,3%
7
5
11
4
6
11
Точка
6,3%
5
10
6
6
6
12
Россельхозбанк
6,2%
4
3
4
6
14
13
ОТП Банк
5,7%
8
5
5
6
5
14
УБРиР
5,5%
3
6
5
4
10
15
Уралсиб
4,9%
2
3
6
6
8
16
Левобережный
4%
3
4
4
2
7
17
Локо-Банк
3,7%
3
3
2
3
8
18
Райффайзен Банк
3,5%
2
2
3
2
8
19
Ренессанс Банк
3%
2
3
1
4
4
20
Кубань Кредит
2,4%
2
3
1
1
5
21
МКБ
2,3%
1
1
1
3
5
22
Ozon Банк
2,2%
1
3
3
1
3
23
Яндекс Банк
1,9%
1
3
1
3
3
24
Банк Синара
1,8%
1
2
2
1
4
25
Модульбанк
1,8%
1
2
2
1
2
26
Ак Барс
1,4%
0
1
1
1
4
27
Росбанк
1%
0
1
0
1
3
28
Русский Стандарт
1%
0
0
1
2
2
29
Банк Зенит
1%
1
1
0
1
3
30
Почта Банк
0,9%
0
1
0
1
2
31
Центр-инвест
0,9%
0
1
1
1
1
32
Металлинвестбанк
0,8%
0
0
0
1
2
33
АТБ
0,8%
0
1
0
1
2
34
ЮниКредит Банк
0,7%
0
1
0
1
1
35
Примсоцбанк
0,6%
0
1
0
0
1
36
Кредит Европа Банк
0,6%
0
1
1
0
1
37
Открытие
0,6%
0
0
0
0
3
38
БКС Банк
0,6%
1
1
0
0
1
39
МСП Банк
0,6%
0
0
1
1
1
40
Абсолют Банк
0,5%
1
0
0
0
1
41
Солид Банк
0,5%
0
1
0
0
2
42
Банк Акцепт
0,5%
0
1
0
0
1
43
ДелоБанк
0,5%
0
1
0
1
1
44
ББР Банк
0,4%
0
0
1
0
1
45
Фора-Банк
0,4%
0
1
0
0
1
46
БыстроБанк
0,4%
0
0
0
1
1
47
Камкомбанк
0,4%
0
1
0
0
1
48
Банк «Россия»
0,4%
0
0
0
1
1
49
Экспобанк
0,4%
0
1
0
1
1
50
Ланта-Банк
0,4%
1
0
0
0
1

Продуктовая ось: кто первый в каждом продукте

Лидер по доле голосов (SoV) внутри каждого из 18 банковских продуктов. Общий рейтинг прячет проигрыш в конкретном продукте — смотрите по своему.

Сводный AI-индекс банка

Единая оценка 0–100: видимость, доля голосов (SoV), явная рекомендация и ссылки на собственный сайт. Каждая компонента нормирована на лидера. Чем выше балл, тем «понятнее» банк нейросетям в целом.
Индекс = 40% видимость + 30% доля голосов (SoV) + 15% рекомендация + 15% свой сайт. Каждая компонента нормирована на лидера среди 30 самых заметных банков.

Тональность: модели скорее хвалят, чем ругают

Лексическая оценка тональности 8 100 ответов. Нейросети чаще описывают банки позитивно, но «критика» прячется в ответах про комиссии, ставки и подводные камни.
В целом по 8 100 ответам
54,9%
ответов звучат позитивно
Позитивные
54,9%
Нейтральные
23,4%
Негативные
21,7%
Доля негатива по нейросетям
в среднем 21,7%
25,4%
Алиса
19,5%
Google AI
21,2%
ChatGPT
18,8%
Perplexity
23,6%
DeepSeek
Метод: лексическая оценка — частотность позитивных и негативных маркеров в тексте ответа. Это приблизительная, а не экспертная оценка тональности.

Как отвечает каждая нейросеть

Сколько брендов нейросеть называет в одном ответе, как часто советует один конкретный и кого упоминает чаще остальных.
Поиск с Алисой с чатом
2,9
брендов в одном ответе
1,5%
ответов с одной рекомендацией
Чаще всего называет
1 620 ответов в выборке
Google AI Overview с чатом
4,7
брендов в одном ответе
0,1%
ответов с одной рекомендацией
Чаще всего называет
1 620 ответов в выборке
ChatGPT
3,5
брендов в одном ответе
7%
ответов с одной рекомендацией
Чаще всего называет
1 620 ответов в выборке
Perplexity
3,2
брендов в одном ответе
5,6%
ответов с одной рекомендацией
Чаще всего называет
1 620 ответов в выборке
DeepSeek
6,2
брендов в одном ответе
2,5%
ответов с одной рекомендацией
Чаще всего называет
1 620 ответов в выборке

На что ссылаются нейросети

Какую долю ссылок в ответах получают агрегаторы, официальные сайты, отзовики и СМИ — и какие сайты нейросети цитируют чаще всего.
47 428
ссылок в выборке
Сайты банков
19 242
40,6%
Агрегаторы
12 276
25,9%
СМИ
4 171
8,8%
Регулятор
2 222
4,7%
Карты и отделения
565
1,2%
Отзывы
323
0,7%
Прочее
8 629
18,2%
Самые цитируемые сайты
доля ссылок
1
vtb.ru
ВТБ
2
banki.ru
Агрегаторы
3
tbank.ru
Т-Банк
4
alfabank.ru
Альфа-Банк
5
sravni.ru
Агрегаторы
6
sberbank.ru
Сбер
7
sovcombank.ru
Совкомбанк
8
gazprombank.ru
Газпромбанк
9
cbr.ru
Регулятор
10
bankiros.ru
Агрегаторы
11
finuslugi.ru
Агрегаторы
12
psbank.ru
ПСБ

Банк крупным планом

Выберите банк — покажем его видимость, рекомендации и сайты, которые его цитируют, в разрезе нейросетей, продуктов и городов.
Выберите банк
ВТБ
48,8%
ответов называют бренд
0,6%
советуют только его
11,9%
доля голосов (SoV)
52,8%
с ним ссылаются на его сайт
Загружаем разбивку по нейросетям, продуктам и городам…
Взгляд отрасли

Что говорят эксперты

Комментарии практиков GEO и аналитиков о том, что результаты исследования значат для банков и агентств.
Для меня главный вывод исследования: масштаб бизнеса сам по себе не обеспечивает лидерство в ответах нейросетей. Банку нужно отдельно работать над тем, в каких ситуациях его рекомендуют и на основании какой информации. Можно хорошо выглядеть по совокупности запросов и почти отсутствовать в ответах про конкретный продукт. Показателен разброс у Сбера: 61,9% ответов с упоминанием в Google AI Overview и 18,7% в ChatGPT. Поэтому оценивать присутствие банка по одной нейросети или среднему показателю нецелесообразно. Я бы смотрел связку «продукт — задача клиента — город — нейросеть». Она позволяет перейти от общего показателя к конкретным задачам: какие условия раскрыть на сайте, каких сравнений не хватает, где актуализировать информацию. Вторая полезная часть — источники. Для GEO это исследование надо расценивать как основание работать одновременно с собственным сайтом и внешними площадками. На сайте нужны понятные условия, тарифы, ограничения, ответы на вопросы клиентов. На агрегаторах — актуальные карточки и корректное описание продуктов. Участвовать в исследованиях, премиях и рейтингах. И я бы не стал на основании доли ссылок СМИ в этом исследовании сокращать PR-бюджет. Исследование измеряет цитирование, но не весь вклад публикаций в узнаваемость, репутацию и продажи.
Роман Ковалёв
Роман Ковалёв
GEO-эксперт, совладелец рекламного агентства «Ковалёвы»
Сбер теряет лидерство в рекомендациях? Данные исследования позволяют ответить точнее: лидерство у Сбера брендовое, а не продуктовое. Из 18 продуктов Сбер лидирует в двух: переводы и страхование. При этом называют его почти в каждом втором ответе — 40,8%. Банк знают. Но знают как бренд, а не как ответ на конкретный вопрос. Причина простая. Для нейросети бренд и продукт — разные сущности. «Сбер» она знает из тысяч источников. А «банк для рефинансирования» собирает заново — из тех источников, где эта задача описана. В графе знаний это разные узлы, и масштаб бренда между ними не переносится. Это хорошо видно в разрезе по нейросетям, который дает исследование. Google AI называет 4,7 бренда в ответе — Сбер там в 62% случаев. Алиса называет 2,9 — Сбер в 30%. ChatGPT 3,5 — в 19%. Где нейросеть перечисляет, Сбер есть. Где выбирает — его нет. Наш замер это подтверждает с другой стороны. Сентябрь-октябрь, пилот по потребительским кредитам у банка из первой пятерки исследования. 10 запросов, 7 нейросетей, 70 ответов. Было 8 сентября: банк в 35 ответах, первым — в 17. Стало 9 октября: в 44 ответах, первым — в 29. По одному продукту — 62,86%, тогда как у лидеров сводной таблицы по 18 продуктам — от 41 до 49%. Доля в нейросетях — свойство не банка, а того, что спросили. И за месяц нейросети разъехались: ChatGPT с 2 ответов до 5, Perplexity с 6 до 4. Разрез по нейросетям здесь важнее итогового рейтинга. Отдельно отмечу, что исследование дает для одного банка три метрики: видимость 40,8%, доля голосов 10%, единственная рекомендация — около нуля. Это честнее одной цифры. И это ровно та развилка, с которой сейчас работает рабочая группа по качеству цифровых данных в нейросетях и GEO: какую из них рынку считать результатом. Когда мы делали пилот, главная сложность оказалась не в площадках, а в самих условиях продуктов. Написали, что у банка самый большой лимит, — а у конкурента 40 млн против наших 30, и аргумент пришлось убрать. В рефинансировании сравнили с обычным кредитом, а не с программой рефинансирования. Срок от трех месяцев подали как преимущество — он есть еще у двух банков. Все это переделывали. Нейросеть ошибку не фильтрует, она ее тиражирует. Поэтому рекомендацию усилить карточки на banki.ru я бы дополнил шагом перед ней: продукт должен быть описан одинаково везде, откуда модель его возьмет. Тогда усиление сработает.
Василий Жарков
Василий Жарков
GEO-эксперт, руководитель агентства NeuroReach
Я обращу внимание как ИИ формирует свои ответы. В ответах Алисы в среднем упоминается 2,9 банка, а в DeepSeek — уже 6,2. При этом Google AI Overview только в 0,1% случаев даёт единственную рекомендацию. Фактически нейросети чаще выступают не в роли консультанта, который выбирает один лучший банк, а формируют список альтернатив. И здесь возникает интересный вопрос, который я уже поднимал, что недостаточно просто попасть в список, в ответ ИИ, как мы привыкли мерить. На мой взгляд — нет. Одно дело, когда нейросеть упоминает банк среди пяти возможных вариантов, и совсем другое — когда выделяет его как наиболее подходящий под конкретную задачу пользователя, объясняет преимущества и аргументирует свой выбор. Отдельно обратил бы внимание на тональность. В исследовании мы видим, что 54,9% ответов имеют положительную окраску. Но если нейросеть одинаково хорошо отзывается обо всех участниках рынка, позитивное упоминание перестаёт быть конкурентным преимуществом. Значение приобретает содержание рекомендации: какие сильные стороны бренда выделены, насколько корректно описаны условия и есть ли убедительные аргументы в пользу выбора. Поэтому я считаю, что рынку GEO предстоит постепенно переходить от измерения простого присутствия бренда к оценке качества его рекомендаций. Видимость останется базовым показателем, но сама по себе она не отвечает на главный вопрос бизнеса: помогает ли присутствие в нейросетях пользователю сделать выбор в пользу компании?
Владимир Назаров
Владимир Назаров
GEO-эксперт, основатель сообщества и премии GEOMI, руководитель агентства Head Promo
Это очень классное исследование! Оно позволяет изучить все аспекты нейроответов на примере конкретного рынка банковских продуктов. В первую очередь мы смотрим на видимость брендов — за это бизнес готов платить. На чём основан конкретный ответ обычно мало кого волнует. Я всегда изучаю структуру источников информации: какие типы источников, СМИ, форматы и даже период написания статей. Например, тут оказалось, что некоторые ответы даны с использованием материалов 10-, 20- и даже 30-летней давности — самые старые статьи — «Коммерсант» за 1992 и 1994 года! Причём вопросы были о том, где менять валюту и какой банк выбрать сегодня. За тридцать с лишним лет изменились и состав рынка, и продукты, и правила работы с валютой — части банков уже давно не существует. Авторитет издания легко спутать с достоверностью — ссылка на «Коммерсант» сама по себе не гарантирует актуальность самого нейроответа. В маркетинговых исследованиях мы различаем первое спонтанное упоминание марки и её знание в целом. Аналогично в ответах ИИ можно измерять Top of AI-mind — частоту первого упоминания бренда. ВТБ лидирует по общей упоминаемости (48,8% ответов), однако по Top of AI-mind значительно уступает Сберу: 11,7% против 19,2%. Для маркетинга и коммуникаций это разные характеристики конкурентной позиции, которые важно разделять. Ещё одно преимущество таких исследований — возможность оценить видимость на разных стадиях условного CJM — важно понимать, на каких этапах пути клиента виден наш бренд и с какими конкурентами мы делим «нейрополе», сохраняется ли присутствие по мере приближения клиента к решению: когда он уточняет комиссии, проверяет требования и готовится подать заявку. Такой анализ помогает выстраивать коммуникационную и маркетинговую стратегию с учётом информационных потребностей и барьеров выбора на каждом этапе. У нас, как у участников ассоциации GEO-агентств, есть и просветительская задача — развивать исследовательскую ИИ-грамотность, разрабатывать методологию таких исследований, поднимать вопросы качества и ответственности перед участниками рынка.
Павел Мтиулишвили
Павел Мтиулишвили
генеральный директор исследовательского агентства DataLab, эксперт по аналитике соцмедиа и AI-видимости
Первое место в офлайне не гарантирует первого места в нейросетях! У Сбера 44,2% рынка вкладов, а по частоте упоминаний в 8 100 ответах о банковских продуктах он оказался 4. Даже в ответах о вкладах и накопительных счетах по доле упоминаний лидирует ВТБ. Конкуренция за клиента начинается с вопроса, в котором ещё нет названия бренда. Человек спрашивает, где открыть вклад, и получает список вариантов. Если вашего банка в нём нет, клиент может выбрать конкурента, так и не зайдя на ваш сайт. В статистике сайта такой потери не видно. Всем компаниям, особенно лидерам рынка, пора работать с нейросетями как с каналом привлечения клиентов (GEO). По каждому важному продукту регулярно проверяйте, кого называют разные модели и какие источники они цитируют. В нашем исследовании около 25% ссылок вели на агрегаторы. Поэтому важно обновлять условия и на своём сайте, и на внешних площадках, откуда нейросети берут информацию.
Дмитрий Севальнев
Дмитрий Севальнев
евангелист Пиксель Тулс, эксперт в области GEO

Инсайты: что важно вынести из исследования?

Каждый инсайт превращается в конкретную задачу по продвижению в нейросетях. Примеры — на реальных разрывах исследования.
Пробел бренда
Сбер: −34 п.п. к офлайн-полке
Сбер держит ≈44% рынка вкладов, но его доля голосов (SoV) в ответах ИИ — 10%. Задача — усилить источники, которые уже цитируют нейросети: карточки на banki.ru и sravni.ru, собственные рейтинговые страницы.
Доля рынка вкладов
≈44%
Доля голосов в ответах ИИ
10%
−34 п.п.
разрыв между рынком и AI-полкой
Пробел бренда
Ипотека — вотчина ВТБ
ВТБ лидирует в «Ипотеке» (16,3% SoV) и «Автокредите» (14,4%). Конкурентам — строить локальные ипотечные страницы с чёткими ставками и условиями, которые модель легко перескажет.
16,3%
SoV ВТБ в «Ипотеке»
14,4%
SoV ВТБ в «Автокредите»
Источник
banki.ru цитируют почти как сайт лидера
2 563 ответа со ссылкой — второе место после vtb.ru и больше, чем у сайтов остальных банков. На агрегаторы приходится 25,9% всех ссылок: присутствие на них не менее важно, чем собственный сайт.
2 563
ответа со ссылкой на banki.ru
Источник
Деловые СМИ — редкий источник
СМИ — лишь 8,8% ссылок. Классический PR до AI-выдачи доходит слабо; бюджет выгоднее перекладывать в структурированный контент и собственные площадки.
8,8%
ссылок — на СМИ
Тональность
Поиск с Алисой — самый критичный контур
25,4% негативных ответов — больше, чем у других нейросетей (в среднем 21,7%). Для репутационных кейсов важно чистить источники, которые читает именно Алиса: отзовики и свежие новости.
25,4%
негатива
Тональность
Позитив не выделяет бренд
Модели хвалят всех подряд: больше половины ответов звучат позитивно, поэтому «тихий» бренд не выделяется. Дифференциация — через конкретику, которую модель может усвоить.
54,9%
ответов звучат позитивно
Рост конкурента
Альфа-Банк переоценён в ИИ
Альфа-Банк держит ≈6% рынка вкладов, а его доля голосов (SoV) в ответах — 10,2%, в 1,6 раза выше полки. Модель охотно «знает» Альфа-Банк в кредитных картах, кредитах для бизнеса и зарплатных проектах.
Доля рынка вкладов
≈6%
Доля голосов в ответах ИИ
10,2%
×1,6
AI-полка выше рыночной
Рост конкурента
Локальные банки пробиваются
Банк Санкт-Петербург — №2 в СПб (11,3% SoV). Региональная игра с локальной семантикой заходит в выдачу быстрее федеральной кампании.
№2
в Санкт-Петербурге · 11,3% SoV
Открытые данные

Скачайте сырые данные исследования

Все ответы нейросетей и их разметка — чтобы проверить выводы или посчитать свои срезы. Продукт, город и интент — в листе prompts, ответы связаны с ним по prompt_id.
answers
Полный текст каждого ответа: нейросеть, волна, статус, явная рекомендация
mentions
Все бренды из ответа: написание как в тексте и каноническое имя
citations
Каждая ссылка: URL, домен, тип источника, официальный сайт
aliases
Справочник написаний и канонических имён
prompts
Все запросы исследования: текст, продукт, город и интент
* — при использовании данных исследования активная ссылка на источник обязательна
Проверьте видимость бренда и сайта в нейросетях
Узнайте, как ваш бренд представлен в ИИ — включая ChatGPT, ЯндексGPT, DeepSeek и другие. Получите мгновенный анализ упоминаний, тональности и конкурентов — это новый подход к управлению узнаваемостью в эпоху нейросетей.
Проверить видимость в ИИ
Написать в поддержку