ИИ-забвение: какие бренды первыми исчезнут из рекомендаций нейросетей

В поисках информации в Сети пользователи все реже переходят по ссылкам, выдаемым поисковой системой, а довольствуются сгенерированными нейросетями сводками. И это — чрезвычайно серьезный вызов для бизнеса. Как справляться с ситуацией — разбирается Александр Захаров, председатель правления Digital Alliance, топ-менеджер с 25-летним опытом в медиа и маркетинге, эксперт в области стратегического развития бизнеса и M&A-проектов.

По оценке Bain & Company, из-за сокращения количества кликов в поисковых системах и ИИ-сводках органический трафик компаний уже сократился на 15-25%. Исследование Pew Research Center также показывает: при наличии ИИ-рекомендаций пользователи переходят к обычным результатам выдачи Google значительно реже: в 8% посещений поисковой страницы против 15% в отсутствие ИИ-сводки. А по ссылкам внутри самой сводки пользователи переходят примерно в 1% случаев.

Сильнее всего развитие ИИ-агентов влияет на середину воронки продаж, а именно поиск, сравнение и формирование шорт-листа опций. Компании конкурируют уже не за переход на сайт, а за попадание в список вариантов, которые ИИ покажет пользователю. Следующим этапом эволюции выбора станет совершение покупки с помощью ИИ-агентов.

Как меняется брендинг из-за ИИ-агентов

Классический бренд-капитал работает прежде всего с человеческим восприятием. Потребитель узнает бренд, доверяет ему, связывает с ним определенные эмоции и опыт, выделяет среди конкурентов и поэтому с большей вероятностью выбирает.

Теперь еще до того, как потребитель увидит предложение, его выбор определяет алгоритм. ИИ-агент по определенным отличительным сигналам распознает бренд как релевантный пользовательскому запросу и включает его в шорт-лист. Потребитель выбирает не среди всего рынка, а среди тщательно отобранных результатов алгоритмической работы. Если бренд не обладает отличительными сигналами, то его известность и репутация могут уже не повлиять на выбор.

ИИ оценивает бренд по доступным данным: характеристикам продукта, цене, наличию, отзывам, доставке, условиям возврата, совместимости, сертификатам, сценариям использования и внешним упоминаниям. Поэтому теперь бренд должен быть понятен не только человеку, но и алгоритму.

Явление, когда выбор определяется ИИ-агентом, получило название диктатура рекомендаций.

Модель формирования витрины пользователя по определенным алгоритмическим сигналам уже успешно реализована внутри маркетплейсов: набор сигналов управляет видимостью товаров, их сравнением и фактическим доступом к спросу. Площадки видят поисковые запросы, цены разных продавцов, полноту и уникальность описаний и предпочтения пользователей. На основе этих данных они оптимизируют выдачу и развивают собственные торговые марки.

С развитием ИИ-агентов такая модель перестанет ограничиваться маркетплейсами. Бренд конкурирует не только с известными аналогами, но и с усредненным продуктом, который алгоритм считает оптимальным по цене, качеству и доступности.

Почему ИИ-агенты рекомендуют нишевые бренды, а не универсальные

ИИ-агенты формируют рекомендации, сравнивая подтвержденные данные о товарах. Поэтому бренду необходимы четкие отличия: измеримые характеристики, конкретные сценарии использования, сертификаты, результаты испытаний и другие доказательства преимуществ. Неизмеримые обещания качества, инновационности и надежности алгоритм не может проверить и использовать при сравнении.

Информация о продукте должна быть структурированной, актуальной и согласованной во всех источниках. Чем подробнее описаны свойства, сферы применения и отличия, тем выше вероятность, что ИИ сопоставит товар со сложным запросом пользователя. Противоречивые данные и неподтвержденные заявления об экологичности и премиальности сигналами для алгоритма не являются.

Сильнее всего рискуют средние бренды с размытым позиционированием. Они уже недостаточно дешевы, чтобы конкурировать только ценой, но еще недостаточно уникальны, чтобы алгоритм выделил их по характеристикам. В категории спортивной обуви у лидеров есть запатентованные амортизационные системы, научно обоснованная геометрия подошвы и партнерства с профессиональными спортсменами. У бюджетных марок есть минимальная цена. В середине остаются бренды с обещаниями эргономичных и дышащих стелек, но без измеримых данных: толщины подошвы, жесткости каркаса, и коэффициента теплоизоляции.

При выборе треккинговых ботинок для осенних походов ИИ учитывает наличие мембраны, тип протектора, материал верха, вес и водонепроницаемость. Если эти параметры не структурированы и не подтверждены, агент сведет выбор к цене и рейтингу. В результате средний бренд уступит лидеру категории, бюджетному предложению или нишевому продукту с четкими характеристиками.

Уязвимы и компании, экономика которых зависит от переходов на официальный сайт или небрендового поискового трафика. Если бренд не попадает в сформированный ИИ шорт-лист, пользователь может не дойти до сайта, а привычная воронка привлечения перестает работать.

Это касается бытовой химии, товаров для уборки, канцелярии, бакалейных продуктов и базовых предметов гардероба. Их ищут преимущественно по назначению, а не по названию марки. Бюджет на рекламу не гарантирует преимущества. Крупный бренд может проиграть более дешевому или нишевому производителю с четкими экологическими сертификатами, если у последнего данные лучше структурированы.

Нишевые игроки, напротив, получают преимущество. Агенту проще рекомендовать специализированное снаряжение для дайвинга и скалолазания, беговые кроссовки для определенного типа нагрузки или ветеринарный корм для пород с особыми потребностями. Их характеристики легко сопоставить с конкретным запросом и проверить по составу, сертификатам, протоколам испытаний и совместимости.

Возрастет и роль CRM. Зная историю покупок, предпочтения и привычки пользователя, агент будет чаще предлагать уже знакомый бренд. Поэтому программы лояльности становятся не только инструментом удержания, но и способом превратить бренд в выбор по умолчанию.

Для этого компаниям нужны подробные и регулярно обновляемые данные. Ритейлер косметики может фиксировать не только факт покупки крема, но и тип кожи клиента, сезонность использования, частоту заказа и любимый формат упаковки. Производитель кормов учитывает породу, возраст, вес питомца, наличие аллергий. Эти данные должны обновляться и быть доступны для интеграции с ИИ-ассистентами.

Значение будет иметь и структура ассортимента. ИИ оценивает не только отдельный SKU, но и то, способен ли портфель бренда решить задачу пользователя целиком. Связанная экосистема совместимых товаров получит преимущество перед хаотичным набором продуктов.

Например, бренд может предлагать не просто туристический рюкзак, а систему снаряжения для трехдневного похода в условиях переменной погоды: треккинговые палки с быстрым креплением к рюкзаку, водонепроницаемый чехол, флягу для плечевой лямки и сумку для мокрых вещей. Общие крепления и совместимые габариты позволяют ИИ-агенту сформировать целостную рекомендацию, а не подбирать каждый товар отдельно.

Наконец, компаниям потребуется измерять не просто упоминания бренда в ИИ-ответах, а долю квалифицированных рекомендаций: насколько правильно алгоритм понимает позиционирование, предлагает продукт в подходящем сценарии и приводит пользователя к переходу или покупке.

Вывод

В новой модели выбора конкурентоспособность бренда зависит от того, насколько четко его преимущества описаны, подтверждены и доступны ИИ-агентам. Бренды с размытым позиционированием и слабой структурой данных рискуют потерять видимость еще до перехода пользователя на сайт, поэтому работу с информацией о продукте и присутствием в ИИ-рекомендациях необходимо рассматривать как новую часть маркетинговой стратегии.