Мы 100 раз спросили пять нейросетей о клиниках Москвы. Ответы почти не менялись.

Введение

Путь пациента к клинике меняется быстрее, чем кажется.

Ещё несколько лет назад стандартный сценарий начинался с Яндекса: пользователь вводил запрос, открывал сайты клиник, изучал агрегаторы, сравнивал врачей, цены, оборудование и отзывы.

Теперь часть этого пути может происходить внутри нейросети.

Запрос начинается широко:

«Сделай подборку популярных клиник косметологии в Москве».

Затем становится конкретнее:

«Где сделать SMAS-лифтинг?»

«Какие клиники используют оригинальные аппараты?»

«Сравни пять клиник премиум-сегмента».

«Какие клиники находятся рядом с метро Селигерская?»

В White Pattern мы решили проверить, насколько сильно меняется состав рекомендаций при повторении таких вопросов.

Для эксперимента сформировали выборку коммерческих запросов о клиниках Москвы и многократно задавали их пяти AI-системам. Всего провели 100 запросов.

Ответы не были идентичными. Менялись формулировки, порядок клиник, отдельные аргументы.

Но обнаружилась более интересная закономерность:

внутри нашей выборки нейросети регулярно возвращались к относительно ограниченному пулу брендов.

Это не позволяет утверждать, что ChatGPT или любая другая система имеет постоянный «рейтинг клиник Москвы».

Но показывает новый слой конкуренции: бренд может начать участвовать или не участвовать в выборе пациента ещё до того, как пользователь откроет сайт или поисковую выдачу.

1. Сотни клиник на рынке — несколько брендов в ответе

Москва — чрезвычайно насыщенный медицинский рынок.

Например, профильный каталог Like.Doctor на 27 августа 2026 года содержал 638 адресов клиник косметологии Москвы и более 19 тысяч отзывов.

Для пользователя такой выбор избыточен.

Когда он просит нейросеть составить подборку, AI фактически сокращает сотни потенциальных вариантов до нескольких названий.

Именно здесь появляется новое значение повторяемости.

Если одна клиника регулярно присутствует в ответах по разным сценариям, она получает дополнительную возможность попасть в первоначальный список выбора.

Если другая компания почти не появляется, пользователь может не дойти до её сайта вообще.

При этом стабильность AI-рекомендаций нельзя трактовать как постоянный рейтинг.

Генеративные системы вероятностны. На результат влияют:

1. формулировка вопроса;
2. контекст диалога;
3. используемая модель;
4. режим веб-поиска;
5. доступность источников;
6. актуальность данных.

Обзор исследований GEO также обращает внимание на вариативность ответов и рекомендует использовать повторные измерения и разные формулировки запросов.

Поэтому одна проверка практически ничего не говорит о реальной AI-видимости.

Сто запросов тоже не превращают эксперимент в исчерпывающее исследование рынка, но уже позволяют увидеть повторяемость внутри конкретной выборки.

2. Почему некоторые бренды нейросеть видит лучше других

Распространённое заблуждение — считать, что ChatGPT самостоятельно составляет некий объективный рейтинг и выбирает «лучшие» клиники.

Механика устроена иначе.

AI-системы могут использовать уже доступные им знания, а в режимах веб-поиска — информацию из внешних источников.

Для клиники поэтому имеет значение не только собственный сайт.

Вокруг бренда существует более широкий цифровой контур:

сайт — врачи — услуги — цены — медицинские каталоги — рейтинги — отзывы — публикации — упоминания на внешних площадках.

Например, профильные медицинские агрегаторы аккумулируют данные о врачах, специализациях и пользовательских отзывах.

ПроДокторов содержит отдельные страницы специалистов и массив проверенных отзывов пациентов.

Чем больше согласованной и конкретной информации существует вокруг клиники, тем проще составить её цифровой профиль.

Исследование Ahrefs на выборке 75 тысяч брендов обнаружило корреляцию между количеством упоминаний бренда в интернете и его видимостью в ChatGPT, Google AI Mode и AI Overviews.

Важно: корреляция не означает, что любое дополнительное упоминание автоматически повышает позиции в AI.

Но результат показывает более фундаментальный принцип:

видимость бренда внутри нейросетей связана с тем, насколько полно компания представлена в цифровой информационной среде.

Это меняет саму логику коммуникации.

Для классического SEO важно, чтобы поисковая система нашла и правильно ранжировала страницу.

Для AI важно ещё и то, чтобы из доступной информации можно было собрать содержательный ответ о бренде.

3. Красивое описание клиники не всегда является полезными данными

Медицинские сайты часто используют примерно одинаковый язык:

«экспертная косметология»,

«индивидуальный подход»,

«современное оборудование»,

«опытные врачи»,

«высокий уровень сервиса».

Для человека такие формулировки уже давно стали фоновыми.

Для AI они тоже дают мало конкретики.

Системе гораздо проще работать с фактами:

Какие процедуры проводятся?

Какое оборудование используется?

Кто выполняет процедуру?

Какой у врача опыт?

Сколько стоит услуга?

Где находится клиника?

Какие существуют показания и противопоказания?

Чем одна процедура отличается от другой?

В 2026 году Google отдельно описал рекомендации для сайтов в эпоху AI-поиска. В них не появилось магического нового набора правил: техническая доступность, полезный оригинальный контент, понятная структура сайта и качество информации по-прежнему остаются фундаментом.

Отдельное исследование на 252 тысячах тестов с шестью языковыми моделями также показало важность тематической релевантности, конкретики и актуальности информации.

Для медицинского маркетинга это важный сигнал.

В эпоху генеративного поиска клинике нужно не просто заявлять, что она хорошая.

Нужно создавать проверяемый цифровой профиль, из которого можно получить конкретный ответ на вопрос потенциального пациента.

4. AI формирует собственную конкурентную карту

Есть ещё один эффект, который особенно интересен маркетологам.

Список конкурентов в нейросети может не совпадать со списком конкурентов, который компания отслеживает в SEO или рекламе.

Предположим, на рынке есть две клиники сопоставимого масштаба.

Первая активно инвестирует в performance-маркетинг и собственный сайт.

Вторая делает то же самое, но дополнительно присутствует в отраслевых рейтингах, системно работает с отзывами, публикует материалы врачей, поддерживает актуальность карточек услуг и регулярно появляется во внешних источниках.

Для классического маркетингового отчёта компании могут выглядеть сопоставимо.

Для AI их информационные профили уже отличаются.

Ahrefs в другом исследовании анализировал десятки тысяч URL, используемых как источники в ChatGPT. Среди материалов верхней части воронки заметную роль играли сторонние сравнительные и рекомендательные страницы.

Это не рецепт «как попасть в ChatGPT».

Размещение в одном рейтинге или публикация нескольких статей не гарантируют появления бренда в ответах.

Но меняется сам смысл внешнего присутствия.

Раньше публикация могла работать на PR, SEO, репутацию и узнаваемость.

Теперь появляется ещё одна потенциальная функция — становиться частью информационного пространства, к которому обращаются AI-системы.

5. Как мы оцениваем AI Visibility

После эксперимента со 100 запросами стало очевидно, что смотреть только на факт появления бренда недостаточно.

Поэтому AI Visibility логичнее раскладывать минимум на пять показателей.

Доля упоминаний

В каком проценте ответов по выбранной группе запросов появляется клиника.

Если бренд возник один раз из двадцати, это один уровень присутствия.

Если в шестнадцати из двадцати — уже другой.

Конкурентное присутствие

Какие клиники появляются вместе с брендом и какие — вместо него.

Это позволяет увидеть реальную конкурентную среду именно внутри AI-ответов.

Контекст

Важно не только появление названия.

Нейросеть может упоминать клинику как премиальную, доступную, сильную в аппаратной косметологии, удобную по расположению или, наоборот, связывать её с ограниченным набором услуг.

Контекст показывает, какой образ бренда фактически формируется в AI-ответе.

Источники

Если система показывает цитирование, полезно анализировать, какие сайты и страницы она использует.

Это может быть собственный сайт клиники, агрегатор, публикация в СМИ, каталог или другой внешний ресурс.

Стабильность

Один из наиболее важных показателей.

AI Visibility нельзя оценивать как позицию в классическом поиске.

Один ответ может поставить бренд первым, другой — третьим, третий вообще его не включит.

Поэтому значим не единичный результат, а повторяемость присутствия при сопоставимых сценариях.

6. Что клиникам делать с этим сейчас

Самая опасная реакция на новый тренд — попытаться немедленно купить «продвижение в ChatGPT», не понимая исходной ситуации.

В White Pattern мы начинаем с диагностики.

Сначала формируется набор реальных коммерческих вопросов, которые потенциальный пациент может задать нейросети.

Затем проверяются:

1. частота появления бренда;
2. набор конкурентов;
3. контекст упоминаний;
4. используемые источники;
5. стабильность результатов;
6. информационные пробелы на сайте и внешних площадках.

После этого становится понятнее, где находится проблема.

Иногда AI почти не видит услугу из-за слабой структуры сайта.

Иногда информация о врачах представлена неполно.

Иногда цены отличаются на разных площадках.

Иногда конкуренты просто имеют значительно более плотный внешний информационный контур.

То есть речь идёт не об отдельном магическом канале продвижения.

Речь идёт о качестве цифрового присутствия бизнеса в целом.

Заключение

Наш эксперимент со 100 запросами показал главное: внутри одной и той же категории нейросети могут регулярно возвращать пользователя к относительно ограниченному пулу брендов.

Формулировки меняются. Порядок компаний тоже.

Но определённые клиники появляются систематически.

Для маркетинга это принципиальное изменение.

Раньше бизнес мог проиграть конкуренту позицию в поисковой выдаче. Теперь он может не попасть даже в первоначальный список компаний, которые AI предложит потенциальному пациенту для сравнения.

SEO при этом никуда не исчезает.

Сайт, техническая оптимизация, актуальные данные, контент, репутация и внешние публикации по-прежнему работают.

Просто теперь они влияют не только на привычную поисковую видимость.

Рядом появляется ещё один слой — AI Visibility.

В White Pattern мы используем аудит AI-видимости как точку отсчёта: проверяем коммерческие сценарии, повторяем запросы, анализируем конкурентов, контекст рекомендаций и источники.

Такой аудит не обещает «первое место в ChatGPT».

Его задача гораздо практичнее — показать, где бренд уже присутствует в новой информационной среде, где вместо него систематически появляются конкуренты и какие элементы цифрового присутствия требуют усиления.

Именно с такой диагностики имеет смысл начинать работу с AI-поиском.