Кого рекомендует Алиса AI в B2B: три рабочих паттерна рынка ЛКМ
Все чаще коммерческие запросы пользователи не печатают, а проговаривают вслух. Для Алисы неважно, сколько лет вашему бренду и сколько у вас дилеров. Она смотрит на другое: как устроен текст на сайте — структура, заголовки, прямые ответы на вопросы. Мы провели исследование 90 лучших сайтов из ЛКМ-отрасли. В итоге в голосовой выдаче крупные производители уступают место небольшим компаниям, представленным только в одной узкой нише. Что именно они делают иначе — разбираем на трех кейсах ниже.
В основе анализа — полный отчет по 90 сайтам рынка ЛКМ, где мы сравнили SEO-видимость, структуру контента и то, какие сайты чаще попадают в источники ответов Алисы. Ситуация оказалась интереснее рейтинга по трафику или выручке — и она объясняет, почему упоминание в Алисе в B2B сейчас стоит дороже, чем кажется.
Что такое упоминание в Алисе и почему это важно для B2B
Поиск с Алисой — не отдельный продукт, а слой над обычной выдачей Яндекса. Когда пользователь задает голосовой вопрос или вводит запрос, на который система умеет отвечать текстом, поисковик собирает короткую выжимку и показывает список источников. Один или несколько сайтов из этого списка получают упоминание.
В B2B такая выдача особенно показательна. Запросы технологов, прорабов и закупщиков узкие: «расход эмали ХВ-785 на 1 м²», «время отверждения двухкомпонентной грунтовки», «совместимость алкида с акрилом». На такие вопросы Яндекс охотнее зачитывает готовый ответ. И если на вашем сайте этого ответа нет в структурированном текстовом виде — клиента, который спросил Алису, о вас не узнает.
В ЛКМ-отрасли поисковые системы дают 62% трафика в среднем. Голосовой и нейропоисковый сегмент внутри растет, а отрасль к этому не готова: HSTS* внедрен у 24% сайтов, DDoS-защита* — у 12%, FAQ-разметка по schema.org — единичные случаи.
Три кейса ниже — три повторяющихся паттерна, выделенных в полном массиве данных отчета.
Кейс 1. Снайпер с одним голосовым инструментом
Упоминаний в голосовом ассистенте: 4 511 раз в месяц (1-е место в выборке).Трафик: 141 000 посетителей в месяц.Кто стоит за сайтом: малое предприятие из Свердловской области, 16 сотрудников.
Самый яркий случай в выборке. У сайта нет миллиардной выручки и нет федеральной сети. Зато есть один узкоспециализированный инструмент — подбор автоэмали по коду цвета, VIN-номеру или марке машины. И этот инструмент совпадает с тем, как звучит голосовой запрос.
Запрос «какой код краски у такой-то модели в серебристом цвете» — буквальное описание контента сайта. На сайте — отдельная страница под каждую модель, под каждый код, под каждое сочетание. Всего в индексе 4 881 страница, из них 12 445 позиций в ТОП-10 поисковой выдачи. Каждая страница — короткий фактический ответ: код, название, аналоги, ссылка на товар.
По сути, это пример programmatic SEO: масштабирование entity-based страниц* по атрибутам «модель / код / цвет», где каждая комбинация получает свой URL с уникальным фактическим ответом. Long-tail* повторяется тысячами вариантов, формулировка запроса буквально совпадает с контентом страницы — и сайт занимает высокую долю в сниппетах и голосовых ответах.
Что сайт делает правильно:
- Структура «один запрос — одна страница». Не лонгрид «все про автоэмали», а точечный ответ на узкий вопрос.
- Открытые цены и наличие. Поиск, конечно, не объявлял открытые цены фактором ранжирования — это косвенный сигнал коммерческого интента и регулярного обновления страницы, но в связке с фактической частью текста он явно работает в плюс.
- Узкая повторяющаяся семантика. Все запросы лежат в одном кластере (подбор краски по коду), и сайт по нему максимально релевантен. Поисковик всегда стремится диверсифицировать выдачу, но при настолько сильном совпадении контента с запросом один источник закономерно доминирует — просто потому, что альтернатив сопоставимого качества по этому кластеру в индексе нет.
Что забрать в свой проект: не делайте «лучший сайт по всей теме». Найдите один прикладной инструмент, который пользователь произносит вслух, и масштабируйте его по атрибутам — модель, код, размер, совместимость. Этого хватит, чтобы голосовой ассистент забрал вас в источники.
Кейс 2. Высокая видимость, низкий трафик, и в этом проблема
Упоминаний в голосовом ассистенте: 2 557 (2-е место в выборке).Трафик: 6 800 посетителей в месяц.SEO-видимость: 163 891 (2-е место в выборке).
Сайт промышленных покрытий — главный пример несработавшего потенциала в нашем отчете. Видимость почти как у лидера из первого кейса, упоминаний в голосовом ассистенте больше, чем у сайта из третьего кейса. А по живому трафику — в 20 раз меньше.
Что произошло. Сайт сделал ровно то, что любит поиск с Алисой: 133 страницы, каждая ранжируется в среднем по 70 запросам. Плотные экспертные тексты — описания технологий, паспортов, режимов нанесения. Ассистент с удовольствием берет со страницы ответ и зачитывает пользователю.
Здесь важно сразу оговориться: не стоит думать, будто Алиса «украла» ответ и пользователь не пришел на сайт. На деле большинство таких пользователей и не планировали переходить — это самый верх воронки, чистый информационный запрос. Не будь голосового ответа, человек все равно увидел бы тот же текст в сниппете или быстро ушел со страницы без конверсии. Так что это не «потерянный» трафик, а трафик, которого в коммерческом смысле почти не существовало.
Эффект zero-click search реален: информационные запросы действительно теряют кликабельность. Но списывать проблемы B2B-сайта только на Алису было бы неверно.
Настоящая причина в другом — это типовая ошибка SEO-контента без CRO. Сайт собирает много информационных запросов, но страницы не настроены на конверсию: инфоповод не состыкован с транзакционным предложением. Получился справочник — и поиск использует его как справочник. На странице, где найден ответ:
- нет коммерческого CTA рядом с фактической частью текста;
- нет блока «где купить» или «получить расчет»;
- нет привязки конкретного факта к конкретному продукту с ценой.
Это не значит, что любой информационный трафик можно превратить в заявки. Бо́льшая его часть так и останется на верхушке воронки. Но даже несколько процентов от 163 891 единицы видимости — это уже совсем другой объем обращений.
Что делать, если исходить из данных отчета: на каждой странице с форматом «вопрос-ответ» должна быть конверсионная связка — карточка продукта, форма для запроса коммерческого предложения, кнопка вызова менеджера. Плюс — осознанно разделять контент по интенту. Информационные страницы должны вести на транзакционные, а не пытаться продать в лоб там, где человек пришел просто за определением.
Что забрать в свой проект: проверьте, по каким запросам ваш сайт уже цитирует Алиса, и оцените интент этих запросов. Там, где интент допускает следующий шаг к покупке, на странице обязан быть путь к оформлению заказа. Там, где интент чисто информационный, — внутренняя перелинковка на коммерческие страницы и работа с возвратом аудитории (ретаргетинг, подписка, полезный лид-магнит).
Кейс 3. Фабрика упоминаний на масштабе каталога
Упоминаний в голосовом ассистенте: 1 834 (3-е место в выборке). Трафик: 179 000 посетителей в месяц (1-е место в отрасли).Страниц в индексе: 5 725.
Здесь работает обратная стратегия. Не 133 глубокие страницы, а почти шесть тысяч карточек товара — каждая со своим артикулом, описанием, фасовкой, расходом и временем сушки. По сути, каждая карточка — микро-страница с готовым фактом: «расход такой-то краски на квадратный метр — столько-то».
Когда пользователь спрашивает «сколько сохнет такая-то краска» или «какой расход у такой-то эмали», поиск выбирает карточку конкретного товара с конкретной цифрой. Числовой факт в HTML-тексте — главный триггер для попадания в сниппет и голосовой ответ.
Важная оговорка: ранжируется не каждая карточка из шести тысяч, а только те, что прошли отбор по нескольким факторам. Сам по себе масштаб каталога создает только потенциал. А превращает его в реальную видимость качество исполнения отдельных карточек. У этого сайта, судя по данным нашего отчета, заметная доля карточек такой отбор проходит. И за счет объема ассортимента совокупный эффект получается значительным.
Сравните с первым кейсом. По трафику этот сайт — лидер отрасли, но по упоминаниям при голосовом поиске Яндекса он только на третьем месте. У сайта из первого кейса трафика в полтора раза меньше, а упоминаний — в 2,5 раза больше. Объяснение — в типе семантики. Запросы про автокраски по своей природе голосовые: попробуйте набрать вручную на телефоне «модель такая-то, год такой-то, серебристый, код». А запросы про интерьерные краски чаще набирают текстом, и они ведут в карточку через обычную выдачу.
Что забрать в свой проект: если у вас широкий ассортимент, заполните карточки фактами в HTML-тексте, а не картинками-инфографикой. Каждая цифра должна быть индексируемым текстом, желательно в первом экране и в формате короткого ответа на естественный вопрос. И каждая карточка, помимо факта, должна содержать цену и кнопку «в корзину» — иначе вы повторите ошибку из второго кейса.
Что объединяет эти три кейса
Первое. «Голосовой ассистент любит малый бизнес» — это ложная причинно-следственная связь. Из шести компаний выборки с выручкой более 1 млрд рублей в ТОП-10 по упоминаниям попала только одна, остальные лидеры — малые и микропредприятия. Но дело не в размере как таковом. Малый бизнес чаще работает в узкой нише, быстрее внедряет programmatic SEO, не согласовывает каждую правку с пятью отделами. Крупные игроки перегружены требованиями бренд-буков и делают «универсальные» страницы под широкие запросы, которые проигрывают точечным ответам. Решающий фактор — структура контента и скорость внедрения, а не строчка в реестре МСП.
Второе. Голосовому поиску нужен фактический структурированный текст. Не лонгрид о ценностях бренда и не PDF-каталог. Карточка с расходом, временем сушки, артикулом и совместимостью. Глоссарий с короткими определениями. FAQ с прямыми вопросами и прямыми ответами по 1–2 предложения, без воды, в верхней части страницы. Важные цифры — индексируемым HTML-текстом, а не картинкой.
Третье. Высокая видимость без конверсионной архитектуры — это не «спонсорство Алисы», а классическая проблема SEO-контента без CRO*. Часть инфо-трафика в принципе не сконвертируется — это верх воронки, и так было до голосового поиска. Но и оставлять страницы без призыва к действию, без связки «факт → продукт», без перелинковки на коммерческие разделы — значит сознательно отказываться от части клиентов из голосового поиска.
Четвертое — технические факторы, вокруг которых много мифов. HSTS — это механизм безопасности для HTTPS, на ранжирование он не влияет. Open Graph нужен для соцсетей, а не для поиска. Со schema.org все сложнее: она не гарантирует расширенных сниппетов и не дает прямого плюса к позициям, но иногда помогает поисковикам лучше понять страницу и связанные сущности. Правда, эффект нестабилен и зависит от запроса. А вот что действительно работает: текст в HTML, а не в картинке; четкий ответ в одном-двух предложениях; внятная структура страницы; релевантность запросу; нормальная скорость загрузки.
И главный миф — будто существует отдельная задача под названием «оптимизация под голосового ассистента». Ее нет. Голос — это просто дополнительный интерфейс к привычному поиску. В ответы Алисы попадают те же страницы, что и в текстовые сниппеты: с коротким фактическим ответом вверху. Запрос «сколько сохнет акриловая краска» закроет страница, на первом экране которой написано: «Акриловая краска сохнет 2–4 часа…» — а не главная сайта известного бренда и не подробная статья на 15 000 знаков. Поэтому KPI «упоминания в голосовом ассистенте» сам по себе мало о чем говорит. Это производная от качества SEO-работы, а не отдельная метрика для отдельной оптимизации.
И последнее. В отрасли, где продажи десятилетиями шли через дилеров и звонки, голосовой поиск действительно меняет конкурентный ландшафт быстрее, чем кажется. Конечный потребитель — прораб, технолог, частный покупатель — все чаще проверяет факты голосом. Если в ответе звучит сайт ритейлера, а не производителя, дилерская сеть продолжит работать, но часть маржи уйдет туда, где проведена работа с контентом. В полной версии отчета детализация по типам сайтов, распределению запросов и разбору технических факторов, влияющих на попадание в голосовые и нейропоисковые ответы Яндекса.