Алиса AI набрала 71% рынка ИИ в России. Разбираемся, как брендам попасть в её ответы

Представьте директора по маркетингу, который каждую неделю смотрит отчёт по позициям сайта в Яндексе и видит стабильный топ-3. Отчёт красивый, цифры растут, все довольны. А в это же время рядом миллионы людей просто спрашивают Алису «какой оператор дешевле» или «где заказать доставку продуктов» и получают готовый ответ голосом, без единой ссылки на сайт и без единого шанса попасть в тот самый топ-3. Позиции в порядке, но бизнес теряет клиентов там, где отчёт ничего не показывает.

Это не гипотетический сценарий. По последнему квартальному отчёту Яндекса, опубликованному 29 июля 2026 года, еженедельная аудитория чата с Алисой AI достигла 33,2 миллиона человек, прибавив 39% всего за один квартал, а ответ Алисы звучит уже на 42% запросов в Поиске, это плюс 7 процентных пунктов за тот же квартал. По данным исследования OMI, проведённого в марте 2026 года среди более чем двух тысяч респондентов, Алису выбирают 71% российских пользователей ИИ, почти вдвое опережая ChatGPT с его 42%. Параллельно исходящий трафик из нейросетей на российские сайты вырос более чем в 9 раз за январь-октябрь 2025 года, по данным Digital Budget, которые приводит «Коммерсантъ».

Для брендов из этого следует практический и не самый приятный вывод: привычный SEO-мониторинг больше не отвечает на главный вопрос, упоминает ли ИИ компанию вообще, в каком контексте и рядом с какими конкурентами. А Алиса AI устроена так, что этот вопрос приходится задавать дважды: у неё два режима работы, тесная связка с экосистемой Яндекса и голосовой интерфейс, где нет ни картинки, ни сниппета, ни второго шанса. Есть только произнесённое имя бренда или тишина вместо него.

Что стоит за ростом аудитории Алисы AI и почему это не просто рост трафика?

33,2 миллиона человек в неделю в чате, 42% запросов в Поиске с готовым ответом, 71% рынка ИИ-пользователей: три цифры из разных отчётов и исследований, но говорят они об одном. Алиса AI перестала быть нишевой функцией и стала основным способом, которым значительная часть российской аудитории получает ответы, обгоняя не только зарубежные модели, но и собственные показатели Яндекса кварталом ранее. Речь не о разовом всплеске интереса к новой функции, а об устойчивой привычке: люди всё чаще просто спрашивают Алису вслух или текстом вместо того, чтобы вбивать неуклюжий набор ключевых слов в строку поиска. Разница примерно та же, что между «где здесь купить хлеб» и «булочная рядом хлеб цена купить».

Параллельно с ростом аудитории меняется структура трафика в целом. По данным Digital Budget, которые приводит «Коммерсантъ» (ноябрь 2025), за январь-октябрь 2025 года исходящий трафик из нейросетей на российские сайты вырос более чем в 9 раз. Это не абстрактный тренд «где-то там на Западе»: рост фиксируется внутри рунета, на сайтах российских компаний, которые ещё вчера сверяли эффективность маркетинга исключительно по позициям в Яндексе. Алиса AI как самый массовый локальный ИИ-ассистент вносит в этот сдвиг существенную долю.

В России этот процесс имеет свою специфику: нишу классического поиска частично замещает не только ChatGPT или Perplexity, а именно Алиса, встроенная в браузер, колонки, приложения и мобильные устройства с Яндекс-сервисами. Для маркетолога это означает практический вывод: часть аудитории, которая раньше видела сайт компании в топ-10 выдачи, теперь получает готовый ответ от Алисы, и либо слышит название бренда, либо нет. Второй сценарий означает потерю контакта, которую невозможно заметить через обычные позиции в Яндексе.

Чем Алиса отличается от ChatGPT и Gemini для видимости бренда?

Первое и главное отличие: Алиса AI работает в двух режимах одновременно, и это не техническая деталь, а разные точки контакта с пользователем. Поиск с Алисой встраивает короткие резюмирующие ответы прямо поверх привычной поисковой выдачи: пользователь видит абзац с сутью ответа, а бренд может либо попасть в эту врезку, либо остаться ниже среди обычных ссылок.

Чат с Алисой это отдельный диалоговый интерфейс, где логика ответа строится иначе: модель формулирует развернутый диалог, опираясь на собственные источники обучения и текущий контекст беседы. Бренд вполне может фигурировать в одном режиме и полностью отсутствовать в другом: это два разных канала видимости, которые нельзя мерить одной метрикой.

Второе отличие: голосовой интерфейс. Когда человек говорит с колонкой на кухне, у него физически нет возможности пролистать выдачу, сравнить 5 вариантов и кликнуть на второй сверху. Есть только то, что Алиса произнесла вслух, и всё. Либо она назвала бренд, либо для этого конкретного человека в этот конкретный момент бренда просто не существует. Никакой SEO-рейтинг сайта эту тишину не компенсирует, потому что до сайта дело даже не дошло.

Третье: глубокая интеграция с экосистемой Яндекса. Алиса подтягивает данные из Яндекс.Маркета, Дзена, Яндекс.Услуг и других сервисов холдинга, что создает дополнительные источники цитирования, недоступные западным ассистентам в таком объеме. Бренд, представленный в Маркете или ведущий активный канал в Дзене, получает больше шансов попасть в ответ Алисы, просто потому, что модель чаще опирается на данные из своей же экосистемы. Отсюда практический вывод, который многие маркетологи пока упускают: работа над видимостью в Алисе это не только правки на сайте, а забота обо всём созвездии продуктов Яндекса сразу, от карточки в Маркете до канала в Дзене.

Как измерить, упоминает ли Алиса ваш бренд?

Первая метрика, которая нужна бренду: Brand Mention Rate, доля запросов из ниши компании, при ответе на которые Алиса вообще упоминает бренд, вне зависимости от того, положительно, нейтрально или в сравнении с конкурентом. Это базовый индикатор присутствия: если по 100 релевантным промптам бренд появляется в 12 ответах, Brand Mention Rate составляет 12%, и дальше уже можно разбираться, почему не выше.

Вторая метрика: Share of Voice: соотношение упоминаний бренда и упоминаний конкурентов по одному и тому же пулу запросов. Она отвечает на вопрос не «упоминают ли вообще», а «кто доминирует в ответах Алисы по этой нише»: банк, оператор связи или маркетплейс. Именно Share of Voice чаще всего показывает неприятную картину: бренд может быть заметен в классическом поиске, но проигрывать в диалоговых ответах ИИ двум-трем конкурентам, которые лучше структурировали контент под цитирование.

Здесь и проявляется структурная сложность Алисы: эти метрики нужно считать отдельно для Поиска с Алисой и для Чата с Алисой, потому что цифры по двум режимам часто расходятся. Платформа brandfound отслеживает оба режима Алисы как самостоятельные источники, наряду с семью другими ИИ-ассистентами (ChatGPT, Gemini, Perplexity, Grok, DeepSeek, GigaChat и Google AI Mode), всего девять систем в одном отчете. Это позволяет увидеть разницу в видимости между Поиском и Чатом внутри одного бренда: например, компания может показывать Brand Mention Rate в 40% в Поиске с Алисой и лишь 8% в Чате, сигнал, что диалоговая модель обучена на других источниках и почти не видит бренд, даже если он хорошо индексируется в классическом Яндексе.

Без разделения этих метрик по режимам компания видит усредненную и часто искаженную картину: хороший показатель в одном режиме маскирует провал в другом, а решения о контенте принимаются вслепую.

Какие бренды уже в зоне риска в ответах Алисы?

Больнее всего это ударит по высококонкурентным нишам: телеком, банки, розничная торговля. Именно там объем запросов к Алисе максимален («какой тариф выгоднее», «где взять кредит без визита в офис», «какой магазин доставит быстрее»), и именно там быстрее всего закрепляется узкий круг из двух-трех брендов, которых модель стабильно упоминает в ответах. Если компания не входит в этот условный топ на раннем этапе, шансы «пробиться» в ответы Алисы позже снижаются: диалоговые модели склонны закреплять паттерны, на которых уже была обучена, и новым игрокам сложнее переломить эту инерцию без целенаправленной работы с контентом.

Компании, у которых нет структурированного контента: четких FAQ-блоков, факт-карточек с конкретными цифрами и характеристиками, коротких прямых ответов на частые вопросы, реже цитируются диалоговым ИИ, чем в классическом поисковом индексе Яндекса. Логика простая: классический поиск ранжирует страницы по десяткам сигналов, включая поведенческие факторы и ссылочную массу, а диалоговая модель ищет фрагмент текста, который можно прямо процитировать или перефразировать как ответ. Если у компании на сайте нет такого фрагмента, оформленного ясно и структурированно, модели попросту не из чего брать ответ, даже если сайт хорошо оптимизирован под традиционное SEO.

Отдельная сложность: расхождение тональности между режимами. Тональность упоминания бренда в Чате с Алисой может отличаться от тональности в Поиске с Алисой, потому что модели опираются на разные комбинации источников обучения и данные обновляются не синхронно. Бренд может получать нейтральные или позитивные формулировки в коротких поисковых ответах и одновременно устаревшие или неточные упоминания в диалоговом чате, где модель ссылается на более старые данные. Без раздельного мониторинга обоих режимов такое расхождение остается незамеченным до момента, когда клиент напрямую спросит компанию, почему Алиса сказала о ней что-то не то.

Какие сервисы мониторят видимость бренда в Алисе и других ИИ?

Рынок GEO-мониторинга в России уже сформировался, и глубина покрытия Алисы AI у разных игроков различается. brandfound отслеживает девять ассистентов: оба режима Алисы (Поиск и Чат отдельно), ChatGPT, Gemini, Perplexity, Grok, DeepSeek, GigaChat и Google AI Mode, с более чем 40 метриками видимости и 17 шкалами тональности. Именно разделение Поиска и Чата как двух независимых источников данных отличает подход от большинства конкурентов на рынке.

GeoRank и AI Semantica заявляют покрытие Алисы в списке из 9+ моделей; по доступным описаниям их продуктов, режимы Поиска и Чата эти сервисы не разделяют, а показывают Алису как единый источник. Такой подход упрощает общий расчет Visibility Score и Share of Voice, но может скрывать расхождения между режимами, которые для брендов в конкурентных нишах способны оказаться заметными.

Разница в подходах напрямую влияет на то, какие решения бренд может принять по итогам отчета. Если сервис показывает Алису одной общей цифрой, видна суммарная видимость, но сложнее понять, где именно теряется контакт с пользователем: в голосовом поиске или в диалоговом чате. При разделении режимов проще направить усилия точечно: например, доработать факт-карточки для Чата, если показатели там ниже, а не вкладываться равномерно во всё сразу.

Что делать бренду прямо сейчас, чтобы попасть в ответы Алисы?

Первый шаг: подключить мониторинг обоих режимов Алисы как отдельных источников данных, а не полагаться на усредненные AI-метрики по всем платформам сразу. Без этого разделения невозможно понять, теряет ли бренд контакт именно в голосовом поиске или в диалоговом чате, и куда направлять ресурсы в первую очередь.

Второй шаг: готовить контент под формат, из которого ИИ реально берет ответы: факт-карточки с конкретными цифрами и характеристиками продукта, четкие FAQ-блоки, прямые и однозначные ответы на частые вопросы в первых абзацах страницы. Диалоговые модели цитируют фрагменты, которые можно вставить в ответ почти без изменений, расплывчатые описания «о компании» с общими формулировками для этого не годятся.

Третий шаг: выстроить процесс, где мониторинг и контент связаны напрямую, а не существуют раздельно. Контент-фабрика brandfound строит план публикаций на основе выявленных точек роста видимости, то есть на основе конкретных промптов, где бренд проигрывает конкурентам в Share of Voice или вовсе отсутствует в Brand Mention Rate, и после выхода каждой статьи отслеживает, изменилось ли упоминание бренда в ответах Алисы и других ассистентов. Такой замкнутый цикл, измерение, публикация, повторное измерение, показывает не абстрактный «рост видимости» из презентации, а конкретный эффект конкретного текста в конкретном режиме Алисы.

Директор по маркетингу из начала этой статьи с таким циклом больше не рискует смотреть в красивый отчёт по позициям и упускать миллионы разговоров, которые происходят рядом. Вопрос для бренда в конкурентной нише сейчас не «стоит ли заниматься видимостью в ИИ», а какая методика измерения и публикации даст результат быстрее, пока это не сделали конкуренты.