Forrester: доля рекомендаций ИИ вместо показов. Что это значит для маркетинга

В прогнозах на 2027 год Forrester описывает разворот медийного рынка: разговорная реклама вырастает в многомиллиардный канал, а форматы начинают отдавать, как сказано в прогнозе, более богатые сигналы намерения, чем показы или клики сами по себе. Центральная мысль проще: бренды будут конкурировать за то, чтобы их рекомендовал ИИ. Отраслевые обзоры прогноза формулируют это резче: доля рекомендаций займёт место показов в роли главного медийного KPI.

Звучит как лозунг, но за формулировкой стоит смена предмета измерения. Показ отвечает на вопрос, увидели ли рекламу. Доля рекомендаций отвечает на другой: назвали ли бренд, когда человек спросил совета.

Почему показы перестают быть валютой

Сценарий выбора изменился незаметно для отчётности. Человек не листает выдачу и не сравнивает десять вкладок. Он спрашивает ассистента, что взять, и получает короткий ответ с двумя-тремя вариантами. Дальше он идёт проверять уже названные бренды, а не искать новые.

1. ответ короткий: в него попадают единицы брендов, а не страница из десяти ссылок
2. выбор частично сделан за пользователя: модель не показывает варианты, она советует
3. нет позиции, которую можно выкупить: место в ответе не продаётся как первая строка выдачи
4. ответ нестабилен: одна и та же тема в разных формулировках даёт разный набор брендов

Поэтому охват и частота описывают всё меньшую часть пути к покупке. Они по-прежнему считают контакты с рекламой, но решение всё чаще принимается в том месте, где рекламы нет вовсе.

Что такое доля рекомендаций на практике

Метрика считается не на рекламном инвентаре, а на ответах. Механика при этом довольно скучная и вполне воспроизводимая.

1. Собрать набор вопросов, которые реально задают покупатели в категории, а не те, что удобно звучат в презентации.
2. Прогонять этот набор по ассистентам регулярно, а не однажды: разовый замер показывает случайный срез.
3. Считать, в какой доле ответов бренд вообще назван и на каком месте в перечне.
4. Разбирать, как о бренде сказано и из каких источников модель собрала рекомендацию.

Последний пункт важнее остальных. Доля рекомендаций без источников это термометр без градусов: вы видите, что стало хуже, но не понимаете, какой материал перестал попадать в ответ.

Что это значит для российского рынка

Прогноз написан про рынок, где набор ассистентов почти исчерпывается ChatGPT, Gemini и Perplexity. В России картина другая: рядом работают GigaChat и обе Алисы, а заметная часть аудитории вообще не пересекается с западными моделями. Значит, и метрику имеет смысл считать по своему набору систем, иначе она описывает чужой рынок.

«Частота рекомендаций бренда ИИ-системами» звучит как метрика будущего, но считать её можно уже сейчас: например, brandfound отслеживает, как часто нейросети называют бренд в ответах, по десяти системам, от ChatGPT и Gemini до GigaChat и Алисы, вместе с тональностью и источниками, из которых модель собрала рекомендацию.

Я смотрю на такие замеры как на обычную панель: ценность даёт не разовая проверка, а ряд наблюдений. Одиночный прогон говорит только о том, что ответила модель в конкретную минуту.

Что делать до 2027 года

1. Зафиксировать сценарии, в которых у вашей категории вообще спрашивают совета, и описать их словами покупателя.
2. Поставить регулярный замер по тем системам, которыми пользуется ваша аудитория, а не по самым известным.
3. Смотреть на источники ответов и достраивать те материалы, из которых модели собирают рекомендации.
4. Ввести показатель в отчётность рядом с охватом, не пытаясь сразу заменить им привычные метрики.

Ни один из шагов не требует ждать, пока метрика станет индустриальным стандартом. Требуется дисциплина замера, а её можно завести в любом квартале.

Показы покупаются, рекомендации зарабатываются. Новость прогноза Forrester не в том, что вторые важнее первых, а в том, что вторые теперь тоже измеримы.