Покупатель попросил ChatGPT сравнить три бренда, а нейросеть добавила четвёртый

Четвёртый участник сравнения появляется в ответе без запроса пользователя

Сцена, которую легко проверить на себе. Человек собирается купить кондиционер, открывает ChatGPT и пишет: сравни вот эти три модели. Через несколько секунд он получает таблицу из четырёх позиций. Четвёртую он не просил, про этот бренд он, возможно, вообще не слышал, и именно её ответ называет разумным выбором под его бюджет.

Для маркетолога бренда, который в этом ответе оказался лишним, это хорошая новость. Для трёх остальных это тихая потеря: их сравнили не с теми, с кем они готовились конкурировать. Разберём по порядку, откуда берётся четвёртый участник и что с этим делать.

Нейросеть отвечает не на список, а на задачу

Пользователь даёт три имени, но языковая модель читает за ними интент: нужен кондиционер в такой-то бюджет и такую-то комнату. Перечисление брендов для неё не ограничение, а подсказка о категории. В поисковой строке запрос «сравни А, Б и В» дал бы ровно три карточки. В диалоге это ближе к разговору с консультантом: вопрос про три модели он услышит как просьбу помочь выбрать, и если в его картине мира есть вариант уместнее, он его назовёт сам.

Сначала аккуратно про рамки. Это свойство интерфейса, а не ошибка конкретной модели: добавить вариант может и ChatGPT, и Поиск с Алисой, и GigaChat, а состав ответа будет меняться от формулировки запроса и от того, что модель подтянула из поиска в секунду ответа. Поэтому единичный ответ почти ничего не значит, значение имеет повторяемость на серии однотипных запросов.

Откуда появляется незваный конкурент

1. Из поисковой выдачи в момент ответа: модели с доступом к поиску подтягивают свежие обзоры и подборки, и бренд из первой строки подборки приходит в ответ вместе с ней.
2. Из обучающих данных: если бренд годами упоминался рядом с категорией в статьях, форумах и отзывах, модель считает его типичным представителем категории.
3. Из структуры контента: сравнительные таблицы, разборы и ответы на конкретные вопросы модель разбирает легче, чем маркетинговые страницы, и цитирует чаще.
4. Из самого запроса: слова про бюджет, сроки доставки или сценарий использования сдвигают ответ к брендам, которые описаны в сети под тот же сценарий.
5. Из чужой работы с источниками: бренд, попавший в материалы, на которые нейросети ссылаются, приходит в ответ как ссылка, а не как реклама.

Важно, что ни один из этих путей не покупается напрямую. Четвёртое место в таблице не продаётся как медийный баннер, оно заработано тем, как бренд описан в источниках, куда модель заглядывает.

Список конкурентов из стратегии перестаёт совпадать с реальным

В стратегии обычно три, максимум пять конкурентов, выбранных по доле рынка и пересечению в поисковой выдаче. У нейросетей своя версия этого списка. В одних формулировках рядом с брендом встают федеральные игроки, в других нишевые компании с сильным контентом, в третьих частные марки маркетплейсов. Расхождение не видно на одном ответе: оно проявляется только в распределении по десяткам запросов одного кластера.

Следствие неприятное. Бюджет на отстройку может уходить на компанию, с которой нейросети вас почти не ставят рядом, а тот, кто регулярно забирает четвёртую строку в ответах, в стратегии вообще не назван.

Что это значит для российского рынка

У нас к общей механике добавляется своя особенность. Алиса работает в двух режимах, Поиск и Чат, и составы брендов в них расходятся, потому что по-разному опираются на выдачу. GigaChat ведёт себя иначе западных моделей на запросах про локальные бренды и доставку по регионам. То есть у одного бренда одновременно существует несколько конкурентных полей, и совпадают они не полностью.

1. Соберите кластеры запросов так, как спрашивает покупатель, а не как называется ваш продукт: с бюджетом, городом и сценарием.
2. Прогоните каждый кластер по нейросетям, которыми реально пользуется ваша аудитория, включая оба режима Алисы.
3. Выпишите из ответов все бренды и посчитайте, как часто каждый встречается и в какой роли его называют.
4. Сравните этот список со списком конкурентов из стратегии и зафиксируйте расхождения.
5. Там, где незваный конкурент выигрывает стабильно, смотрите не на его рекламу, а на источники, из которых модель его берёт.

Руками такой замер выдерживают один раз, дальше нужна регулярность: ответы меняются от недели к неделе. Этим занимаются GEO-сервисы мониторинга: например, brandfound отслеживает упоминания бренда в десяти нейросетях, включая оба режима Алисы, с тональностью и источниками каждого ответа. Для нашей задачи ценно не само число упоминаний, а то, кто стоит рядом с брендом в одних и тех же ответах: этот список и есть настоящее конкурентное поле.

Привычка держать конкурентов списком сложилась, когда выбор делал человек с десятью открытыми вкладками. Теперь между ним и брендами стоит посредник, который сам решает, сколько вариантов показать и какой из них назвать разумным. Список конкурентов из этого становится не фактом, а гипотезой, которую надо проверять замером.

Вернёмся к покупателю с кондиционером. Он честно назвал три бренда, а купит, скорее всего, четвёртый, и ни один из трёх об этом не узнает. Узнать можно одним способом: задать нейросетям те же вопросы, что задают покупатели, и прочитать, кого они ставят рядом с вами.