Кого рекомендует ChatGPT: рейтинг AI Visibility автомобильных брендов в России

Исследовательский центр RECOMO проверил, какие автомобильные бренды ChatGPT чаще рекомендует российскому пользователю при выборе нового автомобиля. По итогам 38 независимых запусков лидером стал Haval, второе место заняла LADA, третье — Geely. Исследование показывает: в AI-ответах выигрывают бренды с наиболее понятной логикой владения — сервисом, запчастями, локализацией и ликвидностью.

Автор: Сергей Семенов, основатель RECOMO

Путь к покупке автомобиля всё чаще начинается не с посещения дилерского центра и даже не с поискового запроса. Пользователь может сразу спросить у AI-ассистента: какую марку выбрать при определённом бюджете, что подойдёт для семьи, какой автомобиль легче обслуживать или выгоднее перепродать.

В этот момент формируется новый уровень конкуренции — AI Visibility, или видимость бренда в ответах искусственного интеллекта.

Она показывает, насколько часто бренд появляется в рекомендациях AI, какие позиции занимает и в каких пользовательских сценариях воспринимается как наиболее подходящий выбор.

Исследовательский центр RECOMO провёл отдельное исследование AI Visibility автомобильных брендов в российском контексте. Срез был сделан 28 июля 2026 года.

Как проводилось исследование

Мы сформировали 15 сценариев выбора нового автомобиля. Среди них:

1. общий выбор марки;
2. бюджеты до 2 млн, от 2 до 3 млн и от 3 до 4 млн рублей;
3. семейный кроссовер;
4. городская эксплуатация;
5. российские дороги и зима;
6. надёжность и сервис;
7. стоимость обслуживания и доступность запчастей;
8. ликвидность;
9. дальние поездки;
10. семейная безопасность;
11. выбор среди китайских брендов;
12. выбор для покупателя, который не хочет китайский автомобиль;
13. эксплуатация на горизонте пяти–семи лет.

Для каждого сценария проводилось не менее двух запусков. Если состав брендов или их порядок заметно различались, выполнялся третий запуск.

Всего было запланировано 45 запусков. Фактически завершено 38: семь сценариев стабилизировались после двух ответов, ещё восемь потребовали третьего повторения.

Каждый запрос отправлялся в новом чистом чате. ChatGPT просили назвать не более пяти брендов в порядке приоритета и кратко объяснить каждый выбор.

Рекомендации оценивались по позиции:

1. первое место — 3 балла;
2. второе и третье — по 2 балла;
3. четвёртое и пятое — по 1 баллу.

Всего было закодировано 190 фактических рекомендаций. В случаях совместной рекомендации, например Chery / TENET или Geely / Belgee, одинаковый позиционный вес присваивался обоим брендам.

Важно: исследование измеряет не техническое качество автомобилей, не продажи и не долю рынка. Оно показывает, как ChatGPT распределяет внимание и приоритет между брендами в разных ситуациях выбора.

Haval стал абсолютным лидером AI Visibility

Итоговый рейтинг выглядит следующим образом:

1. Haval — 92 балла, 33 упоминания, 14 сценариев.
2. LADA — 60 баллов, 29 упоминаний, 11 сценариев.
3. Geely — 52 балла, 28 упоминаний, 12 сценариев.
4. Chery — 37 баллов, 26 упоминаний, 11 сценариев.
5. Belgee — 27 баллов, 18 упоминаний, 7 сценариев.
6. Solaris — 25 баллов, 15 упоминаний, 7 сценариев.
7. Changan — 22 балла, 21 упоминание, 11 сценариев.
8. Toyota — 11 баллов, 6 упоминаний, 2 сценария.

Haval появился в 33 из 38 завершённых запусков и вошёл в рекомендации в 14 из 15 сценариев. С учётом ничьих он получил максимальный совокупный балл в 12 сценариях.

Разрыв между первым и вторым местом значительный: Haval набрал 92 балла, LADA — 60, Geely — 52.

Почему ChatGPT выбирает Haval

В ответах модели Haval регулярно описывался как наиболее сбалансированный вариант. При этом аргументация почти не зависела от конкретного сценария.

ChatGPT связывал бренд с четырьмя основными характеристиками:

1. локальное производство;
2. развитая дилерская и сервисная сеть;
3. доступность запчастей;
4. ликвидность популярных моделей.

Бренд лидировал или входил в число лидеров при общем выборе, в бюджетах от 2 до 4 млн рублей, при выборе семейного кроссовера, автомобиля для города, зимы, дальних поездок и владения в течение пяти–семи лет.

Фактически Haval занял в AI-ответах позицию универсального выбора по умолчанию: не обязательно лучшего по каждому отдельному параметру, но наиболее убедительного по совокупности факторов.

LADA — лидер рационального выбора

LADA заняла второе место с 60 баллами.

Её роль в ответах ChatGPT заметно отличается от роли Haval. Модель редко связывала LADA с максимальным комфортом или технологичностью, но стабильно выделяла:

1. доступность ремонта;
2. распространённость запчастей;
3. широкую географию обслуживания;
4. предсказуемую стоимость содержания;
5. простую последующую перепродажу.

LADA выиграла сценарии с бюджетом до 2 млн рублей, доступным обслуживанием и запчастями, а также агрегированный сценарий выбора некитайского автомобиля.

В сценарии ликвидности LADA разделила первое место с Haval и Toyota.

Таким образом, AI-позиционирование LADA можно сформулировать как минимизация эксплуатационного риска.

Geely — комфорт, технологии и безопасность

Geely заняла третье место, набрав 52 балла, но присутствовала в 12 из 15 сценариев — чаще, чем LADA и Chery.

ChatGPT связывал Geely прежде всего с:

1. комфортом;
2. технологичностью;
3. современными платформами;
4. трассовой устойчивостью;
5. семейной безопасностью.

Особенно сильные позиции бренд получил в сценариях дальних поездок, семейной эксплуатации и безопасности.

Geely реже становилась абсолютным лидером, чем Haval, но почти всегда находилась в верхней части списка. В AI-ответах она выглядит как более комфортная и технологичная альтернатива наиболее рациональным брендам.

Chery часто присутствует, но реже становится первым выбором

Chery набрала 37 баллов и появилась в 26 запусках.

Бренд регулярно включался в рекомендации благодаря широкому выбору кроссоверов, семейным моделям, сервисной инфраструктуре и доступности запчастей.

Однако в большинстве сценариев ChatGPT ставил выше Haval или Geely. В результате Chery получила высокую частоту упоминаний, но более низкий средний приоритет.

Для AI Visibility это отдельный тип позиции: бренд хорошо известен модели и признаётся релевантным, но пока не стал основным ответом на широкий пользовательский запрос.

Belgee и Solaris выигрывают в отдельных ситуациях

Belgee и Solaris не вошли в первую тройку общего рейтинга, но показали высокую видимость в конкретных сценариях.

Belgee особенно усиливался при выборе автомобиля с ограниченным бюджетом. ChatGPT представлял его как более доступную альтернативу Geely с близкой технической основой.

Solaris получал высокие позиции в бюджетных запросах и особенно в сценарии, где покупатель не хотел китайский автомобиль. В этом случае модель связывала бренд со знакомыми конструкциями Hyundai и Kia, понятным обслуживанием и потенциальной ликвидностью.

Эти результаты показывают, что высокий уровень AI Visibility необязательно строится только на универсальном лидерстве. Бренд может занять сильную позицию в конкретной пользовательской задаче.

Changan: высокая частота, но низкий приоритет

Changan появился в 21 запуске и 11 сценариях — почти столько же, сколько некоторые лидеры.

При этом бренд набрал только 22 балла, поскольку чаще находился на четвёртом или пятом месте.

ChatGPT регулярно признавал сильное соотношение цены и оснащения Changan, но одновременно добавлял оговорки о ликвидности, доступности регионального сервиса и зрелости вторичного рынка.

Это пример ситуации, когда бренд уже достаточно хорошо представлен в информационном поле AI, но пока не воспринимается как наиболее безопасный выбор.

Toyota: узкая, но сильная видимость

Toyota появилась только в двух сценариях — ликвидность и выбор некитайского автомобиля, — но получила 11 баллов при шести упоминаниях.

В теме остаточной стоимости бренд разделил лидерство с Haval и LADA. При этом ChatGPT регулярно сопровождал рекомендацию оговорками о параллельном импорте и гарантии.

Toyota показывает, что историческая репутация бренда сохраняет влияние на AI-ответы, но отсутствие полноценного официального присутствия ограничивает его применимость в широком наборе сценариев.

Какие бренды выигрывают в разных запросах

Результаты исследования показывают, что единого рейтинга, подходящего для любого пользователя, не существует.

В зависимости от запроса ChatGPT менял приоритеты:

1. до 2 млн рублей — LADA и Belgee;
2. от 2 до 4 млн рублей — Haval;
3. обслуживание и запчасти — LADA;
4. комфорт и дальние поездки — Haval и Geely;
5. семейная безопасность — Haval, Geely и Chery;
6. китайские бренды — Haval, Geely и Chery;
7. некитайский автомобиль — LADA, Solaris, KGM и Toyota;
8. владение пять–семь лет — Haval, LADA и Geely;
9. ликвидность — Haval, LADA и Toyota.

В AI-ответах побеждает не только продукт

Один из главных выводов исследования — ChatGPT редко ограничивался характеристиками самого автомобиля.

В большинстве ответов модель оценивала весь контур владения:

1. где производится автомобиль;
2. насколько широка дилерская сеть;
3. доступны ли запчасти;
4. насколько предсказуем ремонт;
5. легко ли будет продать машину;
6. насколько понятна долгосрочная поддержка бренда.

Это означает, что AI Visibility формируется не только автомобильной моделью или рекламной коммуникацией. На неё влияет вся доступная AI информация о бренде: от гарантийных условий и географии сервиса до данных о локализации и остаточной стоимости.

Что результаты означают для автомобильных брендов

Исследование позволяет сформулировать несколько практических рекомендаций.

Во-первых, бренду недостаточно просто присутствовать в информационном поле. Необходимо, чтобы AI мог объяснить, почему этот бренд является безопасным и рациональным выбором.

Во-вторых, наиболее значимыми оказались не общие рекламные обещания, а конкретные сведения:

1. официальное присутствие;
2. условия гарантии;
3. карта дилерской сети;
4. наличие запчастей;
5. стоимость обслуживания;
6. популярность массовых моделей;
7. остаточная стоимость;
8. долгосрочная поддержка.

В-третьих, AI Visibility нужно оценивать не только в общем рейтинге, но и по отдельным сценариям. Бренд может проигрывать общий запрос, но занимать сильную позицию в бюджете, семейном сегменте, безопасности или дальней эксплуатации.

Ограничения исследования

Результаты необходимо интерпретировать с учётом нескольких ограничений.

Это исследование одной AI-платформы — ChatGPT — на конкретную дату и с русскоязычными запросами. Конкретная версия модели и режим работы в журнале запусков не фиксировались.

Статус использования веб-поиска в большинстве ответов также не был подтверждён. ChatGPT приводил ссылки и конкретные утверждения о ценах, гарантиях, продажах, локализации и дилерских сетях, однако эти сведения не использовались в статье как самостоятельно подтверждённые рыночные факты.

Мы анализировали прежде всего структуру рекомендаций, позиции брендов и повторяющиеся аргументы модели.

Поэтому AI Visibility Score нельзя трактовать как рейтинг качества автомобилей или как прямой прогноз продаж.

Вывод

ChatGPT уже сформировал собственную иерархию автомобильных брендов для российского пользователя.

Её ядро выглядит следующим образом:

В ответах ChatGPT Haval позиционируется как универсальный и минимально рискованный иностранный выбор. В логике ответов ChatGPT LADA занимает позицию наиболее рационального варианта по стоимости содержания и обслуживанию. Geely — комфортный и технологичный выбор. Chery — устойчивый участник верхней части рекомендаций. Belgee и Solaris — сильные бренды для конкретных сценариев. Changan — заметный, но пока редко приоритетный вариант.

Для автомобильного рынка это означает, что борьба за покупателя идёт уже не только в рекламе, поисковой выдаче, классифайдах и дилерских центрах.

Она начинается внутри ответа AI — в тот момент, когда пользователь впервые спрашивает, какую марку ему выбрать.

Бренду недостаточно быть известным AI. Нужно, чтобы AI мог объяснить, почему его безопасно выбрать, обслуживать и перепродать.

Полный перечень сценариев, журнал запусков и правила кодирования сохранены Исследовательским центром RECOMO и могут быть предоставлены по редакционному или исследовательскому запросу.

ОБ АВТОРЕ

Сергей Семенов — основатель и CEO RECOMO. Специализируется на AI Visibility (GEO), AI Agents и цифровой трансформации. Занимается исследованиями того, как генеративные системы формируют рекомендации, влияют на видимость брендов и меняют путь пользователя к выбору продукта.

В RECOMO Сергей развивает методологии оценки присутствия компаний в ответах AI и практические подходы к использованию искусственного интеллекта в маркетинге и бизнес-процессах.