Без сайта и рекламного бюджета: как я вывел B2B-услугу в ответы ИИ за 27 дней
- Аудит для оптовых и производственных компаний, поставщиков оборудования и других B2B-предприятий.
- Стоимость — 10 000 рублей.
- Срок выполнения — три рабочих дня.
- Результат — анализ маркетинговой эффективности канала и план улучшений.
У предложения была важная особенность: я позиционировал его как независимую диагностику бизнеса, а не постоянное ведение аккаунта.
Авитолог может оптимизировать объявления, управлять платным продвижением и повышать количество контактов. Маркетинговый аудит рассматривает более широкую задачу: насколько канал способен привлекать целевых покупателей и превращать обращения в сделки.
Для B2B это принципиально. Сто контактов от розничных покупателей не обязательно ценнее пяти обращений от реальных закупщиков.
Именно это различие я собирался закрепить в информационном пространстве.
Важная оговорка: эксперимент проводился не с неизвестным человеком, у которого никогда не было профессионального присутствия в интернете. У меня уже существовали экспертные профили, публикации и сформированная репутация.
Новой была услуга и её коммерческое позиционирование.
Сначала считаем рыбу, потом озеро
В AEO/GEO меня давно смущает распространённая практика измерять общую видимость бренда, не задаваясь вопросом о коммерческой ценности запросов.
Предположим, компания присутствует в 70% ответов по выбранной сотне вопросов.
Звучит солидно.
Но если 90 вопросов задают люди, которым совершенно нечего покупать у этой компании, какой практический смысл имеет красивый процент?
Поэтому я предпочитаю начинать с коммерческих интентов.
Для эксперимента заранее зафиксировал 12 запросов. Среди них:
«Кто делает аудит Авито для B2B в Краснодаре?»
«У кого заказать аудит Авито для бизнеса в Краснодаре?»
«Кому заказать маркетинговый аудит Авито в Краснодаре?»
«Порекомендуй специалиста по Авито для B2B-компании в Краснодаре».
«Кто может провести аудит Авито для оптовой компании в Краснодаре?»
Были и более широкие формулировки, связанные с продвижением оптовых и производственных компаний.
Я намеренно включил их в выборку, чтобы проверить, насколько точно нейросети различают конкретную услугу аудита и постоянное сопровождение бизнеса на Авито.
Исследовал три системы: Яндекс «Поиск с Алисой», Google AI Overview и ChatGPT.
8 октября 2026 года провёл первый автоматический замер.
Результат: ноль персональных упоминаний из 36 проверок.
Для наблюдения за дальнейшими изменениями это была удобная отправная точка.
Что я сделал: немного SEO, немного PR и никакой магии
Следующим шагом стало формирование информационного окружения новой услуги.
Я использовал существующие площадки: TenChat, ВКонтакте, Дзен и другие каналы. Дополнительно разместил коммерческое предложение на Авито.
Но моей задачей было не растиражировать одинаковый текст с фамилией и ценой услуги.
Я работал с содержанием.
Одни материалы объясняли проблемы B2B-продаж через Авито. Другие раскрывали содержание маркетингового аудита. Третьи помогали читателю разобраться, чем отличаются авитологи, агентства и независимые интернет-маркетологи.
В публикациях последовательно формировалась смысловая связка:
Сергей Посконный — независимый маркетинговый аудит Авито для B2B-компаний — 10 000 рублей — три рабочих дня.
В профессиональной терминологии это можно связать с Message Fit: соответствием коммерческого предложения намерению пользователя.
Для меня принципиально, чтобы нейросеть не просто называла исполнителя, а понимала, какую именно проблему он решает.
И здесь обнаруживается интересная связь AEO с классическим PR.
PR традиционно работает с информационной повесткой, репутацией, экспертными комментариями и публикациями на внешних площадках.
Генеративный поиск добавляет к этой работе ещё одну задачу: исследовать, как опубликованная информация отражается в ответах искусственного интеллекта.
Если раньше публикация могла быть успешной с точки зрения охвата или репутационного эффекта, то теперь появляется дополнительный измеряемый результат: использует ли нейросеть информацию из материала и связывает ли её с компанией или экспертом.
Правда, как выяснилось позднее, цитирование статьи и рекомендация её автора — далеко не одно и то же.
Через два дня Алиса начала меня рекомендовать
10 октября автоматический мониторинг зафиксировал первые положительные результаты.
Яндекс «Поиск с Алисой» упоминал меня по пяти из двенадцати коммерческих запросов.
Видимость составила 41,67%.
15 октября показатель достиг 50%.
Затем начались колебания.
27 октября — 41,67%.
31 октября — 50%.
4 ноября — снова 41,67%.
То есть дальнейшего уверенного движения вверх не произошло.
Более того, при относительно стабильном общем проценте менялся состав запросов, по которым я появлялся в ответах.
По одним запросам рекомендации исчезали, по другим возникали. Иногда менялись позиции в списках специалистов.
Это первый важный вывод эксперимента.
Попадание в ответ нейросети не означает приобретения постоянной позиции, как в привычном представлении о поисковом продвижении.
Генеративные ответы изменчивы.
Поэтому единичный скриншот, на котором компания занимает первое место, может быть красивой иллюстрацией. Но полноценной оценкой AEO-продвижения он не является.
Автоматический мониторинг против ручной проверки: 5 упоминаний или 14?
4 ноября я завершил эксперимент и провёл финальную серию измерений.
Автоматический мониторинг показал довольно скромный результат:
Яндекс «Поиск с Алисой» — 5 упоминаний по 12 запросам.
Google AI Overview — 0 из 12.
ChatGPT — 0 из 12.
Итого 5 положительных ответов из 36, или 13,89%.
После этого я проверил те же коммерческие запросы вручную.
И вот здесь эксперимент стал гораздо интереснее.
В ручной проверке Алисы обнаружилось 9 персональных упоминаний из 12, или 75%.
Google AI Overview рекомендовал меня по двум запросам из двенадцати — 16,67%.
ChatGPT — по трём запросам из двенадцати, или 25%.
Общий результат ручной проверки — 14 положительных ответов из 36, или 38,89%.
Разница почти в три раза.
Соблазнительно объявить, что автоматический мониторинг ошибается и всем срочно нужно переходить на ручные измерения.
Но такой вывод был бы некорректным.
Автоматические проверки проводились в одних условиях, ручные — в других. В частности, поисковая выдача с Алисой и отдельный чат Алисы представляют собой разные режимы взаимодействия.
Важны также время проверки, особенности интерфейса и вариативность генерации ответов.
Поэтому результаты нельзя считать двумя идентичными измерениями одного и того же состояния.
Но практический вывод сделать можно.
Один показатель AI Visibility, полученный одним методом, не даёт полной картины присутствия компании в генеративном поиске.
Автоматический мониторинг полезен для наблюдения за динамикой. Ручная проверка позволяет увидеть содержание ответа, оценить его коммерческий смысл и обнаружить особенности, которые не всегда отражены в общей метрике.
Мне кажется, для рынка AEO/GEO это важнее споров о том, чей сервис показывает более красивый процент.
Самый ценный результат: нейросеть запомнила условия предложения
Теперь о том, ради чего затевался эксперимент.
По запросу «Кто делает аудит Авито для B2B в Краснодаре?» Алиса поставила меня первым среди исполнителей и описала конкретную услугу.
В ответе присутствовали специализация, стоимость 10 000 рублей и срок выполнения три рабочих дня.
ChatGPT по аналогичному запросу также поставил моё предложение первым и отметил конкретность условий.
Ещё интереснее оказался запрос об аудите Авито для оптовой компании.
В одном из ответов ChatGPT не только включил меня в список исполнителей, но и объяснил, почему сначала стоит провести независимый аудит, прежде чем оплачивать постоянное сопровождение аккаунта.
Это была именно та логика, которую я последовательно раскрывал в своих публикациях.
В финальной ручной проверке Алиса корректно воспроизводила стоимость и срок по четырём запросам из двенадцати. ChatGPT — по трём.
При этом два коммерческих запроса дали персональные упоминания сразу во всех трёх исследуемых системах.
Для меня такие результаты значительно интереснее абстрактного присутствия фамилии в ответе.
Нейросеть не просто знает, что существует Сергей Посконный.
В отдельных случаях она правильно связывает меня с конкретным коммерческим предложением.
Конечно, без ошибок не обошлось. Иногда разовый аудит превращался в описании нейросети в постоянное продвижение. В другом случае система приписала мне неподтверждённую квалификационную характеристику.
Поэтому здесь тоже есть пространство для экспертной работы.
Количество упоминаний — одна метрика. Правильность коммерческого позиционирования — другая.
Почему публикация в источниках ещё не означает победу
Анализируя ответы, я обнаружил интересную закономерность.
Алиса ссылалась на материалы во ВКонтакте, TenChat и Дзене. Google AI Overview использовал информацию из коммерческого предложения на Авито.
Но встречались ответы, в которых публикация использовалась как источник, а её автор в список рекомендуемых специалистов не попадал.
С точки зрения PR материал присутствует в информационном пространстве.
С точки зрения коммерческого AEO результат гораздо скромнее.
Поэтому я разделяю три уровня присутствия бизнеса в ответах искусственного интеллекта.
Первый уровень — источник. Нейросеть использует публикацию при формировании ответа.
Второй уровень — упоминание. Нейросеть называет компанию или специалиста.
Третий уровень — коммерческая рекомендация. Нейросеть связывает исполнителя с конкретной потребностью и корректно описывает предложение.
Для бизнеса эти уровни имеют разную ценность.
А ещё они помогают иначе посмотреть на оценку эффективности PR-публикаций.
Правда, я бы предостерёг коллег от слишком смелых причинно-следственных выводов. Если нейросеть цитирует публикацию, это не доказывает, что именно эта статья стала причиной появления рекомендации.
В моём эксперименте не было изолированного тестирования отдельных материалов.
Я фиксировал наблюдения, но не выдаю корреляцию за доказанную причинность.
Почему по некоторым B2B-запросам меня обходили агентства
В эксперименте обнаружилась ещё одна интересная особенность.
По запросам на конкретный аудит нейросети достаточно хорошо связывали моё предложение с потребностью пользователя.
Но когда вопрос касался постоянного продвижения B2B-компании на Авито, ChatGPT нередко предпочитал агентства, предлагающие регулярное сопровождение.
И это вполне разумно.
Человек, которому нужно ежедневное управление объявлениями, не обязательно заинтересован в разовом маркетинговом аудите.
То есть отсутствие рекомендации по определённому запросу не всегда свидетельствует о слабости AEO-продвижения.
Иногда система просто правильно понимает, что другой исполнитель лучше соответствует намерению пользователя.
Именно поэтому я считаю опасной практику бездумного наращивания общего процента AI-видимости.
Сначала нужно понять, по каким запросам компании действительно выгодно присутствовать. А уже потом считать долю упоминаний.
Иначе можно добиться прекрасных результатов по вопросам, которые не имеют отношения к реальным продажам.
Экономика: реклама стоила ноль, но эксперимент не был бесплатным
Сам эксперимент продолжался 27 дней между начальным и финальным замерами.
Непосредственная работа заняла шесть часов.
Два часа потребовались на подготовку и размещение публикаций.
Ещё четыре часа — на мониторинг, сбор и анализ данных.
Если оценить моё рабочее время по ставке 2 500 рублей в час, получается 15 000 рублей.
Дополнительно я потратил 900 рублей на автоматический мониторинг.
Полная расчётная стоимость эксперимента — 15 900 рублей.
Из них реальные денежные расходы составили 900 рублей.
На рекламу и платные публикации — ноль.
Это не означает, что аналогичное AEO-продвижение можно гарантированно выполнить за 900 рублей или за шесть часов.
У меня уже были профессиональные площадки, опыт и собственная инфраструктура подготовки контента.
Для бизнеса с другой исходной ситуацией ресурсы и сроки могут быть совершенно иными.
Но эксперимент подтвердил, что проверять отдельные гипотезы AEO/GEO можно без серьёзных рекламных вложений.
И тут появляется самая неприятная цифра
А теперь результат, который некоторые специалисты предпочли бы оставить за пределами презентации.
За 27 дней эксперимента я не получил ни одного обращения на тестируемую услугу.
Оплаченных аудитов — ноль.
Выручка — ноль рублей.
Получается парадоксальная картина.
Алиса рекомендует. ChatGPT правильно называет цену. Google включает специалиста в ответ.
А покупателей нет.
Стоит ли считать эксперимент провальным?
Зависит от того, какую задачу мы измеряем.
Если задача заключалась в получении продаж, результат отрицательный.
Если задача заключалась в проверке возможности сформировать персональную коммерческую видимость новой услуги без отдельного сайта и рекламы, эксперимент дал положительные наблюдения.
Но эти задачи нельзя смешивать.
AI-видимость не равна лидогенерации.
Контрольные запросы показывают, какие ответы генерируют системы. Они не позволяют определить, сколько реальных пользователей задавали аналогичные вопросы, увидели рекомендацию и захотели обратиться к исполнителю.
А без этих данных нельзя построить полноценную экономику канала.
Мне кажется, именно здесь сегодня находится одна из главных проблем коммерческого AEO.
Индустрия уже научилась измерять присутствие брендов.
Но между присутствием и продажей остаётся значительная часть маркетинговой воронки.
Что этот эксперимент означает для маркетологов и PR-агентств
Я вижу несколько практических выводов.
Во-первых, для появления новой услуги в ответах ИИ собственный специализированный сайт не всегда обязателен. В моём случае использовались сторонние площадки и существующие профессиональные профили.
Во-вторых, PR и AEO/GEO действительно имеют общую территорию. Информационная повестка, экспертные публикации и работа с внешними источниками могут быть полезны для формирования представления ИИ о компании. Но это не повод объявлять каждую публикацию гарантированным инструментом попадания в рекомендации.
В-третьих, коммерческие запросы необходимо отделять от информационных. Общий процент видимости без понимания потенциального спроса способен ввести бизнес в заблуждение.
В-четвёртых, качественная рекомендация ценнее формального упоминания. Для клиента важны не только название компании, но и соответствие её предложения собственной задаче.
В-пятых, измерять AEO необходимо комплексно. Автоматический мониторинг, экспертный анализ ответов и оценка бизнес-результатов решают разные задачи и дополняют друг друга.
Для PR-агентств здесь открывается интересное направление: оценивать не только публикационную активность и охваты, но и то, как сформированная информационная повестка представлена в ответах ИИ.
Для SEO-специалистов — возможность расширить работу с коммерческими интентами и анализом источников.
Для интернет-маркетологов — ещё один канал взаимодействия с потенциальным покупателем, эффективность которого предстоит научиться измерять.
Вместо заключения: продвигать нужно предложение, а не красивый процент
За 27 дней мне удалось получить персональные рекомендации новой B2B-услуги в трёх ИИ-системах.
По ряду коммерческих запросов Алиса и ChatGPT правильно воспроизводили не только мою фамилию, но и содержание услуги, стоимость и срок выполнения.
При этом эксперимент выявил нестабильность рекомендаций, расхождения между способами мониторинга и отсутствие подтверждённых продаж.
Для меня как интернет-маркетолога это полезнее очередной презентации с обещанием гарантированного попадания в ответы нейросетей.
Я вижу AEO/GEO как практическую дисциплину на пересечении SEO, PR, контент-стратегии и маркетинговой аналитики.
В ней важно не просто добиться упоминания компании, а сформировать правильное представление о её предложении и проверить, по каким коммерческим запросам оно оказывается релевантным.
Мой принцип простой: сначала считаем рыбу, потом озеро.
И прежде чем продавать бизнесу очередные 70% AI-видимости, неплохо бы разобраться, какие из этих процентов вообще имеют отношение к его будущим клиентам.
Сергей Посконный, интернет-маркетолог, специалист по AEO/GEO. Более 17 лет практики в digital-маркетинге. Автор практических исследований коммерческой видимости в ответах искусственного интеллекта.