Покупатель больше не выбирает из 20 брендов: его AI-агент выбрал три

На первый взгляд кажется, что AI-ассистенты в покупках это просто ещё один канал: был поиск, были маркетплейсы, появился чат. Но здесь есть важное отличие. Поиск отдавал человеку десять ссылок и оставлял выбор за ним. Ассистент отдаёт три варианта и часть выбора уже сделал за него.

Путь покупателя сокращается до одного запроса

Привычная схема выглядела так: человек формулировал потребность, открывал поиск или маркетплейс, просматривал карточки, сравнивал характеристики, читал отзывы и только потом решал. На каждом шаге бренд имел шанс попасть в поле зрения. Теперь эту работу всё чаще выполняет агент.

1. получает задачу от человека и уточняет условия
2. ищет варианты в доступных ему источниках
3. сравнивает цены, характеристики и наличие
4. отдаёт короткий список с аргументами
5. в перспективе оформляет заказ сам

Для SEO это привычная ситуация: борьба за место в выдаче. Для GEO уже нет. Выдачи как таковой человек не видит, он видит результат чужого отбора.

Бренд может не дойти до человека

Если агент выбрал три товара из двадцати, остальные семнадцать покупатель, скорее всего, не увидит вовсе. Это не падение конверсии, это отсутствие показа. Появляется ещё один уровень конкуренции: сначала нужно пройти отбор модели и только потом убеждать человека. Причём первый этап проходит без вас: аргументы за и против бренда формулирует агент, опираясь на то, что смог найти.

На какие данные опирается агент

1. цена и её сопоставимость с аналогами
2. характеристики и полнота описания товара
3. наличие и условия доставки
4. отзывы и оценки на площадках
5. репутация бренда во внешних публикациях
6. данные ритейлера, через которого товар виден агенту
7. обзоры, подборки и сравнения на сторонних сайтах

Если посмотреть на источники ответа, видно неприятное. Значительная их часть находится за пределами сайта бренда. Карточку у себя вы контролируете полностью, описание у ритейлера частично, обзор в чужой подборке почти никак. Это и есть главное смещение: решение о бренде собирается из материалов, которые бренду не принадлежат.

Одной позиции у бренда больше нет

ChatGPT, Gemini, Perplexity, Алиса и ассистенты самих площадок работают с разными источниками и разными торговыми экосистемами. Один агент поставит бренд первым, другой не включит его в список вообще. Сам по себе вывод «нас рекомендует нейросеть» мало что говорит: важно, какая именно модель, в какой категории и с какой формулировкой. Единого рейтинга, как в поиске, здесь нет.

Ритейлеры решают, сколько власти отдать агенту

Параллельно идёт вторая борьба, и она не за покупателя. Amazon ограничивает работу внешних шопинг-агентов у себя, часть площадок наоборот экспериментирует с их доступом, кто-то старается удержать оформление заказа внутри своей экосистемы. Ставка понятна: кто контролирует интерфейс покупки, тот контролирует и данные о ней. Для бренда это значит, что доступность его товара агенту зависит не только от бренда, но и от политики площадки, через которую он продаётся.

Что происходит с рекламой

Если человек больше не просматривает десять карточек подряд, часть привычных точек контакта просто исчезает: баннер, который некому показать, и карточка, которую никто не откроет. Отсюда следующий вопрос, на который у рынка пока нет внятного ответа: появится ли реклама, адресованная агенту, и как в ответе отделить органический выбор модели от оплаченного присутствия. Я бы не делал выводов о форматах раньше, чем площадки сформулируют правила, но готовиться к появлению платного слоя в ответах стоит уже сейчас.

Что теперь измерять

Показы, клики и позиции остаются, но они перестают объяснять, почему бренд не дошёл до покупателя. Проверять стоит не только позиции, но и то, как бренд ведёт себя внутри ответа.

1. знает ли модель бренд и описывает ли его корректно
2. попадает ли бренд в короткий список рекомендаций
3. в каких категориях и по каким запросам он появляется
4. с какими конкурентами его сравнивают
5. какие аргументы модель приводит за и против
6. на какие источники она при этом опирается
7. как всё это меняется от модели к модели и со временем

Отдельные запросы можно проверить руками, но для регулярного наблюдения за несколькими моделями и категориями используют GEO-сервисы: brandfound, Profound, Pixel Tools и другие. Задача у них общая: превратить разовые наблюдения в сопоставимые данные, по которым видно динамику и источники. Выбор инструмента здесь вторичен, первично другое: без регулярного замера вы не отличите изменение в поведении модели от собственной ошибки в интерпретации.

Что это меняет для маркетолога

Раньше вы боролись за внимание покупателя. Теперь перед покупателем стоит ещё один оценщик, и он отсеивает варианты до того, как человек что-то увидел. Полезный вопрос поэтому звучит иначе. Не упоминает ли нас нейросеть, а на каком шаге модель исключает бренд из выбора и что в этот момент находит у конкурента. Ответ обычно лежит не в рекламном бюджете, а в источниках, из которых модель собирает картину рынка.