Годами классический интернет-маркетинг жил по предсказуемым законам поисковой выдачи: если компания удерживает первую строчку в Яндексе или Google, поток заявок гарантирован. Ради заветных мест в топ-10 бизнес покупал ссылки, насыщал посадочные страницы ключевыми словами и запускал ботов для накрутки поведенческих факторов. Схема казалась надежной, пока пользователи не начали делегировать потребительский выбор нейросетям. Когда человек спрашивает у ChatGPT, Алисы AI или DeepSeek, где заказать остекление квартиры, привычные правила рушатся. Как показало масштабное эмпирическое исследование, компании, годами оккупировавшие коммерческий Олимп классического поиска, для больших языковых моделей попросту не существуют.
Полевой эксперимент: 3100 запросов и перегретый оконный рынок Москвы
Чтобы оценить реальную видимость коммерческого бизнеса в генеративных ответах, исследователи взяли одну из самых жестких ниш Рунета — продажу и установку пластиковых окон в Москве и области. Это образцовый полигон для SEO: клики в контексте стоят дорого, а выдача Яндекса непрерывно подвергается накрутке ботами.
Методология эксперимента исключала случайности:
- Семантическое ядро очистили до 3100 уникальных фраз с точной частотой вида
[!слово !слово](суммарно 46 945 показов, 87,5% коммерческого спроса). - По всему пулу запросов сняли топ-10 органической выдачи Яндекса (31 664 позиции). Исключив маркетплейсы, СМИ, форумы и сайты заводов профиля, авторы отобрали ровно 50 сильнейших сайтов оконных дилеров с максимальной видимостью по CTR-кривой (у лидеров доля коммерческой видимости составляла 93–100%).
- На базе реальных формулировок из Semrush AI Prompt Research составили 52 промпта в пяти категориях: «выбор», «сравнение», «проблема», «исполнитель» и «бренды».
- Замеры провели через Topvisor по трем моделям: ChatGPT, Алиса AI и DeepSeek. Всего зафиксировали 156 ответов при строго отключенном веб-поиске, изучая параметрическую память нейросетей — знания, заложенные в веса моделей на этапе предобучения.
Ручная обработка текстов позволила извлечь 845 прямых упоминаний брендов, отсеяв системные сбои трекеров из-за путаницы доменов. Результаты замеров оказались обескураживающими для адептов классической оптимизации.
Эффект невидимки: почему 80% чемпионов выдачи не получили ни одного упоминания
Главный парадокс генеративного поиска — колоссальная асимметрия между производителями профиля и сервисными дилерами. Из 845 упоминаний львиную долю забрали заводы: Rehau — 285 упоминаний, Veka — 140, KBE — 110. Производители профиля заняли 69,7% упоминаний в ChatGPT, 77,4% в Алисе AI и 74,3% в DeepSeek. Нейросеть мыслит физическими брендами-создателями, а не монтажными бригадами. Все 50 крупнейших оконных компаний из топа Яндекса вместе взятые набрали лишь 60 упоминаний.
Еще показательнее срез по компаниям: из 50 лидеров Яндекса в ответах нейросетей появились лишь 10. Целых 40 компаний с миллионными бюджетами получили ноль — ИИ не назвал их ни разу. В десятку пробились только «Фабрика Окон» (17), «Окна Роста» (13), «Оконный Континент» (10), «Московские окна» (7), «Пластика Окон» (5), «Окна Панорама» (3) и «Экоокна» (2).
При этом компании, уступившие лидерство в органике или не входившие в топ-50, показали высокую узнаваемость в нейросетях. Бренд Kaleva получил 30 упоминаний, «Сателс» — 6, «Евроокна» — 4, также регулярно всплывали «Тепло Дома», «Окна СП» и «Окна Хаус». В сумме эти игроки второго эшелона собрали больше рекомендаций ИИ, чем весь топ Яндекса.
Анатомия интента: когда нейросети вспоминают живые компании
Анализ категорий пользовательских промптов вскрыл важную деталь. В четырех категориях из пяти — когда пользователь спрашивает о критериях выбора профиля, сравнивает толщину стеклопакетов, решает проблему запотевания или изучает фурнитуру — оконных компаний нет вовсе. ИИ выдает исчерпывающие инженерные консультации по ГОСТам и профилям, игнорируя сервисников.
Все 60 упоминаний дилеров пришлись на одну категорию — «исполнитель». Нейросеть достает названия конкретных подрядчиков из памяти только тогда, когда человек прямо пишет: «посоветуй компанию», «где заказать монтаж» или «рейтинг фирм». Для маркетологов это означает резкое сужение воронки: ИИ закрывает информационные вопросы прямо в диалоговом окне, срезая классический поисковый трафик.
Что формирует веса языковых моделей: корреляция Спирмена против поисковых иллюзий
Чтобы подтвердить, какие действия влияют на попадание в память нейросетей, исследователи рассчитали коэффициенты ранговой корреляции Спирмена между позициями брендов в ИИ и внешними метриками:
- Максимальная корреляция: независимые рейтинги и экспертные статьи. Сильнейшим триггером для весов моделей оказалось присутствие компании в независимых рейтингах (например,
oknarating.ru) и авторитетных медиа. Все шесть компаний выборки, фигурировавшие сразу в трех и более рейтингах из шести изученных (Kaleva, «Окна Роста», «Оконный Континент», «Евроокна», «Экоокна», «Окна Комфорта»), стабильно рекомендовались ИИ. Из 23 фирм, попавших лишь в один рейтинг, нейросети упомянули только одну («Окна Москвы»). Для алгоритмов текст независимого обзора служит базовым сигналом доверия. - Слабая корреляция: социальные сети и видео. Активность во ВКонтакте и на видеохостингах показала низкую связь с ответами моделей. Видео и посты содержат низкую плотность структурированного текста, реклама часто дублируется, а фильтры очистки датасетов отсекают пользовательский шум.
- Околонулевая корреляция: отзывы на геосервисах. Число оценок на Яндекс Картах никак не помогло брендам. Лидер выборки — «Московский оконный сервис» с 1992 отзывами — не получил ни одного упоминания в ИИ. Отзывы внутри карточки без цитирования в прессе не связывают бренд с надежным решением задачи.
- Минимальная корреляция: накрутка поведенческих факторов. Накрутка кликов манипулирует алгоритмами конкретного поисковика, но не оставляет следа в обучающих выборках больших языковых моделей.
Ловушки хостинга и архитектура Query Fan-Out в генеративном поиске
Современный ИИ-поиск все чаще опирается на генеративную оптимизацию — GEO (Generative Engine Optimization). Когда пользователь задает вопрос в Google AI Overviews или SearchGPT, срабатывает механизм Query Fan-Out. Система разбивает запрос на 3–7 подзапросов к веб-индексу, сканирует страницы и синтезирует ответ на уровне смысловых пассажей (passages), а не документов целиком.
Здесь бизнес сталкивается с техническими барьерами:
- Блокировки роботов хостингом: Серверные настройки хостинга (например, Spaceweb) возвращали краулерам GPTBot и ClaudeBot ошибку 415 или код 503 из-за лимитов частоты.
- Агрессивная защита от DDoS: Четыре сайта отдавали капчу Cloudflare и SmartCaptcha всем входящим соединениям краулеров, оставшись без единой проиндексированной строки.
- Парадокс памяти: Компании «Окна Панорама» и «Окна 2.0» заблокировали GPTBot на серверах, но присутствовали в ответах ChatGPT. Это подтверждает: знание о них сформировано внешним авторитетным следом, а не парсингом доменов.
Стратегия Entity-First: как перестроить маркетинг для эпохи GEO
Результаты эксперимента показывают: классическое SEO как борьба за позиции одного домена устарело. Маркетологам пора переходить к стратегии управления цифровой сущностью бренда (Entity-First Strategy).
Для сохранения видимости в ИИ-поиске необходимы три шага:
- Дистрибуция в независимых рейтингах: Присутствие минимум в 3–4 авторитетных каталогах и отраслевых рейтингах с заполненными реквизитами, ценами и спецификациями услуг.
- Экспертный след на профильных ресурсах: Публикация кейсов на профильных форумах (ForumHouse), отраслевых порталах (
oknamedia.ru,tybet.ru) и в деловых медиа. Чем чаще бренд упоминается с конкретными техническими решениями, тем выше плотность связей в весах моделей. - Технический аудит доступности для краулеров: Мониторинг ответов сервера для OAI-SearchBot, GPTBot и YandexBot, отключение капчи для поисковых ботов и внедрение семантической разметки Schema.org.