Смотри, какая штука выяснилась в свежем исследовании: AI-модели при формировании ответов выбирают знакомые им бренды в 3.2 раза чаще, чем те, о которых модель почти ничего не знает. Не в полтора раза, не в два — в три с лишним.
Это не мелочь. Это фактически новый вид неравенства в выдаче, только теперь оно зашито не в алгоритм ранжирования, а в саму «память» модели.
Откуда берётся это преимущество
AI-модели обучаются на огромных массивах текста. Бренды, которые давно и много упоминаются в интернете — в статьях, отзывах, на авторитетных площадках — просто чаще встречаются в этих данных. Модель их «помнит» и охотнее подставляет в ответ.
Новый бренд в этом смысле стартует из минуса. О нём почти нет упоминаний в обучающих данных, значит модели неоткуда его вспомнить, даже если продукт объективно не хуже.
Это чем-то похоже на историю с доверием к сайту в обычном поиске: старый домен с историей ссылок и упоминаний получает фору просто по факту своего возраста. Только здесь ставки выше — модель либо о тебе слышала, либо тебя не существует.
Почему это касается всех, а не только крупных игроков
Есть нюанс, который делает ситуацию не такой безнадёжной. По данным исследования, 55% поисковых запросов вообще не содержат названия бренда. Люди спрашивают «лучший сервис для…», а не «что лучше, X или Y».
Именно на таких запросах модель делает так называемый фан-аут поиск — расширяет запрос, ищет дополнительный контекст, обходит разные источники. И вот тут у небольшого бренда появляется шанс: если твой контент попадётся модели именно в этот момент, ты можешь оказаться в ответе рядом с именами, которые формально гораздо крупнее тебя.
Что делать новым и небольшим брендам
Первое — делать по-настоящему авторитетный контент, который реально обнаруживается при таком расширенном поиске. Общие статьи ни о чём тут не работают, нужна конкретика и экспертность, которую видно с первого абзаца.
Второе — размещаться там, где модели уже «доверяют». Публикации на авторитетных площадках попадают в обучающие данные охотнее, чем материалы с малоизвестного домена. Это тот случай, когда digital PR и упоминания на внешних ресурсах работают не только на людей, но и на модели.
Третье — не пытаться тягаться с гигантами на широких запросах. Уходи в нишу. Точный запрос по узкой теме — это территория, где у модели просто нет закреплённого фаворита, и там у тебя честные шансы.
Четвёртое — думать о том, как твой контент выглядит рядом с контентом известных конкурентов. Если модель ищет ответ и натыкается на сравнение или подборку, где твой бренд стоит рядом с лидером рынка — это уже половина дела.
Что с этим делать по-русски
Для нашего рынка логика та же самая, просто источники другие. Яндекс со своими ИИ-ответами тоже опирается на то, что видел раньше и чему доверяет: авторитетные СМИ, отраслевые издания, площадки с историей. Незнакомый бренд там точно так же стартует не с нуля, а с минуса.
Значит стратегия та же: не пытаться обхитрить систему одним трюком, а системно наращивать упоминания на площадках, которым уже доверяют и Яндекс, и Google, и языковые модели заодно.
Это не быстрый процесс. Но это и не какая-то магия — это обычная работа с репутацией бренда в интернете, просто теперь у неё появился ещё один потребитель — сама модель.
Итог
AI-поиск усиливает эффект уже известных имён, и это создаёт для новых брендов дополнительный барьер. Но он преодолим — через нишевые запросы, авторитетные площадки и точный контент, который модель способна найти именно в момент фан-аут поиска.
Если хочешь понять, насколько твой сайт вообще заметен для ИИ-поиска сегодня, начни с гео-аудита.