Ангелина Энг искала отель в Ноксвилле: свежий ремонт, рядом с аэропортом, рейтинг от 8,5 и не дороже 130 долларов за ночь. Она не листала сайты бронирования, а спросила Gemini. Модель вернула 15 вариантов с фото, ссылками и сравнительной таблицей. Она нашла варианты и оценила их. Если ваш отель в этот список не попал, вопрос не в том, появились ли вы в выдаче. Вопрос в том, что ИИ о вас решил.
Так начинается колонка Ангелины Энг на MarTech, и это сценарий, к которому стоит привыкнуть. Покупатели всё чаще делегируют ИИ выбор: отель, товар, подрядчик. Брендам приходится готовиться к новой реальности, где первое впечатление о компании формирует модель.
Почему брендам нужна GEO-стратегия
GEO (оптимизация под генеративный поиск) продолжает меняться, но суть та же: сделать бренд понятным, точно описанным и обнаруживаемым в ответах ИИ. Покупатели всё чаще просят нейросети составить шорт-лист и сравнить варианты перед покупкой. Пока большинство оставляет финальное решение за собой.
Но инфраструктура уже строится. OpenAI представила Agentic Commerce Protocol, Google - Universal Commerce Protocol. Это открытые стандарты для AI-коммерции: структурированные данные о товаре, оплата, управление заказами. Когда агент сможет сам забронировать номер или оплатить заказ, цена ошибки в данных бренда вырастет многократно.
Информация для людей не подходит машинам
Данные о товарах и услугах большинство компаний создавало для людей, а не для ИИ. Агенту нужна структура: цена, наличие, характеристики, условия. В большинстве компаний эти данные разбросаны. Движок бронирования показывает одну цену, сайт - другую. В списке удобств обещают бесплатный завтрак, на стойке выясняется, что он платный. Один канал говорит, что выезд в 11, другой - что в полдень.
ИИ не понимает контекст и нюансы. Если информация в беспорядке, агент прочитает предложение неправильно или перейдёт к конкуренту, чьи данные понятны. AI-поиск вознаграждает тех, кто говорит с ним на его языке: структурированно, точно, без противоречий.
Истории бренда ИИ не читает
Маркетологи опираются на сторителлинг. ИИ сравнивает заявления бренда с отзывами, рейтингами, фото клиентов и другими независимыми источниками. Называете отель недавно отремонтированным, а гости продолжают выкладывать фото старого ковра. Проблема не в тексте, а в расхождении между обещанием и реальностью.
Задача маркетолога - подготовить контент для ответа ИИ и убедиться, что реальность за этим контентом выдерживает проверку. Разрыв между заявлением и фактом ИИ находит быстро, и тогда из ответа исчезает не только конкретное утверждение, а весь бренд.
Четыре вопроса вместо веб-аналитики
Обычная веб-аналитика не покажет, что происходит в AI-поиске. Энг предлагает четыре вопроса:
- Видимость. Бренд появился в релевантных AI-запросах?
- Рассмотрение. Бренд описан точно и попал в шорт-лист?
- Выбор. Бренд соответствует критериям и получил рекомендацию?
- Результат. Клиент перешёл, добавил в корзину, забронировал или купил?
Ответы собирают из тестов видимости в ИИ, данных транзакций, опросов клиентов, анализа отзывов, поведения на сайте и обращений в поддержку. По отдельности эти источники дают картинку, вместе - полную.
Три вопроса для команды
Понятность. Цена, наличие и условия актуальны и одинаковы везде?
Подтверждаемость. Отзывы, рейтинги и фото поддерживают заявления бренда?
Действие. Клиент или агент может сделать следующий шаг без сюрпризов и доплат?
Что это значит для бизнеса
Появление в ответе ИИ не гарантирует выбор. Решение принимается на основе предложения, информации и клиентского опыта. Доверие покупателей и агентов зарабатывают скучные вещи, сделанные хорошо: точная информация, честные цены, работающая доставка.
Для бизнеса во Владивостоке и на Дальнем Востоке это значит: привести цены и условия в порядок до того, как AI-поиск начнёт отвечать на запросы ваших клиентов. Внедрение искусственного интеллекта в маркетинг начинается с того, насколько вашу компанию может понять машина. Нейросети для бизнеса становятся каналом продаж, и к этому каналу нужно готовить данные уже сейчас.