Кейс: как маркетологи выводят бренды в нейросетевую выдачу

Пользователь всё чаще спрашивает не Google, а ChatGPT и другие нейросети, и если вашего бренда нет в этих ответах, для новой аудитории вас просто не существует.

Интересным кейсом поделился Григорий Шевченко из HumanswithAI. На примере интернет-магазина мебели он показал, как бренд из конкурентной ниши кухонь смог за 5 недель перейти от почти полного отсутствия в AI-выдаче к заметному росту упоминаний.

Что было

По 40 брендовым запросам компания получала 127 упоминаний. Но по 160 небрендовым, то есть категорийным запросам, было всего 1 упоминание и ноль цитирований. Это означало, что бренд находили только те, кто уже знал его название. В запросах вроде «где купить кухню» или «какие фасады долговечнее» нейросети компанию не рекомендовали.

Для маркетологов это важный сигнал. В эпоху AEO (оптимизация под блоки прямых ответов) и GEO (оптимизация под генеративные системы) борьба идёт уже не только за позиции в поиске, а за место в готовом ответе нейросети. Ниша кухонь хорошо подходит для такого эксперимента: здесь высокий средний чек, длинный цикл принятия решения и десятки вопросов, которые пользователи задают до покупки: от выбора материалов до проверки договора и сроков установки.

Что сделали

Команда начала с анализа реального спроса и собрала матрицу из 200 LLM-запросов: 40 брендовых и 160 небрендовых.

Небрендовые запросы распределили по этапам воронки:

• Awareness — «с чего начать выбор кухни»
• Consideration — «массив или МДФ: что практичнее»
• Evaluation — «как проверить договор с кухонной фабрикой»
• Decision — «сроки установки кухни под ключ»
• Brand — запросы с упоминанием компании

Затем изучили, какие источники нейросети уже используют по теме «кухни». Лидерами стали: YouTube — 86 упоминаний, Дзен — 54, Отзовик — 38, VC — 33 и DTF — 19. Это важное наблюдение для маркетологов: AI чаще опирается не на сайты магазинов, а на медиа, отзывы и экспертные площадки.

Далее стратегию разделили на два контура:

1. Внешние площадки для быстрого входа в AI-выдачу с гайдами, сравнениями материалов и чек-листами
2. Собственный сайт для закрепления экспертности сFAQ, инструкциями, сравнительными таблицами материалов и прямыми ответами на частые вопросы

Контент готовили по принципу chunk-ready, каждый блок должен быть самодостаточным и отвечать на вопрос даже вне контекста статьи. Это важно для RAG (генерация, дополненная поиском), когда нейросеть ищет релевантные chunks и использует их для формирования ответа.

Кейс показывает, что даже в конкурентной нише можно за несколько недель существенно повысить AI-видимость, для этого нужно понимать, как нейросети находят и собирают информацию, и заранее занять место в тех ответах, где клиент принимает решение.