Когда появились первые сервисы с возможностью генерации сказок для детей, многие родители восприняли их как идеальный инструмент для воспитания.

Можно за несколько минут придумать историю, где главным героем станет сам ребенок, добавить любимое животное, знакомые места, иллюстрации — и каждый вечер читать совершенно новую сказку.

Казалось бы, технологии наконец-то научились создавать действительно персональный контент.

Но новое исследование Вашингтонского университета показывает неожиданную проблему. Оказывается, современные языковые модели почти перестали создавать женских персонажей. И дело тут вовсе не в сказках.

Это исследование гораздо лучше показывает, как сегодня работает искусственный интеллект и почему даже самые современные модели продолжают усиливать человеческие стереотипы.

Откуда появилась эта проблема

Исследователи решили проверить, как большие языковые модели придумывают простые детские истории. Эксперимент выглядел достаточно понятным.

Шесть популярных моделей получили одинаковые задания написать сказки про говорящих животных.

Всего было создано 23 800 историй. Затем ученые проанализировали пол каждого персонажа. Результаты оказались неожиданными.

Только 2% героев были женского пола.

Около 41% — мужского.

Еще 57% вообще не имели обозначенного пола.

Получается довольно странная картина. Мы привыкли обсуждать, что ИИ может быть предвзят. Но здесь проблема выглядит иначе. Женские персонажи практически исчезли.

Почему ИИ не создает новый мир

Очень часто можно услышать мнение, что искусственный интеллект что-то «придумывает».

На самом деле это не совсем так. Любая современная языковая модель обучается на огромном количестве человеческих текстов. Она ищет закономерности. Запоминает связи между словами. Учится прогнозировать наиболее вероятное продолжение текста.

Поэтому ИИ гораздо чаще отражает окружающую культуру, чем создает собственную. Чтобы проверить это, ученые сравнили результаты моделей с тем, как подобные истории пишут сами люди.

Сначала они проанализировали около трехсот популярных детских книг. Практически во всех книгах животных мужского пола оказалось значительно больше. Даже такие персонажи, как волк или лягушка, более чем в девяти случаях из десяти были «самцами».

После этого более 1300 человек попросили самостоятельно написать короткие рассказы про говорящих животных. Результат оказался похожим.

Большинство авторов снова бессознательно выбирали мужских персонажей. То есть проблема существовала задолго до появления ChatGPT. Однако языковые модели ее не исправили. Наоборот. Они сделали ее заметнее.

Почему борьба с предвзятостью дала противоположный эффект

Самая интересная часть исследования связана вовсе не с количеством мужских персонажей. Гораздо важнее понять, почему почти исчезли женские.

Современные языковые модели проходят дополнительное обучение после основной подготовки. Разработчики стараются уменьшить дискриминацию. Снизить количество спорных ответов и сделать модели максимально безопасными.

Для этого ИИ нередко обучают выбирать наиболее нейтральные варианты. На практике возникает неожиданный эффект. Вместо того чтобы создавать более разнообразных персонажей, модель начинает вообще избегать указания пола.

Получается не инклюзивность, а обезличивание. Вместо героини появляется просто «животное». Вместо персонажа — «птица». Без местоимений, без индивидуальности и без выраженной роли.

Фактически нейтральность начинает работать как способ ничего не выбирать. И именно поэтому женских персонажей становится еще меньше.

Почему разные модели ошибаются одинаково

Исследователи протестировали сразу несколько современных систем:

• Claude Sonnet 4.5
• Gemini 2.5
• GPT-4o
• GPT-5.1
• Mistral Medium
• Olmo 3

Распределение оказалось разным. Gemini 2.5 и GPT-5.1 чаще остальных создавали мужских персонажей. Claude немного чаще использовала женских героев. Olmo предпочитала вообще не указывать пол.

Но общая тенденция сохранилась абсолютно у всех. Это важный вывод. Проблема не связана с конкретной компанией. Она появляется значительно глубже — на уровне обучения современных больших языковых моделей.

Почему это касается не только детских сказок

На первый взгляд исследование выглядит довольно узким. Ну исчезли женские персонажи из детских историй. Почему это должно волновать остальных?

Потому что те же самые модели сегодня используются не только для сказок. Они пишут статьи. Создают рекламные объявления, формируют вакансии, готовят учебные материалы, помогают HR, создают изображения и отвечают клиентам.

Если модель способна незаметно усиливать один тип культурных шаблонов, значит, она потенциально способна усиливать и любые другие.

Именно поэтому сегодня специалисты по искусственному интеллекту все чаще говорят не о качестве генерации текста. А о качестве данных, на которых этот текст появляется.

Настоящая проблема — не в сказках

На мой взгляд, главное открытие исследования заключается совсем не в гендерной статистике. Оно показывает принцип работы современных языковых моделей.

ИИ не обладает собственной системой ценностей. Он не принимает моральных решений и не понимает справедливость. Он лишь очень точно воспроизводит закономерности, которые уже существуют в данных. Если эти данные содержат перекосы, модель будет их воспроизводить. Иногда даже сильнее, чем это делают люди.

Поэтому разговор об этике искусственного интеллекта постепенно превращается в разговор о качестве информации, которой мы обучаем будущие модели.

Мой вывод

Мне кажется, исследование Вашингтонского университета — это не столько работа о гендере, сколько иллюстрация новой проблемы генеративного ИИ.

Мы привыкли обсуждать, насколько умными становятся нейросети. Но гораздо важнее понимать, какую картину мира они начинают считать нормой.

Именно это сегодня становится одним из главных вызовов развития искусственного интеллекта. Потому что нейросети уже не просто отвечают на вопросы. Они начинают формировать представления миллионов людей о мире.

И чем раньше мы научимся замечать подобные эффекты, тем ответственнее сможем использовать ИИ в образовании, маркетинге, медиа и повседневной жизни.

Последние несколько лет все обсуждают один вопрос: сможет ли искусственный интеллект заменить авторов. Но, как выяснилось мы уже задаем его неправильно. В новых реалиях, куда правильнее будет:

Почему люди начинают предпочитать тексты, написанные нейросетями, даже когда уверены, что их написал человек?

Недавнее исследование Университета Вилланова показало довольно неожиданный результат. Для большинства участников эксперимента рассказы, созданные искусственным интеллектом, оказались интереснее человеческих. Более того, многие вообще перестали понимать, кто является автором текста.

На первый взгляд кажется, что это еще одна новость про ChatGPT. На самом деле речь идет о гораздо более серьезных изменениях.

Что проверяли исследователи

Авторы исследования провели несколько экспериментов, в которых приняли участие более двух тысяч человек. Участникам показывали короткие рассказы и просили оценить их по двум параметрам:

• насколько качественно написан текст
• насколько интересно его читать

Иногда испытуемым честно говорили, кто написал рассказ. Иногда специально вводили их в заблуждение.

Получилась интересная ситуация.

Истории, написанные искусственным интеллектом, получили оценки выше человеческих примерно:

• на 6% по качеству
• на 8% по увлекательности

Но самым любопытным оказался другой результат. Если участники были уверены, что текст написал человек, они оценивали его еще выше. Даже если автором на самом деле была нейросеть.

Получается своеобразный психологический эффект. Люди хотят верить, что хорошие тексты создают люди. Но когда они оценивают сам текст, без предубеждений, им чаще нравится именно работа искусственного интеллекта.

Люди почти перестали отличать ИИ от человека

После этого исследователи решили проверить еще одну гипотезу. Можно ли вообще определить автора?

Для этого провели два дополнительных эксперимента. Результат оказался неожиданным. Правильно определить, кто написал текст, участники смогли лишь примерно в 40–52% случаев. По сути, это почти случайное угадывание.

Лучше остальных справились люди, которые регулярно работают с современными нейросетями. Они уже научились замечать характерные особенности генеративных моделей:

• слишком ровную структуру
• одинаковый ритм предложений
• повторяющиеся языковые конструкции
• характерные обороты речи

А вот люди с литературным образованием ошибались даже чаще остальных.

Это хороший пример того, насколько быстро меняется сама природа текста.

То, что еще год назад считалось явным признаком работы нейросети, сегодня постепенно исчезает.

Почему искусственный интеллект вообще выигрывает

Кажется логичным предположить, что нейросети стали талантливее людей. Но исследование говорит о другом. Большие языковые модели обучают не писать красиво. Их обучают нравиться людям. Практически каждая современная модель проходит дополнительное обучение с использованием человеческой обратной связи.

Разработчики показывают модели несколько вариантов ответа. Пользователи выбирают лучший. После миллионов подобных сравнений модель начинает понимать, какие формулировки люди оценивают выше.

В результате появляется текст, который:

• легко читать
• быстро воспринимать
• просто понимать
• приятно пролистывать

Он редко удивляет. Почти никогда не перегружает читателя. Практически не требует усилий.

Человеческий текст устроен иначе. Автор может использовать сложную композицию, намеренно оставить недосказанность. Может заставить читателя остановиться и подумать. Именно поэтому хорошие книги далеко не всегда читаются легко.

Нейросети же почти всегда выбирают максимально понятный путь. И оказывается, что массовой аудитории такой стиль нравится больше.

История, которая хорошо показывает происходящее

Пока исследователи анализируют результаты экспериментов, Билл Джонс уже превратил новую реальность в источник дохода.

Недавно The New York Times рассказала историю семидесятилетнего пенсионера. После выхода на пенсию он решил попробовать ChatGPT. Первая книга была посвящена истории хакерства. Продажи оказались почти нулевыми. Но сам процесс настолько понравился автору, что он продолжил писать.

Сегодня на Amazon опубликовано уже около 445 его книг. Каждую неделю появляется еще десять новых. При этом речь не идет о художественной литературе. Он выпускает документальный нон-фикшн.

Темы самые разные: история блюза, бейсбол, атомная энергетика, кибербезопасность, американская инфраструктура.

Работает он довольно просто. Сначала собирает материалы. Потом просит ChatGPT помочь со структурой и первым черновиком. После этого самостоятельно переписывает и редактирует текст.

Сам Джонс признается, что большие объемы сразу генерировать нельзя — модель начинает ошибаться и выдумывать факты. Поэтому книгу он собирает небольшими частями.

После комиссии Amazon с каждой продажи остается около семи долларов. Общий доход уже составляет несколько тысяч долларов ежемесячно.

Эта история интересна не суммой заработка. Она показывает другое. Для большинства покупателей гораздо важнее получить полезную книгу, чем знать, каким инструментом пользовался автор при ее создании.

Что это меняет для бизнеса

Мне кажется, именно здесь начинается самое интересное. Еще недавно компании конкурировали между собой качеством текста. Сегодня конкурировать приходится с системой, которая миллиарды раз обучалась писать так, чтобы нравиться людям. И это меняет требования к контенту.

Просто хороший текст больше не является конкурентным преимуществом. Его теперь способен написать практически любой современный ИИ. Зато резко растет ценность вещей, которые пока невозможно автоматически сгенерировать:

• собственного опыта
• исследований
• экспертных наблюдений
• аналитики
• выводов
• уникальных данных

Получается любопытный парадокс. Роль автора становится даже важнее. Но теперь автор ценен не потому, что умеет красиво складывать слова. А потому, что ему есть что сказать.

Изменился не автор. Изменился читатель

Мне кажется, исследование Университета Вилланова важно не тем, что искусственный интеллект оказался убедительным автором.

Но главным открытием стало то, что за последние несколько лет изменились ожидания аудитории. Сегодня большинство людей хотят получить информацию быстро. Без сложных конструкций. Без длинных вступлений. Без необходимости перечитывать абзац несколько раз. Именно под такие ожидания и обучаются современные языковые модели.

Поэтому вопрос "заменит ли ИИ человека?" постепенно перестает быть главным. Гораздо важнее понять другое. Если алгоритмы уже умеют писать так, как нравится большинству читателей, то какую ценность должен создавать человек?

На мой взгляд, ответ уже появляется. Не текст, а идеи. Не слова, а смысл. Не черновик, а опыт, который невозможно скачать из интернета.

Именно вокруг этого и будет строиться контент ближайших лет.

Последние два года компании активно внедряют персональных ИИ-помощников.

Они читают письма, планируют встречи, работают с документами, помогают писать код, запоминают предпочтения сотрудников. Все это стало возможным благодаря долговременной памяти. Именно она постепенно превращает обычный чат в полноценного цифрового помощника.

Но возникает вопрос. Что будет, если изменить эту память? Именно этому посвящено исследование Университета Нью-Мексико.

Почему память становится новой поверхностью атаки

Раньше злоумышленники искали пароль. Потом научились воровать токены доступа. Теперь появляется еще одна возможность. Не получать контроль над системой напрямую, а изменить то, что она считает правдой.

Авторы исследования называют такую атаку GhostWriter. Ее задача — незаметно внедрить ложную информацию в память ИИ. После этого помощник начинает использовать ее при принятии решений.

Как выглядит атака

GhostWriter состоит из двух этапов. Сначала память заражается специальной инструкцией. Позже эта инструкция извлекается при подходящем запросе.

Сам пользователь может даже не понимать, что произошло. Никаких сообщений об ошибке. Никаких признаков взлома. Ассистент просто начинает работать немного иначе.

Почему это опаснее обычной ошибки

Если нейросеть один раз дала неверный ответ, проблему легко заметить. Но память работает иначе. Она становится частью поведения модели. Это уже не разовая галлюцинация, а изменение накопленного опыта.

В исследовании приводится пример почтового помощника. После заражения памяти он начинает автоматически пересылать письма определенного отправителя третьему лицу. Внешне все выглядит абсолютно нормально. Именно поэтому подобные атаки вызывают серьезный интерес у специалистов по безопасности.

Насколько серьезна проблема

Авторы сообщают о высокой успешности внедрения ложной памяти. В лабораторных условиях первая стадия проходила примерно в 98% сценариев. Позже вредоносная инструкция активировалась примерно в 60% случаев.

Конечно, это не означает, что все современные ИИ уже находятся под угрозой. Но направление развития выглядит вполне очевидным.

Что меняется для бизнеса

До недавнего времени защита ИИ сводилась к ограничению доступа. Теперь этого становится недостаточно. Постепенно придется контролировать и то, что именно система запоминает.

Особенно если она работает с:

• корпоративной почтой
• календарями
• CRM
• внутренними документами
• финансовыми сервисами

Главный вывод

Мне кажется, GhostWriter показывает более важную вещь, чем очередную найденную уязвимость.

Он показывает, как меняется сама логика информационной безопасности.

Если раньше защищали вход в систему, то теперь придется защищать ее память.

А по мере распространения ИИ-агентов именно память может стать самым ценным элементом всей инфраструктуры.

Последние несколько лет развитие искусственного интеллекта выглядит довольно предсказуемо. Новые модели становятся больше, получают больше параметров, длиннее контекст и мощнее вычислительные возможности.

Кажется, что весь прогресс сводится к простой формуле: больше данных — лучше результат. Но новое исследование, показывает совсем другое направление развития.

Оказывается, следующая проблема искусственного интеллекта заключается вовсе не в том, что он знает слишком мало. Наоборот. Иногда он запоминает слишком много. И именно это становится причиной ошибок.

Человеческая память тоже не хранит все подряд

Наш мозг устроен довольно интересно. Каждый день мы получаем огромное количество новой информации. Большая часть исчезает уже через несколько часов. Остается только то, что оказалось действительно важным.

Во время сна мозг не просто отдыхает. Он постоянно сортирует воспоминания. Одни связи становятся крепче. Другие постепенно исчезают. Благодаря этому память не переполняется случайными деталями.

Именно этот принцип уже много лет пытаются использовать исследователи искусственного интеллекта.

Сети Хопфилда — одна из первых попыток создать память для ИИ

Еще в начале 1980-х годов Джон Хопфилд предложил модель ассоциативной памяти. Ее идея очень похожа на работу человека.

Допустим, вы увидели только часть знакомого объекта. Несколько веток. Кусок ствола. Несколько листьев. Этого достаточно, чтобы понять: перед вами дерево. Именно так работают сети Хопфилда.

Они способны восстановить целое воспоминание даже по неполному входному сигналу. Поэтому такие модели долгое время считались хорошим приближением к принципам работы человеческой памяти.

Но память быстро начинает заполняться ошибками

Проблема обнаружилась довольно быстро. Классическая сеть Хопфилда может хранить совсем немного информации. Ее практический предел составляет около 13% от количества нейронов. Если нейронов сто, сеть надежно хранит примерно тринадцать воспоминаний. Все остальное пространство начинают занимать ложные состояния памяти. Их называют аттракторами. Фактически сеть начинает вспоминать комбинации, которых никогда не существовало. Отсюда появляются ошибки. И это очень напоминает человеческую память.

Мы тоже иногда "вспоминаем" события, которых никогда не было.

Сон оказался полезен и для нейросетей

Исследователи решили обратиться к биологии. Если мозг очищает память во сне, почему бы не сделать то же самое с искусственной сетью? Так появились алгоритмы "сна".

После завершения обучения сеть начинала исследовать собственную память. Она случайным образом проходила по уже существующим состояниям и постепенно удаляла ложные воспоминания.

Идея оказалась рабочей. Но возникла новая проблема. Если процесс продолжался слишком долго, сеть начинала стирать уже настоящие знания.

Этот эффект хорошо известен в машинном обучении. Его называют катастрофическим забыванием.

Почему появилось «Мечтание»

В 2025 году Федерико Риччи-Терсенги предложил более интересный подход. Вместо того чтобы разделять обучение и очистку памяти, исследователи объединили оба процесса. Сеть продолжала обучаться. Но одновременно удаляла ложные воспоминания.

Алгоритм получил название Daydreaming — «Дневное мечтание». Результат оказался впечатляющим. Емкость памяти практически достигла теоретического максимума. Один нейрон смог хранить одно воспоминание. Для подобных моделей это очень серьезный результат. Казалось бы, проблема решена. Но оставалось еще одно ограничение.

Настоящий мир совсем не похож на лабораторию

Практически все предыдущие эксперименты проводились на идеально подготовленных данных. Но в жизни таких данных почти нет. Фотографии бывают пересвеченными. Темными. С одинаковым фоном. Люди сняты в одинаковых условиях. Большая часть информации оказывается одинаковой. И именно эта одинаковость начинает мешать обучению.

Представьте базу фотографий сотрудников компании. Фон один. Освещение одинаковое. Если анализировать изображение целиком, модель начинает считать фон главным признаком. Хотя человеку очевидно, что важнее лица.

Новая версия «Мечтания» изменила сам принцип обучения

В новой статье исследователи представили алгоритм Centered Daydreaming. Теперь сеть анализирует не сами значения, а отклонения относительно среднего. Если снова представить фотографии людей, получается интересный эффект. Все, что повторяется почти на каждом снимке, постепенно перестает играть большую роль. Зато различия между лицами становятся гораздо заметнее.

Фактически модель сама начинает отделять полезную информацию от информационного шума. И делает это локально. Без необходимости пересчитывать всю сеть целиком. Это важно еще и потому, что именно локальные взаимодействия больше напоминают работу настоящего мозга.

Нейроны ведь не обмениваются информацией сразу со всем мозгом. Каждый взаимодействует лишь с небольшим количеством соседей.

Почему это исследование интересно далеко не только ученым

На первый взгляд может показаться, что речь идет исключительно о фундаментальной математике. Но последствия значительно шире.

Сегодня практически любой искусственный интеллект обучается на реальном интернете. А интернет далеко не идеален.

В нем огромное количество:

• ошибок
• противоречий
• повторов
• предвзятых данных
• информационного шума
• фейков

Если модель научится автоматически понимать, какие признаки действительно важны, а какие являются случайными, качество работы может вырасти намного сильнее, чем просто после увеличения числа параметров.

По сути, речь идет о развитии способности различать главное и второстепенное.

Что это означает для будущего ИИ

Мне кажется, эта работа показывает очень важную тенденцию.

Несколько последних лет индустрия жила в логике масштабирования. Больше данных. Больше видеокарт. Больше параметров. Но бесконечно двигаться этим путем невозможно. Рано или поздно эффективность начинает расти значительно медленнее стоимости обучения.

Поэтому исследователи все чаще возвращаются к фундаментальным вопросам. Как должна работать память? Как отличать важное от случайного? Как забывать ложную информацию, не теряя настоящую?

Именно такие задачи, скорее всего, определят развитие искусственного интеллекта в ближайшие годы.

Главный вывод

Меня в этом исследовании зацепило не само название алгоритма. И даже не увеличение емкости памяти. Самое интересное здесь другое.

Авторы фактически предлагают научить искусственный интеллект делать то, что человек делает постоянно и почти не замечает.

Не помнить все подряд. А понимать, что действительно заслуживает памяти.

Возможно, именно эта способность и станет следующим большим шагом в развитии ИИ.

Последние два года я все чаще говорю клиентам, что SEO перестает быть обособленным направлением. В современных реалиях оно должно работать в тесной связке с PR.

Причина в том, что теперь за информацию о компании отвечают сразу две аудитории.

Первая — люди.

Вторая — нейросети.

ChatGPT, Gemini, Claude, DeepSeek, Perplexity и другие ИИ-ассистенты уже не просто помогают искать информацию. Они начинают самостоятельно выбирать, какие компании рекомендовать пользователю, а какие оставить без внимания.

Именно про это свежий материал Китайского университета Гонконга, в котором исследователи отвечают на вопрос:

Можно ли заставить нейросеть рекомендовать то, чего на самом деле не существует?

Исследование, которое стоит прочитать всем, кто занимается SEO, PR и маркетингом

Авторы исследования решили проверить, насколько современные генеративные модели умеют отличать достоверную информацию от качественной подделки.

Для этого была создана специальная среда FORGE (Fake Online Recommendations in Generator Environments). По сути, она воспроизводит обычный пользовательский сценарий.

Человек ищет товар. ИИ анализирует сайты и предлагает лучший вариант. Но в этот раз на реальные сайты, находящиеся в топе поисковой выдачи, исследователи добавляли специально подготовленные страницы с выдуманной информацией.

Важно понимать, что это были не примитивные подделки, а полноценные страницы с:

• грамотными текстами

• качественным оформлением

• убедительной структурой

• аргументами

• характеристиками

• элементами, повышающими доверие

Такие страницы, сегодня умеет делать практически любой хороший контент-маркетолог.

Проверяли сразу двенадцать ИИ-ассистентов

Чтобы исключить случайность, исследование проводили сразу на нескольких генеративных моделях.

В тестировании участвовали: ChatGPT, Gemini, Claude, DeepSeek. Qwen, GLM и другие современные модели. И практически все показали одинаковую проблему. Если информация выглядит достаточно убедительно, модель начинает считать ее достоверной.

Это говорит о том, что проблема носит системный характер и связана не с конкретной компанией-разработчиком. Она возникает из самого принципа работы генеративных рекомендаций.

Самое опасное начинается дальше

Если бы нейросеть просто цитировала наименование бренда или его характеристики со страницы — это уже было бы показательно. Но исследование выявило более серьезную проблему. ИИ начинают самостоятельно додумывать ложную информацию.

Один из самых интересных экспериментов связан с вымышленным брендом защитных стекол Langyu (朗域). Такого производителя не существует.

После появления подготовленных страниц некоторые модели начали не только рекомендовать его, но и додумывать про него репутацию.

Рекомендации выглядели вполне убедительно. Появились утверждения вроде:

— «часто рекомендуется техническими сообществами»

— «успешно прошло испытания на падение»

— «одно из лучших соотношений цены и качества»

Получается, что нейросети не просто воспроизводят ложную информацию. Он начинают достраивать вокруг нее репутацию. Фактически появляются искусственные социальные доказательства. И именно это делает подобные ошибки особенно опасными.

Какие категории оказались наиболее уязвимыми

Авторы исследования протестировали двенадцать крупных категорий.

Среди которых наибольшая уязвимость наблюдалась там, где пользователь принимает решение на основе доверия. Это рестораны, отели, местные компании, медицина и косметика.

Почему именно они?

Потому что здесь сложно измерить качество объективными характеристиками. Люди ориентируются на репутацию, отзывы, экспертные рекомендации и упоминания в СМИ. Именно эти сигналы анализируют современные ИИ. И если они оказываются искажены, рекомендации начинают меняться.

Почему это важно для бизнеса

Многие компании до сих пор считают, что достаточно попасть на первую страницу поисковой выдачи. Но этого уже мало. Важно понимать, каким ваш бренд видят генеративные модели.

Именно поэтому сегодня SEO постепенно трансформируется в GEO (Generative Engine Optimization). Если раньше мы оптимизировали сайт только для поисковых алгоритмов, то теперь нужно учитывать и искусственный интеллект.

Причем речь идет не только о технической оптимизации, но и о информационной среде вокруг компании. На мой взгляд, сегодня особую ценность приобретают:

• экспертные статьи

• публикации в СМИ

• комментарии специалистов

• качественные исследования

• отзывы клиентов

• упоминания бренда

• ссылки с авторитетных ресурсов

• понятная структура сайта

• единый информационный образ компании

Все эти сигналы постепенно становятся источниками доверия для генеративных моделей.

Так можно ли манипулировать нейровыдачей?

Сам исследовательский эксперимент показывает, что можно. По крайней мере сейчас. Но здесь есть важный нюанс — манипуляции работают только тогда, когда вокруг бренда отсутствует сильная цифровая репутация.

Если компания годами публикует экспертный контент, получает естественные упоминания, работает со СМИ, регулярно цитируется и присутствует на десятках авторитетных площадок, полностью вытеснить эту информационную картину становится значительно сложнее.

Поэтому я бы не рассматривал результаты исследования как инструкцию по манипуляции. Скорее как вектор. Если вы не занимаетесь собственной репутацией, это может сделать кто-то другой.

Главный вывод

Сегодня мы наблюдаем начало новой эпохи интернет-маркетинга. Раньше бизнес боролся за внимание пользователя, теперь за доверие искусственного интеллекта.

Нейросети все чаще становятся первым источником информации перед покупкой. Поэтому уже недостаточно просто хорошо ранжироваться в поиске, вести блог и иметь красивый сайт. Нужно создавать такую цифровую репутацию, которую генеративным моделям будет сложно исказить даже при появлении фейковой информации.

Именно это, на мой взгляд, и станет одной из главных задач GEO, SEO и PR в ближайшие годы.

Больше интересных статей на моем сайте.

Каждый раз, когда появляется новая платформа, рынок реагирует одинаково. Сначала большинство ее игнорирует. Потом появляются скептики, которые объясняют, почему ничего не получится. Затем приходят энтузиасты. После них — первые авторы. Потом рекламодатели. А спустя несколько лет оказывается, что именно в этот момент зарождался новый рынок.

Недавно Яндекс объявил о запуске монетизации каналов в MAX через Рекламную сеть Яндекса для всех каналов. На первый взгляд это выглядит как обычное обновление рекламного кабинета. Но если посмотреть глубже, речь идет о гораздо более интересном процессе.

Фактически мы наблюдаем формирование новой экосистемы, где авторы получают возможность зарабатывать, бренды — рекламироваться, а платформа — удерживать создателей контента внутри собственного контура.

Я решил разобраться, как работает новая система, протестировать подключение на собственном канале и понять, что это может означать для рынка в целом.

Почему монетизация важнее самого мессенджера

История интернета показывает простую закономерность. Платформы становятся успешными не тогда, когда получают аудиторию. Они становятся успешными тогда, когда начинают приносить деньги своим авторам.

YouTube вырос благодаря партнерской программе. Telegram получил взрывной рост рынка каналов после появления рекламных возможностей. Дзен долгое время удерживал авторов именно за счет понятной модели монетизации.

Создатели контента готовы вкладывать время и силы только тогда, когда понимают перспективу возврата инвестиций.

Поэтому запуск монетизации в MAX выглядит логичным и даже неизбежным шагом.

Без экономики авторов ни одна современная контентная платформа долго существовать не может.

Что именно запустил Яндекс

Суть механики достаточно проста. Если канал соответствует требованиям, его можно подключить к Рекламной сети Яндекса.

После подключения система берет на себя:

• поиск рекламодателей
• размещение рекламных публикаций
• маркировку рекламы
• сбор статистики
• автоматическое удаление рекламных постов

Канал получает привычную модель привлечения аудитории без необходимости самостоятельно искать площадки и вести переговоры.

Большинство авторов отлично умеют создавать контент, но далеко не все любят в рекламу. Яндекс фактически предлагает убрать этот пробел.

Какие каналы смогут подключить монетизацию

Порог входа оказался значительно ниже, чем многие ожидали. Яндекс не требует десятков тысяч подписчиков или статуса крупного медиа. Для подключения монетизации канал должен соответствовать нескольким базовым условиям.

Во-первых, существовать более одного месяца.

Во-вторых, иметь не менее 1000 подписчиков.

В-третьих, регулярно публиковать контент: с момента последней публикации должно пройти не более двух недель, а каждый пост должен набирать минимум 100 просмотров за 48 часов.

Кроме того, канал обязан соответствовать правилам Рекламной сети Яндекса и действующему законодательству.

Для крупных авторов предусмотрено дополнительное требование. Если канал насчитывает более 10 000 подписчиков и основная часть аудитории находится в России, он должен быть зарегистрирован в реестре блогеров Роскомнадзора.

Отдельное внимание уделяется географии аудитории. Аудитория канала должна находиться в России, Беларуси, Казахстане, Узбекистане и Турции. Также Яндекс отмечает, что контент должен быть преимущественно на русском или английском языке.

Для авторов это означает простую вещь: если канал уже живой, регулярно обновляется и имеет активную аудиторию, шансы на подключение монетизации достаточно высоки.

Интересный момент: порог входа оказался ниже ожидаемого

Когда появляются новые рекламные инструменты, многие ожидают жестких ограничений. Но требования оказались вполне доступными.

Для подключения необходимо:

• минимум 1000 подписчиков
• канал старше одного месяца
• регулярная публикация контента
• не менее 100 просмотров на публикацию за 48 часов
• активность в течение последних двух недель

С точки зрения рынка это выглядит разумным компромиссом. С одной стороны, отсеиваются случайные и заброшенные проекты. С другой — возможность остается доступной даже относительно небольшим авторам.

Фактически монетизация начинается гораздо раньше, чем на многих других площадках.

Как выглядит подключение на практике

Теория всегда выглядит красиво. Поэтому я решил пройти весь путь самостоятельно.

После регистрации система предлагает заполнить базовые данные:

• название канала
• ссылку
• тематику
• лимиты рекламных публикаций
• параметры размещения рекламы

Интерфейс достаточно понятный. Но уже на этапе подключения появляются первые особенности. Особенно если канал не публичный.

Почему приватные каналы могут столкнуться с неожиданностями

Мой канал в MAX оказался приватным. Согласно инструкции, для таких каналов необходимо использовать ссылку на любой опубликованный пост.

На бумаге все выглядит просто. На практике первая ссылка была отклонена системой. Ошибка выглядела лаконично: «Неверная ссылка на канал».

После обращения в поддержку мне предложили использовать другую ссылку на публикацию.

Следующая проблема оказалась еще интереснее. Кнопка перехода к следующему шагу просто перестала работать. Решение нашлось после консультации со службой поддержки.

Мне порекомендовали:

• сменить браузер
• временно отключить VPN
• убрать расширения
• попробовать подключение с другого устройства

После этого процедура завершилась успешно.

Это не критичная проблема, но хороший пример того, что между официальной инструкцией и реальным опытом использования иногда существует небольшая дистанция.

Бот как новый рекламный менеджер

После добавления канала появляется следующий этап. Необходимо назначить специального бота администратором канала. Ему нужно разрешить писать посты, а для приватных каналов — еще и добавлять подписчиков. По сути, бот становится посредником между каналом и рекламной сетью.

После завершения настройки канал отправляется на модерацию. Только после ее прохождения становится возможным размещение рекламы.

Самая интересная находка — биржевая модель

Во время настройки я обнаружил функцию, которая пока находится в тестовом режиме. Речь идет о биржевой модели размещений.

Автор может самостоятельно указать стоимость тысячи просмотров, по которой готов продавать рекламные показы.

На первый взгляд функция выглядит второстепенной. Но именно она может стать одним из самых интересных элементов всей системы. Почему? Потому что появляется возможность рыночного ценообразования.

Если инструмент получит развитие, MAX может постепенно превратиться не только в площадку для публикации контента, но и в полноценный рынок рекламы внутри собственной экосистемы.

Что происходит на самом деле

Если посмотреть на ситуацию шире, становится заметен более крупный тренд.

Яндекс постепенно строит собственную вертикально интегрированную контентную экосистему. Поиск. Карты. Дзен. Видео. Реклама. Теперь — каналы в MAX.

Чем больше времени пользователь проводит внутри экосистемы, тем больше возможностей появляется для монетизации его внимания.

Для авторов это означает появление дополнительного канала заработка. Для рекламодателей — нового рекламного инвентаря. Для рынка — усиление конкуренции между платформами.

Главный вывод

Запуск монетизации в MAX — это не просто новая кнопка в рекламном кабинете Яндекса. Это признак того, что вокруг платформы начинает формироваться полноценная экономика контента.

Станет ли MAX следующим крупным медиа-пространством — покажет время. Но уже сейчас очевидно, что платформа начинает предлагать авторам то, без чего невозможно устойчивое развитие любой контентной экосистемы. Возможность зарабатывать на своей аудитории. А значит, борьба за внимание пользователей между платформами становится еще интереснее.

И наблюдать за этим процессом сегодня, пожалуй, не менее увлекательно, чем участвовать в нем самому.

Больше интересных статей на моем сайте.

Когда несколько лет назад я начал внимательно изучать русскоязычный контент об энергетике, меня удивила одна вещь.

При огромном количестве новостей, пресс-релизов и отраслевых публикаций найти действительно интересный материал о современных энергетических технологиях было сложно.

Парадоксально, но отрасль, которая определяет будущее экономики, часто рассказывала о себе языком, понятным лишь узкому кругу специалистов.

Новости были. Информация была. А вот интересных историй почти не было. Именно тогда появилась идея проекта, который позже превратился в канал «ЭнергетикУм».

Сегодня этот канал читают тысячи людей, его материалы цитируют профильные сообщества, а сам проект получил федеральные награды в сфере энергетики.

Но начиналось все гораздо проще. С ощущения, что в нише образовался огромный информационный вакуум.

Почему большинство энергетических каналов не хочется читать

До запуска собственного проекта я несколько месяцев наблюдал за тем, как устроен контент в отрасли. Изучал корпоративные медиа. Смотрел телеграм-каналы. Читал отраслевые порталы. Листал публикации в социальных сетях. Картина повторялась практически везде.

Большинство материалов представляли собой пересказ официальных пресс-релизов. Тексты были написаны правильным профессиональным языком.

Но при этом не отвечали на главный вопрос: «Почему это должно быть интересно обычному человеку?»

Новая электростанция. Новый аккумулятор. Новая технология хранения энергии. Все эти темы потенциально невероятно интересны. Но зачастую они подавались настолько сухо, что теряли свою привлекательность еще до первого абзаца.

Мне стало очевидно: проблема не в самой энергетике. Проблема в способе рассказа. Люди любят истории. Любят открытия. Любят технологии будущего. Нужно было просто начать говорить с аудиторией человеческим языком.

Как появилась идея «ЭнергетикУм»

Когда я анализировал рынок, постепенно начал вырисовываться интересный вывод.

В русскоязычном пространстве почти никто системно не рассказывал о необычных способах применения энергии. О новых технологиях хранения, футуристических разработках, пилотных проектах. О том, как энергетика меняет повседневную жизнь.

Да, отдельные публикации встречались. Но единого медиа, которое делало бы это постоянно и последовательно, не существовало.

Так появилась гипотеза. А что если создать канал, который будет рассказывать об энергетике так, чтобы его было интересно читать и инженеру, и школьнику? Без упрощения фактов. Без потери научной составляющей. Но при этом без канцелярита и скуки. Так родилась концепция «ЭнергетикУм».

Почему название оказалось важнее, чем кажется

Многие авторы недооценивают значение названия. На практике именно оно формирует первое впечатление о проекте. Я перебрал десятки вариантов. Одни звучали слишком официально. Другие были настолько абстрактными, что не позволяли понять тематику.

В итоге появился «ЭнергетикУм». Название сложилось из двух смыслов. «Энергетик» — связь с отраслью. «Ум» — акцент на знаниях, технологиях и научно-популярной подаче.

Интересно, что позже это решение помогло не только с узнаваемостью. Название хорошо работало в поиске. Легко запоминалось. Не путалось с другими проектами. А в эпоху нейросетей появилось еще одно преимущество — уникальный бренд оказался удобен для цитирования алгоритмами.

Сегодня это называется генеративной оптимизацией или GEO. На тот момент я просто хотел придумать понятное название.

Контент, который не пересказывает новости

Следующим шагом стало формирование редакционной политики. Очень быстро стало понятно, что публиковать новости ради новостей бессмысленно. Если читатель захочет увидеть пресс-релиз, он найдет его самостоятельно. Поэтому я сформулировал несколько принципов.

Первый — рассказывать только о технологиях, которые действительно меняют отрасль.

Второй — всегда объяснять, как это влияет на людей.

Третий — использовать максимум цифр и фактов.

Четвертый — искать информацию в первоисточниках.

Так вместо сухих заметок начали появляться материалы про аккумуляторы на жидком воздухе, подземную геотермальную энергетику, углекислотные батареи, энергию приливов, инновационные солнечные технологии и нестандартные способы хранения энергии.

Каждая публикация превращалась не просто в новость, а в историю. Именно это постепенно стало отличать канал от большинства конкурентов.

Где искать темы, если на русском языке о них почти не пишут

Через несколько месяцев возникла новая проблема. Интересных русскоязычных источников по-прежнему было мало. Поэтому пришлось искать материалы за пределами российского информационного поля.

Основными источниками стали:

— зарубежные научно-популярные медиа

— исследования университетов

— отраслевые ассоциации

— международные энергетические отчеты

— пресс-релизы технологических компаний

Парадокс заключался в том, что о некоторых российских разработках я впервые узнавал именно из иностранных публикаций. Это давало серьезное преимущество.

Многие темы появлялись в канале раньше, чем о них начинали активно писать в русскоязычных СМИ. Кроме того, работа с первоисточниками позволяла оперировать реальными цифрами.

Аудитория быстро почувствовала разницу между пересказом чужого материала и глубокой проработкой темы.

Когда картинка начинает продавать контент

Есть старая ошибка, которую я регулярно вижу в отраслевых медиа. Авторы вкладывают часы в подготовку текста и почти не уделяют внимания визуалу. Хотя именно изображение пользователь видит первым.

В энергетической тематике это особенно заметно. Подстанции. Конференции. Щиты управления. Служебные фотографии. Лента выглядит одинаково.

Поэтому в «ЭнергетикУм» визуал сразу стал частью стратегии. Для публикаций создавались яркие обложки. Использовались нейросети. Разрабатывались нестандартные превью. Появился легкий юмор.

Результат оказался очевидным. При одинаковом охвате публикации начали получать больше открытий. А алгоритмы социальных платформ стали охотнее показывать материалы новой аудитории.

Какие площадки реально привели подписчиков

Первоначально Telegram рассматривался как главный дом для сообщества. Но рост обеспечили внешние площадки.

Контент публиковался на:

— Pikabu

— VC

— Дзене

— YouTube

— DTF

— ВКонтакте

Одновременно тестировались и другие каналы продвижения. Часть из них показала хорошие результаты. Часть пришлось закрыть.

Через несколько месяцев появилась понятная картина. Лидером неожиданно стал Pikabu. Следом шел VC. Далее Дзен и ВКонтакте. Именно они обеспечивали основной приток новой аудитории.

Это еще раз подтвердило важный принцип: не стоит тупо тиражировать контент. Нужно смотреть на результат.

Когда проект начинает жить самостоятельно

Самым приятным этапом стал момент, когда канал перестал зависеть от активного продвижения. Публикации начали репостить. На материалы стали ссылаться другие авторы. Появились цитирования.

Отдельные посты расходились по тематическим сообществам без каких-либо дополнительных вложений. Для любого медиа это важный рубеж. Он показывает, что контент начинает распространяться благодаря собственной ценности.

Что этот опыт показал мне как маркетологу

За годы работы с контентом я пришел к простому выводу. Большинство успешных проектов строятся не вокруг алгоритмов. Они строятся вокруг неудовлетворенного спроса аудитории.

Если люди не получают нужный контент — появляется возможность создать медиа. Если тема раскрывается плохо — появляется возможность стать экспертом. Если рынок говорит сложным языком — появляется возможность объяснить простыми словами.

Именно так появился «ЭнергетикУм». Не как канал про энергетику. А как попытка рассказать о будущем энергии так, чтобы его захотелось читать людям.

И, как показала практика, именно такой подход в итоге приносит и аудиторию, и цитирования, и профессиональное признание.

Ссылка на канал ЭнергетикУм

Недавно я поймал себя на интересной мысли.

Практически каждый предприниматель хочет получить лояльных клиентов. Об этом говорят на конференциях. Для этого внедряют CRM-системы. Под это создают программы лояльности, бонусные клубы, кэшбэк-сервисы и накопительные скидки.

Но если спросить владельца бизнеса, что такое лояльность на самом деле, чаще всего ответ будет связан с повторными продажами.

Клиент вернулся — значит лояльный. Клиент купил снова — значит доволен. Клиент накопил бонусы — значит останется с нами надолго.

На практике все оказывается гораздо сложнее. Потому что между повторной покупкой и настоящей лояльностью существует огромная разница.

Последние несколько лет я все чаще замечаю одну закономерность. Многие компании вкладывают все больше денег в удержание клиентов, но получают все меньше привязанности к бренду.

И причина здесь вовсе не в маркетинговых инструментах. Проблема гораздо глубже. Мы пытаемся строить отношения с клиентами через скидки, хотя люди принимают решения через доверие.

Когда бизнес путает лояльность со скидкой

Давайте честно ответим на простой вопрос. Сколько бонусных карт лежит у вас в телефоне? Наверняка больше десяти. Супермаркеты. Аптеки. Кафе. Заправки. Маркетплейсы. Банки.

Каждый предлагает специальные условия. Каждый обещает выгоду. Каждый уверяет, что именно его программа лояльности поможет экономить. Но означает ли это, что вы действительно привязаны ко всем этим компаниям? Конечно нет.

Большинство клиентов сегодня легко переходят от одного бренда к другому. Причем иногда даже теряя накопленные бонусы. Почему? Потому что бонусы формируют привычку покупать. Но не формируют эмоциональную привязанность. А именно эмоциональная привязанность лежит в основе настоящей лояльности.

Разница здесь принципиальная. Если человек остается только из-за скидки, он уйдет при первой более выгодной акции конкурента. Если человек остается из-за доверия, цена перестает быть главным аргументом. Именно поэтому некоторые компании вынуждены бесконечно участвовать в ценовых войнах. У них нет другого способа удерживать клиентов.

Почему люди чувствуют фальшь быстрее, чем думает бизнес

Одна из самых распространенных ошибок компаний — считать, что клиент не замечает мотивов бизнеса.

Замечает. Причем очень быстро. Особенно это видно в коммуникациях. Многие компании искренне считают, что поддерживают отношения с клиентами. Они отправляют письма. Публикуют посты. Запускают уведомления. Настраивают чат-ботов.

Но если внимательно посмотреть на содержание этих сообщений, картина становится очевидной. Большинство коммуникаций сводится к одной мысли: Купите. Закажите. Оплатите. Не пропустите. Только сегодня. Последний шанс.

Представьте человека, который звонит вам исключительно тогда, когда ему что-то нужно. Сложно назвать такие отношения дружбой. С брендами происходит абсолютно то же самое.

Когда клиент понимает, что его воспринимают исключительно как источник денег, доверие начинает разрушаться. Причем происходит это постепенно. Сначала снижается вовлеченность. Потом уменьшается количество открытий писем. Затем человек перестает реагировать на сообщения. А потом исчезает совсем.

Для бизнеса это выглядит как обычный отток клиентов. Но на самом деле причиной становится потеря эмоциональной связи.

Почему дружба оказывается выгоднее маркетинга

Звучит парадоксально. Но чем больше я анализирую успешные бренды, тем чаще замечаю одну закономерность.

Самые прибыльные компании редко строят отношения исключительно вокруг продукта. Они создают опыт, эмоции, ощущение принадлежности.

Вспомните бренды, которыми вы пользуетесь годами. С высокой вероятностью причина не только в качестве продукта. Вам нравится отношение, сервис, атмосфера. Нравится то, как компания взаимодействует с клиентами.

Фактически человек начинает чувствовать себя частью определенного сообщества. А это уже совсем другой уровень отношений.

Когда клиент начинает ассоциировать себя с брендом, появляются совершенно другие модели поведения. Он чаще рекомендует компанию друзьям. Охотнее делится положительным опытом. Готов прощать отдельные ошибки. Реже реагирует на скидки конкурентов.

Именно поэтому многие мировые бренды инвестируют огромные деньги не только в рекламу, но и в развитие сообществ. Они понимают простую вещь. Удержать эмоционально вовлеченного клиента значительно дешевле, чем постоянно привлекать нового.

Что на самом деле формирует доверие

Когда предприниматели слышат слово «доверие», оно часто кажется слишком абстрактным. На самом деле доверие складывается из вполне конкретных действий.

Первое — польза. Люди ценят компании, которые помогают разобраться в сложных вопросах. Полезная статья. Честный обзор. Понятная инструкция. Экспертный комментарий. Все это работает значительно дольше рекламного объявления.

Второе — открытость. Люди доверяют людям. Не логотипам. Не рекламным слоганам. Не корпоративным формулировкам. Когда компания показывает сотрудников, экспертов и руководителей, она становится более понятной и близкой.

Третье — благодарность. Большинство компаний реагирует только на негатив. Но сильные бренды умеют работать и с позитивом. Простое человеческое спасибо способно укрепить отношения гораздо сильнее очередного промокода.

Четвертое — последовательность. Доверие невозможно построить одной удачной акцией. Оно формируется месяцами и годами через постоянное подтверждение обещаний.

Почему искусственный интеллект делает лояльность еще важнее

Последние два года принесли новую реальность. Все чаще люди принимают решения после консультации с нейросетями. ChatGPT. Gemini. Perplexity. Яндекс Алиса.

Когда пользователь спрашивает:

«Какую клинику выбрать?»

«Какой автосервис лучше?»

«Кому доверить продвижение сайта?»

Нейросеть анализирует не только сайт компании. Она изучает всю информационную среду вокруг бренда. Отзывы. Публикации. Комментарии. Упоминания. Обсуждения. Экспертность. Репутацию.

Получается любопытная ситуация. Каждый довольный клиент начинает работать на бренд даже после завершения сделки. Его отзыв становится частью цифровой репутации компании. Его рекомендация становится сигналом доверия. Его опыт становится информацией, которую анализируют алгоритмы.

Фактически лояльность начинает напрямую влиять на видимость бизнеса в эпоху искусственного интеллекта.

Что делать бизнесу уже сегодня

Если посмотреть на самые успешные компании последних лет, можно заметить общий принцип.

Они перестали строить коммуникацию исключительно вокруг продаж.

Вместо этого они:

— обучают клиентов
— создают экспертный контент
— работают с отзывами
— показывают людей
— развивают сообщества
— благодарят аудиторию
— создают полезный опыт взаимодействия

Это требует больше времени, чем запуск очередной акции.

Но именно такой подход формирует долгосрочное конкурентное преимущество.

Вместо вывода

За последние двадцать лет маркетинг изменился радикально. Появились социальные сети. Контекстная реклама. Большие данные. Искусственный интеллект.

Но одна вещь осталась неизменной. Люди по-прежнему хотят доверять. Хотят чувствовать уважение. Хотят видеть искренний интерес к своим потребностям.

Поэтому я все чаще соглашаюсь с простой мыслью. Лояльность действительно похожа на дружбу. Ее невозможно купить скидкой. Нельзя создать бонусными баллами. Нельзя автоматизировать через CRM.

Она появляется тогда, когда человек понимает: компания заинтересована не только в продаже, но и в том, чтобы быть полезной.

Именно такие отношения будут приносить бизнесу клиентов еще долго после того, как очередная акция закончится.

Больше интересных статей на моем сайте.

Еще несколько лет назад маркетинг выглядел достаточно предсказуемо. Компания создавала сайт, занималась SEO, запускала рекламу, публиковала статьи и старалась занять место в верхней части поисковой выдачи. Если удавалось попасть в ТОП Яндекса или Google — появлялись заявки.

Сегодня эта схема начинает меняться. Потому что между бизнесом и клиентом появился новый посредник — искусственный интеллект. Все чаще пользователь не открывает поисковик, не сравнивает десятки сайтов и не изучает отзывы самостоятельно. Он просто спрашивает:

• Где найти хорошую стоматологию?
• Какую CRM выбрать для малого бизнеса?
• Кто занимается управлением репутацией?
• Где заказать продвижение сайта?

Ответ на эти вопросы дает Алиса. И если вашего бизнеса нет в этом ответе, клиент может никогда не узнать о вашем существовании.

Мы незаметно вошли в эпоху AI-поиска

Многие предприниматели до сих пор воспринимают искусственный интеллект как интересную технологическую новинку. На самом деле для маркетинга это уже полноценный канал привлечения клиентов. Причем канал, который растет быстрее многих привычных инструментов.

Пользователю удобно получить готовый ответ. Не нужно читать десять статей, сравнивать двадцать сайтов и самостоятельно анализировать отзывы. Нейросеть делает это за него. По сути, искусственный интеллект становится персональным консультантом, который помогает принимать решения.

Именно поэтому борьба за позиции в поиске постепенно дополняется новой задачей — борьбой за место в ответах нейросетей.

Почему хорошие компании иногда не попадают в рекомендации Алисы

Когда я обсуждаю тему AI-поиска с предпринимателями, часто слышу один и тот же вопрос: «Если мой сайт находится в ТОПе Яндекса, почему Алиса может меня не рекомендовать?». Потому что Алиса не копирует поисковую выдачу. Она собирает информацию из множества источников и создает собственный вывод.

Для формирования ответа используются:

• официальный сайт компании
• карточки на Яндекс Картах
• отзывы клиентов
• публикации в СМИ
• экспертные статьи
• отраслевые ресурсы
• базы знаний
• справочники
• тематические сообщества

Фактически нейросеть изучает не только компанию, но и всю информационную среду вокруг нее.

Представьте себе человека, который решил выбрать подрядчика. Он читает отзывы. Смотрит статьи. Изучает упоминания в интернете. Проверяет рейтинг. И только потом делает вывод. Примерно так же действует и искусственный интеллект.

Что общего у компаний, которые регулярно появляются в рекомендациях

Когда начинаешь анализировать ответы Алисы по коммерческим запросам, становится заметна интересная закономерность. Алгоритм нейронки чаще рекомендует компании, обладающие несколькими важными характеристиками.

Репутация

Наличие большого количества положительных отзывов играет важную роль. Но еще важнее содержание этих отзывов.

Сравните два варианта.

Первый:

Все отлично. Спасибо.

Второй:

Обратились с проблемой в пятницу вечером. Специалист связался через 15 минут, помог решить вопрос за один день и подробно объяснил дальнейшие действия.

Для человека второй отзыв полезнее. Для нейросети тоже. Алгоритм получает больше данных о реальном клиентском опыте. Именно такие отзывы помогают формировать рекомендации.

Экспертность

Нейросети любят полезный контент.

Особенно хорошо работают:

• инструкции
• аналитические материалы
• исследования
• разборы кейсов
• ответы на популярные вопросы
• экспертные комментарии

Если компания регулярно публикует полезный контент написанный простым и понятным языком, она постепенно превращается в источник знаний для алгоритма. А значит, получает дополнительное доверие.

Информационное присутствие

Многие компании совершают одну и ту же ошибку. Они концентрируют весь контент исключительно на собственном сайте. Проблема в том, что искусственный интеллект оценивает весь цифровой след бренда.

Поэтому важную роль начинают играть публикации на сторонних площадках.

Например:

• vc.ru
• Хабр
• Дзен
• отраслевые СМИ
• профессиональные сообщества
• тематические порталы

Чем чаще бренд появляется в независимых источниках, тем увереннее его воспринимают алгоритмы.

Почему отзывы стали новым SEO

Еще пять лет назад отзывы относили исключительно к репутационному маркетингу. Сегодня ситуация изменилась. Отзывы стали полноценным фактором AI-видимости.

Представьте, что пользователь спрашивает:

Какая стоматология лучше?

Или:

Какое маркетинговое агентство выбрать?

Нейросеть начинает искать подтверждения качества.

И одним из главных источников становятся отзывы реальных клиентов. Особенно хорошо работают отзывы, в которых есть:

• конкретная проблема
• описание взаимодействия
• детали процесса
• результат
• эмоции клиента

Такие тексты позволяют алгоритму понять реальные преимущества компании. По сути отзывы превратились в новый источник контента для искусственного интеллекта.

GEO — новое SEO для эпохи нейросетей

В профессиональной среде появился новый термин. GEO (Generative Engine Optimization). Если SEO помогает попасть в поисковую выдачу, то GEO помогает попасть в ответы нейросетей. Разница кажется незначительной. Но на практике она огромна.

Раньше контент создавался для перехода на сайт. Теперь контент создается еще и для того, чтобы его использовал искусственный интеллект.

Для этого материал должен быть:

• логично структурирован
• понятен человеку
• наполнен фактами
• отвечать на конкретные вопросы
• легко восприниматься алгоритмами

Нейросети не любят абстрактные тексты. Зато отлично работают с практической информацией.

Например, статья:

«Как повысить рейтинг компании на Яндекс Картах»

имеет гораздо больше шансов попасть в рекомендации, чем материал:

«Наши услуги по управлению репутацией»

Причина проста. Первый текст помогает решить задачу пользователя. Второй рассказывает о компании. Алиса всегда старается отвечать именно на запрос пользователя.

Что нужно делать бизнесу уже сегодня

Если посмотреть на ситуацию стратегически, становится понятно, что изменения уже начались.

Поэтому компаниям стоит адаптироваться заранее.

Я рекомендую сосредоточиться на пяти направлениях.

1. Развивать репутацию

Собирать отзывы.

Работать с негативом.

Стимулировать клиентов делиться опытом.

2. Создавать экспертный контент

Публиковать исследования, инструкции, кейсы и аналитические материалы.

3. Выходить за пределы собственного сайта

Размещать публикации на отраслевых площадках.

Участвовать в профессиональных дискуссиях.

Развивать присутствие в СМИ.

4. Следить за актуальностью информации

Контактные данные, адреса, услуги и описание компании должны быть одинаковыми во всех источниках.

5. Формировать цифровой авторитет

Нейросети любят тех, кого регулярно цитируют и обсуждают.

Экспертность становится новой валютой доверия.

Будущее уже наступило

Многие предприниматели воспринимают AI-поиск как нечто второстепенное. Но история интернет-маркетинга показывает интересную закономерность. Те, кто раньше других адаптируется к новым каналам привлечения клиентов, получат максимальное преимущество.

Когда-то таким каналом стало SEO. Затем социальные сети. Позже контент-маркетинг. Сегодня эту роль постепенно начинают играть нейросети.

Поэтому главный вопрос ближайших лет звучит уже не так:

«Как попасть в ТОП Яндекса?»

А так:

«Как попасть в ответ Алисы?»

Потому что именно там все чаще формируется первый список компаний, который видит потенциальный клиент.

Вывод

Поисковая выдача не исчезнет. SEO останется важным инструментом. Но правила игры уже меняются. Сегодня выигрывают компании, которые умеют работать не только с поисковыми системами, но и с искусственным интеллектом.

Развитие репутации, экспертный контент, публикации на внешних площадках, качественные отзывы и системное присутствие в информационном поле уже стали обязательными элементами продвижения.

Именно они помогают попасть в ответы Алисы. А значит — попасть в поле зрения клиента раньше конкурентов.

Больше интересных статей на моем сайте.

Многие компании до сих пор считают, что хороший сайт автоматически обеспечивает присутствие бренда в цифровом пространстве.

Исследование Foundation и AirOps показывает, что это уже не так.

Когда пользователь обращается к ChatGPT, Gemini или Perplexity за рекомендацией, нейросеть чаще всего использует не официальный сайт компании.

Она ищет информацию где-то еще.

Цифры, которые заставляют задуматься

За 60 дней исследователи проанализировали:

• 5,1 миллиона ответов ИИ
• 57,2 миллиона ссылок
• данные пяти крупнейших LLM-платформ

Результат оказался весьма показательным.

Только 10,15% ссылок ведут на сайты брендов.

Остальные 89,85% приходятся на сторонние ресурсы.

Кроме того, 68% ответов нейросетей вообще не содержат ссылок на официальный сайт компании.

Где ИИ берет информацию

Наиболее востребованные источники:

• Reddit
• YouTube
• форумы
• экспертные публикации
• обзорные статьи
• пользовательский контент

Причина проста.

Нейросети стремятся показывать максимально независимую картину.

Отзывы пользователей и экспертные обсуждения часто воспринимаются алгоритмами как более объективный сигнал, чем корпоративные материалы.

«Нейросети формируют рекомендации на основе всей информационной среды вокруг бренда. Поэтому сегодня репутация, отзывы, экспертные публикации и внешние площадки имеют прямое влияние на продажи.»
Шабалин Илья - эксперт по маркетингу.

Почему это меняет маркетинг

Раньше компании боролись за место в поисковой выдаче. Теперь борьба постепенно смещается в другую плоскость.

Важно попасть не в топ Google или Яндекса, а в ответ нейросети. Особенно на этапе категорийного выбора.

Когда пользователь спрашивает:

• какой продукт выбрать
• какой сервис надежнее
• какая компания лучше

Именно в этот момент формируется первоначальный список кандидатов.

Если бренда там нет, дальнейшая работа маркетинга может оказаться значительно сложнее.

Российская специфика

Для российского рынка ключевыми площадками становятся:

• vc.ru
• Хабр
• Дзен
• Пикабу
• Банки.ру
• Сравни.ру
• отраслевые сообщества

Именно там формируется значительная часть внешнего информационного поля бренда.

Главный вывод

В эпоху искусственного интеллекта компании конкурируют не только за внимание пользователя.

Они конкурируют за внимание самой нейросети.

И выигрывают те, кто умеет строить присутствие не только на собственном сайте, но и во всей цифровой экосистеме.

Больше интересных статей по теме на моем сайте.