Алексей Задунайский
Трагикомедия современного интернета в том, что поисковые гиганты годами кормили сайты трафиком, а теперь обучили на их текстах генеративные модели и окончательно отрезали от аудитории. Если классический поиск годами генерировал сверхприбыль при минимальных затратах на выдачу ссылок, то сегодня Google и Microsoft удваивают капитальные бюджеты, вливая более 700 млрд долларов в дата-центры и чипы ради обслуживания нейросетей. Во втором квартале 2026 года Alphabet поднял годовой план вложений в ИИ-инфраструктуру до рекордных 200 млрд долларов на фоне первого серьезного замедления роста выручки с поисковой рекламы.
Результаты этого тектонического сдвига уже зафиксированы в метриках. По данным исследования SparkToro и Similarweb, за первые месяцы 2026 года рекордные 68% поисковых сессий в Google завершились без единого перехода на внешний сайт. Пользователь больше не серфит десятки вкладок — он получает синтезированную выжимку прямо в интерфейсе первого экрана поисковика. Тенденция особенно характерна для молодого поколения, которое получает 70% ответов через ИИ-ассистента в браузере.
Мы стоим на пороге фундаментальной смены парадигмы: перехода от B2C-маркетинга (Business‑to‑Consumer, бизнес для потребителя) к B2A (Business-to-Agent, бизнес для ИИ-агентов). В новой реальности потребитель перестает лично сравнивать предложения брендов — он делегирует задачу персональному ассистенту.
Алексей Задунайский, руководитель Фабрики креативов МТС Adtech, рассказал, почему классический визуальный брендинг теряет силу перед машинной логикой и как перестроить коммуникацию компании, когда ваш реальный клиент — искусственный интеллект.
Конец эмоционального брендинга: почему боту плевать на ваши красивые картинки и креативные слоганы
Десятилетиями маркетинг опирался на эмоциональные триггеры: психологию цвета, цепляющие слоганы, выверенную типографику и сторителлинг, способный вызвать спонтанное желание купить. Через lovemark, через страх, через спонтанное удовольствие и еще несколько десятков других ярких и темных рекламных паттернов маркетологи находили путь к кошельку аудитории. Однако автономному ИИ-ассистенту принципиально чужды как эстетический восторг, так и базовые когнитивные искажения. Его критерии отбора сугубо утилитарны: машиночитаемая структура данных, прозрачная ценовая политика, реальное наличие товара, скорость ответа по API (интерфейс программирования приложений) и валидированный рейтинг в авторитетных источниках.
В B2A-среде происходит тотальная инверсия доверия. Если раньше бренд годами боролся за место в эмоциональной памяти потребителя, то теперь его главная задача — закрепиться в семантическом графе и контекстном окне языковой модели. Покупатель больше не видит посадочную страницу, на которую маркетологи потратили месяцы: его персональный бот за секунду просканирует сырые фиды данных двадцати конкурентов и предложит хозяину сухой список из двух наиболее выгодных позиций под конкретную задачу. В мире, где посредником выступает машина, побеждает не тот, кто говорит интереснее других, а тот, чьи цифровые метаданные лучше для чтения алгоритмом.
Новая монетизация: как ИИ-гиганты превращают диалоги в рекламный аукцион
Потребитель наивно полагает, что общение с нейросетью — это чистый обмен данными без маркетингового шума. Однако бизнес-модель подписок (20 долларов в месяц) оказалась не способна окупить астрономические затраты бигтеха на серверные кластеры. Чтобы выйти из отрицательного свободного денежного потока, разработчики моделей разделили выдачу на два слоя: условно «органический» синтез данных и коммерческие рекомендательные алгоритмы. В 2026 году монетизация больших языковых моделей окончательно перешла из стадии экспериментов в стадию зрелого рекламного инвентаря.
Главный водораздел проходит между органической выдачей и заложенными в LLM (большие языковые модели) платными слоями. В органике модель выбирает источники на основе авторитетности и релевантности фактов. Но рядом с ней уже работают форматы коммерческого продвижения: в феврале 2026 года OpenAI официально запустила тестирование рекламных блоков внутри ChatGPT по модели 60 долларов за тысячу показов. Одновременно Google развернул в ответах Gemini формат Highlighted Answers и товарные карусели Direct Offers, интегрированные с аукционом Google Shopping. Бренды платят не за клик по баннеру, а за право стать спонсируемым уточнением (Sponsored Follow-up) или приоритетной товарной карточкой прямо в теле диалога.
Следующий шаг этой трансформации — переход ИИ из облачных чатов прямо в наши гаджеты. По данным отчета Counterpoint Research, к середине 2026 года доля смартфонов с аппаратной поддержкой генеративного ИИ на борту достигла 45% от всех мировых поставок. Персональные ассистенты (Apple Intelligence, Google Gemini Nano, Galaxy AI), встроенные в операционные системы часов, фитнес-браслетов и смартфонов, получают доступ к биометрии, локации, календарю и привычкам пользователя. Они перехватывают запрос задолго до того, как человек откроет браузер: встроенный агент подскажет заказать конкретный бренд изотоника при падении пульса после пробежки или забронирует столик в ресторане на основе свободных слотов в расписании, полностью исключая классический веб-поиск из цепочки принятия решений. До этого остался один шаг — в течение года‑полутора.
Российский ландшафт: суверенные модели и закрытый аукцион
Отечественный рекламный рынок развивается в условиях технологической автономии: изоляция от западных рекламных кабинетов заставила отечественные экосистемы форсированно строить собственный генеративный инвентарь. В 2026 году ключевой ареной борьбы за внимание стали сервис «Нейро» и чат с «Алисой AI» от «Яндекса», а также корпоративная среда GigaChat от «Сбера». По данным отчета Digital Budget за второй квартал 2026 года, доля показов коммерческих объявлений с плашкой «Промо» в ИИ-выдаче «Яндекса» среди крупнейших рекламодателей выросла почти вдвое — с 17% до 30%. В компании утверждают, что купить отдельную строчку в ответах нейросети напрямую невозможно — алгоритмическая модель сама решает, какой бренд органично дополнит контекст сгенерированного ответа на основе аукциона «Яндекс Директа».
Параллельно меняется и логика органического ранжирования в Рунете. Отечественные поисковые роботы перешли на рекомендательные архитектуры на базе генеративных моделей (например, ARGUS у «Яндекса»), где глубина анализа цифрового следа и семантики сайта выросла в десятки раз. Для российских брендов это означает конец эпохи поверхностных SEO-текстов: чтобы нейросеть порекомендовала компанию в текстовом синтезе, бизнесу необходимо присутствовать во всех доверенных узлах локальной экосистемы — от безупречно заполненных карточек в геосервисах и товарных фидов на маркетплейсах до цитируемости в профильных отраслевых медиа.
Практический гайд: от классического SEO к GEO
Трансформация поиска требует от маркетинга перехода от закупки ссылок и плотности ключевых слов к методологии GEO — оптимизации видимости бренда внутри генеративных ответов. Согласно академическому исследованию Принстонского университета, применение прикладных тактик GEO способно повысить частоту цитирования и упоминания бренда в ответах языковых моделей на 30−40%.
Ниже список рекомендаций, который автор собрал на базе проектов совместно с коллегами из MWS и группы компаний МТС.
- Чтобы модель не галлюцинировала и точно считывала оффер, маркетологам важно внедрять общепринятый открытый стандарт микроразметки (семантические словари в коде страниц и чистые товарные фиды на маркетплейсах). Это создает машиночитаемый «паспорт» продукта: жестко фиксирует цену, наличие, состав и характеристики в виде сухих фактов. Чем меньше усилий алгоритм тратит на парсинг рекламных описаний, тем выше вероятность попасть в шорт-лист генеративного ответа. На сайте также важно четко размечать тип сущности (товар, услуга, организация), фиксируя в коде точную цену, валюту, статус наличия и рейтинг без рекламных метафор. Такой же принцип четкой структурности можно применить и ко всем внешним коммуникациям, включая рекламные спецпроекты, PR-статьи, SMM.
- Работа с авторитетными источниками вместо закупки ссылочной массы. ИИ-агенты обучаются и валидируют факты через поиск подтверждений в репутационно чистых репозиториях. Классические ссылочные биржи бесполезны: для нейросети критически важна плотность упоминания бренда в контексте отраслевых рейтингов, независимых обзоров, профильных медиа. Если модель встречает название компании в десятке независимых авторитетных источников, она присваивает ему высокий коэффициент доверия (Weight Score) и рекомендует пользователю.
- API-ready инфраструктура и открытые протоколы. В мире, где автономные агенты не только рекомендуют, но уже и сами совершают покупки, выигрывает бизнес с открытыми интерфейсами. Ваш продуктовый каталог должен быть доступен не только через красивый фронтенд, но и через быстрые API-эндпоинты или протоколы прямого взаимодействия с LLM (например, Model Context Protocol). Если ИИ-помощник покупателя может за миллисекунды проверить остатки на складе, применить персональную скидку и забронировать слот через машинный протокол, сделка состоится мгновенно — даже если клиент ни разу не зашел на ваш сайт.
Не нравишься машине — не продаешь
Позиция автора: мы так долго учили людей любить наши бренды, что не заметили, как право выбора постепенно стало переходить к алгоритмам. Теперь, когда ИИ-агенты стали продавать ИИ-агентам, нужно, чтобы ваш бизнес полюбили нейросети. Сделайте так, чтобы машина влюбилась по расчету: за четкую структуру данных, за красивый код, за безупречную репутацию в независимых источниках.
