По итогам февральских праздников компания «Карамбола Лабс» выяснила, как генеративные нейросети продвигают различные направления бизнеса. Аналитики исследовали ответы ИИ для жителей Москвы, Казани, Нижнего Новгорода и Краснодара. Команда выделила конкретные триггеры, которые заставляют алгоритмы добавлять прямые ссылки на сайты магазинов, и определила категории, которые чат-боты чаще всего рекомендовали в качестве подарков. 

В ходе исследования эксперты изучили более десяти миллионов пользовательских запросов к ведущим языковым моделям: ChatGPT, Gemini, GigaChat, Алиса AI, Perplexity и Grok. Аналитики выяснили, что алгоритмы не просто выдают справочную информацию, а выстраивают коммерческие предложения со ссылками на сайты магазинов. Система меняет логику ответа, как только замечает в запросе слова-маркеры. Основными триггерами выступают призывы к действию («купить», «заказать», «подбери», «найди»), а также любые уточнения бюджета, диапазона цен или конкретного города.

Алгоритмы реагируют на такие конструкции:

• «Купить [подарок]» или «Подбери [подарок] дешевле 1000 рублей»;
• «Добавь в список покупок [товар]»;
• «Запусти навык [магазин]» или «Покажи товары [категория]». 

Нейросети также распознают длинные разговорные формулировки — например, «Нужны детали для велосипеда зимой» или «Подарок сыну на 8 лет, любит конструкторы». В таких случаях чат-боты уточняют детали запроса, после чего выдают готовые карточки товаров с характеристиками и ценами, собранными с сайтов и маркетплейсов. Распознавая эти триггеры, искусственный интеллект фактически превращает обычный диалог в умную персонализированную витрину. Эта механика избавляет покупателей от долгих поисков в браузере и открывает брендам новый канал для привлечения «горячей» аудитории. 

Анализ московских запросов продемонстрировал ярко выраженный акцент алгоритмов на статусность и технологичность подарков. В столичном регионе нейросети чаще всего генерируют товарные карусели с одеждой и брендовыми аксессуарами — эта категория доминирует с показателем 72%. Вторую строчку уверенно занимает «Техника и гаджеты»: умные помощники включают устройства в 68% подборок. Уходовая косметика и селективная парфюмерия также удерживают прочные позиции и встречается в 53% ответов искусственного интеллекта. 

В Казани потребительская модель выглядит иначе: здесь цифровые системы выдвигают на первый план технологичные подарки и заботу о себе. Абсолютным лидером рекомендаций в столице Татарстана стала «Техника и гаджеты» — алгоритмы советуют электронику в 72% случаев. Следующую позицию забирают мужская косметика и парфюмерные наборы: боты интегрируют такие товары в витрины для 61% запросов. Категория одежды и стильных аксессуаров заметно уступает столичным показателям, но сохраняет востребованность и получает 48% в рекламных блоках.

Выдача нейросетей для жителей Нижнего Новгорода показывает баланс между электроникой, гардеробом и средствами ухода. Техника и гаджеты делят первое место с одеждой и модными аксессуарами — обе категории языковые модели выводят в 53% товарных витрин. Подарочные наборы косметики и парфюмерии отстают всего на пару пунктов и набирают 51%. 

Пользователям южного региона алгоритмы также рекомендовали традиционные категории подарков. В Краснодаре нейросети предлагали косметику и парфюмерные средства в 43% случаев. Технику и гаджеты агенты добавляли в 40% своих ответов. Сегмент одежды и аксессуаров попал 39% рекомендаций. 

«Появление товарных витрин внутри ИИ-чатов формирует новую реальность для электронной коммерции. Нейросети только начинают этот путь, но уже планируют занять место заметного канала продаж, постепенно перетягивая на себя часть трафика классических интернет-магазинов и маркетплейсов. Мы проанализировали этот тренд и выяснили: алгоритмы берут существенную долю информации напрямую из карточек на маркетплейсах. Это открывает перед брендами доступ к новой аудитории. Сегодня компаниям важно оптимизировать карточки товаров не только под внутренние системы самих торговых площадок, но и применять инструменты GEO/AEO-оптимизации. Если искусственный интеллект предельно четко считывает характеристики, преимущества и контекст продукта, он органично встроит его в свою выдачу ровно в тот момент, когда пользователь формулирует запрос», — прокомментировал Станислав Щербаков, генеральный директор «Карамбола Лабс».

Источник: Retail.ru

• Назад
• Вперед