Искусственный интеллект и видимость: как правильно измерять влияние AI на маркетинг

В последние годы искусственный интеллект (AI) стал неотъемлемой частью маркетинга, и многие компании стремятся понять, как AI влияет на видимость их брендов. Однако недавние исследования показывают, что методы измерения AI-видимости могут быть не столь надежными, как предполагалось. Рассмотрим четыре ключевых набора данных, которые помогут прояснить ситуацию.

Ограниченная видимость AI

Согласно данным, собранным различными исследователями, AI-ассистенты генерируют лишь небольшую долю трафика по сравнению с Google. Например, исследование, проведенное Marie Haynes, показало, что ChatGPT отправил всего 0.62% от общего объема органического трафика Google, а все языковые модели (LLMs) в сумме — 0.73%. Это указывает на то, что AI-ассистенты не могут соперничать с традиционными источниками трафика, такими как поисковые системы.

Проблемы с конверсией

Хотя некоторые данные показывают, что AI-ассистенты могут иметь более высокие показатели конверсии, чем Google, важно учитывать общий контекст. Например, в исследовании Haynes было установлено, что конверсия пользователей ChatGPT составила 13.8%, тогда как для Google органического трафика этот показатель равнялся 3.02%. Однако Google по-прежнему обеспечивал 96.5% всех конверсий в ее наборе данных, что подчеркивает, что даже при высоких показателях конверсии AI-ассистенты не могут заменить традиционные источники трафика.

Скрытое влияние AI

Существует мнение, что пользователи могут видеть упоминания брендов в ответах AI и затем искать их напрямую, не кликая на ссылки. Однако Kevin Indig, проведя анализ, обнаружил, что рост прямого трафика не коррелирует с увеличением вовлеченности пользователей. На одном из сайтов было зарегистрировано 409,000 прямых сессий, из которых лишь 198 были вовлеченными. Это указывает на то, что многие из этих сессий могут быть вызваны ботами, а не реальными покупателями.

Проблемы с атрибуцией

Исследования показали, что данные о видимости AI не всегда соответствуют реальному поведению пользователей. Например, Natividad указала на то, что корреляция между упоминаниями брендов и видимостью AI была низкой, что ставит под сомнение эффективность методов атрибуции. Если AI действительно влияет на видимость бренда, то корреляция должна быть значительно выше.

Принципы качества данных

В мае 2026 года AMEC, Международная ассоциация по измерению и оценке коммуникаций, представила принципы качества данных, которые должны соблюдаться при анализе AI-видимости. Эти принципы включают:

Источник: Данные должны поступать из ожидаемых источников.

Точность: Метаданные должны быть полными и соответствовать исходным данным.

Реальность: Данные должны отражать реальное поведение пользователей.

Доверие: Данные должны быть надежными для ключевых заинтересованных сторон.

Как правильно измерять AI-видимость

Для того чтобы AI-видимость не стала маркетинговым обманом, необходимо использовать более строгие методы измерения. Вот несколько рекомендаций:

Сократите акцент на трафике от AI и используйте его как диагностический инструмент.

Проведите собственный анализ, чтобы выяснить, сколько конверсий вы получаете от органического трафика по сравнению с AI.

Применяйте принципы AMEC к своим данным, проверяя их на соответствие качественным критериям.

Создайте библиотеку проверенных запросов и регулярно пересматривайте результаты.

Используйте опросы для сбора данных о том, как пользователи узнали о вашем бренде.

Заключение

AI-видимость не является обманом, но методы ее измерения требуют серьезной доработки. Необходимо применять более строгие критерии оценки и учитывать реальное поведение пользователей, чтобы избежать ошибок в атрибуции и неэффективного распределения бюджета.