87% брендов исчезают из ИИ-рекомендаций к финальному шагу покупки

Традиционная видимость в ИИ-ответах не гарантирует, что бренд будет рекомендован ИИ-агентом на финальном этапе принятия решения о покупке. Это ключевое открытие исследований 2026 года, которое авторы AIVO Standard назвали «Парадоксом AIVO»: бренды с сильными показателями видимости в ИИ-системах регулярно получают ноль или около нуля рекомендаций на финальном шаге покупки.

Исследование SMA Marketing на основе 4 480 API-вызовов к ChatGPT, Claude, Gemini и Perplexity по 8 вертикалям показывает: на этапе принятия решения среднее совпадение топ-брендов между моделями (Jaccard similarity) составляет всего 0,15.

Бренд, оптимизированный под ChatGPT, может быть полностью невидим для Claude, Gemini и Perplexity. В вертикалях SaaS и строительство наблюдается значимый консенсус (0,30-0,35), в юриспруденции и маркетинге - почти нулевой (0,03).

Парадокс AIVO: видимость ≠ решение

В отличие от SEO, где ранжирование и клик связаны, ИИ-агенты применяют последовательную фильтрацию рассуждений при формировании рекомендаций. Традиционные метрики видимости (SEO, GEO, AEO) измеряют появление бренда, но не его способность «выжить» до финальной рекомендации.

Исследование «Revenue at Risk from AI Displacement» показывает: 87,3% брендов, присутствующих на первом шаге ИИ-диалога, вытесняются конкурентом до финальной рекомендации. При этом 75,7% фактов о бренде, которыми обладает модель, не используются на этапе принятия решения.

ИИ-агенты не просто ранжируют - они сжимают выбор. Многошаговый ИИ-диалог обычно проходит через четыре этапа:

• Шаг 1: Обнаружение - упоминается 6-10 брендов
• Шаг 2: Сравнение - список сужается до 3-5
• Шаг 3: Уточнение ограничений - бюджет, сценарий использования, критерии производительности сокращают набор до 2-3
• Шаг 4: Финальная рекомендация - одно предложение

К финальному шагу 70-90% изначально упомянутых брендов исключаются. И это исключение не случайно - оно следует логике ограничений, и большинство брендов не проходят этот фильтр.

Conversational Survival Rate: новая метрика

Чтобы измерить способность бренда «выживать» в цепочке рассуждений ИИ, AIVO Standard вводит метрику Conversational Survival Rate (CSR) - процент случаев, когда бренд проходит все этапы фильтрации ИИ-агента и попадает в итоговую рекомендацию.

CSR рассчитывается как отношение финальных рекомендаций к начальным упоминаниям: CSR = Финальные рекомендации ÷ Начальные упоминания × 100%. В структурированных симуляциях в конкурентных потребительских категориях CSR часто распределяется так:

• 0-10% - для большинства брендов
• 20-40% - для лидеров категории
• 50%+ - только в редких случаях доминирования

Это означает, что бренд с CSR 7% фактически исключён из 93% ИИ-решений после начала сужения.

Платформенные различия: каждый ИИ-агент по-своему

Исследование SMA Marketing показывает, что разные модели ведут себя по-разному. Claude демонстрирует сильнейшую внутреннюю согласованность (BOFU K1 = 0,562), ChatGPT - близкую к нему (0,525). Perplexity показывает меньшую согласованность из-за вариативности живого поиска (0,422), а Gemini - самую слабую (0,153), что коррелирует с его короткими ответами.

Исследование Tharro по гостиничной отрасли (695 запросов, 3 380 отелей) подтверждает: ChatGPT и Google AI Mode согласовались лишь на одном отеле из пяти (Jaccard 0,21). Причина - разные источники: Google AI Mode опирается на OTA (36%) и книжный инвентарь, а ChatGPT - на редакционные медиа (48,9%) и обзоры.

Semrush AI Visibility Index 2026 на основе 126 млн промптов показывает: только 36 брендов стабильно присутствуют на всех четырёх платформах (ChatGPT, Gemini, Google AI Mode, Google AI Overviews). Более 1 200 брендов полностью невидимы хотя бы на одной платформе. При этом ChatGPT цитирует в среднем 15 источников на ответ, а Gemini - всего 3.

Что делать брендам

На основе данных AIVO Standard, SMA Marketing и Semrush можно выделить пять шагов:

1. Измеряйте CSR, а не только видимость. Многие инструменты фиксируют упоминание, но не отслеживают «выживание». CSR показывает, доходит ли бренд до финальной рекомендации.

2. Стройте Evidence Supply Chain. Добивайтесь структурной согласованности информации о бренде - не просто создавайте больше контента, а делайте его единым, авторитетным и сохраняющимся в модели на протяжении всего диалога. ИИ-системы вознаграждают не объём, а небольшой набор согласованной информации.

3. Адаптируйте стратегию под каждую платформу. ChatGPT опирается на редакционные медиа, Google AI Mode - на структурированные данные и OTA. Одна стратегия не работает для всех.

4. Отслеживайте substitution patterns. Карта замещений показывает, кто вытесняет вас на финальном этапе. Если Brand A заменяется на Brand B в 38% случаев - это структурное давление, а не случайность.

5. Готовьтесь к обновлениям моделей как к конкурентным событиям. CSR может сдвигаться на 3-8% без вмешательства бренда. Модельные обновления меняют правила игры.

Вывод

Традиционная видимость в ИИ-ответах не равна конверсии. ИИ-агенты применяют последовательную фильтрацию, и большинство брендов не «выживают» до финальной рекомендации. 87,3% брендов исчезают к финальному шагу, а 75,7% фактов о бренде не используются при принятии решения.

Модели расходятся в рекомендациях (Jaccard 0,15-0,21), и единая стратегия не работает. CSR становится новой метрикой успеха. Вопрос не в том, виден ли бренд в ИИ-ответах, а в том, рекомендует ли его ИИ-агент в момент покупки.