ИИ стал новым поиском. Кто получит покупателей в России?
Bain изучила более 300 тысяч ответов ИИ на покупательские запросы. Почему крупный магазин может не попасть в рекомендации и что уже меняется в России.

Покупатель всё чаще начинает выбор не с магазина и даже не с поисковой выдачи, а с вопроса ИИ-помощнику. Для продавца это меняет правила конкуренции: мало быть крупным и известным — нужно быть понятным системе, которая составляет короткий список рекомендаций. В исследовании Bain & Company, опубликованном 21 ноября, описан этот сдвиг. Но насколько он реален и как проявляется в России? [1]
От поиска к ответу
По данным опроса Bain Consumer Lab, 33% потребителей США и 36% потребителей Европы заявили, что используют ИИ-помощников хотя бы на одном этапе выбора и покупки товаров. Для сравнения: в сентябре 2025 года эти показатели составляли 19% и 8%. Это не доля покупок, совершённых агентами: исследование охватывает консультации, изучение вариантов и другие этапы покупки. Периоды опросов различаются по месяцам — сентябрь 2025 и ноябрь 2026. [1]
ИИ на пути к покупке: 2025 → 2026
Доля опрошенных, использовавших ИИ хотя бы на одном этапе выбора или покупки. США и Европа; разные месяцы опросов.
США
+14 процентных пунктов
Европа
+28 процентных пунктов
При этом, по оценкам Similarweb, которые приводит Bain, на переходы непосредственно из ИИ-помощников пока приходится менее 1% трафика интернет-магазинов. Противоречия нет: человек может спросить у ИИ, а затем открыть магазин самостоятельно. Поэтому оценивать влияние рекомендаций только по переходам из чата — значит недооценивать верхнюю часть воронки. [1]
Adobe фиксировала в сентябре 2026 года более высокую конверсию у посетителей американских магазинов, пришедших из ИИ: на 90% выше, чем у остального трафика. Однако посетители из ИИ могли пройти предварительный отбор ещё до перехода; эта корреляция не доказывает, что именно ИИ вызвал рост покупок. Adobe также приводит на 83% более высокую выручку на визит у такого трафика в сентябре 2026 года — тоже без доказательства причинно-следственной связи. [2]
ИИ влияет на выбор, не заменяя покупку
Эти числа не образуют одну воронку: сравниваются разные совокупности и показатели. Более высокая конверсия не доказывает, что её вызвал ИИ.
Большой продавец не всегда побеждает
Bain исследовала более 4400 покупательских запросов в четырёх категориях и свыше 300 тысяч ответов моделей. Авторы обнаружили: заметность ритейлера в ИИ-ответах не обязана соответствовать его рыночной доле. Специализированный продавец иногда выигрывает у универсальной площадки, если лучше соответствует условиям вопроса. [1]
Причина в том, что покупатель спрашивает не только «где купить телевизор», но и «что взять для небольшой комнаты с плохим освещением». В первом случае важны ассортимент и цена; во втором — способность объяснить, почему конкретное предложение подходит под ситуацию. Короткий список ИИ усиливает значение такого объяснения.
Редакционный вывод: преимущество может сместиться от объёма рекламного бюджета к качеству и проверяемости описания товара. Однако нейросетевые рекомендации остаются непрозрачными и изменчивыми; гарантировать место в ответе невозможно.
Две конкурирующие точки входа
Bain различает сторонних помощников (3P) и собственных помощников ритейлеров (1P). Сторонний ассистент сравнивает разные магазины и может привести покупателя к новому продавцу. Собственный знает ассортимент, историю заказов и программу лояльности компании, но предлагает выбор внутри её экосистемы. В исследованной выборке только 27 из 100 крупнейших ритейлеров США имели собственного ИИ-помощника для покупателей. [1]
Это не конфликт двух несовместимых стратегий. Магазину одновременно нужны видимость во внешних ответах и качественная консультация на собственной площадке. Первая помогает попасть в рассмотрение, вторая — удержать отношения с покупателем.
Кому принадлежит первый разговор
| Сценарий | Кто управляет выбором | Главный риск продавца |
|---|---|---|
| Сторонний ИИ-помощник (3P) | Платформа сравнивает разные магазины и товары | Не попасть в короткий список ответа |
| Помощник самого магазина (1P) | Ритейлер консультирует в собственном каталоге | Потерять отношения с клиентом, если нет полезной консультации |
| Личный агент покупателя | Агент учитывает задачи и разрешения человека | Не предоставить проверяемые условия и интерфейс сделки |
В России это уже происходит
Российский рынок нельзя оценивать по американским процентам: сопоставимого публичного исследования с теми же вопросами и методикой для России в этой работе нет. Однако отдельные механизмы перехода от поиска к рекомендации уже видны.
Яндекс. В апреле 2026 года компания сообщила об общедоступном агенте «Найти дешевле» в Алисе AI: пользователь отправляет ссылку на товар, получает предложения и может перейти к оформлению заказа. По собственным данным Яндекса, покупка в один клик через чат была доступна более чем в 3900 интернет-магазинах. [3] В августе Яндекс открыл бета-подключение продавцов без собственного интернет-магазина через Yandex Commerce Protocol: предложения попадают в Поиск и Алису AI, а покупка оформляется через универсальный чекаут. [4]
Ozon. В августе маркетплейс представил пилот ИИ-ассистента для покупателей: тот уточняет задачу, бюджет и характеристики, затем предлагает подходящие товары с учётом цен, отзывов и доставки. Это пример собственного ассистента торговой площадки, но не доказательство независимых автоматических покупок без участия человека. [5]
Для российского производителя или небольшого интернет-магазина различие принципиально. Один сценарий — покупательский помощник внешней платформы сравнивает предложения разных продавцов. Другой — сама площадка ведёт разговор и рекомендует товары внутри своего ассортимента. Стратегия видимости в этих сценариях будет разной.
Как продавцу стать понятным ИИ
Главная перемена — возможность объяснить назначение товара на языке задачи, а не только каталожной категории. Наушники могут отличаться шумоподавлением, весом и работой с конкретным устройством; материал для столешницы — способом обработки, устойчивостью к условиям эксплуатации и доступностью нужного формата. Ценность не в десятках повторённых ключевых фраз, а в проверяемых характеристиках, ограничениях и условиях поставки.
Для производителя это требует связать описание товара, подтверждённые свойства и условия заказа. Для ритейлера — согласовать карточки, поисковые фиды, остатки и консультацию. Если ассистент видит одну цену в карточке и другую у продавца, возникает не дополнительная продажа, а дополнительная неопределённость. Это редакционный вывод из сопоставления требований к товарным данным и российских способов заказа. [3] [4] [6]
Что должен изменить продавец
Главная ошибка — считать, что достаточно добавить файл для ИИ или упомянуть аббревиатуру GEO. Bain рекомендует прежде всего чётко объяснять ценность: кому подходит продукт, в каких обстоятельствах он лучше альтернатив, каковы ограничения и условия покупки. [1]
Практический минимум для российской компании:
- Проверить реальные запросы. Собрать 20–30 вопросов покупателей: от точных характеристик до задач вроде «выбери материал для кухни с высокой влажностью». Зафиксировать, какие бренды и товары рекомендуют разные ассистенты, с датой и формулировкой вопроса.
- Навести порядок в товарных данных. Указать модели, свойства, применимость, цену, наличие, условия доставки, гарантию, возврат и ограничения. Данные на странице и в фиде не должны противоречить друг другу.
- Показать основания выбора. Добавить содержательные сравнения, инструкции и независимые подтверждения достоинств. Голая карточка с ценой хуже отвечает на сложный вопрос, чем проверяемое описание сценария использования.
- Измерять не только переходы. Отдельно наблюдать упоминания в ответах, цитируемые источники, обращения из чатов и реальные покупки. Не приписывать все изменения ИИ без контрольной группы.
- Разделить консультацию и сделку. Агентная коммерция требует не только совета, но и доступности условий сделки, подтверждения заказа и безопасной оплаты. Для этого необходимы машиночитаемость и агентопригодность, но ни одно из этих свойств само по себе не гарантирует продажу.
Google в документации рекомендует размещать корректные структурированные данные `Product` в исходном HTML товарных страниц и поддерживать актуальность сведений о предложении. Это полезная техническая гигиена, а не универсальный механизм попадания во все ИИ-рекомендации. [6]
Как связаны проекты экосистемы
Для читателя, которому необходимо перейти от выводов к практике, в экосистеме «Агентономики» есть отдельные материалы и инструменты. Сравнение Agentic SEO, GEO и AEO объясняет разные задачи видимости; AgentReadyScan показывает техническую готовность сайта к взаимодействию с агентами; Agentic Search предлагает замер упоминаний и корректности ответов; Товарный граф рассматривает структуру продуктовых данных. Это связанные проекты издателя, а не независимые подтверждения исследования Bain.
Ни один из этих инструментов не гарантирует попадание в конкретный ответ ИИ; результаты замеров зависят от вопросов, времени и доступности источников.
Что меняется в конкуренции
В классическом поиске компания борется за клик. В диалоге с ИИ она сначала борется за право оказаться в нескольких вариантах, которые модель сочтёт подходящими. Отсюда новый риск: продавец может существовать в интернете, но отсутствовать в ответе.
Вывод «Агентономики»: борьба идёт не за «магическую оптимизацию под нейросеть», а за достоверность и пригодность коммерческого предложения для машинного сравнения. Не обязательно победит самый крупный магазин или самый технически оснащённый: вероятность появления в ответе повышается, когда условия, свойства и преимущества предложения позволяют сопоставить его с конкретной потребностью. Но без эксперимента с российскими моделями это остаётся гипотезой, а не измеренной причинностью.
Следующий этап — когда агент покупателя сможет завершить действие, а не просто посоветовать продавца. Это отдельная тема, требующая проверки доверия, оплаты и логистики. Её не следует путать с сегодняшним ростом ИИ-поиска.
*Методика «Агентономики»: документальный анализ опубликованного 21.11.2026 исследования Bain, статистики Adobe и официальных материалов Яндекса, Ozon, Google. Российские данные не приравниваются к зарубежным опросам. Собственного масштабного тестирования ИИ-выдачи в этот материал не включено.*
Источники
- Bain & Company. AI Is the New Search. Here’s How Retailers Win the Answer. — 21.11.2026
- Adobe. AI Traffic Drives 83% Higher Revenue Per Visit. — 29.10.2026
- Яндекс. Миллионам пользователей стал доступен ИИ-агент «Найти дешевле». — 13.04.2026
- Яндекс. Продавцы без сайтов теперь могут получать заказы из Поиска и чата с Алисой AI. — 21.08.2026
- Ozon. Ozon запустил пилотную версию AI-ассистента для покупателей. — 04.08.2026
- Google Search Central. Merchant listing Product / Offer structured data. — документация, проверена 21.11.2026
| Опубликовано | 21 ноября 2026 |
|---|---|
| Автор | Редакция Агентономики |
| Источников | 6 |
| Лицензия | CC BY 4.0 — со ссылкой на эту страницу |