# 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.

21 ноября 2026 · Редакция Агентономики

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]

| Регион | Сентябрь 2025 | Ноябрь 2026 | Изменение |
|---|---:|---:|---:|
| США | 19% | 33% | +14 п. п. |
| Европа | 8% | 36% | +28 п. п. |

Это доля опрошенных, использовавших ИИ хотя бы на одном этапе покупательского пути, а не доля оплаченных агентами заказов. Источник: [1].

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]

| Измерение | Значение | Источник |
|---|---|---|
| Прямые переходы из ИИ на сайты ритейлеров | менее 1% | Bain [1] |
| Относительная разница конверсии посетителей из ИИ в США, сентябрь 2026 | +90% | Adobe [2] |
| Относительная разница выручки на визит для того же сегмента | +83% | Adobe [2] |

Показатели относятся к разным совокупностям. Более высокая конверсия не доказывает причинность.

## 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.

| Сценарий | Кто управляет выбором | Риск продавца |
|---|---|---|
| Сторонний ИИ-помощник (3P) | Платформа сравнивает магазины и товары | Отсутствие в ответе |
| Помощник самого магазина (1P) | Магазин консультирует внутри каталога | Потеря контакта с покупателем |
| Личный агент покупателя | Агент действует по задачам и разрешениям человека | Нет проверяемых условий сделки |

Классификация по Bain [1], риски — выводы редакции.

## 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:

1. 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.
2. 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.
3. 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.
4. 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.
5. Разделить консультацию и сделку. [Агентная коммерция](https://agentonomika.ru/terminy/agentnaya-kommerciya/) требует не только совета, но и доступности условий сделки, подтверждения заказа и безопасной оплаты. Для этого необходимы [машиночитаемость](https://agentonomika.ru/terminy/mashinochitaemost/) и [агентопригодность](https://agentonomika.ru/terminy/agentoprigodnost/), 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](https://agenticoptimization.ru/sravnenie/) объясняет разные задачи видимости; [AgentReadyScan](https://agentreadyscan.ru/) показывает техническую готовность сайта к взаимодействию с агентами; [Agentic Search](https://agenticsearch.ru/zamer/) предлагает замер упоминаний и корректности ответов; [Товарный граф](https://товарный-граф.рф/) 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](https://agentonomika.ru/terminy/agent-pokupatelya/) 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

1. Bain & Company. AI Is the New Search. Here’s How Retailers Win the Answer. — https://www.bain.com/insights/ai-is-the-new-search-heres-how-retailers-win-the-answer/ (21.11.2026)
2. Adobe. AI Traffic Drives 83% Higher Revenue Per Visit. — https://business.adobe.com/blog/ai-traffic-higher-revenue-per-visit-retail-holiday (29.10.2026)
3. Яндекс. Миллионам пользователей стал доступен ИИ-агент «Найти дешевле». — https://yandex.ru/company/news/13-04-2026-01 (13.04.2026)
4. Яндекс. Продавцы без сайтов теперь могут получать заказы из Поиска и чата с Алисой AI. — https://yandex.ru/company/news/21-08-2026-01 (21.08.2026)
5. Ozon. Ozon запустил пилотную версию AI-ассистента для покупателей. — https://corp.ozon.ru/ru/sth/ozon-zapustil-pilotnuyu-versiyu-ai-assistenta-dlya-pokupateley-97c652a4 (04.08.2026)
6. Google Search Central. Merchant listing Product / Offer structured data. — https://developers.google.com/search/docs/appearance/structured-data/merchant-listing (документация, проверена 21.11.2026)

Адрес: https://agentonomika.ru/razbory/ii-stal-novym-poiskom-kto-poluchit-pokupateley/
Лицензия текста: CC BY 4.0, Агентономика
