Игорь Градов
Игорь Градов
8 мин
text

Искусственный интеллект в маркетинге: покупатель знает всё до первого звонка

Покупатель, который знает о вашем продукте больше продавца ещё до первого звонка, уже не редкость: ИИ-ассистенты за минуты собирают то, на что раньше уходила неделя вечеров, и это руководство покажет, как перестроить подготовку к таким встречам.

Искусственный интеллект в маркетинге: покупатель знает всё до первого звонка
Почему это важно

По данным Pew Research Center, примерно половина взрослых американцев уже пользуется ИИ-чатботами, причём поиск информации остаётся самым частым сценарием. Покупатель приходит не в начале решения, а в его середине, и вводные презентации о категории товара для него уже пройденный этап.

Что стоит за этим сдвигом?

Автор оригинальной статьи описывает личный опыт покупки грузовика. Он дал ИИ-ассистенту VIN-номер автомобиля и за несколько минут получил полную картину: реальную комплектацию (потому что в объявлениях часто путают версии), историю размещения на всех площадках (машина висела 280 дней с падением цены на 5 000 долларов), данные о владельцах и ДТП, типичные проблемы модельного года, остаток заводской гарантии и возможность регистрации в другом штате. ИИ-ассистент даже сформулировал вопросы для дилера, и ни один из них не звучал как «хорошая ли это машина». Вопросы были точечными: «коробку заменили или только перепрошили?», «почему машина продаётся девять месяцев?».

Все источники данных существовали и десять лет назад: государственные базы, отчёты об истории, форумы владельцев, бюллетени производителя, агрегаторы цен. Изменилось одно: сборка этой картины теперь занимает минуты и не требует экспертизы. Информационная асимметрия между покупателем и продавцом, на которой строился весь розничный автобизнес, схлопнулась за время, пока автор допивал кофе.

Искусственный интеллект в маркетинге меняет не данные, а скорость доступа к ним, и это касается любой отрасли, где покупатель думает перед покупкой.

Вы больше не первый собеседник

Покупатель приходит в середине решения, а не в его начале. Исследование, сравнение и сужение списка произошли в окне чата до того, как загрузился ваш сайт или менеджер поднял трубку.

Pew Research Center опросил 5 119 взрослых американцев в феврале и зафиксировал: примерно половина использует ИИ-чатботов (годом ранее была треть), около четверти обращаются к ним ежедневно. Pew оговаривает, что формулировка вопроса в 2024 году отличалась, поэтому рост стоит воспринимать как направление, а не точную дельту.

Бизнес между тем продолжает открывать разговор так, будто он первый. Лендинг объясняет, что такое категория. Первый звонок проходит по сценарию «вот что делает наш продукт». Серия писем начинается с базового введения. Всё это создавалось для человека на верхней ступеньке воронки, но эта ступенька больше не у вашей двери.

Шорт-лист составили без вас

Десять результатов поиска и длинный хвост превратились в три имени и абзац. Когда ИИ-ассистент сравнил выбранный грузовик не с конкретным объявлением, а со всем рынком, вопрос «справедлива ли цена» стал вопросом «лучшее ли это вложение денег». Четыре машины от трёх производителей оказались в одном сравнении, которое ни один из них не контролировал.

Для устоявшейся компании это болезненный момент: пятнадцать лет клиентской базы, позиции в поиске, узнаваемость в отрасли. Но ничто из этого не является тем доказательством, которое модель использует, решая, включить ли бренд в ответ на вопрос о категории. Автор оригинала отмечает: когда у модели нет данных о вашей компании, она описывает кого-то другого на вашем месте.

Бизнес продолжает строить позиционирование под десять мест на странице поиска. Конкурентные страницы против одного соперника, бренд-метрики по доле поисковых запросов. Но шорт-лист уже не десять позиций, и ему нет дела до того, какого конкурента вы имели в виду.

Охват читают, но не посещают

Компании, которые росли за счёт страницы под каждую комбинацию (продукт по сценарию, услуга по городу, курс по технологии), строились под систему, которая перечисляла страницы. ИИ-ассистент прочитал десятилетие форумных тредов, бюллетеней и спецификаций о грузовике автора и вернул два абзаца. Страницы выполнили свою работу, но не получили ни одного визита.

Для российского рынка этот процесс пока идёт медленнее: YandexGPT и GigaChat обрабатывают запросы на русском языке, но объём проиндексированного контента и привычка пользователей отличаются от англоязычного рынка. По моим наблюдениям, в B2B-сегменте РФ покупатели уже приходят на встречи, предварительно «поговорив» с ChatGPT или Claude о категории товара.

Что понадобится

  • ИИ-ассистент (ChatGPT, Claude, Gemini или доступный в РФ YandexGPT)
  • Список реальных вопросов, которые ваши клиенты задают перед покупкой (возьмите из CRM или у отдела продаж)
  • 30 минут на первичную проверку, затем 15 минут перед каждой встречей с клиентом

Пошаговая инструкция

  1. Соберите пять типовых запросов ваших покупателей. Попросите отдел продаж выписать вопросы, с которыми клиенты приходят на первые встречи. Если вопросы звучат как «расскажите о вашем продукте», это сигнал: клиент ещё не использовал ИИ-ассистента. Если вопросы точечные и сравнительные, он уже прошёл этап исследования.

  2. Задайте эти запросы ИИ-ассистенту от лица покупателя. Откройте чат и введите промпт (prompt, текстовый запрос к модели):

Я выбираю [категория товара] для [задача].
Сравни [ваш продукт] с основными альтернативами на рынке.
Какие вопросы мне стоит задать продавцу при встрече?
  1. Зафиксируйте, что модель знает о вас и что говорит вместо вас. Запишите: упоминает ли она ваш бренд, какие характеристики приводит, каких конкурентов ставит рядом, и какие слабые стороны называет. Если модель вас не упоминает, она описывает кого-то другого.

  2. Перестройте первый контакт. Уберите из вводной презентации всё, что объясняет категорию: покупатель уже знает. Начните с того, чего ИИ-ассистент не мог ему дать: вашей экспертизы в его конкретной ситуации, свежих кейсов, условий, которых нет в открытом доступе.

  3. Готовьте менеджера к встрече тем же инструментом. Перед каждой встречей просите ИИ-ассистента собрать информацию о компании клиента, его отрасли и вероятных вопросах. Менеджер должен знать не меньше, чем покупатель.

  4. Проверяйте свою «видимость» для моделей раз в месяц. Повторяйте шаг 2 с разными формулировками. Искусственный интеллект в маркетинге работает с тем, что о вас написано в открытых источниках: форумы, отзывы, экспертные статьи, документация.

Как это выглядит на практике

Менеджер B2B-компании перед встречей с клиентом из логистики ввёл в ChatGPT запрос: «Я директор по логистике, выбираю систему управления складом. Сравни три основных решения на российском рынке и составь список вопросов для продавца». Модель назвала двух конкурентов, но не упомянула компанию менеджера. Зато выдала список из восьми вопросов, включая «какова стоимость интеграции с 1С» и «есть ли SLA на время восстановления после сбоя». Менеджер пришёл на встречу готовым отвечать именно на эти вопросы, а не рассказывать, что такое WMS (система управления складом). Клиент позже сказал, что это была первая встреча, где ему не пересказывали то, что он уже знал.

Частые ошибки

Игнорировать проверку. Многие компании даже не знают, что модель говорит о них покупателю. Не проверив, вы готовитесь к разговору, который клиент уже провёл без вас.

Спорить с тем, что клиент «нагуглил через ИИ». Галлюцинация (hallucination, когда модель уверенно выдаёт вымышленные факты как реальные) случается, но если вы начнёте встречу с «ваш ChatGPT вам наврал», доверие потеряете быстрее, чем объясните, в чём ошибка. Лучше: «Давайте вместе посмотрим на актуальные данные».

Считать, что это касается только англоязычного рынка. Русскоязычные модели пока знают меньше, но покупатели уже используют англоязычные ассистенты для поиска по российским продуктам.

Заваливать открытые источники SEO-текстами в надежде «попасть в модель». Модели учитывают экспертность и контекст, а не объём страниц. Автор оригинала прямо указывает: страницы, созданные под каждую комбинацию запросов, сделали свою работу, но визитов не получили.

Совет редакции dzen.guru

Главный вывод из этой истории прост: ИИ изменил покупателя, а бизнес пока не адаптировался. Для авторов Дзена и контент-маркетологов это означает сдвиг в самой задаче текста. Вводные статьи «что такое X» теряют ценность, потому что читатель получает этот ответ за секунды в чате. Ценность смещается к тому, чего модель дать не может: личный опыт, свежие кейсы, нюансы конкретной ситуации.

Для B2B-продажников в России это ещё острее. Клиент, который «поговорил с ИИ» перед встречей, пропустил верх воронки. Готовьтесь к середине разговора, а не к его началу.

Честная оговорка: автор оригинальной статьи прямо сообщает, что продаёт платформу для измерения данных по этой проблеме, и намеренно не рекомендует конкретные инструменты. Мы разделяем этот подход: описанная проблема реальна и больше любого отдельного продукта.

Что делать прямо сейчас, по ролям

Автору Дзена. Перестаньте писать обзоры категорий и начните писать то, что модель пересказать не может: ваш личный тест, сравнение из практики, ошибку, которую вы допустили. Именно такой контент модели цитируют, а не генерируют сами.

Маркетологу. Проведите аудит: введите в три разных ИИ-ассистента запросы ваших клиентов и посмотрите, упоминает ли вас модель. Если нет, ваш конкурент уже в шорт-листе, а вы нет. Это не вопрос SEO, это вопрос того, что о вас написано экспертами и пользователями.

Продажнику в B2B. Перед каждой встречей тратьте 10 минут: задайте ИИ-ассистенту вопросы от лица клиента о вашей категории. Вы увидите, с чем клиент придёт, и сможете начать разговор с того места, где он остановился, а не с начала.

Попробуйте AI-ассистент dzen.guru

Проверьте, как ИИ видит ваш контент и бренд, прежде чем это сделает ваш покупатель

Попробовать

Перестраивать придётся не контент и не воронку, а точку входа в разговор. Покупатель уже поговорил о вас без вас, и единственный способ не проиграть этот разговор задним числом: знать, что ему сказали, и начинать оттуда.

Поделиться:TelegramVK
Игорь Градов
Игорь Градов

Основатель dzen.guru. Эксперт по монетизации и продвижению на Дзен. Автор курса «Старт на Дзен 2026».

Комментарии

Читайте также

Ошибки структурированных данных для AI
text

Ошибки структурированных данных для AI

Организованную совокупность структурированных данных в определённой предметной области называют базой знаний, и именно такую базу знаний о вашем сайте теперь…

5 мин
text

Google впервые прописала проверку на ИИ контент как обязательный шаг перед публикацией

Google первого октября обновила руководство для сайтов, использующих генеративный ИИ, и впервые прямо потребовала ручную проверку на ИИ контент перед…

6 мин
Google платит 100 издателям за AI-контент: от $1 000 до $1 млн в год, но формулу скрывает
text

Google платит 100 издателям за AI-контент: от $1 000 до $1 млн в год, но формулу скрывает

Почему это важно Google впервые платит издателям за контент, который используют нейросети Gemini и AI Overviews, но суммы для большинства участников составляют…

6 мин