Рекомендация ИИ может открыть покупателю незнакомую марку, а может укрепить уже принятое направление выбора. Эти роли требуют разных вопросов в исследовании клиента и разных проверочных запросов. Публичные результаты The Invisible Shelf помогают разделить их без выдуманной воронки продаж.
Два ответа об опыте покупки
В публичном резюме исследования DTC 53% опрошенных покупателей, использующих ИИ при покупках, сообщили, что покупали ранее неизвестный им бренд по рекомендации ИИ. При этом 82% сказали, что ИИ подтверждал выбор или давал последний толчок в отношении уже знакомого бренда.
Исследование включает два опроса за третий квартал 2026 года: 556 онлайн-покупателей и 146 представителей DTC-бизнесов. Показатели 53% и 82% относятся к ИИ-покупателям, а не к компаниям. На открытой странице не раскрыты география, полный набор вопросов, взвешивание и точный размер базы каждого из этих ответов.
Это сообщения участников о своём опыте, а не наблюдаемый причинный эффект. Полный отчёт предлагается через форму; здесь рассматриваются только опубликованные сведения. Их нельзя переносить на российский рынок или читать как долю всех интернет-покупателей.
Почему нельзя сложить проценты
Один человек мог знакомиться с новой маркой в одной покупке и проверять известную в другой. Открытое резюме не даёт совместного распределения ответов. Поэтому 53% и 82% нельзя сложить, вычесть для оценки «чистого открытия» или превратить в последовательные этапы заказа.
Наш вывод: универсальное поле «ИИ повлиял» может скрывать два разных результата работы бренда. В первом случае нужно исследовать, попадёт ли компания в ответ без подсказки её имени. Во втором важно проверить, какие сведения система сообщает о уже названной компании и чем поддерживает или меняет выбор.
| Роль ИИ по словам клиента | Что проверять у бренда |
|---|---|
| Познакомил с ранее неизвестным вариантом | Обнаружение в вопросах без готового имени |
| Помог оценить знакомую компанию | Точность её описания, условий и оснований выбора |
| Роль не удаётся восстановить | Сохранить неизвестность, не назначая искусственную атрибуцию |
Как добавить это различие в своё исследование
Возьмите разрешённые для анализа записи о реальных покупательских решениях: интервью, обратную связь или обращения, где человек сам упомянул использование ИИ. Не превращайте всех клиентов с обычным поисковым переходом в ИИ-покупателей.
Для одного конкретного решения уточните: знал ли человек бренд до обращения к помощнику; что именно сделал помощник; какое действие после этого действительно произошло. Сохраните исходные слова. Если есть полный диалог, приложите его к закрытой рабочей записи; если нет, пометьте результат как воспоминание участника. Отсутствие диалога не нужно заполнять предполагаемым запросом.
Не заставляйте человека выбрать одну роль на весь свой покупательский опыт. Если он описывает разные решения, создайте отдельные записи. В каждой оставьте поля «знакомство с брендом до ИИ», «роль помощника», «подтверждённое действие» и «доступное свидетельство». Неясный ответ не является отрицательным.
По полученным реальным задачам подготовьте две группы вопросов для проверки представления компании: без имени для обнаружения и с именем для оценки уже известного варианта. Сохраните их раздельно вместе с рынком, системой и условиями сбора. Если одна группа пока не подтверждена обращениями, отметьте её как гипотезу, а не изображайте реальный спрос.
Итог работы: классифицированные записи о роли ИИ и обоснованные группы проверочных вопросов. Такой результат помогает понять, за обнаружение или качество представления отвечает очередная задача GEO. Он не доказывает, сколько заказов возникло дополнительно благодаря нейросети.