Покупатель может прочитать название бренда в ответе ИИ, затем набрать его в Google и открыть сайт. В отчёте переход придёт из поиска. Исследование Scrunch AI проверяет такой путь на связанных наблюдениях диалогов и веб-навигации, сохраняя различие между рекомендацией, визитом и покупкой.
Что наблюдали исследователи
В препринте From Prompt to Purchase, версия которого обновлена 31 августа 2026 года, Michael Iannelli и Alan Ai сопоставляли разговоры с ChatGPT, Claude и Gemini с кликовыми данными тех же участников добровольной панели. Работа охватывает два англоязычных рынка. Общий размер панели, число пользователей в анализах и конкретные страны авторы не раскрывают по коммерческим причинам.
Единицей наблюдения было сочетание пользователя, ответа и бренда. Действия в течение семи дней после ответа сравнивались с окнами такой же длины у того же человека в более ранние периоды. Авторы отдельно выделяли настоящие рекомендации и людей без недавнего наблюдаемого взаимодействия с брендом.
Для этой группы они сообщили превышение над сопоставимыми прошлыми окнами: 4,3 процентного пункта для поиска названия в Google, 2,4 пункта для посещения собственного сайта бренда и 1,0 пункта для посещения брендовой страницы у продавца. Это не проценты дополнительной выручки.
Дизайн наблюдательный, без случайного назначения рекомендаций. Даже после проверок нельзя полностью исключить возникший в той же сессии интерес к конкретному бренду, который одновременно привёл к вопросу и следующему действию. Платежей и транзакций панель не наблюдала. Авторы работают в коммерческом сервисе Scrunch AI.
Почему определение группы меняет вывод
«Без недавнего взаимодействия» не означает «никогда не был клиентом». Человек мог покупать офлайн, владеть продуктом или пользоваться приложением вне видимой части панели. Поэтому результат нельзя переименовать в число впервые привлечённых клиентов.
Также попутная фраза о знакомом сервисе отличается от рекомендации нового варианта. Если собрать все названия без чтения контекста, дальнейшие визиты существующих пользователей легко приписать влиянию ИИ. В работе авторы специально разбирают этот перекос.
Какие данные нужны команде для решения
Наш вывод: наблюдение ИИ-рекомендаций и аналитика переходов отвечают на разные вопросы. Их полезно сопоставлять, но нельзя заполнять неизвестный путь пользователя предположением.
| Наблюдение | Что оно показывает | Чего не устанавливает |
|---|---|---|
| Сохранённый ответ с предложением бренда | Компания предложена в конкретном сценарии | Кто прочитал ответ и что сделал затем |
| Переход из распознанного ИИ-источника | Зарегистрированный визит по правилам аналитики | Всё влияние ИИ без клика |
| Брендовый поиск после разговора в связанной панели | Последовательность наблюдений одного участника | Автоматически причинный эффект рекомендации |
| Посещение страницы продавца | Интерес к странице в видимом канале | Оплаченный заказ |
Для своего проекта начните с реальных вопросов выбора и сохранённых полных ответов. Зафиксируйте систему, режим, дату, язык, регион и смысл предложения бренда. В отдельном отчёте храните распознанные переходы и заказы по принятой методике. Не переносите все прямые и поисковые визиты в ИИ-канал на основании чужой панели.
Если следующий вопрос команды касается поведения людей, заранее определите, какие согласованные данные или опрос позволят наблюдать именно его. Без связи на уровне участника совпадение двух графиков не воспроизводит дизайн Scrunch AI. Если такой связи нет, оставьте вывод на уровне совместной динамики и проверяемой гипотезы.
Практическое решение по работе: учитывать ИИ как возможное раннее знакомство с вариантом, сохраняя отдельные доказательства для присутствия бренда, последующего визита и покупки. Числа исследования не превращаются в коэффициент атрибуции вашего проекта.