Что 9 нейросетей знают о российском авторынке

Мы изучаем, как девять нейросетей описывают российский авторынок 2026 года. Главный исследовательский вопрос – какие автомобильные бренды и дилерские сети приходят на ум искусственному интеллекту первыми, когда пользователь задаёт нейтральный потребительский запрос без подсказок о конкретной компании. Это позволяет измерить «холодную» видимость игроков рынка в моделях, на которые всё чаще опираются покупатели машин при первом поиске.

Фокус-кейсом стала Группа РОЛЬФ (ROLF) как крупнейший независимый автодилер в России. Этот выбор обусловлен тем, что ROLF является нашим партнёром по проекту и его открытые данные доступны для верификации результатов. Параллельно мы измеряем видимость порядка 130 других игроков (95 автомобильных брендов и ~28 дилерских сетей), чтобы поместить фокус-бренд в реальный конкурентный контекст.

Важно подчеркнуть: исследование носит исследовательский, а не маркетинговый характер. Мы не продвигаем бренд, а измеряем его фактическую видимость в нейросетях так, как её увидел бы независимый аналитик.

Корпус исследования включает 1 499 запросов, направленных в девять AI-провайдеров, что дало 12 915 ответов и около 270 565 размеченных упоминаний брендов, дилеров и ссылок. В конкурентный список включено ~130 игроков – 95 автомобильных брендов и около 28 дилерских сетей. Запросы покрывают пять регионов России.

Архитектура выборки сбалансирована по регионам и тематическим кластерам: каждый запрос отправлен в каждую из девяти моделей. Часть моделей по отдельным запросам вернула пустой ответ или ошибку – такие случаи мы сохранили в исходных данных, но из расчёта метрик исключаем.

Период сбора данных – 19–20 мая 2026. Это даёт короткий, «фотографический» срез состояния AI-видимости в моменте, достаточно репрезентативный для сравнения брендов между собой и не загрязнённый сезонными колебаниями.

Ключевой методологический принцип всего исследования – ни один из 1 499 запросов не содержит названия конкретного бренда или дилера. Если бы в запросе стоял «ROLF», «Major», «Авилон», «Kia» или «LADA», нейросеть с высокой вероятностью включила бы это название в ответ – и измеренная видимость оказалась бы артефактом самой формулировки, а не реальной ассоциацией.

Мы хотим увидеть холодный Share of Voice – какие бренды и дилерские сети ассоциируются у AI с конкретной географией и потребительской задачей без подсказок. Поэтому каждый запрос формулируется со стороны покупателя: «Где купить надёжный кроссовер в Москве?», «Какой дилер не обманет в Краснодаре?», «Лучшие электромобили до 5 млн в Санкт-Петербурге», и так далее.

При этом каждый запрос содержит регион (Москва, Санкт-Петербург, Казань, Екатеринбург, Краснодарский край) либо производное от региона. Это формирует региональное окно – мы видим, какие игроки локально различимы для AI в каждой из пяти географий.

Региональная ось включает пять субъектов: Москва, Санкт-Петербург, Казань, Екатеринбург и Краснодарский край. Это два федеральных центра (Москва, СПб) и три ключевых региональных авторынка (Татарстан, Урал, Юг).

Москва и Петербург – основные домашние рынки ROLF и крупнейших мультибрендовых дилеров (Major, Авилон, Автомир, Рольф). Казань, Екатеринбург и Краснодар – контрольные группы: там сильны локальные дилерские сети (ТрансТехСервис в Татарстане, КЛЮЧАВТО на Юге) и можно увидеть, как девять нейросетей описывают рынок автомобилей за пределами столиц.

Каждый запрос привязан к одному кластеру – тематической метке, объединяющей запросы по типу автомобиля и потребительской задаче. Кластеры покрывают основные сценарии покупки: новый автомобиль из салона, автомобиль с пробегом, кроссоверы и SUV, электромобили и гибриды, премиум-сегмент, бюджетный сегмент, корпоративные продажи, лизинг и кредит, трейд-ин, сервис и обслуживание.

Внутри каждого кластера проходят сквозные оси спроса: марка, тип кузова, ценовой диапазон, выбор дилера, доверие к компании, обслуживание после покупки. Это обеспечивает межрегиональную сопоставимость – одни и те же типы запросов измеряются во всех пяти регионах.

Распределение кластеров по регионам сознательно непрямоугольное: набор «премиум-сегмент Москвы» и «массовый рынок Краснодара» наполнены по-разному, чтобы запросы оставались реалистичными и модель не была вынуждена галлюцинировать.

Список конкурентов содержит около 130 игроков и делится на два слоя: ~95 автомобильных брендов (от LADA и Kia до Mercedes-Benz и BMW, включая китайские Geely, Haval, Chery и др.) и ~28 дилерских сетей (ROLF, Major, Авилон, Автомир, КЛЮЧАВТО, ТрансТехСервис, КАН АВТО и др.).

По объёму упоминаний в AI-ответах в топ-5 брендов исследования попали: Kia (5,4%), Toyota (5,3%), LADA (5,0%), Hyundai (4,7%) и Geely (4,0%). ROLF занимает 10-е место с долей 2,7% – это первое место среди мультибрендовых дилеров в исследовании.

Широкий список нужен для чистоты наблюдаемого Share of Voice. Модель должна иметь возможность упомянуть любого реального игрока, а не быть вынуждённой выбирать из узкой обоймы. Если бы мы ограничили перечень десятком имён, лидерборд оказался бы артефактом нашего отбора.

В выборку вошли девять AI-моделей: OpenAI GPT, Google Gemini, Google AI Mode, Perplexity, Grok (xAI), DeepSeek, GigaChat (Сбер), Чат с Алисой AI (Яндекс) и Поиск с Алисой (Яндекс).

Выбор девяти моделей покрывает основные сценарии, через которые российский пользователь в 2026 году может задать вопрос о покупке автомобиля:

• Глобальные большие языковые модели: GPT, Gemini, DeepSeek.
• Модели с веб-поиском: Perplexity, Grok, Google AI Mode.
• Российские модели: Поиск с Алисой, Чат с Алисой AI, GigaChat.

Такое сочетание даёт полную картину: пользователь, который спрашивает у глобальной LLM, у поискового AI и у российского ассистента, увидит существенно разные ответы – и мы это фиксируем количественно.

Из ответов девяти моделей мы извлекли 15 611 ссылок, распределённых по 2 996 уникальным доменам.

Распределение оказалось крайне сконцентрированным. Топ-3 домена – auto.ru (18,7%), YouTube (14,6%) и instagram.com (13,5%) – формируют почти половину всей видимости. Далее идут avito.ru (9,6%), reddit.com (5,8%) и auto.drom.ru (5,6%). На эти шесть площадок приходится около 67% всех цитат.

Главный методологический вывод: нейросети инерционно опираются на крупные классифайды (auto.ru, Avito, Drom) и UGC-площадки (YouTube, Reddit, Instagram). Без устойчивого присутствия на этих ресурсах видимость бренда или дилера в AI-ответах системно занижена, независимо от размера компании и объёмов её собственного маркетинга.

Вся первичная выборка – тексты запросов, полученные ответы, размеченные упоминания брендов/дилеров и список цитируемых ссылок – хранится в нашей системе и доступна через защищённое API. По запросу мы готовы передать партнёрам и независимым исследователям сырые данные для аудита и повторной разметки.

На этой странице представлены обзорные срезы корпуса с возможностью развернуть каждую строку до полного ответа AI. Полный аналитический отчёт – со всеми таблицами, графиками и методологическими приложениями – доступен по кнопке «Скачать PDF» в верхней части страницы.