Совместное исследование · 2026
Слева то, что нейросети говорят о банковских приложениях тем, кто ещё выбирает банк. Справа то, что о тех же приложениях пишут реальные клиенты в соцсетях.
8 955
ответов нейросетей
· AI-видимость · 9 моделей
37 056
упоминаний в соцмедиа
· репутация
Полная версия исследования одним файлом. Берите на встречу с командой или клиентом.
· Полное исследование
8 955 ответов 9 нейросетей и сверка с 37 056 упоминаниями из соцмедиа: лидеры, 4 направления восприятия, источники и принципы попадания в ответы.
01 · Методология
Открытая методология сбора и обработки данных. Показываем, как мы сопоставляем два слоя восприятия банковских приложений: AI-слой brandfound и соцмедиа-слой Sidorin Lab. А также принцип нейтральности запросов и структуру четырёх направлений.
Мы изучаем, как выглядят мобильные приложения российских банков сразу в двух слоях. Первый слой, brandfound, показывает, что девять нейросетей отвечают человеку, который задаёт бытовой вопрос про банковское приложение и ещё не выбрал банк. Какие банки ИИ называет первыми, кого советует, в каком контексте. Второй слой, Sidorin Lab, показывает, что о тех же приложениях пишут реальные клиенты в соцсетях, на форумах и в отзовиках: они уже пользуются приложением и говорят об опыте. Главный вопрос исследования: где эти два слоя совпадают, а где расходятся.
Мы измеряем видимость 55 банков по одному продукту, мобильному приложению, в четырёх направлениях восприятия: функциональность, доступность, надёжность и удобство. Ни один банк не является заказчиком страницы: исследование носит исследовательский, а не маркетинговый характер. Мы измеряем фактическую видимость брендов так, как её увидел бы независимый аналитик.
AI-слой brandfound включает 995 запросов и 8 955 ответов от девяти нейросетей: каждая сеть ответила на все 995 вопросов. Запросы разбиты на 4 направления восприятия: Функциональность (307 запросов, 2 763 ответа), Доступность (257 и 2 313), Надёжность и производительность (224 и 2 016), Удобство (207 и 1 863). Регион Россия, язык русский, снимок июля 2026 года.
Соцмедиа-слой Sidorin Lab собрал 37 056 упоминаний мобильных приложений банков за период с 14.06 по 13.07.2026 по фильтру «живые сообщения людей»: форумы, соцсети, отзовики, мессенджеры. Суммарный охват больше 36,4 млн, вовлечение больше 82,9 тыс. Периоды двух слоёв совпадают, поэтому срезы можно ставить рядом.
Важно: кластеры двух исследований совпадают один в один. И у brandfound, и у Sidorin Lab приложение оценивается по одним и тем же четырём направлениям. Это делает сравнение прямым, а не приблизительным.
Ключевой методологический принцип AI-слоя: ни один запрос не содержит названия конкретного банка. Если бы в вопросе стоял «Сбербанк» или «Т-Банк», нейросеть с высокой вероятностью включила бы это название в ответ, и измеренная видимость оказалась бы артефактом формулировки, а не реальной ассоциацией.
Мы хотим увидеть холодную долю голоса: какие банки нейросеть сама достаёт из памяти на бытовой вопрос про «банковское приложение». Каждый запрос сформулирован со стороны пользователя: «Какое банковское приложение самое удобное?», «Что делать, если приложение зависает при оплате?», «Как установить банковское приложение, которого нет в App Store?», «Как настроить приложение для пожилого человека?».
Соцмедиа-слой Sidorin Lab устроен иначе: это органические упоминания, а не синтетические запросы. Люди сами, без нашего участия, пишут о приложениях банков. Мы измеряем то, что уже существует в публичном поле.
Ось сопоставления в этом исследовании: воронка клиента. AI-слой brandfound фиксирует, как рынок выглядит в голове нейросети до того, как человек выбрал банк: верх воронки, первичное представление. Соцмедиа-слой Sidorin Lab фиксирует, что говорят люди, которые приложением уже пользуются: низ воронки, реальный опыт.
Слои измеряют разное, и в этом их ценность. Нейросети меряют присутствие: кого ИИ называет и советует. Соцмедиа меряют эмоцию: кого хвалят и ругают. Поэтому «лидер нейросетей» и «лидер соцсетей» это два разных титула, и, как показало исследование, они почти не совпадают. Совпадения слоёв мы читаем как кросс-валидацию, расхождения как карту различий между тем, что человек услышит перед выбором, и тем, что он получит после.
Каждый запрос AI-слоя привязан к одному из 4 кластеров, повторяющих структуру соцмедиа- исследования Sidorin Lab:
Показательно, что размеры кластеров в двух слоях зеркальны. У нейросетей крупнее всего Функциональность: люди спрашивают, что приложение умеет. У Sidorin Lab крупнее всего Надёжность (6 858 упоминаний, 48% негатива): люди пишут о том, что болит. Нейросети отвечают на вопросы «до», соцмедиа фиксируют опыт «после».
В конкурентный список AI-слоя включено 55 банков: от Сбербанка и Т-Банка до региональных игроков. По доле голоса рынок разделился на три яруса. Первый: большая четвёрка, Сбербанк (37,1%), Т-Банк (21,1%), ВТБ (16,1%) и Альфа-Банк (11,1%), вместе 85,4% всех упоминаний. Второй: середина из семи банков (Райффайзенбанк, Газпромбанк, Промсвязьбанк, МТС Банк, Россельхозбанк, Совкомбанк, Почта Банк), около 11% на всех. Третий: остальные 40+ банков с долей около нуля, пять из них не упомянуты ни разу.
Отдельный показатель: эффект привычного бренда. Сбербанк назван без единого конкурента в 916 ответах, Т-Банк в 131, ВТБ в 132, Альфа в 23. В соцмедиа-слое Sidorin Lab топ-4 по объёму обсуждения тот же (Сбер, Альфа, Т-Банк, ВТБ, больше 80% упоминаний), но лучшие по тональности совсем другие банки: Совкомбанк (11% негатива) и Альфа-Банк (14%), а худший ВТБ (около 59% негатива по всем направлениям).
В AI-слой вошли девять моделей: OpenAI GPT, Google Gemini, Google AI Mode, Perplexity, Grok (xAI), DeepSeek, GigaChat (Сбер), Чат с Алисой (Яндекс) и Поиск с Алисой (Яндекс). Каждая ответила на все 995 запросов, условия сравнения равные.
Ведут они себя как девять разных рынков. На OpenAI и Grok лидер Т-Банк, на остальных семи Сбербанк. На Gemini, AI Mode, GigaChat и Чате с Алисой Сбер забирает больше половины всех упоминаний. Больше всего разных банков называют DeepSeek (41) и Perplexity (38). Видимость одного и того же банка между сетями различается в несколько раз.
Соцмедиа-слой Sidorin Lab измеряет реальные площадки, где люди пишут о приложениях: banki.ru, Telegram, ВКонтакте, Threads, Google Play, Дзен, YouTube. Самые негативные из них Google Play и YouTube (отзывы в сторе и разборы багов), самые нейтральные Telegram и ВКонтакте.
Из 8 955 ответов мы извлекли цитируемые ссылки: 6 408 доменов и 28 350 конкретных страниц, в среднем 7 источников на один ответ. Самый цитируемый домен рынка не сайт банка, а независимый агрегатор banki.ru (2 547 ответов). Дальше sberbank.ru (2 260), tbank.ru (1 898), youtube.com (1 143) и sravni.ru (1 096).
Из 6 408 доменов только 30 цитируются всеми девятью нейросетями, и почти все они на вершине списка. Ещё деталь: открытые для чтения страницы попадают в ответы легче. У banki.ru нейросетям доступен 81% страниц, у sberbank.ru только 11%. Это часть причины, почему агрегаторы выигрывают ссылочную войну у самих банков.
По типам контента выигрывают инструкции: заголовки формата «Как...» собирают 17,8% всех цитирований, следом «Что делать, если...» и «Почему не работает...». Обзоров и рейтингов мало (около 3% страниц), но цитируются они часто, и делают их независимые площадки: sravni.ru, vc.ru, Forbes, Markswebb, UsabilityLab.
Вся первичная выборка AI-слоя (тексты запросов, полные ответы, размеченные упоминания банков и список цитируемых ссылок) хранится в нашей системе и доступна прямо на этой странице: в разделах «Запросы» и «Источники» каждую строку можно развернуть до полного ответа нейросети с подсветкой упоминаний. Данные соцмедиа-слоя получены из мониторинговой системы Sidorin Lab (Brand Analytics).
По запросу мы готовы передать партнёрам и независимым исследователям сырые данные для аудита и повторной разметки.
02 · Выводы
Сравниваем два независимых слоя восприятия банковских приложений: как отвечают нейросети и что реальные люди пишут в соцмедиа. Смотрим, где слои совпадают, где расходятся и что с этим делать банку.
Видимость в нейросетях устроена жёстче, чем реальный рынок. Сбербанк (37,1%), Т-Банк (21,1%), ВТБ (16,1%) и Альфа-Банк (11,1%) вместе держат 85,4% всех упоминаний в 8 955 ответах. Ещё семь банков делят около 11%, остальные 40+ банков для нейросетей практически не существуют: пять не названы ни разу. Показательно, что Т-Банк стоит выше ВТБ, хотя банк меньше: нейросети награждают за репутацию удобного приложения, а не за размер бизнеса.
Работает и эффект привычного бренда: Сбербанк назван без единого конкурента в 916 ответах, а банк из середины рейтинга живёт только в чужих списках «Сбер, Т-Банк, ВТБ и другие» и исчезает, как только список становится коротким.
Мы разобрали, какими словами нейросети обосновывают рекомендации. Самое частое обоснование не функция, а привычность: формулировка «привычный, используется по умолчанию» встретилась 457 раз, «самый популярный» 296 раз, а «лидер рынка» всего 4. Нейросеть не анализирует рынок: она берёт то, что у всех на слуху, и подтверждает это рейтингами из интернета. За каждым лидером закреплён ярлык: Сбер это размер и экосистема, Т-Банк это удобство и дизайн, Альфа это интерфейс, ВТБ это «крупный и стабильный». На профильный вопрос ИИ достаёт банк с профильным ярлыком.
Исследовательский центр SL много лет изучает, что реальные люди пишут о банках и их приложениях: на что жалуются, за что хвалят, как переживают сбои и обновления. Исследование brandfound показывает соседний срез того же рынка: что нейросети отвечают человеку, который только выбирает банк.
Мы сознательно разметили оба исследования по одним и тем же четырём направлениям, и именно это дало главный результат: размеры кластеров оказались зеркальными. У нас в соцмедиа крупнее всего надёжность, потому что людям больнее всего, когда приложение не работает. У нейросетей крупнее всего функциональность, потому что люди спрашивают о возможностях. Обе картины честные, просто они снимают клиента в разные моменты его пути.
Наталия Кладова, руководитель отдела мониторинга и аналитики Sidorin LabЛучший банк по тональности в соцмедиа Sidorin Lab это Совкомбанк: всего 11% негатива, клиенты хвалят «Халву» и детскую карту. В нейросетях Совкомбанк почти отсутствует: доля голоса 0,6%, десятое место. Довольные клиенты вытягивают банк в соцсетях, но не пробивают его в ответы ИИ: для нейросети важны не отзывы, а структурный контент, рейтинги и обзоры.
Обратный пример: ВТБ. Нейросети уверенно держат его на третьем месте (16,1%) и охотно советуют. В соцмедиа ВТБ худший банк по всем четырём направлениям: около 59% негатива, по скорости работы 75%, худший показатель всего исследования Sidorin Lab. ИИ рекомендует то, чем живые пользователи недовольны сильнее всего. Для рынка это значит простую вещь: AI-видимость и репутация в соцмедиа это два разных актива, и мерить нужно оба.
В соцмедиа надёжность это крупнейший и самый негативный кластер: 6 858 упоминаний, 48% негатива. В нейросетях та же тема почти безымянная: банк назван только в 55% ответов, в остальных ИИ даёт универсальную инструкцию «проверьте интернет, обновите приложение, очистите кэш». На прямой вопрос «у кого стабильнее» нейросеть отвечает уклончиво: «такого банка нет». Репутация надёжности в AI-слое почти не формируется, зато небольшие банки попадают в тему через списки «чаще всего сбоят». Для банка это и риск, и возможность: стать автором инструкции при сбое проще, чем ждать, пока ИИ назовёт тебя стабильным.
Самый цитируемый источник рынка не сайт банка, а banki.ru (2 547 ответов), рядом sravni.ru (1 096). Сайты Сбера и Т-Банка попадают в топ за счёт собственных разделов помощи: нейросети забирают справку напрямую. Выигрывают тексты, которые решают проблему: заголовки «Как...» собирают 17,8% всех цитирований, каждая шестая цитируемая ссылка начинается со слова «Как». Попасть в чужой рейтинг (sravni.ru, Markswebb, UsabilityLab) эффективнее, чем публиковать свой: независимую оценку ИИ цитирует почти дословно.
Отсюда три рычага для банка вне большой четвёрки: подробный раздел помощи на своём сайте под реальные вопросы пользователей, присутствие в ключевых рейтингах приложений на агрегаторах и одна ясная ниша, закреплённая контентом. Исследование показывает, что ниши работают: Россельхозбанк почти невидим в целом (около 1%), но в направлении доступности поднимается до 4,2% за счёт готовых материалов про версию для пожилых и веб-банк. Видимость в нейросетях покупается контентом, а не размером.
Sidorin Lab видит, что о банковских приложениях пишут живые клиенты: сбои, обновления, реклама на главном экране. Мы видим, что о тех же приложениях рассказывают нейросети людям, которые только выбирают банк. Это один и тот же клиент, просто до установки и после неё.
Самое интересное началось, когда мы положили две картины рядом. Совкомбанк, любимец соцсетей, для нейросетей почти не существует. ВТБ, которого люди ругают сильнее всех, ИИ спокойно советует. А Т-Банк обходит Сбер именно там, где вопрос звучит как «что удобнее», потому что за ним закрепилась репутация удобного приложения.
Вывод для банков простой. Соцмедиа все давно умеют считать, а место в ответах нейросетей пока почти свободно: его выигрывают инструкциями, рейтингами и одной понятной нишей. Сегодня оно достаётся дёшево, через год-два за него придётся конкурировать всерьёз.
Готти Вартанян, CEO brandfound03 · Категории
Выводы выше показывают рынок целиком. Здесь та же картина разложена по 4 направлениям восприятия приложения: кто лидер, какие подтемы внутри и какая аномалия там нашлась.
В целом по рынку лидируют Сбербанк и Совкомбанк
· AI-видимость
37,1%
Сбербанк
доля голоса в ответах нейросетей
· репутация
11%
Совкомбанк
негатива в соцмедиа: лучшая тональность рынка
Два разных титула: в нейросетях побеждает тот, кого чаще называют (известность и контент), в соцмедиа тот, кем довольны реальные клиенты. Сбербанк держит 37,1% эфира нейросетей, а лучший банк по тональности соцмедиа, Совкомбанк, в ответах ИИ почти не существует (0,6%). Ниже видно, как это меняется от направления к направлению.
Самое крупное направление исследования: 307 запросов и 2 763 ответа про возможности приложения. Копилки и автонакопления, вклады и ставки, переводы и оплата по QR, кэшбэк, открытие продуктов из приложения, аналитика расходов. Большая четвёрка забирает 83,5% всех упоминаний, Сбербанк назван в трёх ответах из четырёх.
Сбербанклидер категории · банкСбербанкперевод с карты на карту, оплата по QR, автоплатежи; конкретику ИИ показывает на большой четвёркеСбербанквклад «Лучший %» и ставки выше в приложении, чем в офисе; главный козырь Сбера в направлении
Т-Банкавтоматическая категоризация расходов, гибкая копилка, кэшбэк рублями; формулировки в превосходной степени
ВТБ«ВТБ Мои Инвестиции» и брокерский счёт за пару минут; рядом ГазпромбанкНа вопросах выбора нейросеть резко теряет качество: по 45 коммерческим запросам «какое приложение лучше» средний балл ответа всего 34 против 75 у инструкций, и именно там сидит весь негатив направления.
«Т-Банк — один из самых функциональных мобильных банков, с сильными инструментами аналитики расходов, кэшбэком и удобными переводами.»
источник · OpenAI
Сверка с соцмедиа ·
У Sidorin Lab функциональность зеркально противоположна: это самый маленький (2 379 упоминаний) и самый позитивный (65% позитива) кластер соцмедиа. Лидеры по тональности там Альфа-Банк (81% позитива) и Совкомбанк, а не Сбер. Люди довольны функциями и делятся находками, нейросети же просто чаще называют самых известных.
257 запросов и 2 313 ответов про установку и вход: App Store и Google Play, RuStore, удаление приложений из-за санкций, вход на новом телефоне, веб-версия, настройка для пожилых. Половина ответов касается санкций, и нейросети уверенно объясняют обходные пути. Доля лидера здесь = процент ответов направления, где банк назван.
Сбербанклидер категории · банкСбербанкAPK с официального сайта, RuStore, AppGallery и Galaxy Store; предупреждения про поддельные приложенияТ-Банквход на новом телефоне, восстановление доступа, вход без карты; частая точка боли пользователейСбербанкадреса online.sberbank.ru и online.vtb.ru ИИ подставляет в ряд, туда же попадает online.rshb.ru
Россельхозбанкредкий случай ниши не у четвёрки: спецверсия с крупным шрифтом стала готовым примером для ИИНейросети без колебаний ведут пользователя мимо официальных магазинов: инструкции про APK с сайта, VPN и сторонние сторы подаются как нормальный бытовой навык, а не как крайняя мера.
«Из-за санкций крупнейшие российские банки были удалены из Google Play и App Store... банки переносят дистрибуцию на российские аналоги. Чаще всего это RuStore, Galaxy Store (для Samsung) или AppGallery (для Huawei).»
источник · GigaChat
Сверка с соцмедиа ·
У Sidorin Lab доступность заметно негативнее: 28% негатива против 0,6% у нейросетей. Главная боль в соцмедиа не установка, а обновление: у ВТБ 71% негатива по обновлениям, у Газпромбанка 77%. Нейросети об этой боли почти не говорят: они отвечают инструкцией, а не жалобой.
224 запроса и 2 016 ответов про сбои, зависания и скорость: «приложение вылетает при оплате», «платёж завис», «долго грузится». Самое служебное направление: банк назван только в 55% ответов, в остальных 45% нейросеть даёт безымянную инструкцию. Доля лидера здесь = процент ответов направления, где банк назван. Единственное направление, где Т-Банк обходит Сбербанк и по охвату.
Т-Банклидер категории · банкТ-Банкбезымянный чек-лист у половины ответов; конкретные имена появляются только у крупных инцидентовТ-Банк«не тормозит» и «быстрые переводы» как часть образа продвинутого приложенияСбербанкИИ объясняет сбои внешними причинами и советует официальные каналы банкаСбербанкстатус-страницы и Telegram-каналы банка как источник; шанс для бренда стать автором инструкцииТема, которая в жизни болит сильнее всего, в нейросетях почти безымянная: ИИ гасит конкретику и уводит разговор в универсальный совет, поэтому репутация надёжности у банков в ответах почти не формируется.
«Если под «без сбоев» понимать приложение, которое практически никогда не выходит из строя, то такого банка нет. Даже крупнейшие банки периодически сталкиваются с техническими сбоями.»
источник · OpenAI
Сверка с соцмедиа ·
Самый большой разрыв двух слоёв. У Sidorin Lab надёжность это крупнейший (6 858 упоминаний) и самый негативный (48% негатива) кластер соцмедиа, главный источник недовольства; худшие ВТБ (68% негатива) и Газпромбанк. У нейросетей направление предпоследнее по объёму и почти без негатива. Реальная боль пользователей в AI-слое практически не видна.
207 запросов и 1 863 ответа про дизайн, интерфейс, виджеты и рекламу. Каждый пятый запрос направления прямо про рекламу, сторис и лишние пуши. По доле голоса первый Сбербанк, но по числу ответов, где банк вообще назван, вперёд выходит Т-Банк (около 1 243 против 1 175): UX это его домашнее направление. Самое негативное направление у нейросетей: 6,3% негатива.
Сбербанклидер категории · банкТ-Банкминимализм и чистый интерфейс; Альфа рядом как «не перегруженная» альтернатива СберуТ-Банккаждый пятый запрос направления; ИИ отвечает инструкцией «зайдите в настройки и отключите»Сбербанкпривычность и упрощённый режим, но с оговоркой про перегруженный главный экранРоссельхозбанк«единственный крупный банк со специальным режимом для старшего поколения»: узкая, но чистая нишаЕдинственное направление, где сменился лидер: за образ «удобного банка» конкурировать нужно в первую очередь с Т-Банком, а не со Сбером. Сбер берёт частотой, Т-Банк берёт репутацией дизайна.
«Вопрос о самом красивом приложении субъективен, но на основе рейтингов UX-дизайна часто выделяют Т-Банк (бывший Тинькофф): часто лидирует по мнению пользователей благодаря минималистичному дизайну.»
источник · Google AI Mode
Сверка с соцмедиа ·
У Sidorin Lab UX очень позитивен (70% позитива, крупнейший кластер по позитиву), лидеры по тональности Альфа-Банк (85% позитива) и Совкомбанк (2,5% негатива), аутсайдер ВТБ: 59,5% негатива, по подтеме «Интерфейс» 66%. Два слоя сходятся в одном: реклама и перегрузка интерфейса стали главным раздражителем пользователей.
04 · Запросы
Каждая строка это реальный вопрос про банковское приложение и ответ одной из 9 нейросетей на него. Раскройте строку, чтобы увидеть полный ответ AI с подсветкой упоминаний банков и список источников, на которые он ссылается.
05 · Аналитика
Доля голоса, рейтинг 55 банков, тональность ответов AI и источники по провайдерам: те же виджеты, что и в продуктовом дашборде brandfound. Все данные за период исследования.
06 · Источники
Тысячи цитат из 6 408 доменов. Агрегаторы banki.ru и sravni.ru дают долю видимости наравне с сайтами самих банков. Раскройте домен, чтобы увидеть страницы-источники и ответы AI, где на них ссылались.
07 · Фабрика
И вот так это у нас выглядит в brandfound.: каждый инсайт превращается в задачу, задача в бриф, а бриф в опубликованный материал. Ниже снимок канбан-доски фабрики контента, собранной из инсайтов этого исследования: пробелы в упоминаниях бренда, негативная тональность ответов AI, всплески доминирующих конкурентов и слабо освоенные источники цитирования.
Снимок доски, статичный. В живой системе brandfound. карточки двигаются между колонками, превращаясь из идеи в опубликованный материал. Источник карточек: запросы и ответы AI этого исследования банковских приложений и сверка с соцмедиа-данными Sidorin Lab.
