Что 9 нейросетей знают о российских застройщиках

Мы изучаем, как девять нейросетей описывают рынок новостроек в России. Главный исследовательский вопрос – какие застройщики приходят на ум искусственному интеллекту первыми, когда пользователь задаёт нейтральный поисковый запрос без подсказок о конкретном бренде. Это позволяет измерить «холодную» видимость девелопера в моделях, на которые всё чаще опираются покупатели жилья при первом поиске.

Фокус-кейсом стал Донстрой как премиальный московский застройщик. Этот выбор обусловлен тем, что Донстрой является нашим партнёром по проекту и его открытые данные доступны для верификации результатов. Параллельно мы измеряем видимость 52 других застройщиков, 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 1 500 запросов, направленных в девять AI-провайдеров, что дало 12 366 ответов, 132 200 цитируемых ссылок и 68 011 размеченных упоминаний застройщиков. В конкурентный список включено 53 девелопера, запросы разнесены по 66 тематическим кластерам и пяти регионам.

Архитектура выборки строго сбалансирована: 5 регионов × 30 кластеров × 10 запросов = 1 500. На каждый регион приходится ровно 300 запросов, что обеспечивает корректное межрегиональное сравнение долей упоминаний.

Каждый из 1 500 запросов отправлен в каждую из девяти нейросетей – теоретический максимум составляет 13 500 ответов. Фактически получено 12 366: часть моделей по отдельным запросам вернула пустой ответ или ошибку. Такие случаи мы сохранили в исходных данных, но из расчёта метрик исключаем.

Ключевой методологический принцип всего исследования – ни один из 1 500 запросов не содержит названия бренда. Мы проверили это автоматически: SQL-сканирование по 27 шаблонам названий обнаружило лишь два ложных срабатывания на топонимах («Петергофского района», «улица Самолётная»), которые к девелоперам отношения не имеют. Фактическое число запросов с упоминанием бренда – 0.

Этот принцип критичен потому, что иначе AI просто пересказывал бы вопрос. Если бы в запросе стоял «Донстрой», «ПИК» или «Самолёт», 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 застройщики ассоциируются у AI с конкретной географией и сегментом без подсказок. Поэтому каждый запрос формулируется со стороны покупателя: «Какие хорошие квартиры бизнес-класса в ЦАО Москвы?», «Где купить семейную квартиру в Академгородке?», и так далее.

При этом каждый запрос содержит регион (Москва, Санкт-Петербург, Краснодар, Екатеринбург, Новосибирск) либо производное от региона (Подмосковье, Хамовники, Ленобласть, Уралмаш). Это формирует региональное окно – мы видим, какие застройщики локально различимы для AI в каждой из пяти географий.

Региональная ось включает пять городов: Москва (фокус Донстроя), Санкт-Петербург (вторая столица), Краснодар (Юг России), Екатеринбург (Урал) и Новосибирск (Сибирь). Это один фокус-регион и четыре benchmark-региона.

Технически регионы хранятся в системе как сущность «Product» – так устроена внутренняя модель платформы brandfound. В рамках данного исследования это сознательное упрощение: мы не сегментируем выборку по реальным продуктам Донстроя (жилым комплексам), а сегментируем её по географии. На интерфейсе пользователь видит регион как продуктовую ось – это особенность реализации, а не методологии.

Уточним: Донстрой реально работает только в Москве. Остальные четыре региона – это контрольные группы, нужные чтобы понять, как девять нейросетей описывают рынок жилья за пределами столичного рынка фокус-бренда. Без benchmark-регионов мы не могли бы отличить «национальное» поведение моделей от их «московского» смещения.

Каждый запрос привязан к одному кластеру – тематической метке, объединяющей запросы по классу жилья и потребительской оси (тип планировки, финансы, конкретный район). Всего в выборке 66 кластеров, распределённых по четырём классам жилья: Эконом (18), Комфорт (18), Бизнес (19) и Премиум (10).

Премиум-сегмент представлен только в Краснодаре – там существует курортный премиум-класс (Красная улица, ФМР, Юбилейный, побережье). В остальных регионах премиум столичного образца либо отсутствует, либо поглощён бизнес- кластерами центральных и видовых округов (ЦАО Москвы, Крестовский остров, ВИЗ-Правобережный).

Внутри каждого класса жилья проходят сквозные оси спроса: студии, 1-комнатные, 2-комнатные, семейный формат (3 и более комнат), финансы и ипотека, выбор застройщика, инфраструктура и среда, видовые характеристики. Это обеспечивает межрегиональную сопоставимость – одни и те же типы запросов измеряются во всех пяти городах.

Распределение кластеров по регионам:

• 15 кластеров универсальны для всех пяти регионов (например, «Эконом – 1-комнатные», «Комфорт – финансы и условия», «Бизнес – выбор застройщика»).
• 8 кластеров сегментно-универсальны – есть в четырёх регионах (как правило, бизнес-кластеры, не покрывающие Краснодар).
• 43 кластера эксклюзивны для одного региона – это локально-географические метки: Хамовники, Крестовский остров, Уралмаш, Академгородок, ФМР Краснодара и подобные.

Принципиально: матрица «кластер × регион» сознательно непрямоугольная. Опрашивать AI о «премиум-сегменте Новосибирска» или о «массовом эконом-классе в Хамовниках» бессмысленно – на рынке нет соответствующего предложения, и модель вынужденно начала бы галлюцинировать. Мы отсекли такие пары на этапе проектирования.

Список из 53 застройщиков не синтетический. Это реальные участники рынка с долей жилого ввода более 1% в хотя бы одном из пяти изучаемых регионов. Никаких «бумажных» брендов или давно ушедших игроков в выборке нет.

Группировка по типам присутствия:

• Топ-федеральные: ПИК, Самолёт, Эталон, ЛСР, ФСК, А101, Брусника.
• Москва, премиум-сегмент: Sminex, Vesper, Level, AFI.
• Санкт-Петербург: Setl Group, RBI, GloraX, ЦДС, Аквилон.
• Краснодар: DOGMA, AVA, ССК, ИНСИТИ.
• Екатеринбург: Атомстройкомплекс, Атлас Девелопмент, Синара-Девелопмент.
• Новосибирск: Брусника, Расцветай, ВИРА-Строй.

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.

Топ-5 по абсолютному числу упоминаний во всём корпусе: ЛСР (6 956), ПИК (4 740), Брусника (3 634), Самолёт (3 524), Setl Group (3 436). Единственный застройщик, упомянутый AI во всех пяти регионах, – ПИК.

В выборку вошли девять AI-моделей: OpenAI GPT-5, Google Gemini 2.5 Flash, Google AI Mode, Perplexity Sonar, DeepSeek, Grok-3 (xAI), Поиск с Алисой (Яндекс), Чат с Алисой AI (Яндекс) и GigaChat-3-Ultra (Сбер).

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

• Глобальные большие языковые модели: GPT-5, Gemini, DeepSeek.
• Модели с веб-поиском: Perplexity Sonar, Grok-3, Google AI Mode.
• Российские модели: Поиск с Алисой, Чат с Алисой AI, GigaChat-3-Ultra.

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 132 200 цитат – ссылок на внешние ресурсы, которые AI использует как источник информации. Эти цитаты распределены по 5 853 уникальным доменам.

Распределение оказалось крайне сконцентрированным. Топ-3 домена – realty.yandex.ru, cian.ru и avito.ru – формируют около 80% всех цитат среди десятки лидеров. Семь крупнейших экосистем агрегаторов (Cian, Domclick, Realty.Yandex, Etagi, Avito, m2, N1) совокупно дают 48 700 цитат, или 37% всего корпуса источников.

Сайты самих застройщиков цитируются на порядки реже: ЛСР – 1 298 ссылок, Самолёт – 656, ФСК – 348, ПИК – 252. Сайт фокус-бренда – donstroy.com – упомянут лишь 46 раз, что в 28 раз меньше, чем сайт ЛСР.

Главный методологический вывод: нейросети инерционно опираются на крупные агрегаторы недвижимости. Без устойчивого присутствия на cian.ru, realty.yandex.ru, avito.ru и domclick.ru видимость застройщика в AI-ответах системно занижена, независимо от размера компании и объёмов её собственного маркетинга.

Вся первичная выборка – тексты запросов, полученные ответы, размеченные упоминания застройщиков 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 объёмом 48 страниц – со всеми таблицами, графиками и методологическими приложениями – доступен по кнопке «Скачать PDF» в верхней части страницы.