Генеративные нейросети осваивают новую роль — персональных консультантов в мире покупок. Аналитики компании «Карамбола Лабс» изучили более 10 миллионов запросов к ведущим языковым моделям (ChatGPT, Gemini, GigaChat, Алиса, Perplexity и Grok) и выяснили, как ИИ продвигает товары для жителей Москвы, Казани, Нижнего Новгорода и Краснодара.
Исследование показало: алгоритмы не просто выдают справочную информацию, а выстраивают коммерческие предложения с прямыми ссылками на магазины. Система переключается в режим «продавца», как только замечает в запросе слова-маркеры: «купить», «заказать», «подбери», «найди», а также любые упоминания бюджета или города.
Нейросети реагируют даже на разговорные формулировки вроде «подарок сыну на 8 лет, любит конструкторы». В таких случаях боты уточняют детали и выдают готовые карточки с ценами и характеристиками, собранными с маркетплейсов. Так обычный диалог превращается в персонализированную витрину, избавляя покупателя от долгих поисков и открывая брендам доступ к «горячей» аудитории.
Вкусы пользователей и логика алгоритмов заметно различаются по регионам.
В Москве ИИ делает ставку на статусность: одежда и аксессуары доминируют в 72% подборок, техника и гаджеты — в 68%, премиальная косметика — в 53% ответов.
Казань делает упор на технологии и заботу о себе. Электронику алгоритмы советуют в 72% случаев, мужскую косметику и парфюмерию — в 61%. Одежда заметно уступает, набирая 48%.
В Нижнем Новгороде — баланс: техника и мода делят первое место (по 53%), косметика следует почти вплотную (51%).
Краснодар демонстрирует консервативный подход: косметика (43%), техника (40%) и одежда (39%) формируют ядро рекомендаций.
«Появление товарных витрин внутри ИИ-чатов формирует новую реальность для e-commerce, — комментирует Станислав Щербаков, генеральный директор „Карамбола Лабс“. — Нейросети постепенно перетягивают на себя трафик интернет-магазинов и маркетплейсов. Мы выяснили: алгоритмы берут информацию напрямую из карточек товаров. Это открывает перед брендами доступ к новой аудитории».
Сегодня компаниям важно оптимизировать карточки не только под внутренние системы торговых площадок, но и внедрять GEO/AEO-оптимизацию. Если искусственный интеллект четко считает характеристики и контекст продукта, он органично встроит его в выдачу именно в момент пользовательского запроса.
Источник
Исследование показало: алгоритмы не просто выдают справочную информацию, а выстраивают коммерческие предложения с прямыми ссылками на магазины. Система переключается в режим «продавца», как только замечает в запросе слова-маркеры: «купить», «заказать», «подбери», «найди», а также любые упоминания бюджета или города.
Нейросети реагируют даже на разговорные формулировки вроде «подарок сыну на 8 лет, любит конструкторы». В таких случаях боты уточняют детали и выдают готовые карточки с ценами и характеристиками, собранными с маркетплейсов. Так обычный диалог превращается в персонализированную витрину, избавляя покупателя от долгих поисков и открывая брендам доступ к «горячей» аудитории.
Вкусы пользователей и логика алгоритмов заметно различаются по регионам.
В Москве ИИ делает ставку на статусность: одежда и аксессуары доминируют в 72% подборок, техника и гаджеты — в 68%, премиальная косметика — в 53% ответов.
Казань делает упор на технологии и заботу о себе. Электронику алгоритмы советуют в 72% случаев, мужскую косметику и парфюмерию — в 61%. Одежда заметно уступает, набирая 48%.
В Нижнем Новгороде — баланс: техника и мода делят первое место (по 53%), косметика следует почти вплотную (51%).
Краснодар демонстрирует консервативный подход: косметика (43%), техника (40%) и одежда (39%) формируют ядро рекомендаций.
«Появление товарных витрин внутри ИИ-чатов формирует новую реальность для e-commerce, — комментирует Станислав Щербаков, генеральный директор „Карамбола Лабс“. — Нейросети постепенно перетягивают на себя трафик интернет-магазинов и маркетплейсов. Мы выяснили: алгоритмы берут информацию напрямую из карточек товаров. Это открывает перед брендами доступ к новой аудитории».
Сегодня компаниям важно оптимизировать карточки не только под внутренние системы торговых площадок, но и внедрять GEO/AEO-оптимизацию. Если искусственный интеллект четко считает характеристики и контекст продукта, он органично встроит его в выдачу именно в момент пользовательского запроса.
Источник