Штучний інтелект дуже стрімко завойовує довіру й входить у повсякденні рішення людей: від пошуку інформації до вибору товарів і брендів. Це ще не означає, що люди сліпо довіряють кожній ШІ-рекомендації. Але сам факт того, що ШІ допомагає з вибором, робить його ідеальним інструментом для маркетингу.
У статті для crUAtivity Вікторія Обеснюк, Digital Analyst Razom Group, пояснила, чому маркетологу сьогодні недостатньо просто знати, чи згадує AI бренд, що натомість важливіше зрозуміти і як з цим працювати далі.
Чому вебаналітика недооцінює вплив AI
Роль AI поки здається невеликою, якщо дивитися тільки на вебаналітику. За даними SE Ranking, у січні- квітні 2026 року всі AI-платформи разом давали лише 0,32% трафіку сайтів – приблизно один візит із 312.
Хоча поведінкові дані показують зовсім іншу картину. За даними опитування Visa, 77% українців уже використовували AI як помічника під час покупок: шукали ідеї, порівнювали ціни, перевіряли відгуки та рейтинги. 38% опитаних відкрили для себе нові бренди або продукти саме завдяки AI.
Насправді ці цифри не суперечать одна одній. Вебаналітика бачить переважно перехід, тоді як AI впливає на те, що відбувається до нього.
Зіткнувшись з цією проблемою, Razom Group почав розвивати AI Visibility Index (AVI) – власну методологію аналізу AI visibility, яка охоплює ключові AI-сервіси, зокрема ChatGPT, Claude, Gemini, Google AI Overview та Perplexity. Окрім частоти згадок бренду, вона допомагає побачити, в яких ситуаціях його згадують, як виглядає на тлі конкурентів, якими аргументами AI пояснює рекомендацію та на які джерела спирається.
Що враховує AVI при аналізі
Перший нюанс – ринок. Частина інструментів для GEO та AI visibility створювалася насамперед із фокусом на США. Умовно, якщо міжнародний бренд догляду за шкірою продається у десятках країн, загальний AI visibility не покаже, що саме бачить український покупець.
Тому в AVI ми окремо працюємо з українським контекстом: локальними конкурентами, доступними товарами, мовою та джерелами, з якими реально може зіткнутися споживач в Україні.
Другий нюанс – контекст запиту. За нашими спостереженнями, бренд може стабільно бути серед перших у рейтингових запитах і водночас взагалі не з’являтися, коли користувач описує реальну потребу без назви категорії.
Наприклад: “Які найкращі бренди засобів для дитячої шкіри?” і “У дитини з’явилося почервоніння після підгузка. Що краще використати?”
На перший погляд, обидва запити стосуються однієї категорії. Але для маркетолога це принципово різні ситуації.
У першій AI складає рейтинг. У другій – вирішує конкретну проблему людини й може прямо формувати shortlist товарів.
Згадка бренду ще не означає рекомендацію
Наступна пастка – дивитися тільки на сам факт появи бренду у відповіді. В одному з аудитів Razom Group аналізував аптечний продукт для дитячої шкіри.
ChatGPT мав порівняти його з конкурентом й відповісти, який із двох засобів швидше допомагає при почервонінні. AI віддав перевагу конкуренту.
При цьому пояснив свій вибір досвідом батьків і підкріпив посиланням на сайт із відгуками. Водночас продукт нашого клієнта описав як такий, що “може діяти повільніше при виражених почервоніннях”. І вже поруч із цією тезою джерела не було.
Тобто бренд може мати хорошу видимість, але програвати саме на рівні аргументації.
Чому один запит не показує реальну AI-видимість
AI нестабільний за своєю природою: однаковий запит може давати різний список брендів і різний порядок рекомендацій. Дослідження SparkToro та Gumshoe.ai показало, що ймовірність двічі отримати від ChatGPT або Google AI абсолютно однаковий список брендів становить менше 1%.
Тому ми враховуємо це на двох рівнях:
По-перше, рейтингові та порівняльні запити запускаємо кілька разів і дивимося не лише на місце бренду, а й на стабільність : чи повертається він у shortlist, як часто зникає, хто стабільно з’являється першим.
По-друге, одну й ту саму потребу перевіряємо кількома формулюваннями. Адже реальний користувач не говоритиме з ChatGPT мовою підготовленого тестового промту.
Для маркетолога важлива не відповідь на одну “правильну” фразу, а те, чи зберігається бренд у полі рекомендацій, коли одна й та сама потреба звучить по-різному.
Не всі запити однаково цінні для продажів
Запити мають різне значення для бізнесу, тому ми групуємо їх за сценаріями: проблемно-рішеневі, порівняльні, рейтингові, комерційні, інструкційні та інші.
Кожен кластер відповідає своєму етапу шляху клієнта: від усвідомлення проблеми до порівняння й покупки. Тому 80% видимості в інструкціях і 80% у проблемно-рішеневих запитах – різні результати. Проблемно-рішеневі запити ставлять люди, які ще обирають, тож для продажів вони зазвичай важать більше. Загальна цифра “видимість в AI” без розбивки за кластерами не показує, де бренд втрачає покупців.
Що з результатами аудиту робити маркетологу
Після якісного AI-аудиту маркетолог має отримати карту:
- у яких запитах і кластерах бренд сильний, а де втрачає присутність – і наскільки кожен із них впливає на рішення про покупку;
- хто його реальні конкуренти в AI;
- які аргументи та джерела формують відповіді;
- що потрібно змінити першочергово.
Саме на цьому будується наступний крок AVI – дорожня карта із пріоритетами. Наприклад:
- якщо AI не наводить чітких фактів про продукт або плутає їх – оновіть інформацію на власному сайті та в картках товару в магазинах і на маркетплейсах;
- якщо на користь конкурента AI посилається на огляди й рейтинги – працюйте із зовнішнім інформаційним полем;
- якщо ключовий аргумент AI базується на досвіді покупців – перевірте відгуки на майданчиках, які він цитує: просіть реальних покупців ділитися досвідом і відповідайте на скарги;
- якщо бренд сильний у рейтингах, але слабкий у запитах “проблема – рішення” – працюйте над асоціацією бренду з конкретною потребою, а не над кількістю згадок.
Кінцева мета AI visibility – зрозуміти, що потрібно змінити в інформаційному полі бренду, щоб у момент вибору AI мав більше підстав рекомендувати саме його.