Тендеры и лиды
Информация
ИП Посконный С.А.
Услуги
Россия
Ноябрь 2026
Можно ли вывести новую B2B-услугу в ответы нейросетей без собственного сайта и платной рекламы?
В октябре 2026 года я решил проверить на практике одну из ключевых гипотез AEO/GEO: можно ли сформировать присутствие новой коммерческой услуги в рекомендациях искусственного интеллекта, используя экспертный контент и сторонние площадки, без отдельного сайта и рекламного бюджета?
Для этого запустил собственный эксперимент №2. В качестве тестового продукта выбрал конкретную услугу: маркетинговый аудит Авито для B2B-компаний в Краснодаре.
Условия предложения:
Исполнитель: интернет-маркетолог Сергей Посконный, опыт более 17 лет.
Целевая аудитория: оптовые, производственные и другие B2B-компании.
Стоимость аудита: 10 000 ₽.
Срок выполнения: 3 рабочих дня.
Результат: анализ спроса, конкурентов, профиля, объявлений, рекламных расходов и качества обращений с подготовкой плана улучшений.
Выбор продукта был принципиальным. Это не массовая потребительская услуга, а узкое B2B-предложение с ограниченной целевой аудиторией и конкретной коммерческой ценностью.
Исходная ситуация
8 октября автоматический мониторинг не обнаружил персональных упоминаний новой услуги ни по одному из 12 заранее зафиксированных коммерческих запросов в трёх проверяемых системах: Яндекс «Поиск с Алисой», Google AI Overview и ChatGPT.
Исходный результат: 0 из 36 проверок.
При этом я сознательно отказался от создания отдельного лендинга, запуска контекстной рекламы, покупки публикаций и платного продвижения материалов. Для представления услуги использовались существующие внешние площадки, включая объявление на Авито.
Задачи эксперимента
Проверить, появится ли новая услуга в персональных рекомендациях нейросетей по заранее выбранным коммерческим запросам.
Выяснить, смогут ли ИИ-системы правильно воспроизводить специализацию, стоимость, сроки и содержание предложения.
Сравнить результаты автоматического мониторинга и ручных проверок реальных ответов.
Определить, какие публикации и внешние источники встречаются в ответах нейросетей.
Оценить фактические трудозатраты, денежные расходы и наличие коммерческих обращений.
Главный критерий: не абстрактная узнаваемость имени, а присутствие конкретного предложения в ответах на вопросы потенциальных заказчиков.
Эксперимент проводился с 8 октября по 4 ноября 2026 года. Его целью было исследование возможностей и ограничений AEO/GEO, а не подтверждение заранее заданного процента видимости.
Как я создавал коммерческую видимость в ответах ИИ
В основе эксперимента лежала простая идея: нейросети формируют ответы, используя информацию из разных источников. Значит, для появления новой коммерческой услуги в рекомендациях ИИ собственный сайт может оказаться необязательным.
Я решил проверить эту гипотезу на реальном B2B-предложении — маркетинговом аудите Авито для оптовых и производственных компаний Краснодара.
Условия услуги были конкретными: 10 000 рублей, три рабочих дня, подробный анализ маркетинговой эффективности и план улучшений.
Отдельный лендинг не создавали, рекламу не запускали, публикации не покупали.
Сразу оговорюсь: я не против больших маркетинговых бюджетов. Здесь их отсутствие было сознательным условием эксперимента. Хотелось выяснить, что способны сделать экспертиза, контент и правильное позиционирование.
До начала продвижения я зафиксировал 12 поисковых промтов, отражающих реальные потребности потенциальных заказчиков.
Среди них:
«Кто делает аудит Авито для B2B в Краснодаре?»
«Кому заказать маркетинговый аудит Авито в Краснодаре?»
«Порекомендуй специалиста по Авито для B2B-компании в Краснодаре».
«Кто может провести аудит Авито для оптовой компании в Краснодаре?»
Проверяли три системы: Яндекс «Поиск с Алисой», Google AI Overview и ChatGPT.
В список вошли как узкие запросы на аудит, так и более широкие запросы на продвижение B2B-компаний. Это позволяло проверить, насколько точно нейросети понимают специализацию предложения.
За положительный результат принималось явное упоминание исполнителя. Ссылка на публикацию без упоминания имени не засчитывалась.
Дополнительно оценивали позицию в ответе, правильность описания услуги, наличие цены, сроков и источников.
8 октября исходный автоматический замер показал 0 персональных упоминаний из 36 проверок.
Задача заключалась не в массовом размещении однотипных рекламных текстов, а в формировании понятного информационного окружения новой услуги.
Использовались TenChat, VK, Дзен и другие существующие площадки. Отдельно разместили коммерческое предложение на Авито.
В публикациях раскрывали специфику B2B-продаж, проблемы оптовых и производственных компаний, анализ рекламных расходов и качество обращений.
Особое внимание уделили позиционированию.
Независимый маркетинговый аудит — не то же самое, что постоянное ведение аккаунта авитологом.
Авитолог помогает управлять объявлениями и продвижением. Системный маркетолог оценивает эффективность канала в контексте всего бизнеса: от спроса и конкурентного предложения до качества лидов и продаж.
Эту разницу последовательно объясняли в материалах, включая редакционные публикации со сравнением специалистов и агентств.
Цель была не просто добиться упоминания фамилии, а сформировать правильную коммерческую ассоциацию: Сергей Посконный — независимый маркетинговый аудит Авито для B2B, 10 000 рублей, три рабочих дня.
Автоматические контрольные замеры проводились 8, 10, 15, 27, 31 октября и 4 ноября.
Уже 10 октября Яндекс «Поиск с Алисой» начал упоминать исполнителя по пяти из двенадцати запросов. В последующих замерах показатель колебался между 41,67% и 50%.
Менялись и сами ответы: по одним запросам упоминания появлялись, по другим исчезали. Позиции исполнителя также не оставались постоянными.
Это стало одним из интересных наблюдений: попадание в ответ ИИ не означает закрепления позиции навсегда.
На финальном этапе, 4 ноября, я дополнительно провёл ручную проверку всех двенадцати промтов в каждой из трёх систем.
Результаты ручного и автоматического мониторинга существенно различались. Поэтому мы сохранили обе серии измерений и отдельно отметили различия условий проверки, включая интерфейсы и режимы генерации.
В ходе исследования обнаружилось важное различие между тремя ситуациями.
Цитирование источника. Нейросеть использует публикацию при подготовке ответа, но не обязательно рекомендует её автора.
Персональное упоминание. Система называет специалиста, однако может неточно описывать его работу.
Коммерческая рекомендация. Система связывает специалиста с задачей пользователя и корректно передаёт содержание, стоимость и сроки услуги.
Для AEO/GEO третья ситуация представляет наибольший коммерческий интерес.
Мы также фиксировали, какие площадки использовались в качестве источников. В ответах встречались публикации VK, TenChat, Дзена и предложение на Авито.
При этом я не делаю вывода, что конкретная статья однозначно вызвала конкретную рекомендацию. Мы наблюдали изменения и источники, но не проводили изолированного эксперимента по влиянию каждой публикации.
Исследование проводилось с 8 октября по 4 ноября 2026 года — 27 дней между начальной и конечной датами.
Непосредственная работа заняла шесть часов: два часа на подготовку и размещение публикаций и четыре часа на мониторинг, сбор и анализ данных.
На заключительном этапе мы сопоставили результаты всех трёх ИИ-систем, проверили точность коммерческих рекомендаций и оценили фактическую экономику проекта.
Главный принцип эксперимента: измерять не просто присутствие в нейросетях, а связь конкретного предложения с коммерческими запросами потенциальных клиентов.
Именно это отличает исследование AEO/GEO от обычной проверки узнаваемости бренда.
Эксперимент продолжался с 8 октября по 4 ноября 2026 года. Мы проверяли, можно ли сформировать коммерческую видимость новой B2B-услуги в ответах нейросетей без собственного специализированного сайта, рекламного бюджета и платных публикаций.
Тестовым продуктом стал маркетинговый аудит Авито для B2B-компаний Краснодара стоимостью 10 000 рублей и сроком выполнения три рабочих дня.
На старте по 12 заранее зафиксированным коммерческим запросам автоматический мониторинг не обнаружил ни одного персонального упоминания в трёх проверяемых системах: Яндекс «Поиск с Алисой», Google AI Overview и ChatGPT.
Исходный показатель составил 0 из 36 проверок.
К завершению эксперимента персональные рекомендации удалось обнаружить во всех трёх системах при ручной проверке. Но результаты оказались значительно интереснее простого роста видимости.
4 ноября были проведены финальные автоматические и ручные проверки по тем же 12 коммерческим запросам.
Автоматический мониторинг зафиксировал пять положительных ответов из 36, или 13,89%. Все пять приходились на Яндекс «Поиск с Алисой».
Ручная проверка показала другую картину.
Яндекс Алиса: персональные упоминания в 9 из 12 ответов, или 75%.
Google AI Overview: 2 из 12 ответов, или 16,67%.
ChatGPT: 3 из 12 ответов, или 25%.
Таким образом, в финальном ручном замере имя исполнителя появилось в 14 из 36 ответов, что составляет 38,89% контрольной выборки.
Это не означает, что нейросети будут рекомендовать услугу с вероятностью 38,89% каждому пользователю. Показатель относится только к конкретным запросам и условиям одной серии проверок.
Также нельзя напрямую сопоставлять автоматические и ручные результаты как полностью идентичные измерения. На ответы могут влиять интерфейс, режим генерации, региональные настройки и изменчивость самих моделей.
Именно поэтому мы сохранили два независимых набора результатов.
[ВСТАВИТЬ ИНФОГРАФИКУ №2: «Автоматический и ручной замеры» — файл aeo_02_auto_vs_manual.png]
Особенно показательна динамика Яндекс Алисы, которую удалось проследить в шести автоматических замерах.
8 октября персональная видимость составляла 0%.
Уже 10 октября упоминания появились по пяти из двенадцати запросов — 41,67%.
15 октября показатель достиг 50%, затем 27 октября снизился до 41,67%, 31 октября вновь поднялся до 50%, а 4 ноября составил 41,67%.
После первоначального роста видимость на протяжении последующих замеров колебалась между 41,67% и 50%.
При этом менялось не только количество положительных ответов. Одни коммерческие запросы переставали давать рекомендации, другие начинали. В отдельных случаях исполнитель перемещался с первой позиции на третью или четвёртую.
Практический вывод: AI-видимость динамична. Попадание в рекомендацию сегодня не гарантирует сохранения той же позиции завтра.
Поэтому AEO/GEO нельзя оценивать по одному удачному скриншоту. Необходим регулярный мониторинг фиксированного набора коммерческих запросов.
Для нас принципиально было не просто добиться упоминания фамилии.
Задача состояла в том, чтобы нейросети связывали специалиста с конкретной потребностью потенциального заказчика и корректно передавали содержание услуги.
В наиболее сильных ответах Алиса и ChatGPT называли Сергея Посконного, указывали опыт более 17 лет, специализацию на B2B-компаниях, стоимость аудита 10 000 рублей и срок три рабочих дня.
В ручном замере Алисы точные цена и срок одновременно присутствовали в четырёх ответах из двенадцати. В ChatGPT — в трёх.
Особенно показательным оказался запрос:
«Кто делает аудит Авито для B2B в Краснодаре?»
Алиса поставила Сергея Посконного первым среди исполнителей, описала содержание услуги, назвала стоимость и срок выполнения. При выборе между разными типами подрядчиков система предложила рассмотреть независимого маркетолога для глубокой аналитики канала.
ChatGPT по аналогичному запросу также поставил исполнителя первым и выделил конкретность коммерческого предложения.
Ещё один значимый результат — ответ ChatGPT на запрос об аудите Авито для оптовой компании. Система не только включила специалиста в список, но и рекомендовала начинать с независимого аудита, прежде чем оплачивать ежемесячное ведение аккаунта.
Это соответствует позиционированию, которое мы закладывали в публикации.
При финальной ручной проверке персональные упоминания были обнаружены одновременно в Алисе, Google AI Overview и ChatGPT по двум запросам:
«Кто делает аудит Авито для B2B в Краснодаре?»
«Кто может провести аудит Авито для оптовой компании в Краснодаре?»
Это два особенно важных запроса из всей контрольной выборки: оба выражают конкретную потребность в услуге аудита, а не общий интерес к продвижению на Авито.
В то же время по более широким запросам, связанным с увеличением продаж или постоянным продвижением оптовых компаний, нейросети значительно чаще предпочитали агентства и специалистов по регулярному ведению аккаунтов.
Это наблюдение согласуется с логикой коммерческого позиционирования: разовый независимый аудит и постоянное продвижение — разные продукты, даже если оба связаны с Авито.
Узкие запросы на аудит лучше соответствовали нашему предложению. Универсальной рекомендации по всем B2B-запросам мы не получили.
Отдельно мы изучали, какие внешние материалы используются при формировании ответов.
В ответах Алисы встречались публикации на TenChat, во ВКонтакте и Дзене. В Google AI Overview появилось упоминание исполнителя с отсылкой к коммерческому предложению на Авито.
Особенно интересна роль редакционных публикаций, объясняющих разницу между авитологами, маркетинговыми агентствами и независимыми консультантами.
В некоторых ответах Алиса использовала именно эту логику для выбора подходящего исполнителя.
Однако обнаружилось и обратное явление: нейросеть могла цитировать нашу публикацию, но не называть Сергея Посконного.
Поэтому мы выделили три принципиально разных уровня присутствия бизнеса в ответах ИИ.
Первый — источник. Нейросеть использует материал компании или эксперта для подготовки ответа.
Второй — упоминание. Компания или специалист названы в сгенерированном ответе.
Третий — коммерческая рекомендация. Нейросеть связывает исполнителя с потребностью пользователя и корректно объясняет предложение.
Для коммерческого AEO наиболее ценен именно третий уровень.
При этом эксперимент не позволяет доказать, какая конкретно публикация вызвала каждую рекомендацию. Мы зафиксировали присутствие источников и изменение ответов, но не проводили изолированного тестирования влияния отдельных материалов.
Мы сознательно отказались от платной рекламы, покупки публикаций и разработки отдельного лендинга.
Но затраты на работу и инструменты учитывали.
За весь эксперимент потребовалось два часа на подготовку и размещение публикаций и четыре часа на мониторинг, сбор и анализ данных.
Итого — шесть часов экспертной работы.
При расчётной ставке 2 500 рублей в час стоимость этой работы составила 15 000 рублей.
Дополнительно на автоматический мониторинг было потрачено 900 рублей.
Общая расчётная стоимость эксперимента — 15 900 рублей.
Из них фактические денежные расходы составили 900 рублей, а 15 000 рублей — оценка стоимости рабочего времени.
Расходы на рекламу и платные размещения составили 0 рублей.
Мы ничего не имеем против больших маркетинговых бюджетов и регулярно работаем с платными каналами продвижения. В данном случае нулевой рекламный бюджет был экспериментальным ограничением, позволяющим проверить возможности экспертного контента и внешних публикаций.
Здесь начинается самая важная часть исследования с точки зрения бизнеса.
За 27 дней эксперимента мы не получили ни одного обращения на тестируемую услугу маркетингового аудита Авито.
Обращений — 0.
Оплаченных аудитов — 0.
Выручка — 0 рублей.
Следовательно, эксперимент продемонстрировал возможность сформировать наблюдаемую коммерческую видимость новой услуги в ответах ИИ, но не подтвердил её способность самостоятельно генерировать заявки и продажи за исследуемый период.
Это не позволяет говорить о положительной окупаемости затрат на эксперимент.
Более того, у нас нет оснований утверждать, сколько реальных потенциальных покупателей видели эти рекомендации. Контрольная выборка измеряет ответы на заданные вопросы, а не реальный пользовательский охват.
Именно здесь проходит граница между метрикой AI-видимости и полноценной маркетинговой эффективностью.
Для последней нужны дополнительные показатели: обращения, квалифицированные лиды, конверсии в сделки, выручка и стоимость привлечения клиента.
Главный результат исследования состоит не в достижении определённого процента упоминаний.
Мы получили несколько практических наблюдений, которые можно использовать в дальнейшей работе с AEO/GEO.
Во-первых, появление новой B2B-услуги в персональных рекомендациях ИИ возможно без собственного специализированного сайта. В нашем случае информационную основу составляли сторонние публикации и существующие профили.
Во-вторых, формулировка коммерческого запроса существенно влияет на результат. Нейросети лучше связывали конкретную услугу с запросами на аудит, чем с широкими запросами на постоянное продвижение.
В-третьих, качество рекомендаций необходимо измерять отдельно от количества упоминаний. Ошибочная классификация услуги способна снизить ценность даже положительного ответа.
В-четвёртых, автоматический мониторинг и ручные проверки могут давать значительно разные результаты. Поэтому нельзя ограничиваться единственным способом измерения и одним моментом времени.
В-пятых, AEO-видимость не гарантирует появления клиентов. Для бизнеса она представляет интерес как один из элементов маркетинговой системы, а не как самостоятельное доказательство роста продаж.
Эксперимент начался с отсутствия персональных упоминаний новой услуги в 36 автоматических проверках.
На финальном этапе мы обнаружили персональные рекомендации в трёх ИИ-системах: 14 положительных ответов из 36 в ручной проверке и 5 из 36 в автоматической.
Положительные ответы содержали не только фамилию исполнителя, но в ряде случаев и точные коммерческие условия: стоимость, срок выполнения и содержание аудита.
Таким образом, удалось продемонстрировать возможность формирования коммерческой AI-видимости новой B2B-услуги при минимальных денежных расходах и ограниченных трудозатратах.
Однако эксперимент не подтвердил получение коммерческих обращений и не позволяет гарантировать аналогичный результат для других компаний или рынков.
Для нас главный итог — практический опыт управления информационным присутствием услуги в ответах нейросетей, проверенная методика наблюдения и более точное понимание того, какие показатели AEO действительно имеют значение для бизнеса.
Эксперимент завершён. Исследование продолжается.
Сергей Посконный
Россия Краснодар
Для меня это был прежде всего исследовательский эксперимент. Хотелось проверить не возможность упомянуть собственную фамилию в нейросети, а способность AEO формировать узнаваемость конкретного коммерческого предложения.
Результаты оказались интереснее ожидаемого: за 27 дней мы получили персональные рекомендации в трёх ИИ-системах, обнаружили существенные различия автоматического и ручного мониторинга и увидели, как нейросети интерпретируют позиционирование услуги.
Отдельно отмечу нулевое количество обращений. Это важное напоминание коллегам: AI-видимость не стоит путать с продажами.
Мы ничего не имеем против больших бюджетов. Просто в этот раз решили проверить, на что способны экспертиза и контент при нулевых рекламных расходах. Получилось немного маркетинговой науки и немного хулиганства.
Сергей Посконный, интернет-маркетолог, AEO/GEO.
FinSight — мобильное приложение для управления личными финансами
Coffesso - производитель кофе премиум‑класса с широким ассортиментом
