Нейросети рекомендуют товары по разному в разных регионах России
Как нейросети формируют витрины — исследование Карамбола Лабс по четырём городам
Компания Карамбола Лабс проанализировала, как генеративные нейросети продвигают различные направления бизнеса в период февральских праздников.
Исследование охватило жителей Москвы, Казани, Нижнего Новгорода и Краснодара.
В выборке — более 10 млн пользовательских запросов к моделям:
-
ChatGPT;
-
Gemini;
-
GigaChat;
-
Алиса AI;
-
Perplexity;
-
Grok.
Какие триггеры превращают диалог в витрину
Аналитики отмечают, что алгоритмы меняют логику ответа при наличии в запросе слов-маркеров.
Ключевые триггеры:
-
призывы к действию — «купить», «заказать», «подбери», «найди»;
-
уточнение бюджета или диапазона цен;
-
указание конкретного города;
-
формулировки вроде «добавь в список покупок»;
-
обращения к навыкам или категориям.
Также системы распознают разговорные сценарии, например «Подарок сыну на 8 лет, любит конструкторы» или «Нужны детали для велосипеда зимой».
После уточнений чат-боты формируют карточки товаров с характеристиками и ценами, используя данные сайтов и маркетплейсов.
Фактически ИИ начинает работать как персонализированная товарная витрина внутри диалога.
Москва — статус и технологии
В столичном регионе алгоритмы чаще формируют подборки с акцентом на:
-
одежду и брендовые аксессуары — 72%;
-
технику и гаджеты — 68%;
-
уходовую косметику и селективную парфюмерию — 53%.
Казань — приоритет технологий
В столице Татарстана структура рекомендаций отличается:
-
техника и гаджеты — 72%;
-
мужская косметика и парфюмерные наборы — 61%;
-
одежда и аксессуары — 48%.
Нижний Новгород — сбалансированная модель
-
техника и гаджеты — 53%;
-
одежда и аксессуары — 53%;
-
косметика и парфюмерия — 51%.
Краснодар — традиционные категории
-
косметика и парфюмерия — 43%;
-
техника и гаджеты — 40%;
-
одежда и аксессуары — 39%.
Что это означает для e-commerce
По оценке компании, нейросети начинают формировать отдельный канал продаж.
Алгоритмы активно используют данные карточек маркетплейсов, что усиливает значение их качества и структурированности.
В этой логике брендам важно учитывать не только внутреннюю оптимизацию торговых площадок, но и инструменты GEO/AEO-оптимизации — чтобы характеристики, преимущества и контекст продукта корректно считывались ИИ и попадали в выдачу в момент формулирования запроса.
Подробности
По итогам февральских праздников компания «Карамбола Лабс» выяснила, как генеративные нейросети продвигают различные направления бизнеса. Аналитики исследовали ответы ИИ для жителей Москвы, Казани, Нижнего Новгорода и Краснодара. Команда выделила конкретные триггеры, которые заставляют алгоритмы добавлять прямые ссылки на сайты магазинов, и определила категории, которые чат-боты чаще всего рекомендовали в качестве подарков.
В ходе исследования эксперты изучили более десяти миллионов пользовательских запросов к ведущим языковым моделям: ChatGPT, Gemini, GigaChat, Алиса AI, Perplexity и Grok. Аналитики выяснили, что алгоритмы не просто выдают справочную информацию, а выстраивают коммерческие предложения со ссылками на сайты магазинов. Система меняет логику ответа, как только замечает в запросе слова-маркеры. Основными триггерами выступают призывы к действию («купить», «заказать», «подбери», «найди»), а также любые уточнения бюджета, диапазона цен или конкретного города. Алгоритмы реагируют на такие конструкции:
- «Купить [подарок]» или «Подбери [подарок] дешевле 1000 рублей»;
- «Добавь в список покупок [товар]»;
- «Запусти навык [магазин]» или «Покажи товары [категория]».
Нейросети также распознают длинные разговорные формулировки — например, «Нужны детали для велосипеда зимой» или «Подарок сыну на 8 лет, любит конструкторы». В таких случаях чат-боты уточняют детали запроса, после чего выдают готовые карточки товаров с характеристиками и ценами, собранными с сайтов и маркетплейсов. Распознавая эти триггеры, искусственный интеллект фактически превращает обычный диалог в умную персонализированную витрину. Эта механика избавляет покупателей от долгих поисков в браузере и открывает брендам новый канал для привлечения «горячей» аудитории.
Анализ московских запросов продемонстрировал ярко выраженный акцент алгоритмов на статусность и технологичность подарков. В столичном регионе нейросети чаще всего генерируют товарные карусели с одеждой и брендовыми аксессуарами — эта категория доминирует с показателем 72%. Вторую строчку уверенно занимает «Техника и гаджеты»: умные помощники включают устройства в 68% подборок. Уходовая косметика и селективная парфюмерия также удерживают прочные позиции и встречается в 53% ответов искусственного интеллекта.
В Казани потребительская модель выглядит иначе: здесь цифровые системы выдвигают на первый план технологичные подарки и заботу о себе. Абсолютным лидером рекомендаций в столице Татарстана стала «Техника и гаджеты» — алгоритмы советуют электронику в 72% случаев. Следующую позицию забирают мужская косметика и парфюмерные наборы: боты интегрируют такие товары в витрины для 61% запросов. Категория одежды и стильных аксессуаров заметно уступает столичным показателям, но сохраняет востребованность и получает 48% в рекламных блоках.
Выдача нейросетей для жителей Нижнего Новгорода показывает баланс между электроникой, гардеробом и средствами ухода. Техника и гаджеты делят первое место с одеждой и модными аксессуарами — обе категории языковые модели выводят в 53% товарных витрин. Подарочные наборы косметики и парфюмерии отстают всего на пару пунктов и набирают 51%.
Пользователям южного региона алгоритмы также рекомендовали традиционные категории подарков. В Краснодаре нейросети предлагали косметику и парфюмерные средства в 43% случаев. Технику и гаджеты агенты добавляли в 40% своих ответов. Сегмент одежды и аксессуаров попал 39% рекомендаций.
«Появление товарных витрин внутри ИИ-чатов формирует новую реальность для электронной коммерции. Нейросети только начинают этот путь, но уже планируют занять место заметного канала продаж, постепенно перетягивая на себя часть трафика классических интернет-магазинов и маркетплейсов.
Мы проанализировали этот тренд и выяснили: алгоритмы берут существенную долю информации напрямую из карточек на маркетплейсах. Это открывает перед брендами доступ к новой аудитории. Сегодня компаниям важно оптимизировать карточки товаров не только под внутренние системы самих торговых площадок, но и применять инструменты GEO/AEO-оптимизации. Если искусственный интеллект предельно четко считывает характеристики, преимущества и контекст продукта, он органично встроит его в свою выдачу ровно в тот момент, когда пользователь формулирует запрос».
Станислав Щербаков, генеральный директор Карамбола Лабс.
