Скоро ваш клиент — нейросеть, и ваша фокус‑группа тоже

Представьте две обычные повседневные ситуации.

В первой человек выбирает новые беговые кроссовки. Год назад он бы открыл поисковик, проскроллил выдачу, заглянул в пару статей с подборками и сравнил отзывы. Сегодня он пишет в чат с нейросетью: «посоветуй кроссовки для асфальта, бюджет до 12 тысяч, у меня широкая стопа» — и получает три конкретные модели с аргументами. Он не увидел рекламы, не дошёл до вашего сайта, между ним и решением о покупке встал алгоритм, который назвал три бренда. Ваш был среди них или его там не было.

Во второй ситуации маркетолог держит три рекламные концепции и дату запуска через десять дней. Год назад выбор между ними означал бы либо спор внутри команды на грани «мне так кажется», либо заказ фокус‑группы, которая дала бы ответ недели через три — то есть после того, как кампания уже ушла в продакшн. Сегодня он прогоняет все три концепции на цифровой аудитории за час и получает отчёт: какая заходит, какая проваливается и почему.

Обе ситуации — не прогноз на 2030 год. Это уже происходит и в них один и тот же сюжет: искусственный интеллект зашёл в маркетинг с двух противоположных концов сразу. На входе он меняет то, как клиент находит бренды. На старте — то, как бренды решают, что вообще выпускать в эфир. А посередине остаётся маркетолог, и пространство вокруг него сжимается с обеих сторон.

Kantar назвал оба тренда в одном отчёте

Это удобно списать на хайп, если бы об этом говорили только стартапы, которым нужно продать свою технологию. Но об этом говорит Kantar.

В Marketing Trends 2026 — ежегодном отчёте, который читают директора по маркетингу по всему миру, — два из десяти трендов посвящены ровно этим двум концам. Первый Kantar называет переходом «от внимания к намерению» и вводит в оборот аббревиатуру GEO, Generative Engine Optimisation, по аналогии с привычным SEO. Логика простая и жесткая: 74% людей, которые пользуются ИИ‑ассистентами, регулярно спрашивают у них рекомендации, а значит, бренду теперь нужно попасть не только в глаза человеку, но и в ответ модели. Формулировка Kantar однозначна: если модель тебя не знает, она тебя не выберет.

Второй тренд — синтетические данные. Здесь Kantar пишет о том, что аудиторию можно дополнять и моделировать с помощью ИИ, и приводит цифру: собственная технология усиления данных компании даёт точность 94–95% относительно реальных. И добавляет важное: индустрия переходит «от синтетического хайпа к практическому применению».

Kantar в этой теме не одинок. Ipsos, ещё один из крупнейших исследовательских холдингов мира, выпустил отдельный материал о синтетических данных и сформулировал позицию прямо: вопрос не в том, изменит ли этот метод исследования, а в том, когда и как. Ipsos называет синтетические панели «цифровыми двойниками», ответы которых статистически неотличимы от реальных участников, и работает над методологией вместе со Стэнфордом. NielsenIQ в этом хоре звучит осторожнее всех: синтетические респонденты убедительно воспроизводят человеческие ответы, когда построены на качественных данных, но годятся скорее для ранних, недорогих решений, чем для финального «запускаем или нет». Осторожность здесь не противоречие, а инструкция по применению.

Вход: клиент, которого вы больше не видите

Начнём с конца, который пугает сильнее, потому что бренд на него почти не влияет напрямую.

Десятилетиями маркетинг строился вокруг внимания человека. Мы боролись за клик, за секунду в ленте, за место в первой пятёрке поиска. Появление слоя из нейросетей не отменяет эту борьбу, но надстраивает над ней ещё одну, где аудитория — не человек, а модель, которая отвечает человеку. Между брендом и покупателем встаёт посредник, у которого нет эмоций, лояльности и насмотренности, зато есть представление о том, какие бренды в какой ситуации уместно порекомендовать.

GEO — это попытка влиять на это представление. И это не косметика поверх старого SEO. Чтобы модель уверенно называла ваш бренд, ей нужен понятный, структурированный, проверяемый контент о том, что вы такое, для кого и чем отличаетесь. Расплывчатый сайт, написанный языком пресс‑релиза, для человека просто скучен, а для модели невидим. В мире, где четверть аудитории спрашивает совета у алгоритма, невидимость для алгоритма равна отсутствию на рынке.

Полностью управлять тем, что нейросеть скажет о вашем бренде, нельзя — и любой, кто обещает обратное, продаёт воздух. Но влиять на это можно, и бренды, которые начнут раньше, окажутся в выигрыше ровно по той же причине, по которой в своё время выиграли те, кто всерьёз занялся поисковой оптимизацией, пока остальные считали её ерундой.

Старт: проверка перестаёт быть событием

Есть давняя нелепость, к которой все привыкли. Никто не купит кофемашину за тридцать тысяч, не прочитав отзывы. Но запустить рекламную кампанию за триста тысяч, не спросив ни одного покупателя, — обычная история. Не потому что маркетологи беспечны, а потому что спросить было дорого и долго.

Классическое исследование — это три‑четыре недели на рекрутинг и сотни тысяч рублей бюджета, и ответ нередко приходит, когда решение уже принято. Онлайн‑панели быстрее, но там свои демоны: профессиональные респонденты прокликивают опросы ради вознаграждения, выдавая ответы уровня «нормально» и «нравится». Остаётся интуиция команды, на которую индустрия молилась годами, потому что выбора особо не было. В результате часть идей не проверяется вовсе, а часть — слишком поздно, чтобы что‑то изменить.

Синтетические исследования закрывают именно этот разрыв. Вместо живых людей на вопросы отвечают цифровые респонденты — модели потребителей, у каждого свой профиль: пол, возраст, город, доход, привычки, отношение к цене и новинкам. Вы задаёте сегмент, загружаете концепции и получаете структурированный отчёт за часы, а не за недели. На российском рынке этим занимается, в частности, AI‑платформа Fair Lab. Назову её прямо, так как имею к ней отношение и считаю честным это обозначить.

Лучше всего метод работает там, где решение ещё можно поменять дёшево: выбор между несколькими рекламными концепциями, проверка нейминга и слогана, оценка идеи ролика до того, как его сняли, тест позиционирования или продуктового оффера, поиск инсайтов и барьеров, которые мешают аудитории сказать «да». Чем раньше этап и чем больше вариантов на столе, тем выше отдача.

Но здесь важно не соврать про метод, иначе он рассыплется при первом же столкновении с реальностью. Цифровые респонденты систематически чуть лучше осведомлены о брендах, чем живые люди, осторожнее ведут себя там, где решает личный физический опыт, и сглаживают самый негативный край реакции. Поэтому они сильны в когнитивной зоне — идеи, смыслы, коммуникации, гипотезы — и слабее там, где всё держится на ощущениях и тактильном опыте продукта. Отсюда и лучшая схема: сначала синтетика отсеивает слабое и фокусирует, потом живое исследование на финальном этапе проверяет то, где ошибиться действительно дорого. Именно так это описывает осторожный NielsenIQ, и в этом нет противоречия с энтузиазмом Kantar и Ipsos.

Сжимающаяся середина

Соедините оба конца — и станет видно, что меняется не инструмент, а сам ритм работы маркетолога.

Раньше исследование было событием: к нему готовились, под него выделяли отдельный бюджет, его результатов ждали. В новой логике проверка становится рутинной операцией, как проверка орфографии. Появляется короткий повторяющийся цикл: гипотеза, быстрый тест, решение, доработка, снова тест. Команды, которые так работают, делают не одно‑два исследования в квартал, а несколько проверок в неделю, и бюджет естественным образом перетекает из редких крупных замеров в частые мелкие. Тестирование перестаёт быть привилегией больших брендов с большими деньгами и становится доступным почти любому.

С другого конца тот же ИИ ускоряет и путь клиента к решению. Между «человек захотел» и «человек выбрал» теперь меньше шагов и меньше времени, и часть этих шагов проходит без участия бренда вовсе. Маркетолог оказывается зажат между двумя ускорениями: клиент выбирает быстрее и через посредника, которого не видно, а проверять собственные идеи приходится тоже быстрее, иначе не успеваешь за первым. Старый неторопливый цикл «придумали, полгода поспорили, год поделали, запустили» в этом коридоре просто не помещается.

Это не повод для паники, но повод для решения. Реагировать только на один конец недостаточно. Можно сколько угодно оптимизировать присутствие в нейросетях, но если вы по‑прежнему месяцами решаете, что именно показывать аудитории, скорость на входе вам не поможет. И наоборот: можно научиться проверять идеи за часы, но если о бренде не знает ни поиск, ни модель, проверять будет нечего.