Привет! Это команда theLUMA.
Сегодня поговорим о том, как меняется конкурентная разведка, когда клиенты и партнёры всё чаще формируют мнение о рынке не через поисковую выдачу, а через диалог с ИИ-ассистентом — и что из этого важно знать именно топ-менеджменту, а не только маркетингу.
Классическая конкурентная разведка отвечала на вопросы: какие позиции занимает конкурент в поиске, сколько у него трафика, какой у него ассортимент и цены. Эти вопросы никуда не делись. Но появился новый пласт, который редко попадает в стандартную отчётность: что говорит о рынке и об игроках на нём ИИ-ассистент, когда к нему обращается потенциальный клиент, инвестор или партнёр — ещё до того, как кто-либо из них открыл сайт компании.
Почему это вопрос для руководства, а не только для маркетинга
Для маркетинговой команды видимость в ИИ — операционная метрика, которую можно улучшать постепенно. Для руководства это стратегический вопрос другого масштаба: если модель систематически называет конкурента вместо вас в ответах на категориальные запросы, это не техническая недоработка сайта — это сигнал о том, как рынок в совокупности воспринимает бренд, обобщённый в одном ответе.
Модель не выбирает лучший продукт — она пересказывает то, что уже сложилось в открытых источниках о категории. Если консенсус источников сформировался вокруг конкурента, руководству полезно знать об этом не постфактум, через падение выручки, а заранее, через регулярный мониторинг.
Что именно стоит мониторить на уровне руководства
Топ-менеджменту не нужен технический отчёт с семью факторами видимости — нужны несколько управленческих индикаторов.
| Индикатор | Что показывает | Почему важен для руководства |
|---|---|---|
| Кто называется первым в категориальных запросах | Кого модель воспринимает лидером ниши | Прямой сигнал о рыночном позиционировании, не зависящий от собственных ощущений компании |
| Разрыв между брендовыми и категориальными запросами | Знают ли модель о бренде вообще, или знают, но не считают лидером | Показывает, где именно теряется конкурентное преимущество |
| Динамика во времени | Меняется ли соотношение сил в ответах ИИ месяц к месяцу | Позволяет заметить тренд до того, как он проявится в продажах |
| Разброс между моделями | Одинаковая ли картина в разных ИИ-системах | Показывает, локальна проблема или системна |
Почему нельзя доверять проверке в одной модели
Одна из типичных управленческих ошибок — сделать вывод по одному запросу в одном чат-боте и принять решение на основе этого единичного наблюдения. Данные показывают, что это ненадёжный источник для стратегических выводов.
По данным исследования Growth Memo, построенного на 3,7 миллиона цитирований в ChatGPT, Perplexity и Google AI Overviews, лишь 2,37% ссылок цитируются одновременно во всех трёх системах — 91% цитирований показываются только в одной. Это означает: руководитель, который проверил положение компании только в ChatGPT, видит в лучшем случае фрагмент картины, а не общую конкурентную позицию.
Похожая картина и с классическим поиском как ориентиром. По данным Ahrefs, лишь около 12% ссылок, цитируемых в ответах ИИ-систем, вообще входят в топ-10 обычной поисковой выдачи по тому же запросу. Позиция компании в Google — больше не надёжный прокси для того, что видят пользователи в диалоге с ИИ.
Что это меняет в подходе к конкурентной разведке
- Разведка становится многомодельной по умолчанию. Выводы о рыночной позиции нельзя строить на проверке одной системы — необходим срез минимум по нескольким основным моделям, которыми пользуется целевая аудитория.
- Появляется новый тип раннего сигнала. Изменение в том, кого называет ИИ по категориальным запросам, может опережать изменения в продажах и трафике на месяцы — это даёт руководству время среагировать заранее, а не по факту.
- Конкурентный анализ выходит за рамки прямых конкурентов. Модель может называть в ответе не только компании, которых руководство считает прямыми конкурентами, но и смежных игроков, агрегаторов или медиа — это расширяет само понятие «конкурентной среды».
- Разведка становится задачей не только для аналитиков, но и для регулярной управленческой отчётности. Показатели видимости в ИИ имеет смысл включать в тот же контур отчётности, что и классические рыночные метрики, а не рассматривать их отдельно.
Мини-кейс: как это выглядит на практике
Представим компанию, работающую на B2B-рынке промышленного оборудования, где решение о поставщике традиционно принималось после долгого цикла переговоров и личных встреч. Руководство уверено в своей рыночной позиции — компания давно на рынке, у неё сильный отдел продаж.
Проверка категориальных запросов вроде «какого поставщика промышленных компрессоров выбрать для среднего производства» показывает: в трёх из четырёх проверенных моделей первым называется относительно молодой конкурент, у которого на сайте — подробные технические сравнения, кейсы и калькуляторы подбора оборудования. Проверяемая компания появляется только по прямому брендовому запросу. Для отдела продаж это незаметно, потому что решение всё ещё принимается на личных встречах — но встречи всё чаще начинаются с того, что закупщик уже сформировал короткий список из двух-трёх поставщиков, ни разу не открыв сайт компании, которая была бы очевидным выбором ещё несколько лет назад.
Частые вопросы
Достаточно ли поручить эту задачу маркетинговой команде без участия руководства?
Мониторинг — да, но интерпретация стратегических сигналов — нет. Изменение конкурентной позиции в ответах ИИ по категориальным запросам — управленческий вопрос, требующий решений уровня выше операционного маркетинга.
Как часто руководству имеет смысл смотреть на этот показатель?
Ежеквартально как разумный минимум для стратегического обзора — с более частым операционным мониторингом на уровне команды, отвечающей за видимость бренда.
Может ли конкурент, которого не считают серьёзным на рынке, оказаться лидером в ответах ИИ?
Да, и это одна из самых частых неожиданностей при первой проверке. Модель ориентируется не на размер компании или её репутацию среди инсайдеров рынка, а на то, насколько убедительно и подробно материалы конкурента представлены в открытых источниках.
Стоит ли реагировать на разовое неблагоприятное наблюдение или ждать подтверждения тренда?
Разумнее дождаться повторного замера — ответы моделей нестабильны от запроса к запросу, и одно наблюдение не всегда отражает устойчивую картину. Но если разрыв подтверждается несколько замеров подряд, это уже сигнал для действий.
Итог
Конкурентная разведка больше не заканчивается на позициях в поисковой выдаче и открытых финансовых показателях конкурентов. Появился новый слой — то, как рынок в целом описан в ответах ИИ-систем, — и этот слой всё чаще формирует первое впечатление у клиентов, партнёров и инвесторов ещё до прямого контакта с компанией.
Руководству не нужно самостоятельно разбираться в семи факторах видимости — но полезно регулярно видеть простой управленческий срез: кого ИИ называет лидером категории, меняется ли это со временем, и совпадает ли эта картина с собственным представлением компании о своей рыночной позиции.
А вы уже проверяли, кого нейросети называют лидером в вашей категории — и совпадает ли это с тем, что видит ваша команда продаж?
Источники
- Growth Memo (Kevin Indig). The Consensus Gap: 91% of AI citations show up in only 1 engine
- Ahrefs. Only 12% of AI Cited URLs Rank in Google’s Top 10 for the Original Prompt
