Без сайта и рекламного бюджета: как я за 27 дней вывел B2B-услугу в ответы Алисы, ChatGPT и Google

Можно ли продвинуть новую коммерческую B2B-услугу в рекомендации нейросетей без отдельного сайта, рекламы и покупки публикаций? Я решил проверить это экспериментально. За 27 дней получил персональные упоминания в трёх ИИ-системах, обнаружил серьёзные расхождения между автоматическими и ручными измерениями и потратил всего 900 рублей денежных средств. Но есть нюанс: продажи эксперимент не принёс.

Я занимаюсь интернет-маркетингом более 17 лет. Последнее время активно изучаю AEO/GEO — продвижение компаний, экспертов и услуг в ответы искусственного интеллекта.

Меня интересует не столько сам факт присутствия бренда в нейросетях, сколько его коммерческая ценность.

Одно дело, когда ChatGPT упоминает компанию в ответе на информационный вопрос. Совсем другое — когда потенциальный покупатель спрашивает, у кого заказать конкретную услугу, а нейросеть рекомендует исполнителя, объясняет его преимущества и правильно называет стоимость.

Именно такую задачу я решил проверить на собственном примере.

Эксперимент №2: новая услуга без отдельного сайта

8 октября 2026 года я запустил эксперимент по продвижению новой услуги — маркетингового аудита Авито для B2B-компаний в Краснодаре.

Выбор продукта был сознательным.

Мне требовалась не абстрактная консультация, а конкретное коммерческое предложение с понятной целевой аудиторией, стоимостью и результатом.

Условия услуги:

• Целевая аудитория: оптовые, производственные и другие B2B-компании.
• Стоимость: 10 000 рублей.
• Срок: три рабочих дня.
• Результат: анализ маркетинговой эффективности Авито и план улучшений.

В отличие от услуг постоянного ведения аккаунта, аудит предполагает независимую диагностику канала: от оценки спроса и конкурентов до анализа объявлений, рекламных расходов, качества обращений и продаж.

Цель эксперимента — добиться того, чтобы нейросети связывали моё имя именно с этой услугой и правильно воспроизводили её коммерческие условия.

При этом я сознательно отказался от отдельного лендинга, платной рекламы и покупки размещений.

Сразу оговорюсь: это не был запуск абсолютно неизвестного специалиста с нулевой репутацией. У меня уже существовали профессиональные профили, публикации и многолетняя практика интернет-маркетинга.

Поэтому эксперимент проверял возможность продвижения новой услуги с опорой на существующую экспертную репутацию, а не создание доверия к человеку с чистого листа.

Это важное методологическое ограничение.

Методика: 12 коммерческих промтов вместо сотни абстрактных вопросов

Одна из проблем измерения AEO/GEO заключается в выборе контрольных запросов.

Можно собрать несколько сотен вопросов, получить внушительный процент упоминаний и подготовить красивый отчёт.

Но насколько эти вопросы связаны с покупательским спросом?

Я предпочитаю другую логику: сначала считаем рыбу, потом озеро.

Прежде чем измерять общую видимость бренда в ИИ, нужно определить запросы, по которым компания действительно заинтересована получать рекомендации.

Для эксперимента я зафиксировал 12 коммерческих промтов. Среди них:

«Кто делает аудит Авито для B2B в Краснодаре?»

«У кого заказать аудит Авито для бизнеса 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?»

Кроме прямых запросов на аудит я включил более широкие формулировки, связанные с продвижением оптовых и производственных компаний.

Зачем?

Чтобы проверить не только факт упоминания специалиста, но и соответствие предложения пользовательскому намерению.

Для мониторинга выбрал три системы:

• Яндекс «Поиск с Алисой».
• Google AI Overview.
• ChatGPT.

8 октября первый автоматический замер показал 0 персональных упоминаний из 36 проверок.

Так появилась исходная точка исследования.

Важно: этот результат относился именно к выбранным запросам и условиям автоматического мониторинга. Он не означал, что информация обо мне полностью отсутствовала в интернете.

Контентная стратегия: я продвигал не фамилию, а коммерческую ассоциацию

Далее я начал формировать информационное окружение услуги.

Использовал существующие профили и площадки: TenChat, ВКонтакте, Дзен и другие каналы. Дополнительно разместил коммерческое предложение на Авито.

Вместо массового тиражирования однотипных рекламных текстов я сосредоточился на нескольких смысловых направлениях.

Первое — проблема потенциального клиента.

Почему B2B-компания может получать просмотры и обращения с Авито, но не получать достаточного количества оптовых покупателей, дилеров или корпоративных заказчиков?

Второе — содержание услуги.

Что должен анализировать маркетолог: профиль, объявления, спрос, конкурентов, рекламные расходы, качество лидов и конверсию в реальные сделки?

Третье — отличие от конкурирующих форматов.

Когда бизнесу нужен авитолог для регулярного управления объявлениями, когда агентство для комплексного сопровождения, а когда независимый маркетинговый аудит?

Четвёртое — конкретное предложение.

Кто оказывает услугу, кому она подходит, сколько стоит и какой результат получает заказчик?

В результате формировалась достаточно чёткая смысловая связка:

Сергей Посконный → независимый маркетинговый аудит Авито → B2B-компании → 10 000 ₽ → три рабочих дня.

Я называю это работой над Message Fit — соответствием предложения запросу пользователя.

Нейросети недостаточно знать название компании или фамилию эксперта. Для качественной коммерческой рекомендации ей необходимо правильно соотнести исполнителя с задачей потенциального клиента.

Управление повесткой как инструмент AEO

Здесь я увидел особенно интересное пересечение AEO/GEO с классическим PR.

Одна из задач PR — формирование и развитие информационной повестки вокруг компании, продукта или экспертной темы.

В моём эксперименте я использовал похожую логику, но с дополнительной целью: добиться корректного отражения этой повестки в ответах нейросетей.

Например, в редакционных материалах подробно объяснялась разница между разовым независимым аудитом и постоянным ведением Авито.

В дальнейшем я обнаруживал, что Алиса использовала публикации на эту тему в качестве источников и в некоторых ответах воспроизводила соответствующую логику выбора специалиста.

Я не могу доказать, что конкретная статья стала единственной причиной конкретной рекомендации.

Но обнаруженное совпадение между содержанием опубликованных материалов и структурой некоторых ответов представляет интерес для дальнейших исследований.

Для меня AEO/GEO — не просто оптимизация текстов под нейросети. Это работа с информационным окружением бренда, его позиционированием и тем, как разные источники помогают ИИ формировать представление о компании.

И здесь у PR-специалистов появляется возможность дополнить традиционные коммуникации измеримыми показателями AI-видимости.

Первые результаты: Алиса начала рекомендовать услугу

Динамику я отслеживал на протяжении всего эксперимента.

Уже 10 октября автоматический мониторинг Яндекс Алисы показал персональные упоминания по пяти из двенадцати запросов — 41,67%.

15 октября показатель достиг 50%.

В дальнейшем результаты колебались:

27 октября — 41,67%.

31 октября — 50%.

4 ноября — 41,67%.

То есть после первоначального роста показатель не продолжил линейно увеличиваться.

Более того, при относительно стабильной общей видимости менялись сами запросы, по которым появлялись рекомендации.

Одни ответы переставали содержать фамилию, другие начинали. Позиции исполнителя в списках также изменялись.

Это важный урок.

AI-видимость нельзя считать однажды завоёванной позицией. Генеративные ответы изменчивы, а отдельное успешное попадание не гарантирует повторения результата.

Поэтому для корректной оценки AEO необходимы повторные измерения по фиксированной выборке запросов.

Самое неожиданное: автоматический и ручной мониторинг показали разные результаты

4 ноября я провёл финальные проверки.

Автоматический мониторинг показал:

• Яндекс «Поиск с Алисой»: 5 из 12 запросов.
• Google AI Overview: 0 из 12.
• ChatGPT: 0 из 12.

Итого: 5 персональных упоминаний из 36 проверок, или 13,89%.

После этого я самостоятельно проверил все двенадцать запросов в каждой системе.

И получил совершенно другую картину.

В ручной проверке Алисы персональные рекомендации присутствовали в 9 из 12 ответов — 75%.

В Google AI Overview — 2 из 12 — 16,67%.

В ChatGPT — 3 из 12 — 25%.

Общий результат ручной проверки составил 14 из 36, или 38,89%.

Разница существенная.

Но здесь важно не сделать поспешный вывод.

Автоматическая и ручная проверки не являлись полностью идентичными по условиям. В частности, режим чата Алисы и поисковая выдача с Алисой могут различаться. На результаты также влияют интерфейс, региональные настройки, время генерации и вариативность самих моделей.

Поэтому я не утверждаю, что сервис автоматического мониторинга допустил девять ошибок.

Я утверждаю другое: одна и та же выборка коммерческих промтов при разных способах проверки способна дать существенно различающиеся показатели AI-видимости.

Для практической работы это означает, что автоматические метрики желательно дополнять ручной проверкой содержания ответов.

Особенно если по результатам мониторинга принимаются решения о бюджете, эффективности подрядчика или дальнейшем развитии информационной стратегии.

Два запроса, три нейросети и конкретная услуга

Ещё более интересным оказался качественный анализ ответов.

В финальной ручной проверке два промта привели к персональному упоминанию сразу во всех трёх системах:

«Кто делает аудит Авито для B2B в Краснодаре?»

«Кто может провести аудит Авито для оптовой компании в Краснодаре?»

Оба запроса имеют достаточно чёткое коммерческое намерение.

Именно такие вопросы потенциально интересны бизнесу больше, чем абстрактное «Какие компании занимаются маркетингом?».

В некоторых ответах Алиса и ChatGPT не ограничивались упоминанием имени.

Они правильно воспроизводили специализацию, содержание услуги, стоимость 10 000 рублей и срок выполнения три рабочих дня.

По первому запросу ChatGPT поставил моё предложение первым среди исполнителей и отметил его конкретность для B2B.

В другом ответе система рекомендовала сначала заказать независимый аудит, прежде чем заключать договор на ежемесячное продвижение.

Это совпадало с принципом позиционирования, который я последовательно раскрывал в публикациях.

Для меня такие ответы представляют большую ценность, чем простое упоминание фамилии.

Здесь уже появляется содержательная коммерческая рекомендация.

Три уровня AI-видимости, которые я предлагаю различать

В ходе эксперимента обнаружилась ещё одна закономерность.

Иногда нейросеть использовала мою публикацию как источник, но не называла меня среди рекомендуемых специалистов.

Иногда называла, но неточно описывала услугу.

Например, могла представить разовый аудит как постоянное продвижение аккаунта.

Поэтому я разделяю три уровня присутствия в генеративных ответах.

Уровень 1. Источник.

Публикация используется нейросетью для формирования ответа.

Это свидетельствует о присутствии материала среди задействованных источников, но само по себе не означает рекомендации компании.

Уровень 2. Упоминание.

Нейросеть называет компанию или специалиста.

Но без правильного понимания специализации такое упоминание может иметь ограниченную коммерческую ценность.

Уровень 3. Рекомендация с правильным предложением.

Нейросеть предлагает исполнителя для конкретной задачи и корректно описывает его услугу, условия и преимущества.

Именно третий уровень я считаю наиболее значимым для коммерческого AEO.

При этом даже качественная рекомендация не гарантирует обращения. Для оценки реальной эффективности необходима следующая ступень аналитики.

Почему по широким B2B-запросам я проигрывал агентствам

Это ещё один полезный результат эксперимента.

По запросам на конкретный аудит нейросети достаточно часто правильно связывали мою услугу с потребностью пользователя.

Но по более широким вопросам, например о постоянном продвижении оптовой компании, ChatGPT нередко предпочитал агентства с опубликованными кейсами и комплексным сопровождением.

С точки зрения пользовательского намерения это вполне логично.

Если человек хочет ежемесячное управление аккаунтом, ему может больше подходить агентство или авитолог.

А если требуется независимая диагностика маркетинговой эффективности, предложение разового аудита соответствует задаче лучше.

Для меня это подтверждает ценность работы с коммерческими интентами, а не только с общей видимостью.

Можно добиться высокого количества упоминаний по нерелевантным вопросам и при этом проигрывать по тем запросам, где потенциальный клиент действительно готов рассматривать покупку.

Поэтому я предпочитаю анализировать сначала спрос и ценность запросов, а уже потом рассчитывать общий AI Visibility.

Экономика: шесть часов работы и 900 рублей прямых расходов

Теперь о ресурсах.

Эксперимент продолжался 27 дней между начальной и финальной датами наблюдений.

При этом непосредственные трудозатраты составили всего шесть часов:

• Два часа — подготовка и размещение публикаций.
• Четыре часа — мониторинг, сбор и анализ результатов.

При моей расчётной ставке 2 500 рублей в час стоимость экспертного времени составила 15 000 рублей.

Дополнительно я потратил 900 рублей на автоматический мониторинг.

Полная расчётная стоимость эксперимента — 15 900 рублей.

Фактические денежные расходы — 900 рублей.

Рекламный бюджет — 0 рублей.

Платные размещения — 0 рублей.

Отдельного сайта для новой услуги я не создавал.

И сразу отвечу на возможный вопрос: нет, я не считаю, что AEO-продвижение должно стоить 900 рублей или что эти результаты гарантированно можно повторить в любом проекте.

Я сознательно использовал уже существующую экспертную репутацию, профили и публикационные площадки.

В другом бизнесе набор исходных условий, объём работ и необходимый бюджет могут существенно отличаться.

Моя задача заключалась в проверке гипотезы при ограниченных ресурсах.

Я ничего не имею против больших бюджетов. Просто предпочитаю сначала понимать, на что именно их предстоит потратить.

А коммерческий результат?

Здесь начинается наиболее неудобная, но важная часть исследования.

За период эксперимента я не получил ни одного обращения на тестируемую услугу.

Оплаченных аудитов — тоже ноль.

Выручка — ноль рублей.

Таким образом, эксперимент продемонстрировал возможность сформировать наблюдаемую коммерческую AI-видимость новой услуги, но не подтвердил её эффективность как самостоятельного источника продаж за 27 дней.

Почему я считаю необходимым это показать?

Потому что AI-видимость — ещё не лидогенерация.

Контрольный замер фиксирует, какой ответ нейросеть дала на определённый запрос.

Он не показывает, сколько реальных пользователей задавали аналогичные вопросы, сколько увидели рекомендацию и сколько в итоге обратилось к исполнителю.

Для оценки коммерческой эффективности необходимо отдельно измерять спрос, реальные обращения, качество лидов, продажи и выручку.

Именно эту границу между присутствием в ИИ и результатом для бизнеса я считаю одной из ключевых проблем современной AEO-аналитики.

Пять выводов, которые я забираю в свою AEO/GEO-практику

1. Собственный сайт не всегда является обязательным условием для появления услуги в ответах ИИ.

В моём эксперименте информационное окружение формировалось преимущественно через сторонние публикации и существующие профили. При этом результат зависит от исходной репутации и других факторов, поэтому универсального рецепта здесь нет.

2. Коммерческие промты важнее абстрактного процента упоминаний.

Мне интереснее присутствие по двум запросам с выраженным намерением заказать аудит, чем высокая видимость по множеству нерелевантных информационных вопросов.

3. Работать нужно с позиционированием, а не только с количеством публикаций.

Когда нейросеть правильно объясняет различие между независимым аудитом и постоянным продвижением, это более ценный результат, чем простое цитирование статьи.

4. Автоматический мониторинг нужно дополнять экспертным анализом.

Различия между режимами проверки, источниками и смыслом ответов требуют внимания специалиста. Один показатель на дашборде не рассказывает всю историю.

5. AEO/GEO необходимо связывать с бизнес-метриками.

Присутствие бренда в рекомендациях — промежуточный результат. Его коммерческая ценность определяется тем, помогает ли такое присутствие привлекать подходящих клиентов.

Что это означает для PR, SEO и интернет-маркетинга

Я вижу AEO/GEO на пересечении нескольких дисциплин.

От SEO здесь необходимы понимание поискового спроса, интентов и аналитики.

От PR — навыки формирования информационной повестки, работы с внешними источниками и экспертного позиционирования.

От маркетинга — понимание продукта, аудитории, коммерческого предложения и экономики привлечения клиентов.

Именно сочетание этих компетенций, на мой взгляд, позволяет переходить от механического производства контента к осмысленной работе с видимостью бизнеса в нейросетях.

Для PR-агентств это особенно интересное направление: традиционная работа с публикациями и информационным присутствием получает дополнительный объект измерения — то, как эта информация используется в ответах ИИ.

Но здесь важно не подменять качество коммуникационной работы количеством упоминаний.

Сформировать информационный повод, добиться его распространения и увидеть, как он влияет на коммерческие рекомендации нейросетей, — гораздо более сложная задача, чем просто разместить десяток статей.

Вместо заключения: что показала моя AEO-лаборатория

8 октября я начал эксперимент с нуля персональных упоминаний по контрольным автоматическим проверкам.

4 ноября ручные замеры обнаружили персональные рекомендации новой B2B-услуги во всех трёх исследуемых ИИ-системах.

Наиболее сильные ответы воспроизводили не только мою фамилию, но и конкретные условия коммерческого предложения.

Одновременно я увидел, что результаты зависят от формулировок запросов и условий измерения, а сама AI-видимость не гарантирует продаж.

Для меня это не доказательство существования универсальной технологии попадания в нейросети.

Это практический эксперимент, который помог уточнить методы AEO/GEO-продвижения и обозначить ограничения измерения.

Я убеждён: ценность AEO для бизнеса заключается не в красивом проценте присутствия, а в способности формировать правильные коммерческие рекомендации и проверять их эффективность.

Именно на этом подходе я строю свою работу: анализ коммерческих промтов, исследование информационного окружения, формирование экспертного позиционирования и регулярная проверка ответов ИИ.

Пока одни продают обещания оказаться во всех нейросетях, мне интереснее проверять, что действительно происходит с конкретным коммерческим предложением.

Потому что в маркетинге полезно иногда надеть белый лабораторный халат и проверить гипотезу собственными руками.

Сергей Посконный
Интернет-маркетолог, специалист по AEO/GEO
17+ лет практики в интернет-маркетинге.