Ещё недавно путь покупателя FMCG-товара выглядел предсказуемо.

Человек видел рекламу, приходил в магазин, подходил к нужной полке и выбирал между несколькими знакомыми брендами. Производители боролись за дистрибуцию, заметную упаковку, выгодное расположение товара, телевизионные охваты и привлекательную цену.

Затем значительная часть этой конкуренции перешла в интернет. К традиционной полке добавились поисковая выдача, маркетплейсы, карточки товаров, отзывы, рейтинги и рекомендации блогеров.

Теперь возникает следующий уровень конкуренции.

Потребитель может не изучать десятки страниц и не сравнивать продукты самостоятельно. Он просто задаёт вопрос искусственному интеллекту:

Какой стиральный порошок лучше выбрать для чувствительной кожи?

В каком кетчупе меньше сахара?

Какие хлопья подходят для завтрака без добавленного сахара?

Какой корм выбрать для взрослого лабрадора?

Чем отличаются эти две зубные пасты и какая из них лучше подходит для укрепления эмали?

AI-система анализирует запрос, собирает доступную информацию, сравнивает варианты и формирует готовый ответ. Иногда — с конкретными названиями брендов и продуктов.

В этот момент искусственный интеллект становится новым посредником между производителем и покупателем.

Компании десятилетиями боролись за место на физической полке. Затем — за место в поисковой выдаче. Теперь им предстоит бороться за место в ответе AI.

Это и есть новая территория AI Visibility.

От поиска товаров — к разговору с цифровым консультантом

Классический поиск обычно предлагал пользователю список ссылок. Чтобы принять решение, человеку приходилось самостоятельно:

• открывать сайты;

• изучать характеристики;

• сравнивать составы;

• читать отзывы;

• отделять рекламу от независимой информации;

• выбирать подходящий вариант.

Генеративный поиск меняет саму механику выбора.

Покупатель описывает свою ситуацию естественным языком, задаёт уточняющие вопросы и получает не просто перечень страниц, а сформулированную рекомендацию.

Например:

Нужен корм для пожилой собаки крупной породы. У неё чувствительное пищеварение. Сравни несколько вариантов и объясни различия простыми словами.

Такой запрос значительно сложнее стандартной поисковой фразы «лучший корм для собак». Но именно поэтому разговорный интерфейс удобен пользователю: AI помогает постепенно уточнить потребность и сократить количество вариантов.

В 2025 году OpenAI расширила поисковые и shopping-возможности ChatGPT, включая подбор, сравнение и исследование товаров. Отдельный сервис Shopping Research формирует для пользователя персонализированный обзор вариантов, а интерфейс для продавцов позволяет передавать продуктовые данные для обнаружения товаров в ChatGPT.

McKinsey по результатам исследования американских потребителей в 2025 году сообщала, что около половины опрошенных целенаправленно используют AI-поиск, а многие пользователи рассматривают его как важный цифровой источник при принятии решений о покупке. Эти данные относятся к рынку США и не должны автоматически переноситься на Россию, однако они показывают направление, в котором развивается потребительское поведение.

Для FMCG это особенно важно. В категориях, где продукты похожи по цене и назначению, краткая рекомендация AI может заметно повлиять на первоначальный список брендов, которые покупатель вообще станет рассматривать.

Новая маркетинговая полка

В традиционной модели FMCG путь товара можно было представить так:

Производитель

↓

Дистрибьютор

↓

Магазин

↓

Полка

↓

Покупатель

Цифровая торговля добавила в эту цепочку поисковые системы, маркетплейсы, отзывы и рекомендательные алгоритмы.

В эпоху генеративного поиска появляется ещё один маршрут:

Производитель

↓

Цифровой след бренда

↓

Поиск и извлечение информации

↓

Интерпретация искусственным интеллектом

↓

AI-рекомендация

↓

Покупатель

Искусственный интеллект не видит продукт так, как его видит человек в магазине. Он не может взять упаковку в руки, почувствовать запах, попробовать вкус или самостоятельно проверить качество.

Он формирует представление о товаре на основе доступной информации:

• официальных сайтов;

• карточек продуктов;

• состава и характеристик;

• публикаций в СМИ;

• сайтов ритейлеров;

• отзывов;

• рейтингов;

• отраслевых каталогов;

• исследований;

• экспертных материалов;

• нормативной документации;

• обсуждений пользователей;

• сравнений и обзоров;

• структурированных продуктовых данных.

Поэтому для искусственного интеллекта бренд существует не только как товар. Он существует как совокупность цифровых свидетельств.

Чем точнее, последовательнее и убедительнее эти свидетельства, тем легче системе понять:

• что это за бренд;

• какие товары он выпускает;

• чем они отличаются;

• для каких потребителей подходят;

• можно ли доверять заявленным характеристикам;

• в каких ситуациях бренд уместно упоминать.

Почему AI легче работать с крупными брендами

Представим запрос:

Какие известные бренды зубной пасты стоит сравнить перед покупкой?

У международных компаний наподобие Colgate, P&G, Unilever, Nestlé, Coca-Cola, PepsiCo, L’Oréal, Danone, Mars или Henkel существует огромная информационная экосистема.

Вокруг крупных брендов обычно накоплены:

• официальные локальные и международные сайты;

• подробные продуктовые страницы;

• публикации СМИ;

• профили компаний;

• интервью руководителей;

• финансовая отчётность;

• исследования;

• документы регулирующих органов;

• страницы ритейлеров;

• десятки тысяч отзывов;

• обсуждения на форумах;

• видеообзоры;

• справочная информация;

• многолетняя история упоминаний.

Это не означает, что AI обязательно считает самый известный бренд лучшим.

Также нельзя утверждать, что существует единый алгоритм, который всегда отдаёт предпочтение крупнейшим компаниям. Разные AI-системы используют разные модели, источники, механизмы поиска и правила формирования ответа.

Но у крупного бренда есть объективное преимущество: его проще идентифицировать, проверить и сопоставить с товарной категорией.

Иными словами, AI может упоминать бренд не только потому, что он большой, а потому, что вокруг него сформирована насыщенная и непротиворечивая цифровая сущность — Entity.

Система с высокой вероятностью понимает:

• как называется компания;

• какие бренды ей принадлежат;

• в каких категориях она работает;

• какие продукты выпускает;

• где находится официальный источник;

• какие характеристики подтверждаются другими площадками.

Большое количество информации само по себе ещё не гарантирует рекомендацию. Но отсутствие информации заметно снижает вероятность того, что бренд будет уверенно включён в сравнение.

Почему качественный локальный продукт может остаться невидимым

Теперь рассмотрим другую ситуацию.

Есть региональный производитель кетчупа. У него хороший состав, современное производство, конкурентная цена и лояльные покупатели.

Но в цифровой среде бренд представлен слабо:

• официальный сайт содержит несколько коротких страниц;

• карточки товаров у разных продавцов противоречат друг другу;

• состав опубликован изображением, а не текстом;

• нет подробного описания линейки;

• не объяснено, чем продукты отличаются;

• отсутствуют экспертные публикации;

• мало независимых обзоров;

• нет структурированной разметки;

• название компании пишется по-разному;

• на сайте не раскрыта история производителя;

• информация давно не обновлялась;

• нет заметных упоминаний за пределами собственных площадок.

Затем пользователь спрашивает:

Какие российские кетчупы без искусственных красителей стоит рассмотреть?

Продукт может идеально соответствовать запросу, но AI о нём недостаточно знает.

Система не уверена:

• существует ли бренд;

• актуален ли товар;

• действительно ли он выпускается;

• где находится официальный состав;

• можно ли доверять заявлению об отсутствии красителей;

• продаётся ли он в регионе пользователя;

• с какими продуктами его корректно сравнивать.

В итоге бренд может не попасть в ответ.

Не потому, что продукт хуже.

А потому, что искусственному интеллекту трудно его найти, понять и проверить.

Именно здесь возникает принципиальное различие между качеством продукта и его AI Visibility.

Что такое AI Visibility для FMCG

AI Visibility — это степень представленности, понятности и проверяемости бренда в среде генеративных систем.

Для FMCG она показывает, насколько вероятно, что искусственный интеллект сможет:

1. Найти бренд в связи с релевантной товарной категорией.

2. Понять продукт, его назначение, состав и отличительные особенности.

3. Проверить информацию по нескольким надёжным источникам.

4. Сравнить товар с конкурентами по понятным критериям.

5. Упомянуть или рекомендовать бренд в подходящем пользовательском сценарии.

В RECOMO мы рассматриваем этот путь как последовательную модель:

Find → Understand → Verify → Compare → Recommend

Или по-русски:

Найти → Понять → Проверить → Сравнить → Рекомендовать

Если бренд проигрывает на одном из первых этапов, до итоговой рекомендации дело может не дойти.

Например, AI невозможно корректно сравнить два продукта, если у одного из них нет доступного текстового состава. Невозможно подтвердить экологическое заявление, если оно существует только в рекламном слогане. Трудно рекомендовать товар для определённого сценария, если производитель не объяснил, кому и для чего он подходит.

Конкуренция начинается ещё до генерации ответа

Когда пользователь получает ответ ChatGPT или другой системы, может показаться, что модель просто «вспомнила» известные ей бренды.

На практике современные AI-продукты могут сочетать знания модели с поиском и извлечением актуальной информации из внешних источников. Конкретная технология и набор источников различаются в зависимости от сервиса и режима работы.

Упрощённо процесс можно представить так:

Запрос пользователя

↓

Интерпретация намерения

↓

Поиск потенциально релевантных источников

↓

Извлечение отдельных фрагментов информации

↓

Сопоставление фактов и вариантов

↓

Формирование ответа

Это означает, что борьба брендов начинается не в последнем предложении ответа, а раньше — на этапе обнаружения и отбора информации.

Если страницы бренда:

• плохо индексируются;

• не отвечают на реальные вопросы;

• не содержат конкретных фактов;

• используют неясные формулировки;

• противоречат карточкам ритейлеров;

• не имеют внешних подтверждений,

они могут не стать полезным источником для системы.

Поэтому AI Visibility нельзя сводить к написанию нескольких текстов «для нейросетей». Это задача, охватывающая сайт, продуктовые данные, информационную архитектуру, репутацию и присутствие бренда во внешней среде.

Почему SEO остаётся важным, но его уже недостаточно

AI Visibility не отменяет SEO.

Чтобы искусственный интеллект мог использовать информацию, её сначала нужно опубликовать, открыть для индексации, сделать технически доступной и понятной поисковым системам.

Поэтому сохраняют значение:

• корректная индексация;

• скорость загрузки;

• мобильная версия;

• понятная структура сайта;

• качественные заголовки;

• внутренняя перелинковка;

• структурированные данные;

• авторитетность домена;

• внешние ссылки;

• актуальность информации.

Но высокие позиции в обычном поиске не гарантируют включения бренда в AI-ответ.

Классический поиск может ранжировать страницу по конкретному запросу. Генеративная система должна решить более сложную задачу:

• понять намерение пользователя;

• определить критерии сравнения;

• собрать информацию из нескольких источников;

• оценить её согласованность;

• сократить множество вариантов;

• сформулировать итоговую рекомендацию.

Поэтому бренд может иметь неплохой поисковый трафик, но редко появляться в ответах AI. И наоборот: компания с меньшей посещаемостью иногда оказывается заметной в узкой экспертной категории благодаря ясному позиционированию и убедительным внешним подтверждениям.

Какие вопросы покупателей уже формируют новую конкуренцию

Для FMCG особенно важны запросы, в которых человек просит не найти сайт, а помочь с выбором.

Продукты питания

• Какой шоколад содержит меньше сахара?

• Какие хлопья подходят для завтрака без добавленного сахара?

• Чем отличаются эти марки растительного молока?

• Как выбрать кетчуп с коротким составом?

• Какие российские бренды выпускают безлактозные продукты?

• Сравни несколько марок кофе по крепости и вкусовому профилю.

Бытовая химия

• Какой порошок подходит для стирки детских вещей?

• Чем гель для стирки отличается от капсул?

• Какие средства не содержат сильных ароматизаторов?

• Как выбрать средство для чувствительной кожи?

• Сравни три средства для посудомоечной машины.

Косметика и гигиена

• Какая зубная паста подходит для чувствительных зубов?

• Какой шампунь выбрать для окрашенных волос?

• Чем отличаются эти два дезодоранта?

• Какие средства содержат определённый активный компонент?

• Как сравнить составы нескольких кремов?

Товары для животных

• Как выбрать корм для котёнка?

• Чем корм для крупных пород отличается от обычного?

• Какие линейки предназначены для чувствительного пищеварения?

• Сравни составы трёх кормов одной ценовой категории.

В медицинских, детских и ветеринарных вопросах AI-рекомендации не должны заменять консультацию профильного специалиста. Для бренда это означает необходимость особенно аккуратно работать с доказательностью, ограничениями и формулировками продуктовых заявлений.

Какие цифровые сигналы особенно важны FMCG-брендам

Единого официального перечня факторов AI Visibility не существует. Ни одна внешняя компания не может гарантировать включение бренда в ответы всех AI-систем.

Однако можно выделить группы сигналов, которые повышают доступность и понятность информации.

1. Чёткая Entity бренда

Искусственный интеллект должен без труда связать:

• юридическое лицо;

• название бренда;

• товарные линейки;

• официальный сайт;

• регионы присутствия;

• производителя;

• категории продуктов.

Если на разных площадках используются разные названия, описания и адреса, возникает информационная неоднозначность.

2. Полные страницы товаров

У каждой значимой позиции желательно иметь отдельную доступную страницу, содержащую:

• название продукта;

• категорию;

• описание;

• состав;

• характеристики;

• объём или вес;

• варианты упаковки;

• способ применения;

• условия хранения;

• предупреждения и ограничения;

• ответы на частые вопросы;

• информацию о производителе;

• актуальные изображения.

Важные сведения лучше размещать не только на фотографии упаковки, но и в текстовом формате.

3. Структурированные продуктовые данные

Машиночитаемая разметка помогает поисковым системам точнее интерпретировать страницу.

В зависимости от типа продукта и сайта могут использоваться данные о:

• товаре;

• бренде;

• цене;

• наличии;

• рейтинге;

• отзывах;

• организации;

• вопросах и ответах;

• хлебных крошках.

Структурированные данные не гарантируют рекомендацию, но снижают неоднозначность.

4. Единообразие информации

Состав, объём, название линейки и основные характеристики должны совпадать:

• на официальном сайте;

• в карточках маркетплейсов;

• на сайтах сетей;

• у дистрибьюторов;

• в каталогах;

• в пресс-материалах.

Противоречия снижают доверие не только покупателей, но и автоматизированных систем.

5. Независимые упоминания

Собственный сайт сообщает, что бренд говорит о себе. Для проверки нужны внешние источники:

• публикации отраслевых СМИ;

• обзоры;

• экспертные комментарии;

• интервью;

• рейтинги;

• исследования;

• документы сертификации;

• материалы ритейлеров;

• отзывы реальных покупателей.

Особенно ценно не количество одинаковых пресс-релизов, а разнообразие содержательных и проверяемых источников.

6. Язык реальных потребительских вопросов

Страница, состоящая только из слоганов, может быть мало полезна для AI.

Покупатель спрашивает:

Подходит ли средство для цветных тканей?

А бренд отвечает:

Инновационная свежесть нового поколения.

Эти формулировки находятся в разных смысловых плоскостях.

Контент должен отвечать на практические вопросы:

• для кого предназначен продукт;

• какую задачу он решает;

• чем отличается от соседней линейки;

• какие компоненты содержит;

• какие ограничения имеет;

• по каким критериям его сравнивать.

7. Актуальность

FMCG-линейки меняются быстро. Обновляются:

• рецептуры;

• дизайн упаковки;

• объёмы;

• SKU;

• названия;

• места продажи;

• сертификаты;

• продуктовые заявления.

Устаревшие страницы создают риск того, что AI воспроизведёт неправильную информацию.

Почему одной рекламы будет недостаточно

Традиционная реклама покупает внимание.

AI Visibility требует заслужить информационную убедительность.

Можно потратить значительный бюджет на медийную кампанию, но AI всё равно будет сложно ответить на базовые вопросы:

• из чего состоит продукт;

• чем он отличается;

• кому подходит;

• какие заявления подтверждены;

• где доступна актуальная информация.

Искусственный интеллект не обязан воспринимать рекламный охват как доказательство качества.

Более того, громкие заявления без подтверждения могут оказаться менее полезными, чем спокойные, конкретные и хорошо документированные сведения менее известного производителя.

В новой среде выигрывает не только тот, кто говорит громче, но и тот, кого легче проверить.

Как проводится AI Visibility Audit для FMCG

AI Visibility Audit позволяет оценить не только факт появления бренда в ответах, но и причины наблюдаемой картины.

В RECOMO такой анализ может включать несколько направлений.

1. Формирование карты пользовательских сценариев

Составляются реальные вопросы, которые потенциальные покупатели могут задавать AI:

• категорийные;

• сравнительные;

• проблемные;

• продуктовые;

• брендовые;

• локальные;

• связанные с составом;

• связанные с ценой и доступностью.

Проверка только одного запроса не даёт полноценной картины.

2. Анализ присутствия в AI-ответах

Проверяется:

• появляется ли бренд;

• в каких сценариях он упоминается;

• какие конкуренты оказываются рядом;

• насколько корректно описан продукт;

• какие сильные стороны AI замечает;

• какие характеристики игнорирует;

• возникают ли фактические ошибки.

Результаты AI могут меняться в зависимости от формулировки запроса, региона, даты, режима поиска и персонализации. Поэтому аудит должен учитывать вариативность, а не делать вывод по одному ответу.

3. Анализ источников

Изучается, на какие страницы и типы источников опирается система:

• официальный сайт;

• ритейлеры;

• маркетплейсы;

• СМИ;

• каталоги;

• обзоры;

• пользовательские обсуждения;

• документы;

• страницы конкурентов.

Это помогает понять, кто формирует представление AI о категории.

4. Сравнение цифровых сущностей

Бренд сопоставляется с конкурентами:

• полнота информации;

• ясность позиционирования;

• качество продуктовых страниц;

• внешние подтверждения;

• структурированные данные;

• согласованность фактов;

• представленность в разных источниках.

5. Поиск информационных разрывов

Определяется, каких данных не хватает:

• отсутствует текстовый состав;

• не объяснены различия линеек;

• нет ответов на частые вопросы;

• мало независимых публикаций;

• не подтверждены продуктовые заявления;

• информация у продавцов противоречива;

• сайт не раскрывает экспертизу производителя.

6. Подготовка плана усиления видимости

По итогам формируется приоритетный план:

• какие страницы создать;

• какие данные исправить;

• какие материалы опубликовать;

• какие внешние площадки развивать;

• какие технические проблемы устранить;

• какие запросы отслеживать регулярно.

Как измерять результат

AI Visibility нельзя оценивать только количеством ссылок или общим трафиком.

Для FMCG можно отслеживать несколько групп показателей.

Присутствие

• доля запросов, в которых бренд упоминается;

• частота появления в релевантных ответах;

• количество категорийных сценариев, где бренд обнаруживается.

Позиционирование

• насколько правильно AI описывает бренд;

• связывает ли его с нужной категорией;

• замечает ли ключевые отличия продукта;

• не приписывает ли несуществующие свойства.

Конкурентное окружение

• какие бренды упоминаются чаще;

• кто занимает основную долю рекомендаций;

• по каким критериям конкуренты выигрывают.

Источники

• какие домены используются в ответах;

• насколько часто официальный сайт становится источником;

• появляются ли новые независимые подтверждения;

• уменьшается ли роль устаревших или ошибочных страниц.

Бизнес-эффект

• AI Referral Traffic;

• переходы на продуктовые страницы;

• брендовый спрос;

• рост запросов о конкретных линейках;

• лиды и продажи, где источник можно связать с AI;

• изменения в узнаваемости и consideration.

Рост упоминаний сам по себе ещё не равен росту продаж. Но без базовой видимости бренд может вообще не попасть в первоначальный набор вариантов покупателя.

Что FMCG-компания может сделать уже сейчас

Не нужно ждать, пока AI-поиск станет основным каналом продаж.

Начать можно с базовых действий.

Провести ревизию цифрового присутствия

Проверить, одинаково ли бренд представлен на сайте, у ритейлеров, на маркетплейсах и во внешних каталогах.

Переписать продуктовые страницы

Убрать пустые рекламные формулировки и добавить конкретную информацию, по которой продукт можно понять и сравнить.

Создать центр знаний

Публиковать материалы:

• о категориях;

• о составах;

• о технологиях производства;

• о критериях выбора;

• о различиях между линейками;

• о правильном использовании продукта.

Подготовить ответы на реальные вопросы

Собрать вопросы покупателей из:

• службы поддержки;

• отзывов;

• маркетплейсов;

• поисковых подсказок;

• социальных сетей;

• разговоров с продавцами.

И дать на них ясные ответы на официальном сайте.

Улучшить внешнее присутствие

Развивать не только собственные каналы, но и независимую информационную среду:

• экспертные статьи;

• исследования;

• комментарии;

• интервью;

• отраслевые публикации;

• объективные сравнения.

Настроить регулярный мониторинг AI

Фиксированный набор запросов следует проверять регулярно в нескольких системах. Это позволит отслеживать динамику, а не реагировать на случайные скриншоты.

AI Visibility не заменяет продукт и бренд

Важно не превратить новую дисциплину в очередное обещание «обмануть алгоритм».

AI Visibility не способна заменить:

• качество продукта;

• честный состав;

• доступную цену;

• хорошую дистрибуцию;

• узнаваемость;

• доверие покупателей;

• реальные отзывы;

• сильную упаковку;

• клиентский опыт.

Если продукт слабый, информационная оптимизация не сделает его лучшим.

Но обратная ситуация встречается всё чаще: продукт хороший, а его цифровое представление не позволяет искусственному интеллекту это понять.

Задача AI Visibility — сократить разрыв между реальными преимуществами бренда и тем, что способна обнаружить и проверить AI-система.

Следующая битва брендов уже начинается

В течение десятилетий FMCG-компании выстраивали сложные системы управления физической доступностью товара.

Они измеряли:

• представленность в сетях;

• долю полки;

• географическое покрытие;

• наличие SKU;

• out-of-stock;

• заметность упаковки.

Затем к этому добавилась цифровая доступность:

• позиции в поиске;

• выдача маркетплейсов;

• карточки товаров;

• рейтинг;

• отзывы;

• digital share of voice.

Теперь появляется ещё один показатель — доступность бренда для искусственного интеллекта.

Может ли AI его найти?

Правильно ли понимает?

Есть ли у системы достаточно подтверждений?

Умеет ли она отличить продукт от конкурентов?

Возникает ли бренд в момент, когда пользователь просит рекомендацию?

Ответы на эти вопросы постепенно станут частью маркетинговой аналитики FMCG-компаний.

Потому что потребительский выбор всё чаще начинается не с просмотра всей полки, а с одного вопроса цифровому консультанту.

Вместо заключения

XX век принадлежал компаниям, которые выигрывали место на полке магазина.

Начало XXI века принадлежало компаниям, которые выигрывали место в поисковой выдаче.

Следующее десятилетие будет принадлежать брендам, которые смогут занять место в рекомендациях искусственного интеллекта.

Но для этого недостаточно просто быть известным.

Бренд должен быть доступен, понятен, последователен и проверяем для AI.

И чем раньше FMCG-компании начнут управлять этим новым уровнем цифрового присутствия, тем больше шансов, что искусственный интеллект будет не только знать об их существовании, но и рассматривать их в момент выбора.

Об авторе и RECOMO

Сергей Семенов — Founder & CEO RECOMO, эксперт в области AI Visibility, AI Search и цифровой трансформации.

RECOMO исследует, как ChatGPT, Gemini, Claude, Perplexity и другие AI-системы находят, интерпретируют, проверяют и рекомендуют компании и бренды.

В рамках AI Visibility Audit команда RECOMO анализирует присутствие бренда в AI-ответах, видимость относительно конкурентов, используемые источники и информационные разрывы, которые могут мешать компании попадать в рекомендации искусственного интеллекта.

Узнать больше об AI Visibility Audit:
https://www.recomo.ai/