Данные годового исследования: как промышленные компании попадают в ответы нейросетей

Мы, компания SLT, вместе с сервисом GeoRank провели масштабное исследование того, как промышленные бренды представлены в ответах искусственного интеллекта.

Поводом стало наблюдение: пока большинство промышленных предприятий продолжает бороться за позиции в органической выдаче Яндекса и Google, в поведении их клиентов формируется новый канал - пользователи все чаще получают не список сайтов, а готовую рекомендацию от нейросети. Нам важно было понять, кто именно в эту рекомендацию попадает, за счет чего, и как самим туда попасть.

Мы отвечали на три вопроса. Первый - какие металлообрабатывающие компании и сайты вообще попадают в ответы нейросетей и кто является лидером. Второй - как распределяется доля их присутствия по отдельным услугам и другим критериям. Третий - за счет каких факторов они туда попадают и что нужно делать, чтобы оказаться там самим.

Данные мы собирали около года, с апреля 2025-го по апрель 2026 года, на основе пяти нейросетей: ChatGPT, Алисы, Perplexity, DeepSeek и Google AI Overview. В итоге у нас накопилось порядка 8 тысяч ответов, около 10 тысяч источников и более 500 сайтов конкурентов, зафиксированных в выдаче нейросетей. Подчеркнем: наша цель - не продвинуть какой-то отдельный бренд или завод, а показать объективную картину рынка.

Чтобы результаты были корректными, мы определили четыре ключевых критерия исследования.

Регион. Мы проанализировали поисковую выдачу по всей России и установили, что Северо-Западный округ (с Санкт-Петербургом) и Центральный округ (с Москвой) в совокупности покрывают около двух третей всего спроса на металлообработку и машиностроение. Именно на эти два региона мы сделали основной акцент.

Нейросети. Мы выбрали три нейросети, не принадлежащие поисковым системам напрямую - ChatGPT, Perplexity и DeepSeek/Claude, а также два поисковых ИИ-инструмента - Алису от Яндекса и AI Overview от Google. Модели, встроенные в поисковики, мы рассматривали отдельно, поскольку у них принципиально иная логика формирования ответов, тесно связанная с классической поисковой выдачей.

Запросы. Это, по нашему мнению, краеугольный камень всего исследования. Многие подобные исследования на рынке строятся на гипотетических запросах, которые пользователи теоретически могут задавать нейросетям. Мы пошли другим путем: собрали за год все реальные запросы, по которым были переходы на сайты наших клиентов - компаний Cometal (бренд «Северстали»), Промакс, Спецмаш, Аванпром и других, которые предоставили нам эту статистику в агрегированном формате. Всего мы получили порядка 300 тысяч уникальных запросов из Яндекс.Метрики и Яндекс.Вебмастера.

Дальше мы провели чистку. Убрали брендовые запросы, поскольку для исследования рынка в целом они не нужны. Убрали одно- и двухсложные запросы - по нашим наблюдениям, короткие формулировки вроде «лазерная резка металла» без уточнений слишком сильно перегреты накруткой ботов и не дают детальной объективной картины. Оставили только трехсложные запросы и длиннее. В результате чистки у нас осталось около 2 000 ключевых запросов, разделенных на информационные, объяснительные, сравнительные, рекомендательные и коммерческие - присутствие последней категории стало для нас отдельным приятным сюрпризом.

Дополнительно мы посчитали, на какой процент этих запросов вообще выводится блок нейроответов. Получилось, что в Яндексе блок Алисы появляется примерно на половине запросов, а в Google блок AI Overview - на 86% запросов. Иными словами, в Google практически каждый первый запрос по металлообработке сегодня сопровождается генеративным ответом, а в Яндексе - примерно каждый второй.

Конкуренты. Поскольку мы много лет работаем в нише металлообработки и машиностроения, у нас уже был сформирован полный пул услуг, которые могут оказывать заводы, работающие с заготовительным производством. Всего мы выделили 10 крупных мегакластеров услуг: резка, механическая обработка, гальванические покрытия (в том числе цинкование), литье, покраска, изготовление деталей и другие, а внутри них - порядка 1 000 более узких, точечных услуг. Для анализа мы взяли около 500 живых сайтов с реальной видимостью в Яндексе и Google.

За исследуемый период мы зафиксировали около 8 миллионов посетителей на сайтах наших клиентов в сфере промышленности и околопромышленной тематики. Из них 42 000 переходов пришли непосредственно с нейросетей.

Здесь принципиально важно различать два типа трафика.

Первый - прямой переход из самой нейросети: ChatGPT, DeepSeek, Perplexity, Claude и других. Такой трафик легко отследить через специальное регулярное выражение, которое можно добавить в источники ответов в Яндекс.Метрике.

Второй - переход из блока нейроответов, встроенного непосредственно в поисковую выдачу Яндекса, Google и (в меньшей степени актуального для России) Bing. Этот трафик поисковики практически не позволяют выделить отдельной строкой в аналитике, он фиксируется как обычный органический переход.

Именно поэтому официальная цифра в 42 000 переходов - это только та часть трафика, которую мы можем железобетонно подтвердить: переходы с десктопных устройств, отслеженные по регулярному выражению. Мы убеждены, что реальный объем трафика из нейросетей выше.

Регулярное выражение: ~(?:chatgpt.comlchat-gpt.orgl claude.ailquillbot.comlopenai.coml blackbox.ailperplexity(?:.ai)?lcopy.ail jasper.ailcopilot.microsoft.coml gemini.google.coml(?:\w+.)?mistral.ail deepseek.comledgepilotl edgeserviceslnimble.ailiask.ail aitastic.applbnngpt.coml writesonic.comlexa.ailwaldol alice.yandex.ru)

Из этих 42 000 переходов 27 000, то есть порядка 60%, пришлось на ChatGPT, при том, что это самая закрытая для внешнего продвижения нейросеть, о чём мы расскажем ниже. Заметную долю занимает Perplexity, преимущественно по инженерным и техническим запросам. А вот присутствие Claude в нашей отрасли оказалось для нас неожиданно низким - практически нулевым. Мы полагаем, что ситуация может измениться по мере того, как более продвинутые модели Claude станут привычнее для инженеров и технических специалистов.

Отдельно стоит объяснить, почему в нашей статистике полностью отсутствует GigaChat. Дело в том, что как отдельное приложение его скачивает относительно небольшое число пользователей - основной поток обращений к нему идет через мобильные приложения, в первую очередь через приложение Сбербанк Онлайн, где эта модель встроена. При переходе с мобильного устройства источник перехода не определяется вообще: он выглядит для аналитики как прямой заход на сайт, без указания на то, что пользователь пришел именно из GigaChat.

Мы провели ряд тестов и ни в одном из них не увидели, чтобы переходы из мобильных приложений с интегрированным GigaChat фиксировались как переходы из нейросети. По этой причине мы считаем, что реальный объем переходов оттуда в наших цифрах не отражен и, соответственно, весь трафик из нейросетей, который мы приводим в исследовании, стоит считать консервативной, заниженной оценкой. Аналогичного мнения придерживаются и коллеги из англоязычного сегмента, где подобные измерения ведутся значительно дольше - около полутора-двух лет против примерно полугода в России.

Один из главных выводов, к которому мы пришли, касается так называемой «доли голоса» - присутствия брендов в ответах нейросетей. Мы обнаружили, что примерно четверть всех ответов вообще не содержит упоминания какой-либо компании: нейросеть не находит достаточно данных, чтобы кого-то порекомендовать, и просто не отвечает на вопрос по существу, даже если запрос откровенно коммерческий, вроде стоимости снятия фаски за деталь. В таких ответах нет ни указания, куда обратиться, ни сравнения компаний, ни ориентира по цене, соответственно, фактического перехода клиента отсюда просто не будет.

Ещё около половины запросов проработаны частично: бренд может быть упомянут, но без ссылки на сайт, что резко снижает шанс на переход потенциального клиента. И лишь оставшаяся часть рынка, по нашей оценке, порядка четверти, представлена полноценно, с прямыми ссылками на сайты компаний.

Мы принципиально разделяем упоминание бренда и ссылку на сайт: упоминание работает на узнаваемость, но требует от пользователя дополнительного действия - скопировать название и найти компанию самостоятельно через поиск. Прямая ссылка из ответа нейросети - это уже потенциальный клиент на сайте здесь и сейчас. Показательно, что лидер по количеству упоминаний бренда не обязательно лидирует по количеству кликабельных ссылок: например, в нашей выборке один из сайтов заметно опережает конкурентов по совокупной упоминаемости, но по факту генерирует меньше кликов, чем другой ресурс, который упоминается реже, зато почти всегда сопровождается прямой ссылкой.

Отдельно мы сопоставили список лидеров по присутствию в нейросетях со списком лидеров по классическому SEO-трафику и обнаружили, что пересечение между двумя этими группами минимально: лишь три компании входят одновременно и в топ по SEO, и в топ по GEO. Это значит, что успех в поисковом продвижении сайта далеко не всегда автоматически конвертируется в присутствие в ответах нейросетей, и наоборот. Один из показательных примеров, который мы отметили - компания, добившаяся заметных результатов и в поиске, и в нейросетях исключительно за счет сильного контент-маркетинга: там системно писали много материалов, которые впоследствии легли в базу знаний нейросетей, а не концентрировались только на технической оптимизации самого сайта.

На ChatGPT приходится порядка 60% всего трафика из нейросетей в промышленном кластере, из 42 000 зафиксированных нами переходов с ИИ-сервисов на сайты клиентов 27 000 дала именно эта нейросеть. При этом хорошо представлены в ChatGPT, по нашим данным, лишь две компании из всей выборки в 500 с лишним сайтов.

Причина, как мы выяснили, в том, что ChatGPT принципиально иначе формирует список источников: он почти не доверяет типовым площадкам - из топовых источников, которые «стреляют» в других нейросетях, в ChatGPT заметна разве что Википедия, да и то с относительно скромной частотой упоминаний. Вместо этого ChatGPT куда охотнее ссылается на собственные сайты компаний - лидеры нашей выборки по присутствию в нейросетях достигли этого результата именно за счет развития собственного домена, на который ChatGPT ссылается чаще, чем на Википедию или тематические агрегаторы. Мы также заметили особенность: ChatGPT чаще обращается к зарубежным ресурсам, что усложняет задачу для русскоязычных проектов, попасть туда со своим локальным сайтом не так просто. Наш практический вывод здесь однозначен: если цель - попасть в ChatGPT, единственный работающий путь - системно развивать собственный сайт, потому что контент с типовых внешних площадок вроде «Дзена» эта нейросеть, вероятнее всего, использовать не будет.

Алиса, в отличие от ChatGPT, тесно связана с поисковой выдачей Яндекса и его экосистемой: наибольший вес в ее ответах имеют «Дзен», «Яндекс Услуги» и «Яндекс Маркет» - эти площадки бьют все топы по количеству ответов именно в блоке Алисы. При этом мы обнаружили устойчивую корреляцию между попаданием в блок нейроответов Яндекса и классическим SEO, компании из топ-20-30 поисковой выдачи с высокой вероятностью появляются и в ответах «Алисы», а значит, продвижение сайта в классическом поиске напрямую работает и на присутствие в генеративном блоке.

Google в этом смысле стоит особняком: блок AI Overview охватывает 86% промышленных запросов - против примерно половины у Яндекса, что делает его наиболее массовым каналом «первого касания» с точки зрения объема аудитории. При этом состав источников в Google заметно отличается: на первом месте здесь стабильно YouTube, за ним следует Reddit, а следом, неожиданно для нас, тоже «Дзен», хотя эта площадка традиционно считается «вотчиной» Яндекса.

Perplexity мы рассматриваем отдельно от остальных моделей: по сути это агрегатор среди нейросетей, и представленность источников в нем в целом повторяет общий срез по всем моделям, с YouTube на первом месте. Поэтому в практической работе мы рекомендуем обращать внимание на Perplexity в последнюю очередь: если удается системно повысить присутствие бренда в остальных нейросетях, видимость в Perplexity, как правило, подтягивается автоматически.

Один из наиболее удивительных для нас выводов - состав площадок, на которые чаще всего ссылаются нейросети при формировании ответов в целом, вне разбивки по конкретным моделям. Вопреки нашим ожиданиям, типичные для контент-маркетинга площадки вроде VC.ru или DTF заметно уступают YouTube и Википедии, именно эти два источника оказались самыми цитируемыми во всех нейросетях суммарно. Мы проверили это на конкретных примерах: нейросети действительно дают прямые ссылки на ролики в YouTube и статьи в Википедии, когда там есть релевантный по теме и достаточно подробный контент.

Отдельно мы отметили присутствие Reddit, англоязычной платформы, в топе источников для русскоязычных запросов. Объясняем это тем, что нейросети собирают и обрабатывают информацию независимо от языка источника, формулируя итоговый ответ уже на языке запроса пользователя. Это открывает практическую возможность использовать англоязычные площадки, включая размещения на английском языке, для влияния на русскоязычную выдачу.

Заметную роль в промышленной нише играют и профессиональные форумы, на них приходится порядка 10-20% ответов, что указывает на сохраняющуюся значимость экспертных сообществ даже в эпоху генеративного поиска: судя по всему, инженеры и узкие специалисты продолжают их читать и цитировать, и нейросети это фиксируют.

«Дзен» присутствует в общем топе источников в значительной мере благодаря Алисе, для остальных моделей эта площадка используется заметно реже, что еще раз подтверждает: универсального набора площадок для всех нейросетей не существует, под каждую модель нужна своя стратегия размещений.

Специфика промышленного кластера, которую мы выявили в сравнении с другими отраслями, в наличии большого числа классифайдов и маркетплейсов: Avito, Яндекс.Маркет, Ozon, Wildberries. Мы установили, что нейросети агрегируют результаты именно из этих источников и формируют на их основе листинговые ответы. Если объявление компании находится в верхней части выдачи площадки, условно, в первой пятерке-десятке позиций Avito по конкретной услуге, велика вероятность, что нейросеть включит его в свой ответ на вопрос вроде «кто выполняет лазерную резку металла толщиной 3 мм». Если же карточка находится на второй-третьей странице выдачи агрегатора, шансы попасть в ответ нейросети резко падают, генеративная модель просто не проиндексирует эту позицию.

Таким образом, размещение на маркетплейсах становится для нас не только прямым каналом продаж, но и дополнительной точкой касания с целевой аудиторией через нейросети, причем канал этот работает по своей особой логике, отличной от логики отдельного сайта.

Мы также проанализировали, как распределяются ответы нейросетей по конкретным видам услуг металлообработки. Безусловным лидером здесь оказалась резка металла, на нее приходится наибольшее количество ответов, следом идут механическая обработка и изготовление деталей. Станкостроение мы вынесли за скобки: это скорее смежное направление, через которое металлообработчики получают дополнительные лиды, но по объему оно заметно уступает резке и механической обработке - двум главным столпам отрасли и по количеству реальных предложений на рынке, и, соответственно, по количеству упоминаний в нейросетях.

Отдельно мы выделяем группу изготовления деталей, по нашим данным, именно она приносит наиболее «тёплых», готовых к заключению контракта клиентов. При этом покрытие этой группы ответами нейросетей составляет лишь около половины от объема ответов по резке и механической обработке, то есть конкуренция здесь пока заметно ниже, хотя услуга (условно, покраска, фрезеровка, финальная сборка детали) по сути пересекается с механической обработкой. Компаниям, которые ищут недоинвестированную нишу для развития присутствия в нейросетях, мы рекомендуем в первую очередь присмотреться именно к этому направлению.

Проанализировав тысячи источников, мы выделили восемь ключевых факторов видимости и разделили их на две группы по значимости.

Ключевые факторы

• Качество и «возраст» сайта (хост). Условно говоря, это аналог индекса качества сайта в терминологии Яндекса - насколько ресурс прокачан, какая у него история и сколько внешних ссылок на него ведет. Если сайт старый и авторитетный, его вполне можно использовать как основную площадку для попадания в ответы нейросетей. Если сайт молодой и никогда не продвигался, эффективнее делать ставку на UGC-площадки, и здесь безусловный лидер отрасли - YouTube: на него приходится порядка 500 ответов из 7 500, которые мы анализировали. Дополнительно стоит обратить внимание на профильные форумы, где также значительна доля ответов, подхватываемых нейросетями.
• Уникальность и качество контента. Рерайт не работает - нейросети хорошо распознают неоригинальный контент, даже глубоко переписанный. Чтобы материал попал в ответы, в него нужно закладывать реально полезную, оригинальную информацию.
• Query Fan-Out, то есть комплексное покрытие тематического поля вокруг ключевого запроса. Чтобы стабильно попадать в ответы по запросу вроде «лазерная резка металла», недостаточно одной статьи - нужно одновременно попасть в тематический рейтинг заготовительных производств, сформировать качественное окружение отзывов вокруг компании и присутствовать в PR-материалах и обзорах-инструкциях («как выбрать подрядчика по лазерной резке металла») со ссылками на компанию.
• Отзывы и репутация. Негативные отзывы нейросети, как правило, стараются не использовать при формировании рекомендаций, а если такой материал все же попадает в ответ, для бренда это скорее вредит, чем помогает продвижению.

Дополнительные факторы

Эта группа влияет на присутствие в нейросетях менее выраженно, но ее стоит выполнять при наличии ресурсов:

• регулярное обновление контента - нейросети отдают предпочтение свежим материалам;
• наличие актуальной микроразметки - она помогает нейросетям лучше понимать структуру и содержание материала на сайте (на сторонних площадках вроде РБК.Про такой возможности обычно нет, а на собственном сайте эта разметка внедряется легко);
• корректная семантическая верстка, чтобы краулеры нейросетей однозначно понимали, какая часть страницы - навигация, а какая - основной контент;
• наличие файла llms.txt - по нашим данным, он практически не влияет на ранжирование ответов, но поскольку его генерация занимает буквально несколько секунд с помощью бесплатных инструментов, мы не считаем зазорным его создать. Сейчас мы проводим отдельный эксперимент - удалили этот файл на одном из проектов, чтобы проверить, действительно ли поисковые роботы Яндекса и Google обращаются к нему, и опубликуем результаты в своем Telegram-канале;
• взвешенное дробление контента на смысловые блоки - пожалуй, самый важный пункт в этой группе. Разные нейросети придерживаются разных подходов к тому, насколько мелко стоит дробить контент, поэтому мы рекомендуем придерживаться золотой середины: не разбивать текст на слишком мелкие фрагменты, но и не оставлять слишком объемные полотна - каждый блок должен быть законченной смысловой единицей, понятной как человеку, так и нейросети.

Отдельно мы показываем клиентам, как выглядит практический аудит сайта под GEO - на примере одного из лидеров нашей выборки. Аудит делится на две части: техническая оптимизация (чтобы нейросеть в принципе могла технически «дойти» до сайта и корректно его считать) и контентная составляющая. Даже у лидеров рынка контентная часть часто хромает, например, у сайта, который занимает высокие позиции по видимости, мы обнаружили отсутствие полноценного раздела FAQ и материалов в формате пошаговых инструкций, хотя с технической точки зрения к сайту нейросети обращаются часто. Это подтверждает наш общий тезис: работать нужно одновременно с двух сторон - с внешними источниками и с собственным сайтом, вплоть до каждой отдельной продуктовой страницы.

Мы честно признаем: прямых данных о продажах, полученных именно из нейросетей, на российском рынке пока мало, направление активно развивается менее года, тогда как в англоязычном сегменте оно существует полтора-два года. Основная сложность в измерении эффекта - техническая: трафик из блока нейроответов Яндекса и Google AI Overview фактически неотличим от обычного органического перехода, а часть переходов из мобильных приложений (в частности, GigaChat) не фиксируется системами аналитики вовсе.

Тем не менее по нашим наблюдениям косвенные метрики показывают заметный эффект. В одном из наших кейсов - компания Cometal - число брендовых запросов, по данным Яндекс.Вордстата, выросло примерно с 200 до почти 500 в месяц за счет системной работы с генеративным поиском при отсутствии крупных офлайн-кампаний и без привлечения штатного PR-специалиста (в текущем периоде такой специалист уже подключился, и мы честно признаем, что результат теперь сложнее «очистить» от его влияния).

По нашим данным, конверсия у пользователей, пришедших из нейросетей, оказывается выше, чем по многим другим каналам - по нашей оценке, порядка половины перешедших пользователей совершают целевое действие на сайте, хотя выборка здесь пока небольшая.
При этом абсолютная доля таких переходов в общем трафике пока не превышает 1%.

Что касается сроков: если цель - попасть в выдачу нейросетей по 1-3 тематическим кластерам, первых результатов можно ожидать уже примерно через месяц системной работы. Если цель - увеличить фактическое число переходов и заявок, для этого обычно требуется больше времени: по нашей практике и практике коллег из смежных отраслей, кратный рост доли конверсионного трафика - с текущих долей процента до нескольких процентов - вполне реалистичен на горизонте 2-3 месяцев планомерной работы.

Отдельно стоит сказать о методологическом ограничении, с которым сталкивается любая компания, измеряющая эффект от GEO-продвижения. Если параллельно с работой над видимостью в нейросетях компания ведет классическое SEO, контент-маркетинг и размещения на внешних площадках, однозначно отделить прирост брендовых запросов, вызванный именно генеративным поиском, от прироста, вызванного другими каналами, практически невозможно - единого инструмента для такой атрибуции пока не существует.

Наш практический подход - отслеживать динамику брендового спроса (например, через Яндекс.Вордстат) в периоды, когда набор прочих активностей компании остается стабильным, а добавляется только системная работа с GEO. Если в такой период показатель растет, то с высокой вероятностью это заслуга генеративного продвижения. Если же одновременно запускаются офлайн-кампании, привлекается штатный PR-специалист или резко усиливается контент-маркетинг вне контекста GEO, показатель брендовых запросов перестает быть надежным маркером именно эффекта от нейросетей.

Сегодня GEO стоит рассматривать не как самостоятельный канал продаж, конкурирующий с контекстной рекламой или классическим SEO, а как дополнение к существующим стратегиям контент-маркетинга и поискового продвижения. При таком подходе объем заявок из этого канала выглядит вполне соизмеримым и оправданным. Но рассчитывать, что генеративный поиск в одиночку заменит другие каналы продаж и сразу даст кратный поток заявок, пока преждевременно, рынок для этого еще слишком молод, а инструменты сквозной аналитики, способные надежно измерить весь путь клиента от нейросети до сделки, только формируются.