Последние два года стратегия брендов в сфере искусственного интеллекта строилась на концепциях GEO (Generative Engine Optimization) и AEO (Answer Engine Optimization). Основная цель заключалась в том, чтобы сделать бренд понятным для нейросетей, обеспечив регулярное попадание в рекомендации при запросах пользователей. Однако отчет Amazon за второй квартал 2026 года поставил под сомнение эффективность исключительно органического подхода.
Платное продвижение как часть ИИ-опыта
Генеральный директор Amazon Энди Джасси представил данные, согласно которым покупатели, взаимодействующие с платным инструментом Sponsored Prompt в рамках Alexa for Shopping, конвертируют просмотры в покупки на 48% чаще. При этом средний чек таких клиентов оказался на 21% выше. Эта статистика указывает на то, что платное размещение становится неотъемлемой частью пользовательского пути в ИИ, а не просто дополнением к поисковой выдаче.
Рынок ИИ-шоппинга сегодня разделяется на две категории. Первая — это открытые ассистенты, стремящиеся предложить пользователю наиболее релевантный продукт без прямой коммерческой предвзятости. Вторая — закрытые экосистемы, где платформы активно монетизируют процесс рекомендаций. Google и Amazon являются примерами компаний, внедряющих рекламные инструменты непосредственно в диалоговые сценарии, что заставляет бренды пересматривать ценность своей представленности в ИИ.
Ограниченность GEO и AEO в коммерческих условиях
Фундаментальные принципы GEO и AEO остаются актуальными: структурированная и точная информация по-прежнему критически важна для работы алгоритмов. Однако эти методы решают лишь проблему узнаваемости, но не коммерческую задачу. Бренд может часто появляться в рекомендациях, но не получать реальных продаж, если информация о товаре недостаточно подготовлена для совершения сделки.
Концепция оптимизации агентской коммерции (ACO)
На смену или в дополнение к привычным методам приходит ACO (Agentic Commerce Optimization). Если GEO и AEO отвечают за то, чтобы ИИ «увидел» товар, то ACO фокусируется на этапе принятия решения о покупке. Для автономных агентов важны не только общие описания, но и такие параметры, как актуальная цена, наличие, спецификации, условия доставки и возврата. В рамках методологии ACO эксперты выделяют пять ключевых факторов («5C»):
- Completeness (Полнота данных).
- Context (Контекст применения продукта).
- Citations (Наличие цитирований).
- Correctness (Корректность информации).
- Customer Acquisition (Привлечение клиента).
Первые четыре показателя позволяют ИИ уверенно рекомендовать товар, а последний отвечает за итоговую прибыль. Оптимизация агентской коммерции требует постоянного мониторинга того, как продукты выглядят в различных ИИ-системах, и оперативного исправления данных при их искажении.
Стратегические шаги для бизнеса
Брендам не следует отказываться от уже внедренных стратегий GEO или AEO. Вместо этого необходимо дополнить их инструментами измерения коммерческого успеха. Аналитика должна отвечать на вопросы: какие именно товары попадают в выдачу, как меняется информация о них в разных ассистентах и каково влияние платной рекламы на реальные покупки. Эффективная стратегия будущего заключается в объединении фундаментальной технической оптимизации с тщательным контролем за тем, насколько эти рекомендации транслируются в рост выручки.
Разрыв в моделях ИИ-шоппинга
До недавнего времени считалось, что видимость бренда в ИИ — величина унифицированная. Предполагалось, что достаточно быть понятым моделью, чтобы ассистент цитировал вас при каждом релевантном запросе. Однако это допущение становится всё труднее поддерживать, когда площадка, дающая рекомендацию, одновременно развивает собственный рекламный бизнес для монетизации.
Amazon выступает наиболее ярким примером такой трансформации. Инструмент Sponsored Prompt может появиться непосредственно в ходе диалога, когда покупатель находится в процессе принятия решения о покупке. Google движется в схожем направлении, интегрируя рекламу в разговорные поисковые и торговые интерфейсы. Коммерческая мотивация здесь очевидна: если платная рекомендация конвертируется лучше, чем обычное объявление, у платформ появляется прямой стимул внедрять всё больше платных интеграций в диалоги.
Напротив, «открытые» ассистенты сталкиваются с иной дилеммой. Их ценность напрямую зависит от доверия пользователей, которые рассчитывают на объективность и релевантность ответов, а не на их покупку. Для них соблюдение баланса между монетизацией и доверием аудитории — куда более сложная задача. В результате на рынке формируется не один канал ИИ-шоппинга, а множество разрозненных экосистем, развивающихся вокруг разных коммерческих стимулов.
Почему ACO становится необходимостью
Хотя GEO и AEO решают задачу «видимости», они не гарантируют решение «коммерческой проблемы». Платная видимость не способна бесконечно компенсировать плохо подготовленные данные о товаре. ИИ по-прежнему нуждается в надежной информации о том, что представляет собой продукт, для кого он предназначен и как соотносится с альтернативными предложениями.
Концепция ACO (Agentic Commerce Optimization) переносит акцент с простого обнаружения ИИ на уровень совершения сделки, где алгоритм начинает влиять на покупательское поведение или самостоятельно принимать решения. Для ИИ-агента контент — это лишь часть уравнения. Цена, варианты исполнения, условия доставки, возможность возврата и техническая готовность к транзакции имеют решающее значение. Товар может быть идеально оптимизирован для поисковой видимости, но остаться «плохим выбором» для агента, если информация, необходимая для совершения действия, окажется неполной или противоречивой.
ACO — это операционный ответ на новый этап развития ИИ-коммерции. Это процесс непрерывного мониторинга того, как продукты представлены на различных платформах, и исправления контента, каталожных данных и коммерческой информации в моменты, когда эти системы начинают демонстрировать «дрейф» данных. Поскольку платформы делают разные коммерческие ставки, бренд не может позволить себе оптимизироваться под единственную версию ИИ-шоппинга.
Действия для брендов: взгляд в будущее
Ответ на вызовы современного рынка заключается не в замене одних аббревиатур другими, а в выстраивании многоуровневой системы. Фундаментальные принципы остаются неизменными: точная информация, четкая структура, консистентность данных и ответы на вопросы, которые пользователи действительно задают.
Разница заключается в том, что теперь брендам нужно отслеживать события за пределами первичной рекомендации:
- Какие товары ИИ-платформы выбирают для показа чаще всего?
- Какие конкуренты укрепляют свои позиции в выдаче?
- В каких аспектах информация о продукте становится неточной или исчезает при переходе от одного ассистента к другому?
- На каком этапе пути клиента подключается платная видимость?
- Приводит ли эта видимость к инкрементальному приросту новых покупателей?
Статистика Amazon по конверсии (48%) важна именно потому, что она доказывает: появление внутри ИИ-диалога в момент реального покупательского намерения коммерчески отличается от простого соседства с поисковой выдачей. Если другие платформы последуют этому примеру, грань между «видимостью в ИИ», «платным медиа» и «операциями в коммерции» будет становиться всё более размытой. Истинная возможность для брендов сегодня — не выбирать между GEO/AEO и ACO, а объединить их. Видимость в нейросетях становится лишь отправной точкой, а конечной целью — измерение успеха не количеством упоминаний, а объемом выручки, который ИИ помог сгенерировать.
