Как за три месяца вывели B2B-производителя на 84% упоминаний в ответах нейросетей

Выбор промышленного оборудования в B2B — сложный и многоэтапный процесс. Прежде чем обратиться к поставщику, заказчики изучают технические характеристики, сравнивают производителей и подбирают решения под конкретные задачи. Сегодня к привычным поисковикам и отраслевым каталогам добавились нейросети: потенциальные клиенты всё чаще могут использовать ChatGPT, Алису и другие ИИ-сервисы для поиска и сравнения оборудования.

Для производителей это новая точка конкуренции: важно не просто присутствовать в интернете, а попадать в рекомендации нейросетей, даже когда покупатель ещё не знает названия компании. Рассказываем, как за три месяца увеличили присутствие B2B-производителя в ответах ИИ с 60% до 84%, повысили видимость по небрендовым запросам в 4,3 раза и нарастили переходы из нейросетей в 2,1 раза.

Клиент — российский производитель промышленных компьютеров, моноблоков и мониторов для производств. Компания работает в B2B-сегменте с длинным циклом сделки. 

Нейросети уже называли компанию, когда пользователи спрашивали о бренде напрямую. Проблема была в другом: заказчики начинают поиск с категории оборудования, его характеристик или конкретной задачи — например, «промышленные моноблоки российского производства» или «взрывозащищенные мониторы». В таких ответах производителя почти не было.

За три месяца доля ответов нейросетей с упоминанием производителя выросла с 60% до 84%. В небрендовых запросах доля выросла с 12% до 52%, то есть в 4,3 раза. Переходы из нейросетей за тот же период удвоились. Теперь нейросети чаще рекомендуют производителя тем, кто ищет оборудование, но ещё не знает поставщиков. 

Перед нами стояли задачи:

Мы в KINETICA подходим к GEO-продвижению комплексно: анализируем ответы нейросетей, изучаем источники, работаем с сайтом, репутацией и внешними публикациями. Для этого проекта выстроили работу в три этапа — от аудита видимости бренда до усиления продуктовых страниц и экспертного контента.

Проблема: клиент хотел, чтобы нейросети рекомендовали его оборудование, и пришел к нам с этой задачей. Но «присутствовать в нейросетях» — цель слишком общая, чтобы ей управлять: нужно было понять, где модель уже называет производителя, а где он выпадает из ответов. Одна общая цифра присутствия этого не показывала.

Гипотеза: если распределить вопросы заказчиков на группы — о бренде, о сравнении с конкурентами и о подборе оборудования без названия компании, — станет видно, в каких ситуациях производителя рекомендуют, а в каких нет. Это и покажет, куда направить работу.

Вместе с клиентом собрали 15 контрольных вопросов в трех группах:

По каждой группе еженедельно проверяли ответы пяти нейросетей — 75 проверок за один срез. Так появилась метрика, которая показывает не «сколько всего упоминаний», а в каких запросах производителя нет. Далее, разложили источники из ответов по типам — сайт компании, отраслевые медиа, каталоги и агрегаторы, отзовики, справочники и реестры, сайты конкурентов, — чтобы понять, откуда нейросети берут данные о рынке.

Первый срез дал точку отсчета — 60% ответов с упоминанием бренда — и сразу показал, где теряются клиенты. По брендовым вопросам и сравнениям производителя называли часто, а в подборе оборудования без названия компании — там, где заказчик только описывает задачу и еще не знает поставщиков, — лишь 12% ответов. Этот разрыв и стал картой всех дальнейших работ.

Проблема: в ответах нейросетей встречались не только страницы компании, но и отраслевые медиа, каталоги, отзовики, справочники и сайты конкурентов. Поэтому работы только с собственным сайтом было недостаточно.

Гипотеза: чтобы усилить присутствие производителя в ответах, нужно параллельно работать с доступностью сайта для цитирования, репутацией и внешними публикациями.

Проблема: на старте в группе подбора продукта без названия бренда производитель появлялся только в 12% ответов. В эту группу входили запросы «топ российских промышленных компьютеров», «промышленные моноблоки российского производства» и «взрывозащищенные мониторы».

Гипотеза: обзорные материалы на внешних ресурсах помогут связать производителя с категориями оборудования и сценариями применения, а проверка продуктовых страниц — убедиться, что нейросети корректно их считывают.

За три месяца брендовая группа выросла с 76% до 100%, сравнительная — с 92% до 100%, продуктовая — с 12% до 52%, то есть в 4,3 раза. Главный рост пришелся на продуктовые вопросы — те, с которых заказчик начинает выбор, еще не зная названий поставщиков. 

Теперь к самому интересному — цифрам. На дистанции результат рос без откатов: после июльского скачка показатель держался и к 25 сентября дошел до 84% ответов.

За август–сентябрь на производителя пришлось 51,8% всех упоминаний бренда в ответах нейросетей по нише — больше, чем на четырех конкурентов вместе взятых (в 3,6 раза больше, чем у ближайшего, Конкурента А, — 14,3%).

Лидерство было устойчивым: производитель оказывался первым в каждом из семи недельных замеров. В последнем его упомянули в 13 ответах — против 9 у ближайшего конкурента и 6–7 у остальных.

А в 36 ответах из 87 нейросети называли только производителя и ни одного конкурента — в четырех случаях из десяти заказчик, спрашивая про категорию, получал в ответе только продвигаемый бренд.

С июля по сентябрь переходы из нейросетей выросли в 2,1 раза, и каждый месяц приносил больше визитов, чем предыдущий.

Два типа запросов пока не поддались: «оборудование для системы Честный Знак» и «промышленные компьютеры для нейросетей» — здесь бренда в ответах все еще нет. Причина понятна: под эти сценарии пока не хватает контента и подтверждающих сигналов.

Поэтому следующим шагом под оба сценария готовим точечный контент — страницу и обзор по оборудованию для «Честного Знака» и материал по промышленным компьютерам под задачи ИИ, чтобы связать бренд именно с этими запросами. Параллельно усиливаем категории моноблоков и взрывозащищенных мониторов, запускаем отраслевой блог и наращиваем сигналы экспертности (E-E-A-T): авторство, упоминания и публикации на внешних площадках. Эти же рычаги уже сработали в других группах запросов — переносим их на оставшиеся и покажем результат на следующем отрезке.

Итак, в GEO мало просто добиться того, чтобы нейросети знали ваш бренд. Важно, чтобы они вспоминали о нём в нужный момент — когда потенциальный клиент выбирает продукт, сравнивает решения и ещё не определился с поставщиком. Именно за эту часть рекомендаций и стоит бороться. Вот шесть советов для компаний, которые хотят увеличить присутствие в ИИ-поиске: 

На старте производитель присутствовал в 60% проверенных ответов нейросетей. На первый взгляд — неплохой показатель. Но после разделения запросов на группы обнаружилась проблема: по брендовым вопросам компания появлялась в 76% ответов, а по небрендовым продуктовым — только в 12%.

Что рекомендуем: разделите запросы на брендовые, сравнительные и продуктовые. Анализируйте результаты по каждой группе отдельно. Так вы поймете, где бренд уже занимает сильные позиции, а где теряет потенциальных клиентов.

Пользователь не всегда ищет конкретного производителя. Чаще он формулирует задачу: какое оборудование подойдет для производства, чем отличаются решения и какие компании их выпускают. Поэтому продвижение только по запросам с названием бренда ограничивает возможности GEO.

Что рекомендуем: соберите карту вопросов на основе конкретных потребностей клиентов. Используйте информацию от отдела продаж, технических специалистов и данные поискового спроса. Включите запросы о характеристиках, сравнении поставщиков, применении оборудования и подборе решений под конкретные задачи.

Именно такие вопросы помогают находить точки роста на этапе, когда покупатель еще не определился с поставщиком.

Нейросети используют информацию из разных источников: сайтов производителей, отраслевых медиа, каталогов, справочников, обзоров и других площадок.

Поэтому даже технически подготовленный сайт не гарантирует, что компанию будут рекомендовать по всем целевым запросам.

Что рекомендуем: изучите, какие источники встречаются в ответах нейросетей по вашей тематике. Определите площадки, на которых стоит усилить присутствие бренда: отраслевые порталы, профессиональные медиа, каталоги производителей и экспертные ресурсы.

Приоритет отдавайте источникам, которые действительно используются в ответах на ваши целевые вопросы.

Для технически сложных B2B-товаров особенно важна полнота информации. Модель должна понимать, что производит компания, какими характеристиками обладает оборудование и для каких задач оно подходит.

Если эти сведения отсутствуют, противоречат друг другу или недоступны для автоматического считывания, это может ограничивать присутствие продукта в ответах.

Что рекомендуем: проверьте доступность технических характеристик, описаний, областей применения и другой важной информации на продуктовых страницах. Убедитесь, что сведения представлены в текстовом виде, а структура сайта и технические настройки не мешают их получению.

GEO для B2B — это возможность попасть в поле зрения клиента еще до того, как он определился с поставщиком.

В нашем кейсе наибольший рост пришелся именно на небрендовые запросы: доля ответов с упоминанием производителя увеличилась с 12% до 52%. Одновременно переходы из нейросетей выросли в 2,1 раза.

И это важный ориентир для B2B-компаний: присутствие в ИИ-поиске стоит оценивать не только по тому, насколько хорошо нейросети знают ваш бренд, но и по тому, насколько часто они предлагают его в качестве решения конкретной задачи.

Оставьте заявку на бесплатный аудит: kinetica.su или напишите напрямую: @kineticaagency