Нейросети давно уже перестали быть простой забавой и доросли до того, что стали чрезвычайно ценным инструментом для маркетинга. Мы обращаемся к ним за помощью в автоматизации задач, улучшению персонализации и оптимизацией кампаний, получаем с их помощью более глубокое понимание своей аудитории. Главное ― правильно оценить возможности того или иного ИИ для решения стоящих перед бизнесом задач.

Мы в Topface Media подобные исследования проводим регулярно. В этой статье расскажем, к каким выводам пришли после тестирования возможностей самого популярного в России голосового помощника Алисы от Яндекса.

Такой выбор был не случаен: в апреле-июне 2025 года было зафиксировано 7,6 миллиарда взаимодействий пользователей с генеративными моделями в сервисах Яндекса в целом, а месячная аудитория Алисы в июне превысила 43 миллиона человек. Мы попытались раскрыть алгоритмы формирования ответов Алисы и определить степень их влияния на транслируемую информацию. В итоге пришли к целому ряду выводов, которыми поделимся с вами в рамках данной статьи.

Мы ставили перед собой задачу выявить алгоритмы, по которым Алиса формирует ответы, и определить степень ее влияния на восприятие брендов пользователями. Чтобы понять, насколько успешно мы можем (и можем ли) влиять на ее выдачу, а также понимать, какие инструменты использовать для этого.

Какие вопросы изучались:

1. Паттерны ответов ― закономерности, шаблоны и повторяющиеся характеристики в данных, которые генерирует нейронная сеть в ответ на определенные на запрос. Они формируются в процессе обучения и отражают то, как модель "поняла" и усвоила закономерности из обучающих вводных.
2. Источники данных ― какие платформы и ресурсы Яндекс Алиса воспринимает как авторитетные.
3. Механизмы влияния ― доступные для осуществления способы коррекции выдаваемых ответов.

В исследование мы включили 10 брендов из различных отраслей: банковский сектор, фармацевтика, продукты питания, технологии, общественное питание и другие. Такой подход позволил получить наиболее репрезентативные данные в различных сегментах рынка.

В зависимости от типа запроса Алиса демонстрирует последовательную и ожидаемую логику:

• брендовые запросы ("что такое Бренд Х") – выдаем энциклопедический стиль, рассказывает об истории, дает описание деятельности, перечисляет популярные товары.
• репутационные запросы ("отзывы о Бренде Y") – старается обобщать мнения, перечисляет минусы и плюсы.  
• категорийные запросы ("лучшие товары для Z") – предоставляет нейтральные описания без прямых рекомендаций.

При этом для Алисы характерны вежливые, иногда даже слишком формализованные формулировки: “Нельзя однозначно сказать…”, “Отзывы различаются…”, “Возможно, имелось в виду…”.

Ключевая находка нашего исследования — ИИ-поиск Алисы последовательно придерживается нейтральности и избегания. Даже при явном преобладании негативных отзывов, ее ответы остаются сбалансированными и корректными. Этот ИИ не делает резких суждений, а представляет разные точки зрения, что особенно важно для управления репутацией в интернете. 

Яндекс.Алиса традиционно использует определенный набор цифровых площадок, приоритет которых зависит от типа запроса.

Источники для брендовых запросов:

• сайт бренда. 
• дзен.
• IRecommend.
• общие или тематические форумы (bolshoyvopros.ru, baby.ru и другие).
• ВКонтакте (группы брендов).
• интернет-магазины, маркетплейсы (Ozon, Megamarket, примечательно, что WB не встречается), аптеки.

По частоте:

• vk.com — 4 раза (в категориях “Работа/Карьера”, “Автомобили”, “Спорт”, “Технологии”).
• ru.wikipedia.org — 2 раза (в категориях “Финансы/Новости”, “Автомобили”).
• career.habr.com — 2 раза (в категориях “Работа/Карьера”).
• market.yandex.ru — 2 раза (в категориях "Алкоголь", "Зоотовары").
• irecommend.ru — 2 раза (в категориях “Зоотовары”, “Технологии”).
• dzen.ru — 2 раза (в категориях “Автомобили”, “Спорт”).
• eapteka.ru — 2 раза (в категориях “Аптеки”, “Дети”).
• lenta.com — 2 раза (в категории “Алкоголь”).
• amwine.ru — 2 раза (в категории “Алкоголь”).
• OZON.ru — 2 раза (в категориях “Зоотовары”, “Дети”)

Источники для категорийных запросов

При ответах на тематические запросы Алиса предпочитает СМИ, блогерские и тематические платформы. По частоте картина выглядит следующим образом:

• vc.ru — упоминается 4 раза (в категориях “Дети”, “Домашние животные”, “Финансы/Банки”, “Разное”).
• dzen.ru — 4 раза (в категориях “Автомобили”, “Дети”, “Домашние животные”, “Разное”).
• snob.ru — 2 раза (в категориях “Финансы/Банки”, “Разное”).
• RBC.ru/Companies.RBC.ru — 2 раза (в категориях “Финансы/Банки”, “Разное”).
• Megapteka.ru — 2 раза (в категориях “Аптеки/Медицина”, “Дети”).
• deti.mail.ru — 3 раза (в категории “Дети”).
• 4lapy.ru — 2 раза (в категории “Домашние животные”).
• dom.mail.ru — 2 раза (в категории “Домашние животные”).
• lisa.ru — 2 раза (в категориях “Домашние животные”, “Разное”).

Таким образом наша команда сделала следующие выводы:

• AI-поиск Алисы последовательно избегает субъективных оценок и формирует ответы по нейтральной, обобщенно-энциклопедической модели.
• В качестве основных источников информации нейросеть Яндекса рассматривает в основном агрегаторы отзывов, маркетплейсы и авторитетные медиа-ресурсы.

В свою очередь эти выводы позволили нашей команде разработать и уверенно рекомендовать брендам следующие практические шаги для эффективного влияния на поисковую выдачу этого искусственного интеллекта:

1. Активно работать с отзывами на ключевых платформах (Otzovik, IRecommend, Яндекс.Карты).
2. Развивать экспертное присутствие в авторитетных СМИ и блогах (vc.ru, Дзен, RBC).
3. Оптимизировать контент на собственных ресурсах и в социальных сетях (VK, сайт компании).
4. Внедрять SEO-стратегию, учитывающую алгоритмы голосового поиска и SEO-специфику.

Для успешного репутационного маркетинга важно понимать, что Яндекс.Алиса уже стала полноценным каналом коммуникации с потребителем и недооценивать ее влияние на целевую аудиторию может быть критично. Системный подход к созданию цифрового следа позволяет напрямую влиять на то, что искусственный интеллект расскажет о вашем бренде миллионам пользователей.