Почему AI любит одни бренды, но игнорирует другие — исследование Business of Fashion

В июне 2026 года 41% американских потребителей использовали genAI для покупок. Посетители, перешедшие на сайты из AI-ассистентов, приносили более чем на 40% больше выручки в расчете на визит, чем аудитория традиционных каналов. BoF Insights — консалтинговое подразделение издания Business of Fashion — проанализировало присутствие 120 модных брендов в ответах ChatGPT, Claude и Gemini с января по июль 2026 года. Вот ключевые выводы из исследования:

🤔 То, что ChatGPT хорошо знает о бренде, не гарантирует, что нейросеть его порекомендует
Поисковик ранжирует страницы, а AI-ассистент выбирает, какие бренды подходят под конкретный запрос. Он опирается на представления, сформированные во время обучения модели и на актуальные материалы из интернета: СМИ, отзывы, соцсети, сайты брендов и ритейлеров. При этом веб-поиск используется не в каждом genAI-ответе. BoF Insights предлагает оценивать AI-видимость по трем независимым показателям: 
🔹 понимание бренда — насколько четки и последовательны ассоциации с брендом;
🔹 частота рекомендаций — доля релевантных запросов, в ответ на которые AI упоминает бренд;
🔹 место в AI-ответах — средняя позиция бренда относительно конкурентов в списках, которые составляет AI в своих ответах на запросы пользователей

Аналитики пришли к выводу, что AI-модель может хорошо знать бренд, но редко предлагать его покупателям. Также нейросеть может регулярно рекомендовать бренд, связывая его не с теми товарами, ценовыми категориями и аудиториями. Ответы AI зависят от формулировки запроса, ассистента и версии модели, поэтому одной проверки в ChatGPT недостаточно

🥇 GenAI-рекомендаций стало больше, но это не влияет на позиции лидеров по частоте упоминаний в ответах нейросети
За семь месяцев 78% fashion-брендов стали чаще появляться в genAI-рекомендациях. Однако в среднем четыре из пяти участников январской пятерки лидеров в каждом сегменте сохранили место в ней к июлю. Рост числа упоминаний еще не означает победу над конкурентами: их показатели тоже могут расти

Например, по частоте упоминаний брендов в AI-ответах в люксовом сегменте Gucci уступил первое место Burberry, Prada поднялась на второе, а Louis Vuitton вытеснил Dior из пятерки. В сегменте массовой моды состав лидеров вообще не изменился: Uniqlo остался первым, за ним расположились Zara, H&M, Levi’s и Calvin Klein. Среди спортивных брендов Nike обошел Adidas, третье место сохранил Lululemon, а Puma заменила New Balance в топ-5

📊 Ни один бренд не лидирует по всем показателям
Ни один бренд не возглавил все три показателя: понимание бренда, частота рекомендаций и место в ответах. Например, в люксовом сегменте AI лучше всего понимает Zegna (67 баллов), чаще всего рекомендует Burberry (70% запросов), а самое высокое среднее место AI отдает Chanel. В массовой моде по пониманию лидирует Ugg (65 баллов), по частоте рекомендаций — Uniqlo (70%), а по положению в списках — Cos. Среди дизайнерских брендов лидеры — Toteme (69 баллов), Ralph Lauren (65%) и Acne Studios соответственно. В спортивной категории — Vuori (65 баллов), Adidas (74%) и Nike соответственно

🕵️ AI чаще ставит на первые места в ответах бренды, которые рекомендует регулярно
Исследователи обнаружили положительную связь между частотой рекомендаций и заметностью бренда внутри ответов. Чем чаще AI выбирает бренд, тем выше он обычно располагается в списках, которые составляет AI в своих ответах пользователям. Наиболее сильная зависимость наблюдалась в люксовом сегменте: коэффициент корреляции составил 0,84. В сегменте дизайнерских брендов связь значительно слабее (0,21): частое появление бренда в AI-ответах здесь гораздо меньше связано с его преимуществом в порядке рекомендаций

Между пониманием бренда и частотой его рекомендаций практически не обнаружилось взаимосвязи. В общей выборке из 120 марок корреляция была близка к нулю. Бренд с хорошо сформированным позиционированием может появляться в AI-ответах относительно редко. И наоборот — бренд с размытым позиционированием способен получать большой охват. Аналитики пришли к выводу, что четко сформулированная, но узкая специализация бренда может сокращать число запросов, в которых бренд оказывается релевантным. Широко рекомендуемый бренд рискует появляться в неподходящих контекстах — например, при поиске товаров другой категории, ценового уровня или назначения

📰 Что читает AI: медиа важнее собственных сайтов
В июле AI-ассистенты сослались на 836 сайтов в рамках 7 190 упоминаний, причем на 10 самых популярных площадок пришлось 37% ссылок. Основной источник — модные, отраслевые и общие СМИ (57% цитирований), в том числе Vogue, Women’s Wear Daily, Hypebeast, The Business of Fashion и Forbes. Собственные сайты брендов обеспечили 22% ссылок, ритейлеры и маркетплейсы — 10%, исследования и отраслевые организации — 5%, соцсети и сообщества — еще 5%, прочие площадки — 1%

💡 Как брендам улучшить позиции в AI-ответах
Аналитики выделили два общих направления:

🔹 Долгосрочно формировать понятные ассоциации: определить ключевые продукты, цены, аудитории и ситуации использования, а затем последовательно описывать их на сайте, в карточках товаров, материалах для прессы и у ритейлеров. Если бренд позиционирует себя как «тихую роскошь», а магазины представляют его как производителя ярких аксессуаров, AI получает противоречивые сигналы. Одной маркетинговой кампанией знания модели не переписать

🔹Улучшать информацию для ответов с поиском в интернете. Следует выделить важные для продаж вопросы покупателей, например «лучшие дизайнерские сумки до $1000», и проверить, какие бренды и источники по ним появляются. Для запросов о цене, составе и наличии нужны подробные и актуальные товарные страницы; для сравнения и выбора — независимые обзоры и реальные отзывы. Затем стоит отслеживать, где конкуренты рекомендуются чаще и какой информации недостает о собственном бренде

Однако универсальной стратегии продвижения в AI не существует. Поэтому аналитики выделили четыре группы брендов в зависимости от своих показателей AI-видимости и составили для них рекомендации:

1️⃣ Устоявшиеся бренды одновременно хорошо представлены в знаниях моделей и часто рекомендуются пользователям. В этой группе особенно заметны бренды в сегменте массовой моды. Для них основная задача заключается в сохранении лидерства и расширении набора покупательских ситуаций, в которых AI считает их подходящим выбором

2️⃣ Часто рекомендуемые, но недостаточно четко представленные. Они получают много упоминаний, несмотря на менее последовательное позиционирование. В этой группе широко представлены люксовые бренды. Их уязвимость заключается в том, что AI может рекомендовать бренд, не вполне точно отражая его специализацию и отличительные особенности. Таким компаниям важно укреплять собственное позиционирование

3️⃣ Понятные, но редко рекомендуемые. Они обладают отчетливым образом внутри языковых моделей, однако не получают сопоставимого охвата. Для этой группы актуальна задача расширения присутствия в релевантных запросах: необходимо объяснять AI, для каких дополнительных потребностей и сценариев подходит продукция бренда

4️⃣ Слабопредставленные бренды уступают одновременно по обоим показателям. Им необходимо сначала создать последовательную информационную основу: определить ключевые категории товаров, ценовое позиционирование, преимущества и целевую аудиторию, а уже затем работать над расширением рекомендаций