llms.txt советуют GigaChat и ChatGPT, а Алиса — ни разу
llms.txt советуют GigaChat и ChatGPT, а Алиса AI, Google и Claude — нет. Что это за файл, пример, нужен ли он сайту и почему Google его не использует.
Читать статью →До Рождества и Нового года ещё полгода, но устройство ИИ-покупок мы разбираем сейчас. Покупатели всё чаще выбирают подарки через ChatGPT или Алису AI: спрашивают ассистента и получают готовый список из трёх-четырёх товаров. Попасть в этот список — я называю его AI-полкой — надо готовиться летом, пока нейросеть переиндексирует карточки.
Звучит не по сезону, но в июле я занимаюсь именно декабрьской выдачей нейросетей. Толчком к тексту стал июльский разбор Profound про сезонный ИИ-спрос: команда проанализировала 200 000 коммерческих промптов в ChatGPT, Claude, Gemini, Perplexity и DeepSeek за неделю 20–26 декабря 2025 года. Человек попадёт на сайт магазина уже с этим списком в голове, если попадёт вообще, — поэтому дальше разберём, что из отчёта следует для бренда и почему подготовку логично начинать в середине лета.
Главное
- Нейросети показывают шорт-лист товаров до визита на сайт: 68,2% сезонных промптов — это исследование и сравнение, а не готовая покупка.
- Трафик из ИИ на ретейл-сайты вырос за год на 693% и конвертит лучше обычного (данные Adobe за сезон-2025).
- На AI-полку товар поднимают структурные сигналы карточки — FAQ, видео, вопросы-ответы, отзывы, честная цена. Бренд и скидка решают меньше.
- Электроника и гаджеты — 31% всех праздничных промптов; там конкуренция за полку самая плотная.
- Готовиться нужно заранее — летом: нейросети должны успеть переобойти обновлённые карточки к декабрю.
Выбор подарков происходит до клика по сайту
Раньше покупатель сам проходил длинный путь; теперь ассистент проходит его за пользователя и отдаёт короткий список сразу.
В отчёте Profound это видно по структуре запросов: 46,9% сезонных промптов — исследование товара, ещё 22% — прямое сравнение позиций. Вместе почти 68,2% активности приходится на этап, который заканчивается коротким списком рекомендаций.
Этот сдвиг уже виден в деньгах, а не только в промптах. По данным Adobe Analytics, трафик из генеративных ассистентов на американские ретейл-сайты за праздничный сезон 2025 года вырос на 693% год к году, а посетители из ИИ конвертировались примерно на треть лучше, чем из остальных источников. Годом ранее Adobe фиксировала рост такого трафика на 1200% — эффект накапливается из года в год.
Сами ассистенты закрепляют модель поведения. В ноябре 2025-го OpenAI выкатила Shopping Research в ChatGPT — режим, который задаёт уточняющие вопросы и собирает персональный гид покупателя по товарам. Механика та же, что стоит за любым нейропоиском: система находит документы, читает их и пересказывает ответ со ссылками. Если это звучит непривычно, стоит сначала разобраться в устройстве RAG — на нём держится вся видимость в ИИ.
Почему AI-полку занимают в июле, а не в декабре
Логика летней подготовки простая: рекомендации сезона собираются из того, что нейросеть успела проиндексировать заранее. Обновили фид с ценами в июле — к декабрю ассистент уже опирается на актуальные данные. Ждать распродаж поздно: переобход карточек занимает недели, и товар с устаревшими характеристиками просто не попадёт в короткий список. Поэтому продвижение бренда в ответах нейросетей под сезон начинают летом, а не в декабре.
Спрос на такую подготовку подтверждается и со стороны покупателей. Опрос CivicScience показал, что 69% участников летних распродаж готовы использовать ИИ-инструменты для рождественского шопинга — против 43% среди среднего американского покупателя. Аудитория, которая закупается заранее, уже привыкла спрашивать ассистента.
Многие магазины отдают отзывы и вопросы-ответы через JavaScript, и краулер ассистента их не видит. Пока эти блоки не рендерятся в HTML, товар остаётся невидимым для нейросети независимо от цены и акций — я подробно разбирал это в тексте почему ИИ не видит ваш сайт. Лето — нормальный срок, чтобы такие вещи починить без сезонного аврала.
По каким сигналам нейросеть поднимает товар на полку
На AI-полку товар поднимают структурные сигналы карточки: метка честной цены Best Price, блок FAQ, видео, раздел вопросов-ответов и отзывы — в таком порядке по силе влияния. Команда Profound сравнила карточки, которые чаще попадают в рекомендации, с остальными и посчитала, какие элементы повышают шансы. Разница по верхним сигналам кратная, цифры — ниже.
Источник: разбор Profound — 200 000 промптов, декабрь 2025.
У товаров с меткой честной цены Best Price вероятность попасть в топ рекомендаций выше на 777%. Блок FAQ на карточке добавляет 188%, видео — 106%, раздел вопросов-ответов — 60%, отзывы — 35%. Логика видна насквозь: ассистенту нужны машиночитаемые факты, по которым он соберёт сравнение. Карточка с развёрнутым FAQ и отзывами отвечает на вопросы покупателя прямо в источнике, поэтому нейросеть тянет её охотнее. Это тот же принцип цитируемости, что работает и вне товарки, — я разбирал его применительно к оптимизации под ответы ИИ.
Что движет выбором — и почему это редко скидка
В разборе Profound драйверы решения распределились так: качество и характеристики — 24,4%, удобство и скорость доставки — 14,7%, и только потом цена и акции — 13,2%. Больше того, 80,7% сезонных промптов цену вообще не упоминают, а бренд как фактор всплывает лишь в 1,9% случаев.
Источник: разбор Profound, декабрь 2025.
Покупатель через ассистента спрашивает, какая гарнитура лучше держит заряд и быстрее доедет, а не где она на 500 рублей дешевле. Карточка, которая честно закрывает вопросы про качество и доставку, выигрывает полку у карточки с крупной жёлтой ценой и пустым описанием.
Где вас цитируют: маркетплейс как чужая витрина
По доле голоса среди ретейлеров в ответах ассистентов Amazon занимает 9,1% — больше чем вдвое от ближайших конкурентов (Steam — 3,9%, Shopify — 3,1%). Нейросети часто цитируют цены и наличие именно с маркетплейса, потому что там данные структурированы и обновляются. На этом же и держится попадание товаров в ответы ChatGPT: ассистенту нужен источник, из которого можно взять характеристики без домыслов.
Источник: разбор Profound, декабрь 2025.
Карточку товара на маркетплейсе стоит вести с той же тщательностью, что и на собственном сайте. Для ассистента это равноценный источник, а иногда и более авторитетный. Свой сайт даёт контроль над данными, витрина маркетплейса — охват. К сезону имеет смысл держать в порядке обе.
Чек-лист на июль: как попасть в ответы нейросетей к декабрю
- Вычистить фид товаров: актуальные цены, заполненные поля, честные сигналы наличия и сроков доставки.
- Добавить FAQ на приоритетные карточки — вопросы брать из отзывов, обращений в поддержку и самих ответов ассистентов.
- Загрузить короткие видео: обзор характеристик, распаковка, товар в деле.
- Отрендерить отзывы и вопросы-ответы в HTML, а не в JavaScript, чтобы краулер их видел.
- Расширить галерею изображений — несколько ракурсов и сценариев использования.
- Отдельно проверить электронику и гаджеты: там 31% спроса и самая плотная конкуренция за полку.
- Навести тот же порядок в карточках на маркетплейсах.
Сезонность добавляет нюанс внутри самой недели: по данным Profound, пик спроса приходится на 22–23 декабря (38,9% промптов недели), когда решают уже вопросы наличия и сроков, а не сравнения. Значит, к этим дням критично держать актуальными сигналы доставки — иначе товар выпадет из ответа в самый горячий момент.
Проверить, где вы стоите сейчас, стоит до того, как чинить. Мы в Звонко для этого гоняем регулярный замер видимости в ИИ: прогоняем небрендовые запросы вашей категории через несколько ассистентов и смотрим, кого они рекомендуют и с какой долей. Это тот же метод, которым Profound измерял ретейл, только под вашу нишу и с повтором во времени. Летний замер даёт точку отсчёта, декабрьский — показывает, сработала ли подготовка. За полгода до сезона такой отсчёт снять как раз вовремя.
Частые вопросы
Что такое AI-полка?+
Это место в ответе нейросети, где она перечисляет конкретные товары под запрос покупателя. Ассистент шортлистит три-четыре позиции ещё до того, как человек зайдёт на сайт магазина. Борьба за видимость идёт уже не в выдаче Google, а внутри этого короткого списка.
Почему готовиться к декабрю нужно уже в июле?+
Нейросети рекомендуют то, что успели переиндексировать. Если обновить карточки товара, фиды и FAQ в июле, к сезону эти сигналы уже осядут в ответах ассистентов. Если ждать декабря — переобход не успеет, и в список попадёт конкурент, который подготовился раньше.
По каким сигналам ChatGPT выбирает товар?+
По структурным данным карточки. У товаров, которые чаще попадают в рекомендации, заметно выше вероятность иметь честную цену с меткой Best Price, блок FAQ, видео, раздел вопросов-ответов и отзывы. Это машиночитаемые сигналы, а не рекламный текст.
Скидка помогает попасть в AI-рекомендации?+
Слабее, чем принято думать. По данным Profound, цена — лишь третий по важности драйвер решения (13,2%), а 80,7% сезонных промптов её вообще не упоминают. Сильнее работают качество, характеристики и удобство доставки.
Это работает для российских магазинов и Алисы AI?+
Механика та же. Алиса AI, как и ChatGPT, собирает ответ по найденным источникам, поэтому её тоже интересуют машиночитаемые карточки, отзывы и наличие. Замерять видимость нужно отдельно по каждому ассистенту — доли у них разные.
Как понять, попадает ли мой товар на AI-полку?+
Задайте ассистентам небрендовые запросы, по которым вас должны находить («лучшая беспроводная гарнитура до 10 тысяч»), и посмотрите, кого они называют. Регулярный замер по нескольким нейросетям показывает вашу реальную долю в рекомендациях и её динамику.
Игорь Новиков Сооснователь Звонко. Операционный менеджмент в финтехе, архитектор AI-конвейеров
