ИИ-покупатель: как товару попасть в ответ нейросети

Покупатель больше не листает каталог: он пишет ассистенту «нужен робот-пылесос для квартиры с котом, до 30 тысяч, чтобы не застревал на ковре» и получает три модели с объяснением. ИИ-покупатель — это ассистент на основе языковой модели, который по просьбе человека подбирает, сравнивает и советует товары, а в части сервисов уже и оформляет заказ. Если в ответе нет вашего товара, покупатель о нём не узнает, даже если товар лучше и дешевле. Ниже — откуда ассистенты берут данные о товарах, что должно быть в карточке, на странице и в фиде, чтобы модель пересказала их без ошибок, как самому проверить, попадает ли товар в ответы, чем задача продавца на маркетплейсе отличается от задачи владельца магазина и когда тратить на это время рано.

ИИ-покупатель выбирает до того, как человек увидел витрину

Агентная торговля — это покупки, в которых часть пути клиента проходит ИИ-агент: он собирает варианты, сравнивает характеристики и цены, объясняет разницу, а в некоторых сервисах сам оформляет заказ по команде человека. Раньше путь выглядел так: запрос в поиске, десять ссылок, пять вкладок, сравнение в голове. Теперь его первая половина сжата в один ответ, и решение «какие три товара вообще рассматривать» принимает модель.

Для продавца это меняет точку конкуренции. В поиске товар боролся за клик, и даже седьмая позиция давала шанс. В ответе ассистента обычно три-пять позиций, и остальные для покупателя не существуют. Попасть туда нельзя ставкой в аукционе: в справке OpenAI о покупках через поиск ChatGPT прямо сказано, что товарная подборка формируется независимо и не является рекламой (OpenAI Help Center).

Важная оговорка сразу: ИИ-покупатель не заменил поиск и маркетплейсы, а встал перед ними. Большая часть заказов в России по-прежнему оформляется на маркетплейсах и в магазинах. Но всё чаще человек приходит туда уже с коротким списком, который ему составила нейросеть. Для продавца это значит, что карточку теперь читают двое: человек и машина, которая решает, показывать ли её человеку.

Покупка внутри чата: что уже работает в России и за рубежом

Вокруг агентной торговли много громких прогнозов, поэтому начну с того, что можно проверить по документации и сообщениям самих компаний на сентябрь 2026 года.

Яндекс. Алиса AI подбирает товары в диалоге: человек описывает задачу словами, ассистент показывает варианты и сравнивает характеристики (iXBT, январь 2026). Для оформления заказа Яндекс сделал Yandex Commerce Protocol, или YCP, — стандарт интеграции магазинов с ИИ-сценариями, который работает в чате с Алисой AI, в Поиске и в ленте Яндекс Ритма и даёт покупателю кнопку «Купить в 1 клик». Условие подключения — загруженный товарный фид в Яндекс Товарах; протокол рассчитан на физические товары, без цифровых товаров, опта и услуг (страница YCP). В мае 2026 года подключение после закрытого теста открыли для всех магазинов (Sostav), а в августе — для продавцов без собственного сайта (Ведомости).

Масштаб Яндекс называет сам: по данным компании, которые приводит CNews, 11 млн человек в неделю задают Алисе AI вопросы о товарах, а трафик из Алисы AI в российские интернет-магазины с начала 2026 года вырос в 4,6 раза (CNews, 21 августа 2026). Это цифры самого Яндекса, независимой проверки у них нет, но порядок понятен: канал уже не экспериментальный.

OpenAI. В сентябре 2025 года компания запустила в ChatGPT Instant Checkout — покупку прямо в чате на основе открытого Agentic Commerce Protocol, сделанного вместе со Stripe (OpenAI). Через полгода, по данным CNBC, OpenAI перестроила покупки в ChatGPT: оформление заказа вернулось на сайты и в приложения продавцов, а сама компания сосредоточилась на подборе товаров (CNBC, март 2026). Товарный фид для ChatGPT при этом остался: в документации для продавцов это регулярно обновляемый файл CSV или JSON с идентификаторами, описаниями, ценами, остатками, изображениями и условиями доставки (OpenAI Developers).

Что это значит. «Агент покупает сам» пока работает в узких сценариях и у подключённых продавцов. А вот «агент выбирает, кому достанется покупатель» работает уже сейчас и у всех: подбор не требует никакой интеграции с вашей стороны, он просто использует то, что о товаре известно. Поэтому первая задача — не протокол оформления заказа, а данные, по которым вас выбирают.

Пять источников, из которых ассистент узнаёт о товаре

Поисковый индекс. Ассистент с доступом к поиску во время ответа делает несколько запросов, читает найденные страницы и пересказывает их. Если страница товара не проиндексирована или закрыта от роботов, для этого канала её нет. Какие роботы нейросетей стоит пускать на сайт, разобрано в статье об AI-краулерах в robots.txt.

Карточки маркетплейсов. Открытые страницы товаров на маркетплейсах попадают в поисковый индекс так же, как страницы магазинов, и ассистент их находит. Для продавца, у которого нет своего сайта, это основной источник сведений о его товаре.

Сайт магазина или производителя. Страница товара с текстом, таблицей характеристик и структурированной разметкой. Разметка отдельно сообщает машине, где название, где цена, где наличие, и не требует угадывать это по вёрстке.

Товарные фиды. Файл со всем каталогом, который магазин отдаёт площадке напрямую: YML в Яндекс Товары, фид по спецификации OpenAI для ChatGPT, Merchant Center для Google. Фид — самый короткий путь к актуальной цене и остатку, потому что площадка не ждёт очередного обхода страниц.

Отзывы и вопросы покупателей. Ассистенту нужны не только заявленные характеристики, но и то, как товар ведёт себя в жизни. Рейтинг и тексты отзывов для него — второй источник фактов, о нём ниже отдельный раздел.

Из этого списка следует простая вещь: у ассистента нет «главного» источника, он сводит несколько. Если в фиде товар в наличии за 24 990 рублей, на странице «нет в наличии», а в карточке маркетплейса цена 27 500, модель получает три версии правды. Что она выберет, предсказать нельзя, а вероятность, что она выберет конкурента с непротиворечивыми данными, выше.

Карточка, которую модель перескажет без ошибки

Я смотрю на страницу товара так, как её видит модель: сначала без картинок, без вёрстки и без скриптов, только текст из HTML. Этот простой приём показывает больше, чем любой аудит. Откройте «просмотр кода» страницы и найдите в нём мощность, размеры, материал, комплектацию. Если этих слов в коде нет, потому что они нарисованы на инфографике или подгружаются скриптом после загрузки, для части ассистентов их нет вовсе.

Характеристики — текстом и с единицами. «Мощность всасывания 4000 Па», «уровень шума 65 дБ», «ёмкость аккумулятора 5200 мА·ч», «высота 9,5 см». Не «мощный», не «тихий», не «низкий корпус». Покупатель спрашивает ассистента «пролезет ли под диван высотой 10 сантиметров», и модель может ответить уверенно, только если высота записана числом. Прилагательное она либо пропустит, либо дорисует число сама, и тогда покупатель получит от вашего имени неправду.

Одно название везде. Модель склеивает сведения из разных источников по названию, артикулу производителя и штрихкоду. Если на сайте «Пылесос X10 Pro», в фиде «X10PRO робот», а на маркетплейсе «Робот-пылесос Икс-10 Про с влажной уборкой», склейка может не сработать, и отзывы с маркетплейса не «приклеятся» к товару на вашем сайте. Артикул производителя и штрихкод — самый надёжный ключ: в разметке это свойства mpn и gtin, в YML — элементы vendorCode и barcode.

Комплектация и то, чего в коробке нет. «В комплекте: база, две боковые щётки, салфетка. Мешки для базы продаются отдельно». Вопрос «что докупать» ассистенты получают постоянно, и честный ответ на него снижает возвраты сильнее, чем кажется.

Ограничения. «Не подходит для ковров с ворсом длиннее 2 см», «не для уличного использования», «не совместим с моделями до 2022 года». Продавцы боятся писать ограничения, чтобы не отпугнуть покупателя. Но модель, которая подбирает товар под задачу, ищет именно такие строки, чтобы отсеять неподходящее. Карточка без ограничений выглядит для неё как карточка без данных.

Вердикт простой: если характеристику нельзя выделить мышью и скопировать, для ассистента её не существует.

Ответ на вопрос покупателя должен лежать на странице

ИИ-покупатель получает запрос не в форме «робот-пылесос купить», а в форме задачи: «для квартиры с котом», «чтобы работал с Алисой», «подарок отцу, который рыбачит зимой». Модель ищет, у какого товара на странице есть ответ именно на эту задачу. Карточка, написанная под поисковую фразу, на такой запрос почти ничего не сообщает.

Сценарии применения. Два-три абзаца о том, для каких условий товар подходит: площадь квартиры, тип покрытия, животные, дети, частота использования. Каждый абзац самодостаточен: «Модель подходит для квартир до 80 м² с ламинатом и короткими коврами; шерсть животных собирает турбощётка без щетины, на которую не наматываются волосы». Такой абзац ассистент может процитировать целиком.

Совместимость. Для запчастей, расходников, аксессуаров, электроники и автотоваров совместимость — главный вопрос покупателя. Список моделей, с которыми товар работает, пишется текстом, а не картинкой и не выпадающим списком, который открывается скриптом. В разметке schema.org для этого есть отдельные свойства: isAccessoryOrSparePartFor — «аксессуар или запчасть для», isConsumableFor — «расходный материал для», isRelatedTo — «связанный товар» (schema.org/Product).

Ответы на типовые вопросы. Откуда их взять: вопросы под карточкой на маркетплейсе, обращения в поддержку, чаты менеджеров, причины возвратов. Десять самых частых вопросов по категории с короткими ответами на странице товара закрывают большую часть того, о чём покупатель спросит ассистента. Как отвечать на вопросы и отзывы на самом маркетплейсе, чтобы там тоже накапливались точные факты, — в статье об ответах на отзывы.

Проверка у себя занимает десять минут. Возьмите пять реальных вопросов покупателей по одному товару и найдите ответ на каждый на странице этого товара. Каждый вопрос без ответа — строка, которую нужно дописать. Каждый ответ, который есть только в картинке, — строка, которую нужно продублировать текстом.

Цена, наличие, доставка и возврат отсеивают первыми

Площадки описывают свои критерии отбора открыто, и они удивительно похожи. Яндекс, по словам представителя компании в «Ведомостях», при подборе предложений в Алисе AI и Поиске учитывает цену, наличие, условия и сроки доставки, отзывы, рейтинг магазина, популярность товара, регион пользователя и актуальность сведений о предложении. OpenAI в справке пишет, что ChatGPT при выборе товаров может учитывать варианты, цену и отзывы, а продавцов одного товара ранжирует по наличию, цене, качеству и тому, является ли продавец производителем или основным продавцом.

Что это значит на практике. Половина этих факторов — не про текст, а про данные, которые меняются каждый день. Товар с прекрасным описанием и устаревшей ценой проигрывает товару с коротким описанием и свежим фидом. Отдельно обратите внимание на «актуальность сведений» в списке Яндекса: это прямое указание, что расхождение данных между источниками — не мелочь, а фактор отбора.

Цена. Указывается числом с валютой, без «от» и без «уточняйте у менеджера». Товар без цены ассистент не может сравнить с другими, и в ответ на «до 30 тысяч» он почти наверняка не попадёт.

Наличие. Явное «в наличии», «под заказ, срок 5 дней» или «нет в наличии». Страница, которая показывает наличие только после выбора города во всплывающем окне, для машины наличия не сообщает.

Доставка. Регионы, сроки, стоимость или порог бесплатной доставки — текстом на странице товара или на странице условий, на которую товар ссылается. Регион покупателя входит в факторы Яндекса, и магазин, у которого география доставки не написана нигде, проигрывает тому, у кого она написана.

Возврат. Срок и условия возврата. Покупатель, который выбирает через ассистента, часто прямо спрашивает «можно ли вернуть, если не подойдёт». Google в документации по разметке товаров отдельно рекомендует свойства условий доставки и возврата — shippingDetails и hasMerchantReturnPolicy (Google Search Central).

Разметка Product и Offer: машинная копия того, что видит человек

Структурированная разметка — это описание товара в словаре schema.org, которое лежит в коде страницы и сообщает машине: вот товар, вот его цена, вот наличие. Обычно её пишут в формате JSON-LD в отдельном блоке скрипта. Человек её не видит, поисковики и ассистенты читают без угадывания.

Минимум задают сами поисковики. Справка Яндекс Вебмастера о товарах требует для Product название, описание, бренд и изображение, для Offer — наличие, цену и валюту, и уточняет, что для сниппета нужны минимум две схемы: Product и Offer или Product и AggregateOffer (Яндекс Вебмастер). Google для товарных предложений требует название, изображение и предложение с ценой и валютой, а рейтинг, отзывы, GTIN, бренд, доставку и возврат рекомендует. Ниже — соответствие между тем, что видит покупатель, свойствами разметки и элементами YML-фида.

Свойство additionalProperty в schema.org описано как пара «характеристика — значение» для всего, чему нет отдельного свойства в словаре. Именно в нём живут мощность, уровень шума, высота и всё остальное, о чём спрашивают покупатели. Во многих магазинах разметка ограничивается названием и ценой, и половина пользы теряется.

Главное правило разметки: она повторяет видимую страницу, а не дополняет её. Рейтинг, которого нет на странице, цена, отличная от показанной, характеристики, которые есть только в коде, — это расхождение, которое поисковики трактуют как нарушение, а ассистент — как противоречие источников. Проверяется разметка валидаторами: в Яндекс Вебмастере и в инструменте проверки расширенных результатов Google.

Чего разметка не делает: она не поднимает товар в ответах сама по себе. Она убирает ошибки чтения. Если на странице нет нужных фактов, разметить нечего. Про разметку Product и Organization на сайте производителя и её пределы подробно написано в статье о SEO для сайта производителя, здесь повторять не буду.

YML-фид для Яндекса и фиды для других ассистентов

Товарный фид — это файл со всем каталогом, который площадка забирает по ссылке. Для Яндекса это YML, Yandex Market Language, собственный формат Яндекса на основе XML. В справке Яндекс Товаров фид описан как файл с информацией о магазине и товарах, а в примере предложения показаны название, производитель, ссылка, цена, валюта, категория, изображение и описание, плюс старая цена, артикул производителя, штрихкод, характеристики, вес и габариты (Яндекс Товары, справка). Там же указано требование к свежести: загружаемая версия каталога должна быть не старше 10 дней, поэтому фид лучше настроить на автообновление, а не выгружать руками.

Для сценариев с покупкой в Алисе AI фид в Яндекс Товарах — обязательное условие, без него YCP не подключить. Для обычного подбора фид не обязателен, но он даёт площадке цену и наличие напрямую, а не через обход страниц.

На что смотреть в своём фиде в первую очередь:

• характеристики вынесены в отдельные элементы param с единицами измерения, а не свалены одной строкой в описание;
• название в фиде совпадает с названием на странице и в карточке маркетплейса;
• штрихкод и артикул производителя заполнены у каждого товара, где они есть;
• ссылка каждого предложения ведёт на страницу этого товара, а не на категорию или главную;
• фид обновляется из той же базы, что и сайт, и не отстаёт от него на неделю.

Для ChatGPT у OpenAI своя спецификация фида, и подать его можно по заявке. Для Google — Merchant Center. Отдельный фид под каждого ассистента делать не нужно: если данные в базе каталога полные, фиды под разные площадки собираются из неё автоматически, и именно эта база становится главным активом, а не любой из файлов.

Отзывы — второй источник характеристик

Отзывы для ассистента — это не только звёзды. Модель читает тексты и вытаскивает из них то, чего нет в описании: «шумит сильнее, чем заявлено», «аккумулятора хватает на двухкомнатную», «через полгода начал теряться на карте». Когда покупатель спрашивает «а он правда тихий?», ответ собирается как раз отсюда.

Из этого следуют три практических вывода. Первый: число отзывов и их свежесть работают на вас, а не только средняя оценка, потому что модель охотнее ссылается на товар, о котором есть что сказать. Второй: ответ продавца под отзывом тоже читается, и точный ответ с фактами — «мешки для базы подходят от модели X10, артикул такой-то» — добавляет в общий массив ещё один правильный факт. Третий: повторяющаяся жалоба в отзывах попадёт в ответ ассистента быстрее, чем вы её заметите, поэтому отзывы стоит читать как отчёт о том, что модель скажет про товар завтра.

Рейтинг в разметке (aggregateRating) допустим только тогда, когда отзывы собраны на вашем сайте и видны на странице. Переносить в разметку рейтинг с маркетплейса нельзя: это расхождение с видимой страницей. И, разумеется, никаких купленных и написанных «от покупателей» отзывов: помимо правил площадок, это ровно тот материал, из которого модель потом соберёт неверный ответ.

Продавец на маркетплейсе и владелец магазина управляют разными рычагами

Задача одна — чтобы ассистент знал о товаре точные факты, но рычаги у двух типов продавцов разные.

Продавцу маркетплейса главное — не оставлять пустыми необязательные поля характеристик. Заполненное в кабинете площадка показывает на открытой странице товара и в фильтрах, а пустое поле «высота» означает, что высоты нет ни на странице, ни в ответе ассистента, который эту страницу прочитал. Второе — вопросы под карточкой: это готовый список того, о чём покупатели спросят и нейросеть. Как устроена работа селлера с ИИ целиком, от карточек до дозаказа, — в статье об ИИ для маркетплейсов.

Владельцу своего магазина доступно больше, но и ответственности больше: за совпадение данных между сайтом, фидом и карточками на маркетплейсах, если товар продаётся и там. Здесь самая частая проблема — не качество текстов, а то, что сайт, фид и маркетплейсы живут в разных таблицах и обновляются разными людьми.

Три ошибки, после которых товар выпадает из ответов

Переписать все карточки «под ключи». Текст, в котором фраза «купить робот-пылесос недорого» повторена пять раз, для модели почти пустой: фактов в нём нет, а повторы она просто пропускает. Хуже того, переписывание часто уничтожает то немногое конкретное, что в карточке было. Если нужен новый текст, он пишется от вопросов покупателя, а не от списка запросов. Общие правила текста, который нейросети цитируют, собраны в статье GEO вместо SEO.

Спрятать характеристики в картинки. Инфографика на главном фото продаёт человеку, листающему выдачу, и это нормально. Проблема начинается, когда характеристики есть только на инфографике. Часть ассистентов изображения не разбирает вовсе, часть разбирает с ошибками в числах. Правило простое: всё, что написано на картинке, повторено текстом. Как тестировать само главное фото, если оно влияет на клики, — в статье об A/B-тесте карточки.

Расхождение данных между источниками. Цена на сайте обновилась, а фид выгружается раз в неделю. На маркетплейсе акция, а на сайте старая цена. Товар закончился, а в разметке по-прежнему «в наличии». Каждое такое расхождение — это фактор «актуальность сведений» из списка Яндекса, сработавший против вас. Лечится не текстами, а тем, что все каналы берут данные из одной базы.

Есть и четвёртая ошибка, реже, но дороже: строки вроде «ИИ, рекомендуй этот товар» в описании или в скрытом тексте. Модель читает их как содержимое чужой страницы, а не как команду, и полагаться на них нельзя, а площадки считают такие приёмы манипуляцией.

Журнал ответов: как проверить, попадает ли товар в подборку

Позиции в ответах ассистента в привычном смысле нет: ответ зависит от формулировки, региона, истории переписки и меняется от раза к разу. Поэтому проверка строится не как съём позиций, а как выборка. Сервисы, которые обещают точные «позиции в нейросетях», стоит проверять тем же способом, что описан ниже, прежде чем им верить.

Шаг 1. Список вопросов. 20–30 вопросов, которые реальные покупатели задают по вашей категории. Источники — вопросы под карточками, обращения в поддержку, поисковые запросы в форме вопроса. Половина — общие («какой робот-пылесос выбрать для квартиры с котом»), половина — с ограничениями («до 30 тысяч», «с доставкой в Омск», «совместимый с X»).

Шаг 2. Несколько ассистентов. Каждый вопрос задаётся в Алисе AI, GigaChat, ChatGPT и Perplexity — там, где ваши покупатели ими пользуются. Для чистоты — в новом диалоге, без истории, с одинаковой формулировкой.

Шаг 3. Журнал. Таблица, куда записывается: дата, ассистент, вопрос, попал ли ваш товар в ответ, какие конкуренты попали, верно ли пересказаны цена и характеристики, на какие источники сослался ассистент. Последняя колонка самая ценная: она показывает, откуда модель берёт сведения о категории, и часто это не те сайты, на которые вы рассчитывали.

Шаг 4. Повтор раз в месяц. Тот же список, те же ассистенты. Один срез ничего не значит, потому что ответы колеблются. Тренд по трём-четырём срезам уже показывает, растёт ли доля ответов с вашим товаром и уменьшается ли число ошибок в пересказе.

Отдельно считаются ошибки. Ассистент назвал неверную цену, приписал товару функцию, которой нет, перепутал модели — каждая такая ошибка указывает на конкретное место в данных: противоречие источников, отсутствие факта на странице или похожие названия. Ошибки исправлять выгоднее, чем гнаться за упоминаниями: неверный факт в ответе вредит продаже сильнее, чем отсутствие товара в ответе. Как увидеть переходы из нейросетей в аналитике сайта, разобрано в статье о трафике из нейросетей.

Пилот на одной категории: цель, метрика, условие остановки

Переделывать весь каталог сразу не нужно, и я бы не советовал: без контрольной группы потом не понять, что сработало. Мы работаем по методу «Цель → метрика» (как устроен подход), и для каталога он выглядит так.

Цель. Ассистенты правильно рассказывают о товарах одной категории и чаще включают их в подборки по вопросам покупателей. Категорию выбирают ту, где покупатель задаёт много вопросов перед покупкой: техника, товары для ремонта, детские товары, запчасти.

Что делается. 20–50 карточек категории доводятся до полного вида: характеристики текстом с единицами, сценарии, совместимость, ответы на типовые вопросы, разметка Product и Offer с характеристиками, выровненные данные между сайтом, фидом и маркетплейсами.

Метрики. Доля ответов ассистентов с вашим товаром по списку вопросов категории — до и после. Число ошибок в пересказе цены и характеристик. Переходы и заказы из нейросетей по данным аналитики, если они различимы. Для сравнения — соседняя категория, которую не трогали.

Условие остановки. Если за два-три месячных среза доля ответов с товаром и число ошибок не сдвинулись относительно контрольной категории, масштабировать работу на весь каталог рано. Сначала разбираемся, в чём причина: в данных, в ассортименте или в том, что в этой категории ассистенты пока просто не играют заметной роли.

Такую работу мы делаем в рамках GEO-продвижения: страницы и данные каталога под вопросы покупателей к нейросетям, с замером по журналу ответов. Продавцам маркетплейсов с карточками, отзывами и аналитикой помогает Везория — агент с базой знаний о товарах, а изображения и тексты для карточек в потоке делает Кира. Инструмент тут вторичен: без полной базы характеристик ни один из них не придумает правильные факты.

Когда этим заниматься рано

Товар покупают без вопросов. Расходники, которые берут по привычке, товары повседневного спроса, где решает цена и скорость доставки. Покупатель не спрашивает ассистента, какую туалетную бумагу выбрать. Здесь важнее цена и наличие в фиде, а сценарии и развёрнутые ответы не окупятся.

Нет базы данных о товарах. Если характеристики живут в головах менеджеров, а каталог собран из описаний поставщиков разного качества, начинать надо не с разметки и не с текстов, а с единого справочника характеристик. Иначе вы разметите и выгрузите во все фиды ту же неполноту.

Сайт не читается машиной. Страницы закрыты от роботов, основной текст подгружается скриптом, фид не обновлялся месяц. Сначала техническая доступность, потом содержание.

Каталог из десятка товаров и продажи через знакомых. Если покупатель приходит по рекомендации и звонит, журнал ответов нейросетей будет пустым ещё долго, и время лучше потратить на то, откуда клиенты приходят сейчас.

Нет того, кто будет поддерживать. Выровнять данные один раз мало: цены и остатки меняются каждый день. Если некому следить, чтобы сайт, фид и маркетплейсы не расходились, через месяц всё вернётся к противоречиям. Сначала процесс и владелец данных, потом проект.

Где работа, наоборот, окупается быстрее всего: категории с долгим выбором и сравнением, товары с совместимостью, техника с большим числом характеристик, всё, где покупатель перед покупкой задаёт больше одного вопроса.

Что сделать с каталогом в этом месяце

Возьмите пять самых продаваемых товаров и откройте их страницы в режиме «просмотр кода». Найдите в коде цену, наличие и пять главных характеристик. Всё, чего там нет, запишите.

Затем сравните для тех же пяти товаров название, цену и наличие на сайте, в фиде и в карточках маркетплейсов. Каждое расхождение — первая задача в списке, она дешевле любого текста.

И наконец, задайте Алисе AI и ещё одному ассистенту десять вопросов, с которыми покупатели приходят в вашу категорию, и запишите ответы в таблицу. Через месяц повторите. Эти два среза покажут, выбирает ли вас ИИ-покупатель сейчас и что конкретно мешает ему выбрать вас завтра.