Экономика доверия в 2026: почему ИИ-поиск и живые люди одинаково не верят глянцевому PR

Реклама у медийной звезды и рекомендация у блогера с тысячей подписчиков работают по разной экономике доверия, и это не новость - маркетологи знают это годами. Но есть более свежий поворот темы, который редко проговаривают вслух: логика, которая делает микроблогера убедительнее звезды - ровно та же логика, по которой языковые модели решают, кого цитировать, а кого нет, отвечая на вопрос пользователя. Разница в масштабе и в целевой аудитории, но механика доверия - общая.

Когда медийная персона рекламирует товар, зритель совершенно точно понимает: это оплаченная интеграция. Скепсис включается автоматически, независимо от того, насколько симпатичен сам человек. Происходит это просто из-за того, что аудитория знает: звезде заплатили за появление в кадре, и её реальное мнение о товаре, скорее всего, никого не интересовало. На этапе подписания контракта обсуждали, что звезда будет говорить и за какой гонорар, вот и всё. По крайней мере, ожидаемо, что большая часть аудитории будет думать именно так, и это вполне объяснимо.

Блогер с небольшой, но вовлечённой аудиторией экономически устроен иначе. Ему регулярно приходится отвечать в комментариях на прямые вопросы вроде "а вы правда сами пользуетесь?" Если ответ окажется неубедительным, аудитория, которая знает его лично, а не абстрактно, заметит фальшь. Это будет куда быстрее и безжалостнее, чем у "настоящей" звезды. Малый охват парадоксальным образом создаёт более высокую цену за нечестность. Если звезде позволительно один раз ошибиться в выборе рекламодателя (и это пройдёт без заметных последствий), то микроблогеру - почти никогда. Причина проста: его актив - не охват, а накопленное персональное доверие узкого круга людей. Оно быстро разрушается и медленно восстанавливается, а зачастую исправить ничего нельзя в принципе.

Отсюда логичный сдвиг в модели оплаты: массовая реклама традиционно оценивалась по охвату - сколько людей увидели. Модель, построенная вокруг микроблогеров и реферальных механик, естественно смещается к оплате за результат - за реальное действие получателя рекомендации, а не за факт показа. Это не только вопрос эффективности бюджета, меняется сама мотивация рекомендующего: ему выгоднее не охватить максимум равнодушных людей, а убедить меньшее число тех, кто ему действительно доверяет.

Когда пользователь спрашивает у ChatGPT или Perplexity, какой продукт выбрать, модель не выбирает источники случайно. Вместо этого она отдаёт предпочтение материалам, которые выглядят достоверно, конкретно и незаинтересованно.

В моей собственной практике работы с видимостью брендов в генеративном поиске это проявляется системно: нейросети заметно охотнее цитируют материалы с конкретными цифрами, честными сравнительными оценками и явно обозначенным личным опытом автора, чем глянцевый рекламный текст без изъянов. Это не совпадение, а следствие одной и той же психологии доверия, только перенесённой с человека на алгоритм, обученный на человеческих текстах.

Языковая модель, по сути, воспроизводит ту же эвристику, что и живой читатель комментариев блогера. То есть текст, который слишком похож на рекламу, воспринимается как менее надёжный источник, даже если формально не содержит ни одного ложного факта.

Практический вывод для брендов, которые сейчас думают о видимости в ИИ-поиске, лежит в той же плоскости, что и вывод для классического инфлюенс-маркетинга много лет назад. Это искренняя, местами неидеальная рекомендация от человека с узкой, но реальной экспертизой. Она лучше работает на доверие, чем отполированный корпоративный текст, даже если второй технически точнее описывает продукт.

Отсюда вытекает конкретная рекомендация, которую я всё чаще применяю в собственной практике: если у бренда есть выбор между публикацией идеально вылизанного пресс-релиза и материалом от независимого практика (который честно упоминает и сильные, и слабые стороны продукта), второй вариант почти всегда выигрывает. Прежде всего - по долгосрочному доверию, причём выигрывает он одновременно и у живых читателей, и у моделей. LLM на основе этого материала будут впоследствии формировать ответы на будущие вопросы своих пользователей.

Сейчас существуте соблазн сказать: "просто наймите побольше микроблогеров, и видимость в ответах нейросетей приложится". Это было бы сильным упрощением. Модель доверия работает только тогда, когда рекомендация действительно независима. Блогер или эксперт может сказать "нет, этот продукт не очень", не теряя дохода от сотрудничества? Тогда независимость есть.

В момент, когда независимость становится формальностью, а не реальной практикой, вся конструкция доверия рушится. Причём и для живой аудитории, и для LLM, а учатся последние довольно быстро, и н менее оперативно учатся распознавать однообразно позитивный, синхронизированный по всем каналам контент как менее надёжный сигнал.

Практический критерий, который стоит держать в голове: прежде чем выстраивать стратегию присутствия через независимых экспертов, честно спросите себя: есть ли у них реальная свобода сказать правду, даже если она неудобна?

Если ответ «нет» - вся конструкция работает хуже прямой рекламы. Когда к обычной коммерческой договорённости добавляется фальшивая видимость независимости, и люди, и алгоритмы считывают этот паттерн мгновенно. Вымученные манипуляции видны сразу и убивают репутацию еще на старте.

P.S. Если вы хотите проверить, как именно нейросети (ChatGPT, Perplexity, YandexGPT) оценивают доверие и «независимость» вашего бренда прямо сейчас, я сделал для этого бесплатный инструмент. Посмотрите, какие сигналы видят ИИ-модели на вашем сайте: https://ai-presence.ru