Я спросил 8 нейросетей, какую CRM выбрать. И увидел, как выглядит новый рынок борьбы за рекомендации ИИ
Ещё недавно бизнес боролся за первые позиции в Google и Яндексе. Логика была проста: пользователь вводит запрос, поисковик выдаёт список ссылок, а мы пытаемся любой ценой прорваться на первую страницу выдачи.
Но сценарий меняется. Всё чаще люди не скроллят выдачу, а задают вопрос напрямую нейросетям:
- «Какую CRM выбрать для малого бизнеса?»
- «Что лучше для отдела продаж из 5 человек?»
- «Что выбрать под интернет-магазин: RetailCRM или МойСклад?»
Вместо привычных ссылок человек получает готовую выжимку из 3–5 конкретных брендов. И тут возникает логичный вопрос: почему одни компании постоянно выпадают в ответах ChatGPT, Gemini или Claude, а другие - будто вообще не существуют для ИИ?
Я решил проверить это на практике.
Как я проводил эксперимент
Взял 8 популярных языковых моделей: ChatGPT, Claude, Gemini, Perplexity, Grok, Mistral, Llama и Qwen - и задал им 10 одинаковых вопросов из ниши CRM.
Спрашивал то, что обычно интересует реальных покупателей:
- «Какую CRM выбрать для малого бизнеса в 2026 году?»
- «Какая CRM лучше подходит для отдела продаж из 5 человек?»
- «Топ-3 CRM с нормальным мобильным приложением»
- «Что лучше для стартапа: Битрикс24 или amoCRM?»
- «Где удобнее вести базу клиентов и фиксировать звонки?»
Моя цель была не в том, чтобы узнать, какая CRM «самая лучшая». Я исследовал другое: как именно разные LLM формируют свои рекомендации.
Один и тот же запрос - абсолютно разный топ
Казалось бы, базовый вопрос про выбор CRM для малого бизнеса должен приводить модели к единому консенсусу. Но на практике выдача различается кардинально:
- ChatGPT выдал классическую солянку: amoCRM, Битрикс24, Мегаплан, HubSpot, Pipedrive.
- Perplexity сфокусировался на локальном рынке: amoCRM, Битрикс24, SberCRM, RetailCRM.
- Claude был лаконичен: amoCRM, Битрикс24, Мегаплан.
- Gemini расширил список нишевыми игроками: amoCRM, Битрикс24, RetailCRM, Аспро.Cloud, Brizo.
В итоге пользователь, задающий один и тот же вопрос в разных сервисах, получает абсолютно разные картины рынка.
amoCRM и Битрикс24 - абсолютные доминанты
Эти 2 игрока забирают максимум видимости в РФ-сегменте, что неудивительно. Они всплывали практически при любых сценариях: от контроля звонков до автоматизации воронок.
Для ИИ важен не только сам софт, сколько его цифровой след: обзоры, сравнения, статьи на сторонних площадках, отзывы. По сути, нейросети опираются на сформированный «цифровой авторитет» бренда в сети.
Perplexity подтягивает «второй эшелон»
Perplexity заметно отличается от остальных. За счет активного веб-поиска в реальном времени модель часто рекомендует сервисы за пределами «большой двойки»: SberCRM, YouGile, OkoCRM, CallBasic. Она чаще цепляет свежие публикации и узкие обзоры.
Llama живет в англоязычном контексте
Ответы Llama стоят обособленно. Вместо российских сервисов она упорно предлагает HubSpot, Salesforce, Zoho CRM, Pipedrive и Copper. Это логично: в её обучающей выборке доминирует глобальный веб. Из этого простой вывод: бренд может быть лидером в рунете, но оставаться абсолютно «невидимым» для западных open-source моделей.
Новый главный вопрос бизнеса: как попасть в ответ нейросети?
Раньше маркетологи думали, как занять топ по ключу в Яндексе. Теперь задача усложняется: как сделать так, чтобы ChatGPT или Claude порекомендовали именно вас?
Поисковик ранжирует страницы по сотням технических и контентных факторов. AI же работает иначе: он синтезирует ответ и принимает решение, какие бренды назвать. И отличный сайт с хорошим SEO больше не гарантирует попадание в рекомендации нейросети.
Если обобщить результаты эксперимента, на видимость в AI сильнее всего влияют:
- Узнаваемость и медийный след. Чем больше независимых упоминаний бренда на внешних ресурсах, тем выше вероятность попасть в обучающие датасеты или текущую выдачу.
- Сравнения и обзоры. Статьи формата «amoCRM против Битрикс24» или «Топ CRM для отдела продаж» - это именно тот материал, на котором модели учатся отвечать на аналогичные вопросы пользователей.
- Чёткость позиционирования. Если из описания продукта сложно сходу понять, для кого он и какую проблему решает, модель просто проигнорирует его при формировании узких подборок.
Важно понимать: этот тест не определяет, какая нейросеть «умнее»
У каждой из них свой датасет, свои источники и свои алгоритмы сборки ответа. Но факт остается фактом: формируется новый полноценный канал привлечения клиентов - AI-рекомендации.
Я планирую продолжить серию таких срезов для других ниш: SEO-инструментов, банков, хостингов, конструкторов сайтов и SaaS-платформ. Хочется выстроить понятную систему: что именно делает бренд «видимым» для алгоритмов нового поколения.
На базе этих исследований я развиваю AI Presence - инструмент, который помогает анализировать представленность компании в ответах нейросетей и находить точки роста для AI-видимости.
Борьба за первое место в поисковой выдаче постепенно уступает место новой гонке - борьбе за присутствие в ответе искусственного интеллекта.