Специалист, агентство или платформа: во сколько обходится AEO на самом деле
Самый дешёвый вариант в презентации почти никогда не оказывается самым дешёвым в реальности. Это правило работает и в найме для AEO. Компания сравнивает три цены: зарплату специалиста, ретейнер агентства и стоимость подписки на сервис измерения видимости. Дальше она выбирает то, что дешевле по нижней строчке счёта. Но потом выясняется, что купленный инструмент не производит контент, нанятый человек не видит, упоминает ли бренд ChatGPT, а агентство работает по общим рекомендациям, потому что у него тоже нет доступа к нормальному измерению. Разбираемся, как считать эту экономику правильно, на цифрах российского рынка.
Почему три модели закрывают три разные задачи, а не одну?
Ошибка обычно начинается с попытки сравнить три предложения по одной метрике — цене за месяц. Но за каждой ценой стоит разный набор обязательств, и смешивать их некорректно.
- Специалист в штате — это единица принятия решений. Он выбирает, какую тему усиливать, распределяет задачи и часть контента пишет сам. Без отдельного инструмента измерения он физически не узнает, попал ли материал в ответ модели.
- Агентство — это масштаб производства. Несколько человек вместо одного, готовый контент под ключ, иногда техническая настройка сайта. Но подписки на измерение видимости у большинства агентств нет своей. Они либо докупают доступ к стороннему сервису и закладывают это в счёт, либо просто не измеряют результат и полагаются на общие практики.
- Платформа — это только слой данных. Она отвечает на вопрос «сколько раз и где нас упомянули», но контент не производит, если не встроена в отдельный цикл автоматизации.
Экономика получается такая: покупая только один из трёх компонентов, вы автоматически недополучаете два других. Вопрос «что дешевле» без уточнения задачи — по сути, вопрос без содержания.
Как выглядит типичная ошибка на практике? Компания подключает платформу измерения за 20 000 ₽ в месяц, видит, что упоминаний почти нет, и делает вывод, что AEO «не работает». На деле не работает не направление, а конкретная связка. Без человека, который прочитает отчёт платформы и превратит его в правки контента, любые цифры в дашборде остаются просто цифрами. Платформа диагностирует; лечит кто-то другой.
Сколько это стоит в цифрах?
Штатный наём в России стоит по-разному в зависимости от уровня: без опыта — 40 000–120 000 ₽ в месяц, с опытом 1–3 года — 80 000–150 000 ₽, а старший специалист в Москве доходит до 180 000 ₽. Медиана по рынку — около 75 000 ₽.
Агентский ретейнер устроен иначе: базовый пакет — 30 000–50 000 ₽ в месяц, комплексное продвижение — 50 000–150 000 ₽, а премиум-тариф у топовых московских игроков стартует от 80 000–100 000 ₽ и способен уходить за 300 000 ₽. Это цена работы, а не рекламного бюджета, и его закладывают отдельной строкой.
Платформы измерения обходятся заметно дешевле обоих вариантов. Российские сервисы, которые попадают в обзоры мониторинга видимости в нейросетях, предлагают бесплатный вход и платные тарифы от 19 900 до 149 000 ₽ в месяц в зависимости от охвата движков. Западные инструменты вроде Profound берут от 99 до 399 долларов в месяц, но валютная оплата сама по себе становится операционным неудобством для части российских компаний.
Если свести три варианта в одну строку, картина такая:
- специалист без опыта — от 40 000 ₽/мес, старший в Москве — до 180 000 ₽/мес;
- агентство — от 30 000 ₽/мес за базовый пакет до 300 000+ ₽/мес за премиум-обслуживание;
- российская платформа измерения — от 0 до 149 000 ₽/мес;
- западная платформа измерения — от 99 до 399 $/мес.
Если считать только подписную строку счёта, платформа побеждает почти всегда. Но экономика бизнеса так не работает: важна не цена входа, а цена результата.
Какую статью расходов обычно не называют на встрече с вендором?
Есть нюанс, который редко озвучивают продавцы инструментов измерения. Примерно треть упоминаний бренда в ответах нейросетей приходится на модели, которые многие такие инструменты в принципе не видят. Речь про YandexGPT, Алису и GigaChat — движки, критичные именно для русскоязычной аудитории.
Формально более дешёвый западный тариф на практике может закрывать не более двух третей реальной картины, если аудитория бизнеса преимущественно российская. Это не аргумент против западных платформ как класса, ведь многие компании работают на международную аудиторию, и там их покрытие полноценное. Но для чисто российского продукта разница в цене подписки перестаёт быть решающим фактором. Важнее, какие движки вообще видит сервис, а уже потом — сколько он стоит.
Отдельная категория продуктов пытается закрыть сразу измерение и производство контента одной подпиской: сканируют упоминания бренда по нескольким движкам, превращают найденные пробелы в бриф и черновик, прогоняют текст через проверку качества и передают в публикацию. Такой продукт не отменяет затраты полностью, но убирает ручную передачу задачи между отдельно нанятым аналитиком, копирайтером и техническим специалистом, а именно на стыках между ролями обычно и теряется больше всего времени.
Стоит проговорить и обратную сторону экономии на движках. Компания, которая работает исключительно на международном рынке, вполне может обойтись западным инструментом и не переплачивать за функциональность, которая ей не пригодится. Выбор платформы — это не вопрос «российская лучше западной», а вопрос соответствия покрытия движков реальной географии аудитории конкретного бизнеса.
Как считать окупаемость, если кликов почти нет?
По опросу Conductor, 94% опрошенных маркетинговых лидеров планировали в 2026 году увеличить бюджет на AEO и GEO, а 97% отметили положительный эффект от AEO на воронку продаж уже в 2025-м. Выборка немаленькая — свыше 250 руководителей уровня C-suite и VP из компаний с 500+ сотрудников в 12+ отраслях.
К этой цифре стоит относиться взвешенно. Опрос касается преимущественно западных компаний и самооценки индустрии, а не независимой проверки. У респондентов есть прямая мотивация говорить о собственных инвестициях позитивно, и переносить 97% на любой другой рынок один в один некорректно.
Российской статистики по окупаемости конкретно в Яндекс.Нейро, Алисе и GigaChat в открытом доступе заметно меньше, чем по западным движкам. Вывод отсюда не «эффекта нет», а «эффект придётся считать самостоятельно, а не искать в чужом отраслевом отчёте».
Экономика ROI здесь работает иначе, чем в performance-маркетинге. Там цена клика и конверсия считаются за неделю. Видимость в ответах нейросети накапливается месяцами и не даёт разового всплеска, который получится приписать одной публикации или одному расчётному периоду подписки, и это стоит закладывать в ожидания заранее, чтобы не разочароваться раньше срока.
Инвесторам и совету директоров такую метрику сложнее продать, чем CTR или CAC, но именно поэтому она интереснее с точки зрения долгосрочного актива. Правильно выстроенная видимость в ответах нейросетей ведёт себя скорее как накопленная репутация домена в органическом поиске. Её дорого разово купить и легко потерять одной серией низкокачественных публикаций, зато сложно быстро скопировать конкуренту, у которого такой истории пока нет.
Почему аналитика недооценивает эффект от AEO?
Отдельная проблема — доказать эффект даже тогда, когда он реально есть. Стандартная веб-аналитика систематически недооценивает переходы из нейросетей, и разбор на Хабре показывает масштаб проблемы наглядно. Автор собрал сегмент по внешним реферерам за 90 дней на небольшом сайте. Из 634 визитов только 10 попали в сегмент «ИИ-трафик», а 552 ушли в «прямые заходы». Все десять пришли из yandex.ru/search, что неотличимо от обычной органической выдачи, а трафик из ChatGPT и Алисы не попал в выборку вовсе, потому что оба сервиса режут referrer при переходе по ссылке. Формально подтверждённых переходов из ИИ на этом сайте оказалось ноль, хотя реальных, скорее всего, было больше.
Для бюджетирования это значит, что любая внутренняя отчётность, построенная только на данных счётчика, будет систематически занижать реальный эффект от вложений в AEO. Если финансовый директор просит показать ROI строго по данным аналитики, велик риск получить цифру, которая выглядит хуже реальности не потому, что деньги потрачены зря, а потому что инструмент измерения структурно не видит части трафика.
Из этого кейса складывается рабочая логика измерения для любой компании:
- зафиксировать точку отсчёта — текущую долю упоминаний бренда относительно конкурентов, до изменений в контенте;
- завести отдельный сегмент под ИИ-трафик в Яндекс.Метрике по доменам вроде chatgpt.com, perplexity.ai, claude.ai, giga.chat с поправкой на то, что часть визитов туда просто не долетит;
- добавить в CRM поле «откуда вы о нас узнали» с явным вариантом «спросил у ИИ-ассистента» — это закрывает часть данных, которую веб-аналитика физически не видит;
- сопоставлять рост цитирований с ростом брендового поискового спроса. Параллельный рост обоих показателей надёжнее, чем попытка связать одну продажу с одним конкретным ответом модели;
- давать модели минимум полтора-два месяца до первой оценки. Индексация контента крупными языковыми моделями не мгновенная, и вывод по итогам недели почти всегда окажется ложным нулём.
Какая модель подходит на старте?
Для компании с одним копирайтером в штате и минимальным бюджетом логичнее всего начать с недорогого российского тарифа измерения и дисциплины публиковаться регулярно. Нанимать отдельного специалиста или подключать агентство на этом этапе — избыточные расходы, так как измерять пока особо нечего.
Для компании с уже работающим отделом контента следующий шаг — не расширение штата, а именно измерение. Материал есть, а понимания, работает ли он в ответах нейросетей, обычно нет. Закрыть этот пробел дешевле и быстрее подпиской, чем новым наймом.
Агентство или дополнительный наём оправданы на третьем шаге, когда данные по видимости уже накоплены и понятно, какого именно объёма работы не хватает существующей команде. Нанимать раньше этого момента — покупать мощность, которую пока некому и нечем загрузить осмысленной задачей.
Ни одна из трёх моделей не работает в одиночку долгосрочно. В зрелой связке кто-то внутри компании отвечает за приоритеты и контент, инструмент считает цифры, а внешний подрядчик закрывает конкретные пробелы по мере роста объёма. Вопрос не в том, какую модель выбрать раз и навсегда, а в том, в каком порядке их подключать, чтобы деньги шли туда, где уже есть что измерять и чем управлять.
Общая ошибка на всех трёх сценариях одна и та же: пытаться купить сразу максимальную конфигурацию, не пройдя предыдущие шаги. Дорогой премиум-тариф платформы бесполезен без контента, который можно оптимизировать. Штатный сеньор-специалист простаивает без данных, которые скажут, куда именно направить усилия. А агентство, нанятое до того, как появилось понимание собственных пробелов, будет действовать по шаблонным рекомендациям, просто потому, что более точных вводных ему никто не дал.