«Нам интересен ИИ» — это ещё не спрос. Как отличить клиента, который купит, от клиента, которому любопытно

Вы проводите вебинар про ИИ-видимость. Зал полон, в чате десятки вопросов, после эфира вам пишут: «Очень интересно, пришлите презентацию». Через неделю выясняется, что за этим интересом не стоит ни одного разговора о бюджете. Услугу никто не заказал, зато отчёт о «высоком спросе» уже лежит у руководителя.

Клиенты при этом не лгут. Просто интерес к теме стоит дёшево, а спрос стоит времени, доступа и денег.

Продавать такую услугу на энтузиазме опасно. Энтузиазм заканчивается ровно в тот момент, когда нужно назвать ответственного и открыть доступ к материалам.

Ниже разбор по шагам. Как понять, что клиенту действительно нужна ИИ-видимость, чем подтверждать это до запуска услуги и когда честнее сказать себе, что спроса пока нет. Никаких дорогих инструментов для этого не понадобится, достаточно нескольких вечеров ручной работы и готовности услышать неудобный ответ.

Спрос подтверждается не фразой «нам интересен ИИ», а готовностью сделать три конкретные вещи: проверить ответы моделей на своих запросах, обсудить бюджет и устранить реальную проблему. Проблема при этом должна быть предметной. Бренд не упоминают, или рекомендуют конкурента, или описывают компанию неверно.

Если после короткого аудита клиент готов назначить ответственного, дать доступ к материалам и говорить про регулярный мониторинг, это клиентский спрос. Если он просит «просто прислать презентацию про нейросети», перед вами общий интерес к технологии. Такой разговор полезен для прогрева, но услугу он пока не продаёт.

Разница примерно как между человеком, который смотрит витрину, и человеком, который попросил договор. Формально оба заинтересованы. Коммерчески это разные люди.

Я видел, как это работает. До демонстрации клиент просит «рассказать про GEO». После трёх реальных ответов модели он спрашивает, почему конкурент упомянут пять раз, а его компания ни разу. Вот это уже предметный разговор.

Поэтому проверку спроса стоит начинать не со слайдов, а с ручного аудита. Возьмите ключевые вопросы клиента и прогоните их через ChatGPT, YandexGPT и Perplexity. Посмотрите, кто там фигурирует и в каком контексте. Бренд клиента в промпт не подставляйте, иначе вы покажете не естественную видимость, а собственную подсказку. Для первой проверки хватит трёх-пяти критичных тем и примерно двадцати промптов. Полную карту рынка стройте позже, на первом заходе она чаще мешает.

По каждому ответу фиксируйте четыре вещи. Упомянут ли бренд. Есть ли ссылка именно на его страницу. Кого рекомендуют вместо него. Нет ли фактических ошибок в описании.

Отдельно смотрите, откуда модель берёт ссылки. Бренд могут называть постоянно, но ссылаться при этом на чужой обзор, агрегатор или Wikipedia. Тогда доработка одного корпоративного сайта вряд ли даст эффект, и предложение клиенту должно быть другим. Именно на этом шаге многие подрядчики продают клиенту не то, что ему нужно.

В таких проверках путают три разных показателя. Видимость отвечает на вопрос, как часто бренд появляется в ответах. Цитирование показывает, ссылается ли модель на конкретный адрес бренда. Доля ответов сравнивает вас с конкурентами по тем же запросам.

Высокая видимость при нулевом цитировании выглядит как успех, но не превращается в переходы на сайт. Поэтому в отчёте для клиента лучше держать эти три числа рядом и не сводить в одну оценку. Тогда сразу понятно, где именно проблема. В отсутствии бренда в ответах, в отсутствии ссылок на его страницы или в том, что рекомендуют другого.

Разные проблемы требуют разных работ. Если бренд не упоминают вообще, нужен сильный ответный материал и понятная сущность компании. Если упоминают без ссылок, нужно превратить утверждения в проверяемые факты со структурой. Если рекомендуют конкурента, нужен сравнительный материал с доказательствами. Предлагать всем клиентам один и тот же набор работ значит выдавать сразу три диагноза за один.

Не всем, и это удобно признать заранее. Лучше всего отзываются компании, чьи покупатели долго выбирают поставщика и сначала ищут объяснение проблемы. B2B с длинным циклом сделки, IT-консалтинг и SaaS, право, финансы, медицина, образование. Там люди задают развёрнутые вопросы и нередко доверяют ответу модели больше, чем рекламе. Чем выше цена ошибки, тем важнее оказаться в ответе на ранней стадии выбора.

Местный бизнес — отдельный случай. Модель может учитывать географию, но запросы «стоматология рядом» и «имплантация в Казани с рассрочкой» устроены по-разному, хотя оба выглядят локальными. Без проверки на реальных формулировках клиентов делать выводы рано.

Хуже всего работает схема с импульсными покупками низкой стоимости. Человек решает быстро и вряд ли читает экспертные ответы модели перед покупкой. Иногда владельцу такого бизнеса продают ИИ-видимость как модную наклейку на старую услугу. Выглядит бодро. В Excel потом пусто.

Есть и российская специфика. Зарубежный список запросов нельзя просто перевести и перенести. География, способы оплаты и требования к документам меняют сами формулировки вопросов покупателя, поэтому список собирают заново, под язык и рынок вашей аудитории.

Ответы модели на один и тот же промпт меняются от замера к замеру. Платформы к тому же устроены по-разному. ChatGPT, Perplexity, Claude и Gemini используют разную механику поиска источников и разные индексы, поэтому успех на одной площадке не переносится на другую автоматически.

Если подрядчик показывает один красивый ответ ChatGPT, а аудитория клиента пользуется Яндексом, такой пример не доказывает ничего. Нужен отдельный срез по каждой платформе, без усреднения. Средний показатель по всем нейросетям почти всегда прячет именно тот канал, где результата нет.

С типами запросов история похожая. Запрос «что такое факторинг» показывает экспертную заметность бренда. Запрос «какую факторинговую компанию выбрать» показывает способность попасть в выбор поставщика. Если смешать их в один показатель, получится число, которое ничего не объясняет и легко ломается. Информационные запросы считают отдельно от коммерческих.

Готовность клиента видно по деталям, которые в презентации не покажешь.

Коммерчески готовый клиент признаёт проблему и обсуждает объём работ, бюджет, ответственных и дату старта. Интерес отвечает на вопрос «полезно ли это?». Готовность отвечает на вопрос «что мы сделаем в ближайший бюджетный период?».

Задавайте вопросы без рекламного нажима. Кто примет решение о бюджете? Что для вас хуже: отсутствие упоминания, рекомендация конкурента или неверное описание? Готовы ли вы начать с пилота на ограниченном наборе тем? Ответы почти всегда честнее, чем реакция на слайды.

Каждый сигнал стоит записывать в CRM с источником, датой, сегментом, дословной цитатой клиента и следующим шагом. Без этой карточки «интерес» так и остаётся интересом и не превращается в воронку.

Даже сильный спрос ничего не даст, если у клиента некому им заниматься. Готовность команды складывается из ролей, процесса и способности превращать данные в действия. Нужен владелец направления, редактор или эксперт, который проверяет факты в материалах, аналитик или маркетолог, который читает отчёты, и человек, который принимает решения по приоритетам.

Проверьте это до пилота, а не после. Может ли команда назвать платформы, запросы и конкурентов? Есть ли ответственный за каждый этап, от аудита до согласования? Готовы ли эксперты быстро проверять факты? Знает ли руководитель, по какой метрике решит продолжать работу?

ИИ ускоряет анализ и производство контента, но стратегию, интерпретацию данных, проверку фактов и финальные решения всё равно делает человек. Платформа не заменяет редакционную дисциплину, она лишь очень быстро показывает её отсутствие. Если ответов на эти вопросы нет, пилот упрётся в организацию, а не в технологию.

Итог проверки не обязан быть радостным. Возможны три исхода, и у каждого свои действия.

Если разрыв повторяется, клиент готов к пилоту и назначен владелец, можно переходить к выбору подрядчика или к запуску услуги. Если проблема подтверждена, но клиент сомневается в масштабе, запускайте ограниченный пилот на нескольких экспертных материалах, а не на всём сайте. Если интерес есть, а бюджета, сроков и единого списка запросов нет, соберите больше данных. Не продавайте раньше времени.

Отсутствие спроса тоже результат. Оно спасает от направления, которое потом придётся бесконечно объяснять на каждой встрече. Но если один и тот же разрыв видят несколько клиентов из одного сегмента, а после мини-аудита они готовы обсуждать пилот, дело уже не в случайном совпадении. Это основа для продукта.

Пересматривайте гипотезу, если за три-четыре еженедельных замера нет роста по целевым запросам относительно исходного уровня.

Есть и два запрета. Не покупайте платформу ИИ-видимости до проверки спроса, потому что без повторяемой задачи вы не сможете оценить окупаемость инструмента. И не обещайте клиенту позицию в ответе ChatGPT или Perplexity. Нейросети остаются вероятностными системами, поэтому честно гарантировать можно процесс измерения и отчётность, но не место в выдаче.

Интерес к ИИ есть почти у всех, и по нему нельзя судить о спросе. Судить нужно по действиям. Согласился ли клиент проверить ответы моделей на своих запросах? Назвал ли ответственного? Спросил ли про пилот и сроки? Если на эти вопросы «да», у вас есть предмет для услуги. Если в ответ прозвучало «пришлите презентацию», у вас пока только вежливый интерес.

Хорошая проверка спроса занимает несколько дней ручной работы и не требует покупки инструментов. Плохая обходится в запуск направления, которое никому не нужно.

Источник: «Как оценить спрос на ИИ-видимость у своих клиентов».