ИИ против маркетинга: почему GPT и Gemini игнорируют скидки, а отзывы стали важным фактором ранжирования

Традиционные триггеры продаж в e-commerce теряют силу. Покупателями нового поколения стали AI-агенты, умные помощники, и они игнорируют маркетинговые уловки, которые всегда хорошо работали на людях. Теперь есть только два сигнала, которые продолжают работать стабильно — оба про UGC.

Что показало новое исследование

В мае 2026 Harvard Business Review обратил внимание на свежее исследование «Marketing to Machines: How AI Models Respond to Promotional Cues».

Авторы проверили, насколько классические инструменты психологического давления в интернет-магазинах влияют на решения о покупке, если его делает не человек, а ИИ.

Методология была масштабной. Сначала исследователи провели предварительный опрос 50 руководителей e-commerce компаний — 58% из них считают, что промо-сигналы, работающие на людей, должны работать и на ИИ-агентов. Чтобы проверить эту гипотезу, авторы построили собственную симуляционную среду и провели 1000 итераций выбора на каждую комбинацию модели и категории — суммарно 16 000 ситуаций выбора и 128 000 наблюдений. 

В тестах участвовали четыре языковые модели: GPT-4.1-mini, GPT-5, Gemini 2.5 Pro и Gemini 2.5 Flash Lite. Им предлагалось выбрать продукт в четырёх категориях (телефон, фитнес-часы, стиральная машина, коврик для мыши) если дано восемь типов промо-бейджей: 

1. гарантий возврата, 
2. маркеров дефицита, 
3. перечёркнутых цен, 
4. таймеров, 
5. счётчиков покупок,
6. ваучеров, 
7. бандлов,
8. звёздных рейтингов.

Ниже разобрали результаты эксперимента, меняющие правила игры в ритейле.

Главный результат — работает только 2 механики из 8

Звёздный рейтинг дал положительный значимый эффект в 16 из 16 комбинаций «модель × категория». Социальное доказательство (счётчики покупок) — в 14 из 16. Это два сигнала, на которые AI-агенты реагируют предсказуемо.

Всё остальное работало нестабильно. Перечёркнутые цены оказались самой слабой механикой — всего 6/16. Да, цена имеет значение — алгоритмы предпочитали доступные позиции при прочих равных, но они игнорировали перечёркнутые старые ценники.

ИИ-агенты полностью ломают привычные практики оптимизации конверсии. Чтобы оставаться видимыми на рынке, брендам вскоре придётся перестраивать стратегию.

Чем умнее AI, тем хуже работает агрессивный маркетинг 

Самый контринтуитивный паттерн: «рассуждающие» модели GPT-5 и Gemini 2.5 Pro оказались менее восприимчивы к промо-сигналам.

Человеческая поведенческая теория перспектив, разработанная легендарными Канеманом и Тверски никак не объясняет реакцию ИИ-моделей. В этом ворпосе она бесполезна. Продвинутые модели ИИ как будто бы даже слегка наказывают за навязчивую рекламу. 

По мере того как скидки, таймеры обратного отчёт и прочие техники теряют влияние, рейтинги и UGC остаются единственной категорией промо, которая работает на AI-агентах так же хорошо, стабильно, как и на людях. 

Что это значит для бизнеса [рекомендации авторов исследования]

Бренд, который продолжает вкладываться в баннеры «скидка 50%» и «осталось 2 штуки», оптимизируется под уменьшающуюся аудиторию. Поэтому авторы рекомендуют обратить внимание на три следующих пункта:

1. Делайте ставку на фундамент: отзывы, социальное доказательство. 
2. Рассматривайте каждую ИИ-модель как отдельный сегмент рынка. Авторы рекомендуют брендам мониторить, какие модели приводят к ним трафик и транзакции, и оценивать эффективность промо на уровне конкретной модели и категории.
3. Изучайте, как пользователи разговаривают со своими агентами. Поведение ИИ-агента почти полностью определяется промптом пользователя. Авторы предлагают рассматривать анализ типичных промптов в категории как новую форму потребительского исследования: что именно покупатели просят оптимизировать своих агентов — «самое надёжное», «лучшее соотношение цена-качество», «для чувствительной кожи».

Что это значит для бизнеса [интерпретация Аплаут]

Рекомендации авторов задают рамку. Но между «делайте ставку на отзывы» и реальной работой бренда есть пропасть в виде ежедневных операций: как собирать, как модерировать, как обновлять, как анализировать. 

Углубляйте семантику отзывов. Шаблонные оценки в духе «всё ок», «жене зашло» дают слабый сигнал и для человека, и для AI-агента. Чем подробнее покупатель описывает контекст использования (тип кожи, уровень активности, опыт с аналогами), тем выше шанс, что отзыв совпадёт с конкретным промптом, который пользователь даёт своему ИИ. 

Для этого нужна продуманная форма заполнения отзывов с элементами геймификации, чтобы вытаскивать из людей как можно больше информации. 

Работайте с Q&A как с отдельным форматом UGC. Публичные вопросы покупателей и ответы продавца или других клиентов — это структурированные пары «вопрос-ответ», которые удобно интерпретируют и LLM, и поисковые системы. Чем больше у товара отвеченных вопросов, тем больше у ИИ материала для сопоставления с запросом пользователя. 

Стройте процесс, а не разовую акцию. Это глобальная рекомендация. 

Маркетинг десятки лет учился убеждать людей. С AI-агентами эта школа перестаёт работать. Из всего арсенала промо-инструментов уцелели два, и оба про голос реальных клиентов: звёздные рейтинги и социальное доказательство. 

Бренды, которые относятся к UGC как к стратегической инфраструктуре, а не к гигиене карточки товара, окажутся в выигрыше, когда доля AI-покупателей перейдёт критический порог. А этот момент ближе, чем кажется.