Заметка о методе: цифры о поведении покупателей взяты из исследования G2 2026 (1 076 B2B-покупателей софта) и опроса покупателей 6sense (около 4 000 покупателей). Обе платформы продают софтовым компаниям, поэтому мы помечаем их как исследования вендоров. Цифры структуры цитирований — из исследования 5,17 млн ссылок Parse. Интерпретации, выходящие за рамки сказанного в исследовании, помечены как наши.

Три числа из исследования G2 2026 объясняют проигранную сделку, которую знает каждый софтовый вендор. 69% покупателей сказали, что AI-ответы изменили выбор вендора. Каждый третий сказал, что купил продукт, о котором не слышал до начала исследования. И 51% теперь начинают исследование софта с AI-чатбота чаще, чем с Google, — против 29% годом ранее.

Сложите вместе: лидер рынка едет по инерции брендовой памяти, пока челленджер, о котором покупатель не слышал, попадает в шорт-лист через ответ — и выигрывает. Сделка проиграна до того, как состоялся любой продажный разговор.

Почему AI называет вендоров, о которых никто не слышал

Ответный движок не ранжирует рынок. Он собирает ответ из цитируемых свидетельств. Исследование Parse 5,17 миллиона процитированных ссылок даёт для B2B-софта 46–52% общей сети, 25–29% собственный сайт вендора и 10–13% форумы сообществ. Тем временем опрос 6sense (около 4 000 B2B-покупателей) нашёл 94% использующих LLM где-либо в процессе покупки — против 89% в 2024.

Сборка награждает концентрированные свидетельства, а не долю рынка. Челленджер, опубликовавший честные страницы сравнений («X vs Y», «альтернативы Z»), серию объяснений для одного узкого сценария и видимые ответы в сообществах, где обсуждают его категорию, вручает движку конкретную и цитируемую запись для этого среза рынка. У генериковой страницы категории инкумбента часто процитировать меньше. Это наше прочтение данных цитирований, а не утверждение самих исследований.

Паттерн в опубликованной записи

Статьи «лучшие приложения» Zapier вышли в топ более чем по 400 000 ключевых слов, а сайт примерно учетверил органический трафик за три года — с 1,19 миллиона до около 5 миллионов месячных визитов (анализ salt.agency 2024). Auth0 поручил инженерам писать свой глубокий технический контент, что подняло бэклинки с 200 000 до 4,4 миллиона за два года и собрало аудиторию 700 000 разработчиков в месяц (сторонний анализ программы Auth0 от gracker.ai).

Оба плейбука старше AI-ответов. Оба произвели ровно тот тип конкретной, задачной письменной записи, который текущие исследования цитирований находят в AI-ответах: списки для одной персоны, сравнения, называющие конкурентов, техническая глубина, подписанная людьми, которые делают эту работу.

Что это значит для инкумбентов

Те же механики работают в обратную сторону. Отсутствие в ответах — не нейтрально: при 69% покупателей, сообщающих, что AI изменил их выбор вендора, отсутствие означает, что ваш бренд взвесили и прошли мимо, или вообще не взвешивали. Ответы также персистентны. Они повторяют всё, что существует в свидетельствах, пока кто-то не опубликует что-то лучше — значит, инкумбент, который так и не написал страницы «мы против них», оставил свой слой сравнений тому, кто там появится.

Вопросы покупателей, которые это вскрывают

Иллюстративные примеры, сформулированные так, как покупатели формулируют поиски софта:

  • «Vanta vs Drata для стартапа на 50 человек»
  • «Самый дешёвый CRM для отдела продаж из 10 человек»
  • «Альтернативы [лидеру рынка] для бюджетов SMB»

Прогоните реальные вопросы покупателей вашей категории через ChatGPT, Perplexity и Gemini и запишите, кого называют — включая вендоров, о которых вы никогда не слышали. Или начните с бесплатного сканирования CiteGap (5 вопросов, 1 движок). Полный SaaS-плейбук — в гиде AI-видимость для SaaS. О том, почему упоминание внутри ответа важнее процитированной ссылки, читайте в статье почему упоминание в AI-ответах важнее рейтинга в Google.

Получить письменную диагностику (490 $)

Часто задаваемые вопросы

Покупатели действительно покупают софт, о котором никогда не слышали?

Каждый третий респондент в исследовании G2 2026 (1 076 B2B-покупателей софта) сказал, что купил продукт, о котором не слышал до его исследования, и 69% сказали, что AI-ответы изменили их выбор вендора. G2 продаёт софтовым компаниям, поэтому цифры несут оговорки вендорских опросов, но выборка большая и специфична для покупки софта.

Почему AI рекомендует меньшего вендора вместо лидера рынка?

Потому что ответ собирается из цитируемых свидетельств, а не из доли рынка. Меньший вендор с конкретными страницами сравнений, задачными объяснениями и присутствием в сообществах даёт больше для процитирования, чем инкумбент, чья публичная запись — генериковая страница категории. Это наше прочтение данных цитирований Parse; ни одно исследование не меряет эффект напрямую.

Применимо ли это в категориях с двумя доминирующими игроками?

Механики те же, но спорная территория смещается на слой альтернатив: вопросы вроде «альтернативы [лидеру]» или «[лидер] vs [челленджер]». Вендор, который публикует самый честный и конкретный материал по этим вопросам, как правило, контролирует то, что говорят движки. Наш аудит управления инцидентами нашёл категорию, где большинство вендоров не опубликовали ни одной страницы сравнений.

Как узнать, называет ли AI мой продукт?

Прогоните реальные вопросы ваших покупателей по ChatGPT, Perplexity и Gemini и запишите каждый ответ: кто назван, в каком порядке, с каким описанием. Бесплатное сканирование CiteGap покрывает 5 вопросов на 1 движке как первый проход, а письменная диагностика тестирует 30 вопросов покупателей на всех трёх движках.

Источники