КейсРазработка для банков и платежных систем
Название под NDA
Доля верных утверждений о компании в ответах ИИ выросла с 70% до 93%
- 93%
- 47
- ×3
Сроки. Работа шла шесть месяцев, с 17 февраля по 16 августа 2026 г. Отчет датирован 17 августа. В заголовке сравниваются замеры ответов ИИ на вопросы с названием компании за 17–19 февраля и 14–16 августа.
Кто клиент
Бизнес и покупатели. Компания занимается модернизацией систем, интеграцией данных и разработкой платежных платформ для банков и платежных организаций Великобритании и ЕС. По англоязычному сайту компании ее как подрядчика оценивают технические специалисты, службы безопасности и отделы закупок.
Масштаб. Ресурсы компании составляли около 100 оплачиваемых ставок с учетом сотрудников и подрядчиков. На старте работы на сайте было около 250 страниц.
С чем клиент к нам пришел
Проверка со стороны покупателей. Клиент хотел, чтобы ИИ в ответах на вопросы о компании точно описывал ее опыт, зону ответственности в проектах и границы ее работ. Второй целью был рост квалифицированных заявок на внедрение.
Как ИИ описывал компанию. Ответы ИИ иногда называли компанию платформой банковского ПО или преувеличивали ее роль в проектах.
Что получил клиент
Более точные сведения о компании. В 720 ответах каждого замера верных фактических утверждений стало больше, как показано на графике. Число ответов, которые по существу помогали покупателю принять решение, выросло с 387 до 531.
Февраль: из 900 проверенных утверждений 630 верных, 270 не прошли проверку
Август: из 1 200 проверенных утверждений 1 116 верных, 84 не прошли проверку
- Верно
- Неподтвержденные, опровергнутые или непроверяемые
Столбцы построены в масштабе. Августовские ответы были подробнее и содержали больше утверждений, а не прошедших проверку среди них стало меньше.
Больше закрытых вопросов покупателей. В той же выборке вопросов с достаточным ответом стало 45 из 60 вместо 21. Вопрос проходил проверку, если минимум девять из двенадцати ответов помогали покупателю принять решение и не содержали неподтвержденных существенных утверждений.
Оценка с помощью ИИ. На этапе квалификации отдел продаж опросил 20 квалифицированных потенциальных клиентов из разных каналов. Из них 14 рассказали, что до первой встречи изучали компанию с помощью ИИ-ассистента.
Квалифицированные заявки. С 17 февраля по 16 августа органический поиск Google и отслеживаемые переходы из ИИ принесли на 29 квалифицированных заявок на проекты больше, чем за тот же период 2025 г. Рост составил примерно 161%. Доля квалифицированных заявок выросла примерно с 30% до 53%.
2025 61 учтенная заявка из поиска
2026 89 учтенных заявок из поиска
- Квалифицированные: органический поиск Google
- Квалифицированные: переходы из ИИ
- На рассмотрении
- Отклоненные
Столбцы построены в масштабе.
Ситуация до начала работы
Бизнес
Как выбирали подрядчика. Клиенты приходили через связи и рекомендации. Банкам нужно было убедиться, что у подрядчика есть подходящий опыт внедрения, и понять, кто будет поддерживать интерфейсы после передачи проекта.
Сайт и контент
Разрозненные факты о компании. Роли в проектах, география, поддержка и проверка безопасности описывались по-разному. На страницах путали внедрение с владением продуктом, а охват экосистемы платформы – с прямыми отношениями с клиентами.
Источники трафика
Каналы привлечения. Как видно на графике, за предыдущий год прямые заходы и переходы от партнеров принесли больше сессий, чем органический поиск Google.
Видимость в поиске
Неполная картина для оценки. Ответы ИИ оставляли открытыми вопросы о возможностях компании и границах ее работ. На старте лишь по немногим отслеживаемым запросам покупателей компания была на первой странице Google.
Как работали раньше
Публикации без системы. При выборе тем вопросы закупок и безопасности учитывали не всегда. Не было общего реестра фактов, который связывал бы страницы о компании, истории проектов и объяснения отдела продаж.
Какую стратегию мы выбрали и почему
Коммерческие и поисковые приоритеты
Показать, кому подходит подрядчик. Отделили системы, которые компания создавала, от продуктов, которыми она владела, объяснили роли в проектах и определили, что покупатели могли проверить по открытым источникам или обсудить на этапе закупки.
Приоритеты технического SEO
Доступные доказательства. Приоритетом стали доступные для извлечения тексты об услугах и проектах, точные описания, согласованные сигналы индексации и ссылки, которые связывают технические доказательства с компетенциями.
Контент-стратегия и порядок производства
Сначала факты о компании. Исправили описания компании и коммерческие тексты, упорядочили доказательства по проектам и рекомендации по проверке подрядчика, затем расширили сопутствующие инженерные темы. Проверка специалистами оставалась обязательной частью публикации.
Вопросы закупок. Гайды объясняли ответственность за поддержку и инциденты, участие субподрядчиков, порядок передачи проекта и выхода из сотрудничества, а также то, как покупателю запросить подтверждения мер безопасности. Публичные страницы описывали процесс, а обязательства по конкретному проекту требовали оценки на этапе закупки.
Почему стратегия подошла
Конкретные решения о покупке. Опыт интеграции, ответственность за поддержку и порядок проверки безопасности помогали банкам понять, подходит ли подрядчик. Общие статьи о технологиях на эти вопросы не отвечали.
Что мы сделали
Кто за что отвечал
Работа агентства. Мы взяли на себя исследование, позиционирование, производство контента и измерения:
- В рамках стратегии SEO и ИИ-поиска определили приоритеты покупателей и позиционирование.
- В рамках технического SEO улучшили доступность страниц, метаданные и перелинковку.
- В рамках оптимизации для ИИ-поиска проверяли, как ответы описывают компанию.
- В рамках исследования и стратегии контента связали вопросы покупателей с доказательствами.
- С помощью систем производства контента с ИИ готовили черновики и проводили согласование.
Участие клиента. Четыре технических эксперта выделяли по два часа в неделю на интервью, согласование материалов и выборочную проверку ответов ИИ. Маркетологи публиковали, инженеры вносили исправления, отдел продаж квалифицировал заявки. На еженедельных встречах по стратегии команда училась вести факты и читать ответы ИИ. Шесть ежемесячных платежей по €9 000 составили €54 000.
- 1Исследование, стратегия и технические исправления
- Реестр фактов
- Понятные коммерческие тексты
- Технические исправления и приемка
- План работ
- 2Система производства контента с ИИ
- Процесс на основе утвержденных фактов
- Интервью со специалистами
- Проверка фактов и ссылок
- Согласование человеком
- 3Регулярное производство, измерения и доработки
- Статьи и гайды для покупателей
- Обновленные и объединенные страницы
- Понятные страницы компетенций
Технические эксперты клиента каждую неделю выделяли время на интервью и проверку контента
Этап 1: исследование, стратегия и технические исправления
Исследование и исправления. С 17 февраля по 16 марта создали реестр фактов, переработали коммерческие тексты и согласовали план на девяносто дней. Публичные изменения начались 20 февраля, после сбора исходных ответов. Инженеры внедряли исправления, а мы проверяли извлечение текста и работу страниц:
- Сделали важные тексты об услугах и проектах доступными для извлечения.
- Исправили title и description, теги canonical и редиректы.
- Привели структурированные данные в соответствие с фактами о компании и услугах, которые видны на страницах.
- Проверили ошибки краулеров в серверных логах и ссылки на страницы компетенций и консультаций.
Техническая приемка. Описания услуг и проектов стали доступны в исходном HTML. К 16 марта повторно проверили затронутые шаблоны и коммерческие страницы: доступность текста, правильные canonical-адреса и работу редиректов.
Этап 2: система производства контента с ИИ
Производство с проверкой. С 17 марта по 16 апреля построили и протестировали процесс на основе утвержденных фактов, историй проектов и интервью со специалистами. Он готовил черновики, проверял факты и ссылки, отмечал неподтвержденные утверждения и требовал согласования человеком.
На этапе сверки проверяли факты и ссылки и отмечали неподтвержденные утверждения для экспертов клиента.
Этап 3: регулярное производство, измерения и доработки
Публикации. С 17 апреля по 16 августа опубликовали около 70 статей и гайдов для покупателей. После выхода на рабочий темп выпускали около 20 материалов в месяц.
Поддержка на протяжении всей работы. Существующие страницы обновляли: половину глубоко перерабатывали, в другой половине вносили точечные исправления. Другие страницы объединили с сохраненными и проверили редиректы. Новые статьи и удаленные источники считали отдельно от обновлений.
- Без изменений
- Глубокая переработка
- Точечные исправления
- Новые статьи и гайды
Один квадрат – одна страница. Еще около 30 страниц объединили с обновленными.
Понятнее, кому подходит компания. Страницы компетенций ссылались на доказательства из проектов и отделяли внедрение от владения продуктом. Неподходящие заявки стали поводом уточнить описания услуг и вопросы в форме заявки.
Результаты
Результаты в поиске и ИИ
Февраль 2026Август 2026
Верные утверждения о компанииСверка с утвержденными фактами
Положительные оценкиСреди оценочных ответов
Вопросы покупателей с ответомВопросы, прошедшие проверку покрытия
Ответы, соответствующие критерию покупателяТе же критерии покрытия, по каждому ответу
Из 720 ответов в каждом замере
Февраль
Август
Те же ответы
Февраль
Август
Клиент и четыре постоянных конкурента
Февраль
Август
Оценка подрядчика в ChatGPT
ChatGPT оценивает подрядчика для высоконагруженного банковского бэкенда. Названия компании и ее клиентов скрыты.
Оценка соответствия проекту. На вопрос, стоит ли встречаться с подрядчиком, ChatGPT посоветовал провести техническую оценку и связал опубликованные инженерные работы компании с требованиями покупателя к бэкенду.
ChatGPT находит подходящий банковский кейс, кратко пересказывает заявленные показатели и объясняет, для каких проектов он релевантен.
Поиск релевантного опыта. В ответе на уточняющий вопрос ChatGPT дал ссылку на опубликованный кейс, пересказал заявленные показатели подрядчика и отличил разгрузку основной системы от создания транзакционного реестра или движка платежного процессинга.
Небрендовые запросы
Органический поиск
18 в топ-10 на старте
34 в конце работы
- Топ-3 Google
- Позиции с 4 по 10
- Ниже первой страницы
Один квадрат – один запрос из той же фиксированной выборки: 120 запросов покупателей на британском английском, проверенных на старте и в конце работы.
17 февраля – 16 августа, аналитика
2025
2026
Результаты для бизнеса
Как потенциальные клиенты оценивали подрядчика
Разговоры на квалификации. Во время работы отдел продаж спрашивал квалифицированных потенциальных клиентов из разных каналов: «До нашего разговора вы изучали нашу компанию с помощью ИИ-ассистента? Что вы хотели узнать?» Каждый ответ относился к отдельному проекту.
Использование ИИ. Из этих 20 потенциальных клиентов 14 рассказали, что до первой встречи изучали компанию с помощью ИИ. В выборку вошли клиенты и по рекомендациям, и из поиска. Отдел продаж фиксировал использование ИИ отдельно от канала, через который клиент впервые узнал о подрядчике.
Что проверяли покупатели. Уточняющие вопросы касались релевантного опыта, технических возможностей и роли компании в прошлых проектах. Эти разговоры связали наши проверки ответов о компании с вопросами, с которыми клиенты подходили к выбору подрядчика.
Квалифицированные заявки из поиска
Квалификация. В оба года требовались подтвержденный деловой контакт, релевантная потребность, понятный объем работ, реалистичные сроки и известный владелец бюджета. Формы и письма показывали первичное соответствие, а одобрение бюджета относилось к более позднему этапу. Заявки с неполными данными оставались на рассмотрении, а явно неподходящие или без подтвержденного объема проекта отклоняли.
Заявки стали качественнее. Доля квалифицированных заявок выросла примерно с 30% до 53%, то есть примерно на 23 процентных пункта. Всего заявок стало больше примерно на 46%, а отклоненных стало 39 вместо 41.
Что это значит для бизнеса. В отслеживаемых выборках ИИ стал точнее описывать компанию, а квалифицированных заявок из поиска стало больше. На сравнение год к году также повлияли состав аудитории, активность продаж и рыночные условия.
Итоги
Проще оценить подрядчика. Отслеживаемые ответы ИИ точнее описывали компанию и чаще по существу отвечали на вопросы покупателей, а квалифицированных заявок из поиска стало больше. У клиента остались утвержденный реестр фактов, проверка специалистами и процесс публикации, чтобы и дальше точно описывать свой опыт и зону ответственности.
Как мы считали
Измерения ответов ИИ
Выбор вопросов. До 17 февраля зафиксировали вопросы на основе тем продаж и закупок, а также пробелов в контенте. Они касались внедренных систем, владения продуктами и ответственности за поддержку.
Отдельные выборки. Через Profound собрали ответы ChatGPT, Perplexity, Gemini и Claude с настройками для британского английского на 60 вопросов с названием компании и 60 небрендовых. Ежедневные запуски 17–19 февраля и 14–16 августа дали по 720 ответов на выборку за замер.
Правила оценки. Оценивали каждое проверяемое утверждение о компании, кроме общих советов и мнений. Повтор внутри ответа считали один раз, а в разных ответах учитывали снова. Неподтвержденные, опровергнутые и непроверяемые утверждения не проходили. Роли во внедрении подтверждали руководители проектов, а владение, отношения с клиентами и обязательства сверяли с документами ответственные сотрудники компании.
Сопоставимая оценка. Оба замера оценили вместе, с одними настройками оценщика и по одному реестру фактов, действовавших на обе даты. Более подробные итоговые ответы дали 1 200 утверждений вместо 900, а не прошедших проверку стало 84 вместо 270. Для покрытия ответ также должен был помогать с решением без существенных ошибок.
Проверка. Технические эксперты разобрали исключения и выборку по всем ИИ-системам и дням, не видя дат. Спорные случаи сверяли с исходными данными, а при систематических ошибках оценку пересчитывали. Результаты описывают только замеры в начале и в конце работы.
Оценочные формулировки. Тридцать оценочных вопросов дали по 360 пригодных для оценки ответов на замер. Верно названные ограничения могли иметь нейтральную или негативную тональность и все же пройти проверку точности и покрытия. Положительная оценка отражает только тон, а в работе ориентировались на соответствие подрядчика задачам покупателя.
Правила для небрендовых запросов. Цитирование показывает, что ИИ использовал источник. При расчете доли каждый бренд учитывали один раз на ответ: клиента, Ailleron, FINANTEQ, FINGO и ScienceSoft. Вопросы с названием компании здесь не учитывали. На обе выборки могли влиять изменения ИИ-систем и случайные колебания.
Измерения в поиске
Что учитывали в поиске. Органические визиты выросли примерно на 46%, отслеживаемые переходы из ИИ считали отдельно. Для позиций брали самый высокий органический результат клиента по запросу, без рекламы и ответов ИИ. Позиции в топ-3 включали в топ-10.
Подсчет заявок
Когорта заявок. Каждая строка охватывает отдельные проекты, поступившие с 17 февраля по 16 августа соответствующего года, с поисковым источником в том же периоде по правилу атрибуции за девяносто дней (см. ниже). Данные связывали только с согласия пользователей. Статус фиксировали на дату отсечки: квалифицированными считали только проекты, получившие этот статус к ней.
Подсчет. Повторные обращения и заявки объединяли в один проект. Отдельными проектами в одной организации считали только работы с разным объемом и отдельным решением о закупке. Когорты по дате поступления получали итоговый статус на дату отсечки, нерешенные заявки оставались на рассмотрении.
Наблюдаемый источник. Идентификатор формы связывал аналитику, собранную с согласия, с проектом после удаления дублей. Предварительный канал определяли по первому отслеживаемому непрямому визиту за девяносто дней до заявки. Также сверяли более ранние источники из записей отдела продаж и уже известные сделки: рекомендации, партнеры и исходящие продажи имели приоритет над атрибуцией поиску.
Граница когорты. Посетителя из поиска в январе с заявкой в марте исключали как привлеченного в прошлом периоде. Исключали и расширение работ с текущими клиентами, и неустановленные источники. Правило находит самый ранний наблюдаемый источник по истории визитов и продаж.
Сопоставимые данные. Связку источников и обязательные поля квалификации собирали до базового периода 2025 г., по одним правилам в оба года. Семь отслеживаемых заявок из ИИ в 2026 г. дали четыре квалифицированных проекта, два отказа и одну заявку без решения.
Станьте брендом,
который рекомендует ИИ
Запишитесь на бесплатный 30-минутный звонок с Евгением. Перед звонком мы проверим, что о вас говорят Google и ИИ. На звонке вы узнаете, с чего начать, чтобы ИИ рекомендовал вашу компанию.