За 4 месяца вывели российский бренд профессиональной косметики на первое место в нейросетях

1. Вводная задача от заказчика, проблематика, цели

Клиент

К нам обратился российский бренд профессиональной косметики для волос, который на рынке уже около 15 лет. Его продукты продаются в магазинах косметики и на маркетплейсах. Бренд хорошо известен в профессиональной среде: компания сотрудничает с салонами красоты и обучает мастеров. Клиент попросил сохранить анонимность, но согласился показать результаты продвижения.

Проблема

Парикмахеры, стилисты и обычные покупатели вместо того чтобы часами изучать каталоги интернет-магазинов и сравнивать характеристики красок, все чаще обращаются к нейросетям. Достаточно спросить у ИИ «какую гель-краску выбрать блондинке для яркого окрашивания», и человек за несколько секунд получит подборку подходящей косметики.

Хотя клиент уже около 15 лет на рынке, у него много положительных отзывов и хорошая репутация среди мастеров, в апреле его бренд появлялся всего лишь в 3 из 100 подобных запросов. Нейросети советовали известных зарубежных производителей и российских конкурентов.

Из-за этого компания теряла быстрорастущий канал спроса. Пользователь видел в нейросетях Wella, L’Oreal или Davines, и покупал их товар, а о бренде клиента он даже не подозревал.

Задача

Сделать бренд одним из первых, кого ИИ рекомендует пользователям, выбирающим гелевый краситель или оттеночный бальзам. Нужно было не разово попасть в ответы, а стабильно удерживать высокие позиции в рекомендациях нейросетей. И это на высококонкурентном рынке, где в топе стоят зарубежные бренды с многолетней историей, тысячами отзывов и огромными рекламными бюджетами.

2. Описание реализации кейса и творческого пути по поиску оптимального решения

1. Выбрали продукты и сценарии использования

Продвигать бренд по всей косметике бесполезно. По запросам вроде «лучшая профессиональная косметика» в топе будут только бренды с многолетней историей и огромными рекламными бюджетами. Поэтому мы сосредоточились на продвижении отдельных продуктов: многие будут искать не косметику в общем, а именно краску для волос, бальзам или маску. Вместе с клиентом отобрали 2 приоритетных продукта: гелевый краситель и оттеночный бальзам.

По каждому из них выбрали несколько use-кейсов — это сценарии использования, по которым человек может искать продукт. К примеру, парикмахер будет искать «оттеночный бальзам для салона красоты», брюнетка будет спрашивать «какой оттеночный бальзам выбрать для темных волос», а обычный покупатель просто попросит посоветовать качественный бальзам. В рамках одного сценария использования неважно, как человек сформулирует вопрос, ИИ будет использовать одни и те же источники. Так, проработав один use-кейс, мы закрываем сразу несколько десятков формулировок.

2. Сделали аудит и проанализировали, кто сейчас попадает в ответы ИИ

По каждому use-кейсу собрали 3-5 максимально общих промптов: так, даже если пользователь добавит деталей, клиент все равно попадет в ответы. На старте замерили по ним AI-видимость бренда — долю ответов нейросетей, в которых упоминается продукция клиента. Она составила 3%. Этот показатель стал отправной точкой: теперь мы могли отслеживать, насколько чаще ИИ стал рекомендовать продукцию клиента и какие позиции она занимает относительно конкурентов.

Кроме того, мы изучили, какие компании на тот момент попадали в ответы и на каких источниках они публиковались. Все данные собрали в таблицы: по ним удобно разрабатывать GEO-стратегию.

Выяснилось, что в основном нейросети ссылались на статьи с UGC-площадок (Vc.ru, Dzen), рейтинговые порталы (Kp.ru, Lady Mail) и несколько подробных отзывов. Больше половины ссылок вели на 5-7 площадок. А потому мы решили опубликоваться там, откуда ИИ уже берет информацию для ответов.

3. Опубликовались на UGC-площадках и продвинули статьи в Яндексе и Google

По каждому use-кейсу мы написали и опубликовали статьи. Каждая статья — это подробный обзор 10-12 брендов, который не выглядит как реклама: иначе нейросети его не возьмут в ответы, а читатели не поверят. Выложили их на разных площадках: vc.ru, DTF, Тенчат.

Однако недостаточно опубликовать материалы: важно вывести их в топ поиска. Когда пользователь задает ИИ вопрос, она «идет» в поиск и ищет ответ в Google, Bing или Яндекс. Затем нейросеть собирает информацию из первых 3-5 статей в топе, обрабатывает ее и отправляет короткую выжимку. До материалов с низкими позициями она, как правило, просто не доходит.

Новые статьи, как правило, редко сразу попадают в топ поиска. Поэтому у нас есть специальный SEO-отдел. Его специалисты выводили статьи в топ Яндекса и Google, чтобы их оттуда могли брать ИИ-ассистенты. Когда по запросу в топе стоят наши обзоры, нейросеть с высокой вероятностью называет бренд клиента.

4. Опубликовались в нескольких внешних рейтингах

Аудит показал, что нейросети часто ссылаются на статьи с известных рейтинговых порталов. Таким сайтам по несколько лет, их статьи годами стоят в топе поиска. Обогнать их материалы очень сложно.

Вместо того, чтобы тратить деньги на продвижение и пытаться перегнать известную площадку, мы связались с ними, узнали условия и договорились о размещениях. Бренд клиента добавили в рейтинги, на которые уже ссылались ИИ. Это помогло добиться быстрых результатов.

5. Расширили семантику и стали попадать в ответы ИИ по более широкому пулу запросов

Один и тот же продукт люди могут называть по-разному: гелевый краситель, гель-краска, гелевая краска и т. д. Нейросети часто учитывают название продукта при выборе источников. Например, если в статье упоминается только «гелевый краситель», ИИ не всегда будет использовать ее при ответе на вопрос «какую гель-краску выбрать».

Поэтому мы собрали разные названия продуктов клиента и добавили их в уже опубликованные статьи. В результате бренд начал появляться в ответах ИИ по 12 новым use-кейсам, и все это без публикации новых материалов.

6. Удержали высокую AI-видимость по всем use-кейсам

Позиции в ответах ИИ непостоянны: поисковая выдача часто меняется, а конкуренты тоже работают над продвижением. Поэтому каждый месяц мы проверяем видимость бренда по всем выбранным промптам, дорабатываем статьи, если они теряют позиции в поиске, и постепенно добавляем новые сценарии.

Такой подход помогает нам не только удерживать достигнутые результаты, но и улучшать их. В апреле AI-видимость бренда составляла всего 3%, в мае выросла до 65%, в июне — 71%, а к июлю достигла 77%. При этом каждый месяц мы перевыполняли план по видимости: после резкого роста показатели не снижались, а продолжали увеличиваться.

3. Результаты сотрудничества

✓ По 3 из 4 запросов нейросети рекомендуют бренд клиента: AI-видимость выросла с 3 до 77%. В апреле ИИ рекомендовал бренд в 3 из 100 случаев, в мае — в 65%, в июне — в 71%, а в июле — 77%. Каждый месяц мы перевыполняли план на 150%-215%.

✓ Заняли первое место среди всех брендов в ответах нейросетей по гелевым красителям и оттеночным бальзамам. Согласно сервису Keys.so, AI-видимость нашего клиента составляет 77%, у ближайшего конкурента, Wella Professional, бренда с 70-летней историей, она равна 52%, у Kapous — 44%, а у L’Oreal — 29%, а у остальных еще меньше.

Другие бренды десятилетиями работали над своей репутацией, собирали отзывы и размещались на разных площадках. Несмотря на это, нам удалось за 4 месяца «вытеснить» их из AI-выдачи

✓ Достигли 100% видимости по флагманскому продукту. Как бы человек не просил порекомендовать гелевый краситель, ИИ советует бренд клиента