Маркетплейсы против брендов
Почему время строить свой интернет-магазин и оптимизировать его под ИИ
Маркетплейсы захватили 85% рынка e-commerce, но превратились в жёсткую инфраструктуру
с растущими комиссиями и непрозрачными алгоритмами. Пришло время строить собственный
цифровой актив и делать его видимым для ИИ-поиска.
GEO-оптимизация и собственный D2C-магазин — не тренд, а новая
операционная необходимость для брендов в 2026 году.
Что вы получите из этой статьи
- Почему маркетплейсы стали стратегическим риском
- Как D2C-магазин становится независимым активом
- Четыре слоя GEO-архитектуры под ИИ-поиск
- Agentic Commerce и метрики AI-видимости
Суть за одну минуту
Три ключевых тезиса, которые объясняют ситуацию в e-commerce в 2026 году.
Маркетплейсы изменились
Эпоха дешёвого входа завершилась. Комиссии достигают 47% для ряда категорий, логистика росла на десятки процентов в 2023–2025 годах, алгоритмы ранжирования работают как закрытый "чёрный ящик". Из партнёра маркетплейс превратился в инфраструктуру с собственными интересами.
D2C — не сайт, а актив
Собственный интернет-магазин — это база данных клиентов, контроль над ценой, брендингом и LTV-воронкой. Маркетплейс остаётся витриной для первого контакта, D2C становится домом, где живёт бизнес. Без этого актива бренда фактически не существует.
GEO — новые правила видимости
Generative Engine Optimization делает сайт источником, который цитируют ChatGPT, Perplexity и Яндекс с нейроответами. Покупатель получает готовый ответ от ИИ, не открывая поисковик. Кто не в этих ответах — выпадает из поля зрения покупателя.
Вы работаете на чужой земле
Вы вложили средства в товар, в дизайн карточки, в рекламный бюджет, а покупатель ушёл к конкуренту, потому что алгоритм сегодня был добрее к нему. Вы не контролировали это вчера. Не будете контролировать завтра. И никакой рост оборота не изменит эту структурную реальность. Вы работаете на чужой земле.
Маркетплейсы захватили до 85% российского онлайн-рынка по прогнозам к 2028 году. Площадки вкладывают сотни миллиардов рублей в собственные скидки, а возвращают инвестиции через комиссии, тарифы, платную видимость и механики, которые продавец не контролирует. Это не проблема конкретной площадки — это системная модель монетизации.
Параллельно меняется сам ландшафт поиска. Покупатель всё чаще получает готовый ответ от ИИ-ассистента, а не листает страницы выдачи. ChatGPT, Perplexity, Яндекс с нейроответами — это новые посредники выбора. Тот, кто не стал источником для этих систем, выпадает из поля зрения покупателя ещё до того, как тот открывает браузер.
Настоящая проблема бизнеса на маркетплейсах не в уровне комиссий, а в потере управляемости. Алгоритмы ранжирования, скидки и видимость находятся под контролем платформы, а не бренда. Комиссии можно переложить в цену. Алгоритм не переложишь никуда.
Эта статья содержит практическое руководство для маркетолога и владельца e-commerce. Шесть разделов охватывают путь от понимания системной проблемы маркетплейсов до построения D2C-магазина с GEO-архитектурой, которая делает бренд видимым в нейровыдаче и агентном commerce.
Потапов Алексей Станиславович
Эксперт по GEO-оптимизации и e-commerce стратегиям, ФОНИИ
Почему комиссии растут — и почему это не главная проблема
Маркетплейсы стали жёсткой инфраструктурой — не партнёрской, а монетизирующей. Рост комиссий заметен, но потеря управляемости бизнесом гораздо опаснее. Разбираемся в механике системной проблемы.
Максимальная комиссия Ozon для ряда категорий товаров
Прогнозируемая доля маркетплейсов в российском e-commerce к 2028 году
Тысяч продавцов прекратили работу на Wildberries в 2025 году
Млрд рублей потратил Wildberries на субсидированные скидки в 2023 году
Совокупная нагрузка на продавца складывается из нескольких потоков, которые по отдельности учитываемы, но вместе делают unit-экономику непрогнозируемой. Первый поток — прямые комиссии, которые для ряда категорий приближаются к 47%. Второй — логистика и хранение, тарифы на которые пересматривались несколько раз в 2024–2025 годах, и по некоторым позициям рост составил десятки процентов.
Третий поток — платное продвижение. Без него карточка тонет в конкурентной массе. Четвёртый — штрафы и сервисные удержания, которые появляются под видом услуг. Вместе они создают ситуацию, в которой маржа становится непрогнозируемой, а управление прибылью превращается в работу с переменными, которые продавец не контролирует.
Четыре потока скрытой нагрузки на продавца
Каждый по отдельности учитываем. Все вместе — разрушают unit-экономику.
Прямые комиссии
Комиссии выросли на 4–8 п.п. за 2023–2025 годы. Для ряда категорий они приближаются к 47%. Это плановый механизм: маркетплейс субсидирует скидки покупателям и возвращает инвестиции через продавца.
Логистика и хранение
Тарифы пересматривались несколько раз в 2024–2025 годах. Рост по отдельным позициям составил десятки процентов. Продавец не может заложить точную стоимость в цену на горизонте 6–12 месяцев.
Платное продвижение
Без платного продвижения карточка тонет в конкурентной массе. Алгоритм ранжирования работает как закрытый "чёрный ящик" — механика СПП и персональных скидок перетекает к тому, кому сегодня "улыбнулся алгоритм".
Штрафы и удержания
Сервисные удержания появляются под видом дополнительных услуг. ФАС расследует методы формирования комиссий и тарификации, обсуждается регулирование скидок и прозрачность алгоритмов ранжирования.
Офлайн тоже под давлением
Доля магазинов одежды и обуви в торговых центрах сокращается. Многие бренды уходят с рынка, не выдержав конкуренции с агрессивным демпингом маркетплейсов, которые субсидируют скидки из комиссий продавцов.
- Сокращение трафика в офлайн-ритейл
- Ценовые войны, инициированные маркетплейсами
- Выход брендов среднего сегмента с рынка
Регулятор уже вмешивается
ФАС расследует методы формирования комиссий и тарификации. Обсуждается регулирование скидок и прозрачность алгоритмов ранжирования — это признак того, что система достигла предела социальной допустимости.
- ФАС расследует комиссионную политику
- Проект регулирования алгоритмов ранжирования
- Обсуждение прозрачности скидочных механик
Ключевой вывод раздела
Маркетплейсы — не плохие партнёры. Они просто реализуют логику своей бизнес-модели. Будущее за нишевыми площадками и D2C-моделью, а маркетплейсы перестают быть главным каналом, к которому нужно "по умолчанию" привязывать судьбу бренда. Следующий шаг — понять, как строить D2C как независимый актив.
Маркетплейс и собственный интернет-магазин
Небольшое пояснение к разделу. Здесь мы сравниваем модели как бизнес активы. Не чтобы отказаться от маркетплейсов, а чтобы правильно распределить роли и риски.
Главный тезис
Маркетплейс полезен как витрина и источник первичного спроса. Собственный D2C магазин нужен как центр данных, прибыли и повторных продаж. Когда у бренда нет D2C ядра, он играет по правилам платформы и конкурирует только ценой.
Клиентские данные и контроль над брендом
Небольшое пояснение к разделу. Если воронка продаж живёт на платформе, то и клиент принадлежит платформе. D2C меняет это и делает маркетинг управляемым.
Почему на маркетплейсе клиент не ваш
На маркетплейсе контактные данные и история заказов остаются у площадки. Коммуникации ограничены, а рядом с вашей карточкой показываются конкуренты и реклама. Вы не строите отношения, вы участвуете в аукционе внимания.
Итог простой. Вы зависите от платной видимости и от алгоритма, а повторные продажи случаются не потому, что вы выстроили LTV контур, а потому что покупатель снова вернулся на площадку.
Что даёт D2C бренду на практике
В D2C вы собираете first party data, строите CRM сегментацию и запускаете сценарии, которые повышают средний чек и повторные покупки. Это делает маркетинг предсказуемым, а бизнес устойчивым к переменам платформ.
Дополнительно вы получаете пространство для контента и доверия. Полноценные описания, экспертные материалы, гарантии, сервис, ценности бренда. Это то, что не помещается в стандартную карточку и почти не участвует в ранжировании маркетплейса.
Что такое GEO и почему это важно именно сейчас
Небольшое пояснение к разделу. Раньше борьба была за место в классической выдаче. Теперь борьба идёт за то, чтобы ИИ выбрал ваш сайт источником и процитировал его, когда пользователь спрашивает что выбрать и где купить.
GEO это Generative Engine Optimization
GEO оптимизация помогает сделать сайт и каталог понятными для генеративных систем. В таких системах пользователь часто получает готовый ответ, а не список ссылок. Задача GEO в том, чтобы ваш D2C магазин попадал в эти ответы и сохранял роль первичного источника о товаре, цене, наличии и сценариях выбора.
SEO
SEO делает страницы видимыми и индексируемыми. Это основа, без которой генеративные системы часто не смогут корректно найти и прочитать ваш контент.
GEO
GEO делает сайт цитируемым и понятным для ИИ. Это про машиночитаемые факты, согласованность данных, структуру контента и авторитет источника.
Практическая формула. SEO делает магазин видимым. GEO делает его голосом, который выбирает и цитирует ИИ.
Почему GEO критично именно для D2C магазина
Небольшое пояснение. У маркетплейса по умолчанию сильные сигналы каталога. У D2C магазина конкурентное преимущество создаётся руками. GEO позволяет перевести эту работу в формат, который ИИ реально использует.
Первый контакт смещается к ИИ
Пользователь спрашивает какой товар выбрать и где купить. ИИ даёт ответ сразу и формирует набор брендов, которые попадают в рассмотрение.
Доверие строится на источниках
ИИ выбирает источники, где факты совпадают, данные стабильны, а бренд понятен как сущность. Слабая структура и противоречия снижают шанс быть процитированным.
Конверсия зависит от ясности
Когда ИИ приводит посетителя, он ожидает подтверждение ответа. Цена, наличие, доставка, возвраты и описание товара должны быть однозначными.
Готовы сделать магазин видимым для ИИ
Оставьте заявку. Мы подскажем, какие изменения дадут максимальный эффект для D2C, и с чего начать GEO оптимизацию без лишней разработки.
Получить консультациюОтветим в течение рабочего дня | Данные защищены
Четыре слоя GEO-архитектуры для D2C магазина
Небольшое пояснение к разделу. GEO не ограничивается настройкой микроразметки. Это четыре последовательных слоя, каждый из которых решает конкретную проблему видимости для генеративных систем. Пропустить один из них означает получить неполный результат.
SILO и карта интентов
Связанная сеть страниц, которую ИИ воспринимает как тему
Schema.org разметка
Машиночитаемый язык товара, цены и организации
Product Feed
Каталог как поток данных, понятный для AI-логики
Доступность и llms.txt
Открытость для краулеров и ориентир для LLM
E-E-A-T как сквозной фактор всех слоёв
Experience, Expertise, Authoritativeness, Trustworthiness. ИИ-системы выбирают источники с ясными сигналами авторитета. Это не отдельный инструмент, а принцип, который пронизывает все четыре слоя GEO.
Experience
Реальный опыт применения. Кейсы, примеры из практики, авторские материалы.
Expertise
Экспертный контент с конкретными данными, цифрами и методологией.
Authoritativeness
Упоминания и ссылки из других источников, партнёрства, СМИ.
Trustworthiness
Прозрачность команды, контакты, политика возвратов и данных.
Хотите список задач по всем слоям для вашей CMS
Запишитесь на GEO-аудит. Вы получите конкретный план по Schema.org, llms.txt, product feed и структуре контента с приоритизацией задач для команды.
Записаться на GEO-аудитАудит занимает 2-3 рабочих дня | Получите готовый roadmap с KPI
Agentic Commerce и KPI AI-видимости
Небольшое пояснение к разделу. Следующий этап эволюции поиска — это не просто ответы ИИ, а агентные покупки. ИИ-агент сам исследует рынок, сравнивает предложения и совершает транзакцию. Магазин, не готовый к этому, выпадает из нового слоя спроса.
Что такое Agentic Commerce
Agentic Commerce — это модель, в которой ИИ-агент действует от имени покупателя. Он получает задачу, самостоятельно обходит источники, сравнивает варианты, проверяет наличие, цену и условия доставки, а затем совершает покупку или готовит готовое решение для подтверждения.
Это не отдалённое будущее. Агентные покупки уже реализованы в продуктах OpenAI, Perplexity Shopping и ряде корпоративных решений. Рынок мультиагентных систем растёт с CAGR около 40%. Магазины, которые не отдают данные о товаре в понятном для агентов формате, просто не попадут в выборку.
Почему D2C магазин выигрывает у маркетплейса в агентной эре
Небольшое пояснение. Маркетплейсы сами по себе сложны для агентного доступа из-за закрытых API и алгоритмов. D2C магазин с открытой структурой данных становится предпочтительным источником для агентов.
Открытые данные и API
D2C магазин может предоставить структурированный product feed, API цен и остатков без ограничений платформы. Агент читает нужные данные напрямую.
Управляемая цена и условия
Вы контролируете цену, акции, наличие и условия доставки. Агент видит актуальные данные без посредника, а не устаревший снимок из кеша.
Идентичность бренда
Schema.org Organization, Person и E-E-A-T сигналы создают чёткую идентичность в системах. Агент знает, кто стоит за предложением, и это повышает доверие к транзакции.
KPI 2026: как измерить AI-видимость магазина
Небольшое пояснение к разделу. Стандартные метрики позиций и CTR не отражают реальный эффект GEO. Ниже — набор KPI, который позволяет видеть работу оптимизации под генеративные системы и принимать решения на основе данных.
Citation Rate
Частота цитирования
Доля запросов из контрольного пула (20–50 фраз), в ответах на которые ИИ упоминает ваш бренд или сайт. Измеряется вручную или через специализированные инструменты мониторинга AI-ответов раз в 1–2 недели.
Цель на старте. Попасть в топ-3 источников хотя бы по 30% запросов категории.
Share of Voice в AI-ответах
Доля голоса в нейровыдаче
Отношение ваших упоминаний к упоминаниям конкурентов в одном пуле запросов. На старте — ручная проверка в ChatGPT, Perplexity и Яндексе. Затем — автоматизация через агрегаторы AI-аналитики.
Цель. Рост SoV относительно ближайшего конкурента через 60 дней после внедрения.
Brand-Query Lift
Рост брендовых запросов
Рост числа прямых поисковых запросов по бренду. Косвенный сигнал того, что ИИ-рекомендации приводят новых пользователей, которые потом ищут бренд напрямую в поисковике или браузере.
Источник. Google Search Console, Яндекс.Вебмастер — фильтр по брендовым запросам.
AI-Рефералы
Трафик из AI-источников
Переходы с ChatGPT, Perplexity, Яндекса с нейроответами и других AI-источников в аналитике. Отражают, насколько цитирование конвертируется в реальный трафик и транзакции.
Отслеживать. Отдельный сегмент в GA4/Метрике — реферальный трафик из AI-систем.
Три шага для старта сегодня
Не нужно запускать всё сразу. Начните с диагностики и первого слоя.
Аудит AI-видимости
Проверьте 20–30 запросов вашей категории в ChatGPT, Perplexity и Яндексе. Зафиксируйте, кто из конкурентов упоминается и почему. Это ваша точка отсчёта.
Приоритизация слоёв
На основе аудита определите слабые места. Чаще всего первыми дают эффект Schema.org для топ-SKU и проверка доступности для AI-краулеров.
Запуск и трекинг
Внедрите первый слой за 2 недели, настройте трекинг Citation Rate и AI-рефералов. Цикл повторите через 30 дней с учётом данных.
Хотите знать свой текущий Citation Rate
Запишитесь на GEO-аудит ФОНИИ. Вы получите замер AI-видимости вашего магазина по ключевым запросам категории и персональный план по улучшению каждого KPI.
Получить замер AI-видимостиОтвечаем в течение рабочего дня | Персональный roadmap с KPI
Как использовать маркетплейсы правильно — витрина, а не дом
Небольшое пояснение к разделу. Цель не в том, чтобы уйти с маркетплейсов. Цель в том, чтобы перестроить роли так, чтобы маркетплейс работал на вас, а не вы работали на маркетплейс. Это стратегия двух каналов, а не выбор между ними.
Как перевести покупателя с маркетплейса в D2C
Прямая реклама "уходи с маркетплейса" не работает. Работает создание ценности, которой нет на платформе. Вот инструменты перевода.
Эксклюзив в D2C
Позиции, доступные только в собственном магазине. Комплекты, размеры, лимитированные серии.
Программа лояльности
Кешбэк, баллы и накопительные скидки только в D2C магазине. Мотивация вернуться напрямую.
Сервис и поддержка
Персональные консультации, быстрый обмен и возврат — то, что маркетплейс не может обеспечить на уровне бренда.
Экспертный контент
Гайды, обзоры и сравнения на сайте — то, что формирует доверие и одновременно повышает GEO-видимость.
Чеклист двухканальной стратегии
- Определены 10–30 SKU-витрин для маркетплейсов
- D2C магазин принимает трафик и собирает данные
- Создано 5–10 страниц выбора под AI-запросы
- Внедрён инструмент сбора и сегментации клиентской базы
- Настроена CRM с базовыми сценариями коммуникаций
- Schema.org разметка внедрена для топ-SKU
- robots.txt открыт для AI-краулеров, llms.txt создан
- Трекинг AI-рефералов настроен в аналитике
Как выйти из зависимости от маркетплейсов и сделать магазин видимым для ИИ
Маркетплейсы забирают до 38% выручки, скрывают данные о покупателях и не дают бренду голоса в новом поколении поиска. ИИ-ассистенты уже выбирают и рекомендуют товары вместо людей — и делают это на основе структурированных данных, Schema.org разметки и авторитета источника. Восемь последовательных шагов ниже — это практический маршрут от зависимости от платформы к собственному магазину, который видит, читает и цитирует искусственный интеллект.
Этап 1. Проведи GEO-аудит и посчитай реальную маржу по каждому каналу
Начни с честной экономики: возьми данные за последние 6–12 месяцев по каждой категории на маркетплейсах и рассчитай реальную маржу с учётом базовой комиссии (15–38% в зависимости от площадки и категории), логистических сборов, стоимости возвратов, рекламного бюджета, штрафов и промоакций. Если итог по большинству категорий ниже 15%, ты уже субсидируешь оборот платформы за свой счёт. Зафиксируй это числом — не ощущением. Одновременно проверь своё присутствие в генеративных системах: задай в ChatGPT, Perplexity и нейровыдаче Яндекса 10–15 запросов, релевантных твоим товарам. Если ни в одном ответе нет упоминания твоего бренда или магазина, ты уже теряешь трафик нового поколения. Зафиксируй базовую AI-видимость как нулевую точку старта — именно от неё будет измеряться прогресс всей GEO-работы в последующие месяцы.
Этап 2. Определи SKU-витрины для маркетплейсов и флагманские позиции для D2C
Не все товары одинаково работают в разных каналах. Отбери 10–30 SKU с высокой узнаваемостью и широким поисковым спросом — это витрина маркетплейса, их задача дать первый охват и социальное доказательство через отзывы. Отдельно выдели 5–15 флагманских позиций для D2C: товары с высокой маржой, сильным брендинговым потенциалом или хорошо работающие в повторных заказах. Флагман D2C должен быть достаточно интересен, чтобы покупатель захотел прийти за ним напрямую. Для флагманских SKU прописываются детальные технические характеристики, GTIN-коды, данные о материалах, производителе и условиях использования. Это фундамент для Schema.org разметки и product feed — без полноты атрибутов ни поисковая система, ни ИИ-агент не смогут корректно описать и рекомендовать товар. Чем полнее карточка товара на уровне данных, тем выше вероятность попасть в агентную выборку при конкурентном запросе в любом из AI-ассистентов.
Этап 3. Внедри Schema.org разметку — язык, на котором тебя читают ИИ-агенты
Schema.org — это стандарт структурированных данных, позволяющий ИИ-системам точно идентифицировать сущности на твоём сайте. Минимальный стек для e-commerce включает: Product (основная сущность товара), Offer (цена, валюта, наличие, срок действия цены), AggregateRating и Review (социальное доказательство), Organization (идентификация бренда), BreadcrumbList (структура каталога) и FAQ (цитируемые ответы на типовые вопросы покупателей). Каждый тип реализуется как блок JSON-LD в коде страницы и считывается краулерами ChatGPT, Google, Perplexity и YandexGPT. Особое внимание уделяй полноте полей Offer: price, priceCurrency, availability, priceValidUntil, seller, shippingDetails, hasMerchantReturnPolicy. Именно эти поля агентные системы проверяют в первую очередь перед включением товара в рекомендацию. Неполный или устаревший Offer автоматически снижает доверие агента к источнику. После внедрения разметки проверяй её через Rich Results Test и Schema Validator еженедельно — данные о ценах и остатках должны обновляться в реальном времени.
Этап 4. Создай product feed и настрой файл llms.txt
Product feed — это машиночитаемый файл (YML, XML или JSON), который содержит актуальные данные обо всех товарах: название, описание, цена, наличие, изображения, категория, GTIN. Он используется рекламными системами, агрегаторами и всё активнее — ИИ-агентами для формирования выборок при агентных покупках. Feed должен обновляться минимум раз в сутки, а для товаров с волатильным остатком — в режиме реального времени. Устаревший feed хуже отсутствующего: агент, получив неверную информацию о наличии, теряет доверие к источнику и исключает его из дальнейших запросов. Файл llms.txt — это новый стандарт, аналог robots.txt, но специально созданный для языковых моделей. Он размещается в корне сайта и сообщает AI-агентам, какие разделы открыты для индексации, какие страницы содержат авторитетный контент и как идентифицировать бренд. Это прямой сигнал доверия для систем вроде ChatGPT и Claude при формировании ответов. Одновременно проверь robots.txt: строки Disallow для AI-краулеров GPTBot, PerplexityBot и ClaudeBot должны быть разрешены — иначе агент физически не сможет прочитать твой сайт.
Этап 5. Создай страницы выбора под AI-запросы покупателей
Страницы выбора — это контентные страницы формата как выбрать X, лучший X для Y, X против Z: сравнение, которые отвечают на конкретные вопросы покупателей в развёрнутом формате. Это не карточки товаров и не категорийные страницы — это экспертные материалы, которые ИИ-системы используют как источник для своих ответов. Контент с чёткими ответами на конкретные вопросы, структурированными данными и авторством эксперта попадает в AI-ответы в разы чаще, чем общий описательный текст без позиции и конкретики. Каждая такая страница строится по единой структуре: чёткий ответ на вопрос в первых двух абзацах (принцип перевёрнутой пирамиды), структурированное сравнение с реальными цифрами, блок FAQ с разметкой FAQPage Schema, данные об авторе с явным указанием экспертизы, внутренние ссылки на соответствующие карточки товаров и категории. Оптимальный объём — 1500–2500 слов. Начни с 5–8 страниц под самые частотные запросы в своей нише и расширяй библиотеку ежемесячно на 3–5 новых материалов.
Этап 6. Выстрой E-E-A-T и авторитет бренда как цитируемого источника
E-E-A-T (Experience, Expertise, Authoritativeness, Trustworthiness) — это набор сигналов, по которым ИИ-системы оценивают достоверность источника. Для интернет-магазина это означает: страница О компании с реальной историей, адресом и командой; страницы авторов с биографиями и сертификатами; упоминания в независимых СМИ и отраслевых изданиях; верифицированные отзывы с датами и деталями. Каждый из этих сигналов увеличивает вероятность того, что ИИ-модель идентифицирует тебя как авторитетный источник и процитирует в своём ответе вместо конкурента. Внешние упоминания — особый рычаг. Публикации в отраслевых изданиях, экспертные комментарии, участие в подборках лучших магазинов категории создают распределённое знание о бренде в интернете, которое напрямую влияет на то, как ИИ-модели представляют тебя пользователям. Это не классический линкбилдинг ради ссылочного веса — это формирование репутации бренда как эксперта, достойного цитирования. Один качественный материал в авторитетном издании с упоминанием бренда может увеличить частоту AI-цитирований на несколько недель вперёд.
Этап 7. Выстрой двухканальную стратегию и механику перевода клиентов с маркетплейса в D2C
Двухканальная стратегия — это не уход с маркетплейсов, а правильное перераспределение их роли. Маркетплейс становится витриной: обеспечивает первичный охват, социальное доказательство через отзывы и тестирование новых SKU без тяжёлого рекламного бюджета. D2C-магазин становится домом бренда: здесь происходят повторные покупки, накапливается клиентская база и работает программа лояльности. Ключевое условие: два канала не конкурируют, а дополняют друг друга на разных этапах жизненного цикла покупателя. Механика перевода строится на создании ценности, которой нет на маркетплейсе: эксклюзивные позиции только на сайте бренда, программа кешбэка за прямые покупки, расширенный ассортимент и персональный сервис. Вкладыш в маркетплейсовой упаковке с QR-кодом на страницу регистрации в программе лояльности — один из самых эффективных и малозатратных инструментов перевода. По данным практических D2C-кейсов, от 8 до 15% покупателей, получивших такой вкладыш, регистрируются на сайте бренда в течение 30 дней после первой покупки.
Этап 8. Настрой KPI AI-видимости и систему регулярного мониторинга
Традиционная аналитика не показывает AI-трафик в полной мере. Начни с настройки UTM-меток и фильтров в GA4 для источников с доменами chatgpt.com, perplexity.ai и yandex.ru (нейровыдача) — это прямой трафик с AI-рефералов. Параллельно отслеживай брендовые поисковые запросы: рост прямых запросов по названию бренда часто является косвенным следствием AI-упоминаний, когда пользователь услышал о тебе от ИИ-ассистента и потом нашёл тебя самостоятельно. Создай простую таблицу мониторинга с еженедельными замерами по каждому AI-источнику. Ежемесячно проводи ручную проверку: задавай 15–20 целевых запросов в ChatGPT, Perplexity и нейровыдаче Яндекса и фиксируй, упоминается ли бренд и на какой позиции в ответе. Этот показатель называется AI Mention Rate — ключевой KPI GEO-стратегии. Дополнительно отслеживай число страниц с полной Schema.org разметкой, актуальность product feed (не старше 24 часов), количество внешних упоминаний бренда и динамику позиций по информационным запросам. Совокупность этих метрик даёт объективную картину роста AI-видимости и позволяет корректировать стратегию ежеквартально.
Маркетплейсы, свой магазин и ИИ — отвечаем на главные вопросы
Комиссии растут, данные о покупателях остаются у платформы, а ChatGPT и нейровыдача Яндекса уже рекомендуют товары без привычной поисковой выдачи. Собрали самые острые вопросы собственников e-commerce о переходе на D2C, GEO-оптимизации и Agentic Commerce — и дали развёрнутые практические ответы.
В 2024–2025 годах комиссии на ведущих российских маркетплейсах выросли с 15–20% до 30% и выше по ряду категорий. Wildberries берёт 25–33% за продажу одежды, Ozon — до 24% в электронике, и это без учёта логистических сборов, стоимости возвратов, штрафов и обязательного участия в промоакциях. Когда к этим издержкам добавляются НДС и расходы на контент, реальная маржа продавца в большинстве ниш опускается ниже 10%, а нередко уходит в минус. Помимо финансового давления, маркетплейс лишает бренд самого ценного актива — данных о покупателях. Продавец не знает имён, email-адресов, истории поведения и предпочтений своих клиентов: всё это остаётся на платформе. Это означает невозможность выстроить CRM, запустить программу лояльности или измерить LTV. Бренд фактически арендует аудиторию, не владея ею, и при любом изменении алгоритма или ставки комиссии теряет бизнес вместе с клиентской базой.
GEO (Generative Engine Optimization) — это адаптация структуры сайта, контента и технических данных под алгоритмы генеративных ИИ-систем: ChatGPT, Perplexity, Google AI Overviews и YandexGPT. В отличие от классического SEO, которое добивается позиций в поисковой выдаче, GEO направлено на то, чтобы ИИ-модель цитировала ваш магазин как источник, рекомендовала ваш продукт в своём ответе и включала ссылку на ваш сайт в генерируемый текст. Согласно исследованию на базе GEO-bench с 10 000 поисковых запросов, правильная оптимизация увеличивает видимость контента в AI-ответах до 40%. Для интернет-магазина GEO критична по практической причине: всё больше покупателей задают вопросы вида какой ноутбук купить до 80 тысяч или лучший крем от морщин в 2026 году напрямую в ChatGPT или нейровыдаче Яндекса, минуя классический поиск. Если ваш магазин не оптимизирован под эти системы, он не попадёт в ответ — независимо от позиций в Google. Магазин, освоивший GEO раньше конкурентов, получает органический AI-трафик, который конвертируется лучше обычного, поскольку покупатель уже получил рекомендацию от доверенной системы.
Когда покупатель совершает покупку на вашем D2C-сайте, вы получаете его имя, контакт, историю заказов и поведение на сайте. Всё это формирует первичные данные (first-party data) — наиболее ценный актив для современного маркетинга, принципиально недоступный при работе через маркетплейс. На основе этих данных строится CRM: покупатель получает персональные письма, пуш-уведомления, напоминания о расходных товарах и индивидуальные скидки. Такой подход системно увеличивает LTV и снижает стоимость привлечения повторного клиента. Повторные продажи без маркетплейсной комиссии — это принципиально иная экономика. Если первая покупка через маркетплейс обошлась вам в 30% комиссии плюс расходы на рекламу, то вторая покупка того же клиента на вашем сайте через email-рассылку обходится в условные 2–5%. Именно поэтому D2C-модель становится рентабельной не сразу, а с ростом доли повторных клиентов: каждый лояльный покупатель, переведённый с маркетплейса на собственный сайт, превращается из разовой транзакции в долгосрочный актив.
Agentic Commerce — это модель, при которой ИИ-агент действует от имени покупателя: получает задачу, самостоятельно обходит источники, сравнивает цены и наличие, проверяет условия доставки и совершает покупку или готовит финальный выбор для подтверждения. Эта технология уже работает в продуктах OpenAI и Perplexity Shopping: агент читает Schema.org разметку, product feed и файл llms.txt — и на их основе принимает решение о включении магазина в выборку. Рынок мультиагентных систем растёт с CAGR около 40% в год, а агентные покупки в США запущены в коммерческом режиме с четвёртого квартала 2025 года. Магазин без машиночитаемых данных — это магазин, которого агент не видит. Закрытый robots.txt для AI-краулеров, отсутствие разметки Product, Offer и AggregateRating, устаревшие данные об остатках — каждый из этих факторов автоматически исключает вас из агентной выборки. Маркетплейсы, как ни парадоксально, сами сложны для агентного доступа из-за закрытых API и собственных алгоритмов ранжирования. D2C-магазин с открытой структурой данных объективно выигрывает у них в агентной эре — и это конкурентное окно открыто прямо сейчас.
Первый шаг — провести GEO-аудит текущего состояния бизнеса и цифрового присутствия. Это значит: посчитать реальную маржу с учётом всех маркетплейсовых издержек по каждой категории, проверить, цитирует ли хоть один из крупных ИИ-ассистентов ваш бренд, оценить наличие собственной клиентской базы и определить, какие SKU реально прибыльны. Без этой картины невозможно выстроить стратегию перехода — только потратить бюджет на хаотичные тактики без измеримого результата. После аудита формируется двухканальная стратегия: маркетплейс остаётся витриной для первичного охвата и знакомства с продуктом, а собственный D2C-магазин становится домом бренда, где живут данные, CRM и программа лояльности. Параллельно начинается GEO-работа: внедрение Schema.org для топ-SKU, создание 5–10 страниц выбора под AI-запросы, настройка llms.txt и открытие robots.txt для AI-краулеров. Это не реконструкция за год, а последовательные итерации, каждая из которых приближает магазин к независимости от платформ и видимости в новом поколении поиска.
Потапов Алексей Станиславович
Эксперт по GEO-оптимизации и e-commerce стратегиям, ФОНИИ
Помогает D2C брендам строить архитектуру AI-видимости, выходить из зависимости от маркетплейсов и наращивать LTV через собственные каналы и данные.
Материалы по теме
Полезные ресурсы для углублённого изучения темы
GEO-оптимизация
generative-optimization.ruSchema.org для e-commerce, llms.txt, E-E-A-T и мониторинг AI-видимости
Agentic Commerce
agentic-commerceКейсы, стратегии и инструменты для брендов в эпоху агентного commerce
Дата публикации
Февраль 2026
Актуально для e-commerce рынка России в 2026 году