Marketing Mix Modelingдля AI-канала
Считаем вклад ChatGPT, Алисы, YandexGPT и ещё 6 LLM в выручку методом, который Adobe Mix Modeler и Sellforte применяют к performance-каналам. Для российского e-commerce.
Для кого
Кому это подходит, а кому пока нет
Мы не для всех — это нормально. Чем чётче поймём fit на старте, тем быстрее дадим осмысленный результат — или честно скажем, что пока рано.
Подходит
- Mid/large e-com от $50M годовой выручки с собственной аналитической функцией
- Команды с продуктовым аналитиком, dbt/CDP, дисциплиной дашбордов
- Performance-агентства, обслуживающие enterprise-клиентов
Пока не подходит
- SMB e-com без аналитика, ищущие «волшебную цифру»
- Бренды без подключённой веб-аналитики и каталога SKU
- Запросы на гарантированный рублёвый эффект до пилота
Если вы во второй колонке — можно стартовать с бесплатного Visibility-тарифа: SoV-мониторинг без интеграций и без обещаний по рублёвому эффекту. Через 6–12 месяцев, накопив историю и долю канала, переключаетесь на Attribution.
Покрывает весь стек — от российских LLM до западных
- YandexGPT
- GigaChat
- Алиса AI
- Нейропоиск
- ChatGPT
- Claude
- Gemini
- Perplexity
- DeepSeek
- Kimi
- YandexGPT
- GigaChat
- Алиса AI
- Нейропоиск
- ChatGPT
- Claude
- Gemini
- Perplexity
- DeepSeek
- Kimi
Контекст рынка · и наш ответ
Почему именно сейчас
Сегодня у вас 0,5% AI-трафика — через 18 месяцев будет 2–4%
Канал растёт быстрее всех остальных за последние 10 лет — но пока с очень низкой базы. Бренды, которые занимают долю в ответах LLM сейчас, делают это в 5–10× дешевле, чем будут платить через год.
Канал растёт по экспоненте
100M+ запросов в день в AI-чатах уже сегодня. К 2027 ChatGPT и аналоги станут стартовой точкой 50% покупок в e-com (прогноз Gartner). Это уже не «когда-то».
Сейчас занять долю — в 5–10× дешевле
В большинстве категорий AI-конкуренция ещё пуста: ваш бренд дёшево попадает в ответы, потому что некому конкурировать. Через год за то же место будут торговаться все.
Не измеряете → не управляете
Если вы не знаете, в каких категориях AI вас называет (а в каких — конкурентов), вы не можете ни оптимизировать контент, ни оценить эффект. Стартовать без данных — лотерея.
Проблема
Маркетологи теряют деньги в каналах, которые не умеют измерять
К 2027 году половина решений о покупке в e-commerce будет начинаться с диалога с AI-ассистентом. Веб-аналитика и GEO-трекеры показывают только верхушку айсберга — клик по ссылке в ответе AI. Большинство пользователей читают AI и приходят сами, без референрера.
Источник: Gartner, 2024 ↗Веб-аналитика видит только клики
Если AI назвал ваш бренд без активной ссылки — пользователь придёт как direct или branded search. Это и есть 99% «невидимого» AI-трафика.
Корреляция — это не атрибуция
Те, кто называет себя «revenue attribution» (включая известные западные платформы), на самом деле делают Pearson-корреляцию между visibility и GA-сессиями. Это не атрибуция — это её иллюзия. Настоящая атрибуция требует контроля confounders: сезонности, промо, perf-расхода, brand-активности. Без них корреляция приписывает AI-каналу всё, что просто синхронно с ним росло.
- ChatGPT
- Claude
- Gemini
- YandexGPTRU
- GigaChatRU
- Алиса AIRU
- НейропоискRU
RU-стек невидим западным инструментам
Алиса, YandexGPT, GigaChat, Нейропоиск — половина AI-аудитории в РФ. Западные платформы их не покрывают и в обозримом будущем не покроют.
Решение
Три слоя данных, которых нет у других GEO-трекеров и систем веб-аналитики
Соединяем мониторинг упоминаний в LLM с фактическими покупками. Первая в РФ measurable attribution для AI-канала — а не vanity-метрики SoV.
LLM-мониторинг
Все российские и международные модели
YandexGPT, GigaChat, Алиса, Нейропоиск, ChatGPT, Claude, Gemini, DeepSeek, Kimi — ежедневный прогон ваших категорийных и SKU-запросов. Парсинг упоминаний, канонизация брендов, pros/cons.
Метрика-атрибуция
Видимая + теневая AI-выручка
Прямая атрибуция через AI-referrer (нижняя граница) + корреляционная модель SoV ↔ direct/branded (верхняя). Реальное влияние — между ними. Ни один GEO-трекер сегодня этого не делает.
- Метрика → купленные SKU
- SKU → новые промпты
- Промпты → больше упоминаний
- Точность ↑ каждую неделю
Self-improving loop
Каталог сам учится на покупках
Метрика подсказывает, что AI-клиенты реально покупают. Платформа автоматически расширяет каталог этими SKU и перегенерирует промпты. Точность растёт каждую неделю.
Как работает
Два режима — стартуйте с любого
Можно изучать только SoVShare of VoiceДоля упоминаний бренда в ответах AI среди всех релевантных в категории. — без интеграций, на одном каталоге. Можно подключить вашу аналитику (Метрику, AppMetrica, GA4 или Snowplow) и матчить упоминания в LLM с реальными сессиями и выручкой. Один продукт, две глубины.
SoV-мониторинг
Стартуйте без интеграций — увидите упоминания за 1 день
- Daily-прогон 9 LLM по категорийным и SKU-промптам
- Share of Voice, ranking, динамика во времени
- Pros / cons и конкурентная разведка
- Telegram-алёрты при просадке
SoV + Attribution
Подключаем аналитику — видим деньги, не только упоминания
- Всё из «Уровень 1»
- Подключение Метрики, AppMetrica, GA4 или Snowplow
- Видимая атрибуция (по AI-referrer) + теневая (корреляция SoV ↔ direct/branded)
- Self-improving loop: купленные SKU расширяют каталог
- Reporting для CMO/CFO в ₽
От подключения до первых инсайтов — 1 неделя. Можно стартовать с SoV и добавить attribution позже — миграция бесшовная.
Методология
Как мы считаем вклад AI в выручку
Без чёрного ящика. Если методология вызовет вопросы у вашего CFO или аналитика — у нас есть ответы.
Прямая атрибуция (deterministic)
AI-referrer + sourcing fingerprints. Ловим прямые AI-сессии через расширенный словарь referrer-доменов (chat.openai.com, perplexity.ai, ya.ru/alice, gigachat.ai и др.) и landing-паттерны: длинные natural-language URL'ы из Perplexity, специфичные UTM-метки. Это нижняя граница — то, что мы можем доказать с точностью до сессии.
Регрессионная модель с adstock и saturation
Daily revenue моделируется как функция SoV в LLM + perf-расход + brand-расход + сезонность (Fourier-разложение, 7 и 365 дней) + флаги промо и праздников. AI-канал — отдельный регрессор с собственным adstock (отложенный эффект упоминания) и Hill saturation (диминишинг отдача при росте SoV). Параметры — regularized OLS, доверительные интервалы — bootstrap (1000 итераций). Промо детектируем автоматически через change-point detection, если клиент не предоставил календарь.
Synthetic control как валидатор
Для категорий с ростом SoV строим контрфактического двойника из категорий со стабильным SoV. Если две модели сходятся в пределах 20–30% — оценка надёжная. Расходятся — отдаём диапазон и помечаем low-confidence. Это независимая проверка Слоя 2, не первичный метод. Доступно на Causal+.
Мы планируем публиковать ежеквартальный отчёт о точности предсказаний: предсказали X на квартал назад, по факту вышло Y, сравнение и coverage 90% доверительного интервала. На пилотных клиентах — индивидуальный калибровочный разбор по итогам первых 4 недель. GEO-трекерам калибровать нечего — у нас есть.
Это не полный Bayesian MMM в стиле Google Meridian — мы сознательно упростили часть моделирования, чтобы работать в self-serve без выделенного DS-инженера на каждого клиента. Что мы делаем по-настоящему: моделируем AI-канал с учётом отложенного эффекта и насыщения, контролируем сезонность и промо как confounders, отдаём не точку, а интервал, и прозрачно показываем когда сигнал слишком слабый для надёжной оценки.
Метрика для CMO/CFO
AI Revenue Score
Одно число для CMO/CFO. Декомпозиция на компоненты — для аналитика. Тренд месяц-к-месяцу важнее абсолютных значений на коротких историях.
Демо-визуализация. Реальные значения зависят от данных клиента.
- Deterministic. То, что мы можем доказать на уровне сессий — AI-referrer и sourcing fingerprints. Нижняя граница.
- Modeled. Оценка теневого AI-вклада из регрессионного MMM с учётом adstock и saturation. Средняя точка распределения.
- Uncertainty penalty. Поправка на ширину доверительного интервала. Чем шире интервал — тем выше штраф. Не даём выглядеть точнее, чем есть.
Сравнение
Где мы относительно GEO-трекеров и классического MMM
GEO-трекеры меряют видимость, но не деньги. Classical MMM моделирует все каналы, но требует выделенной DS-команды и квартала на внедрение. Мы фокусируемся на AI-канале с MMM-методом, адаптированным под self-serve и российский e-commerce.
| Возможность | GEO-трекеры | Classical MMM | Метрикаi |
|---|---|---|---|
| Основная задача | Visibility tracking — SoV, citations | Бюджетная аллокация по всем каналам | AI-канал → выручка |
| Метод оценки эффекта | Counting + Pearson correlation | Bayesian MMM, full inference | Регрессионный MMM с adstock и saturation, AI-specific priors |
| AI-канал как first-class | Только видимость, не выручка | Не выделен отдельно | Да, с собственным adstock и saturation |
| Покрытие RU-стека (Алиса, YGPT, GigaChat, Нейропоиск) | — | Не применимо | Да |
| Срок внедрения | 1 день — 1 неделя | 3–6 месяцев | 1–4 недели |
| Цена | $1–7K / мес | $50–200K / год | 89–300К ₽ / мес |
| Calibration report (точность предсказаний vs факт) | Нет | Иногда (enterprise) | Планируем публиковать ежеквартально |
| Поддержка self-serve | Да | Нет, требуется DS-консалтинг | Да |
Прозрачные цены
Без скрытых fee и on-demand-биллинга
Фиксированный тариф в рублях, оплата по счёту или СБП. Скидка 50% на первые 3 месяца для пилотных клиентов до конца квартала. Если данные не дают actionable инсайтов — возвращаем деньги.
Visibility
Бесплатно. Чтобы проверить гипотезу AI-канала без интеграций
- 1 проект, до 50 SKU
- 3 LLM (ChatGPT, Claude, Gemini базовый набор)
- Weekly-прогоны
- SoV + ranking history
- Без алертов и без RU-моделей
Attribution
Считаем вклад AI в выручку с доверительным интервалом
- До 5 проектов, до 500 SKU
- Все 9+ LLM включая Алису, YandexGPT, GigaChat, Нейропоиск
- Daily-прогоны
- Метрика-интеграция
- Регрессионный MMM с adstock, saturation, bootstrap CI
- Action Center: приоритизированная очередь для контент-команды
- Telegram-алёрты
- Поддержка в Slack
Causal+
Расширенная методология и dedicated DS-инженер
- Безлимитные проекты и SKU
- AppMetrica + кросс-девайс
- Synthetic control как валидатор
- Geo-lift эксперименты для контролируемого замера (по запросу)
- White-label для агентств
- Dedicated DS-инженер
- Custom integrations (1С-Битрикс, InSales, кастомные DWH)
- Регионализация по городам РФ
- SLA, custom calibration reports
Пилот
Запустим бесплатный пилот за case study
Берём 5 пилотных клиентов в e-com (аптеки, маркетплейсы, FMCG, электроника, beauty) до конца квартала. Первая неделя — интеграция с Метрикой и сбор данных. Три недели — работа модели и итерации. Финальный отчёт: «Реальный вклад AI в вашу выручку с 90% доверительным интервалом» для CMO и CFO. Взамен — обезличенный кейс в нашем quarterly calibration report.
- 1 неделя на интеграцию с Метрикой
- 3 недели накопления данных и итераций модели
- Финальная презентация для CMO/CFO
- Отчёт с доверительным интервалом и приоритизацией действий
FAQ
Частые вопросы
Подключать наши данные к вашему сервису безопасно?
Да. Доступы — только на чтение: для Метрики/AppMetrica/GA4 запрашиваем минимальные OAuth-scope без права менять счётчик, токен отзывается одним кликом. Каталог тянем по YML или read-API, запись в ваши системы не делаем. Сами данные хранятся в РФ-инфраструктуре, шифруются и не передаются третьим лицам — только для расчёта ваших метрик.
Сколько времени нужно, чтобы увидеть первые результаты?
Первые цифры — на 2-3 день после подключения. Достоверная корреляция SoV ↔ выручка требует 2-3 недель накопления (нужно минимум 7-10 точек прогонов). Полный пилотный отчёт готовим за 4 недели.
Что если у нашего бренда AI-канал ещё маленький?
В 2026 году у большинства e-com 0.1-0.5% видимого AI-трафика. Это норма — и одновременно главный аргумент: пока канал маленький, вы недорого занимаете долю первыми. Через 12 месяцев это будет 2-5%, и поезд уйдёт.
Что вы делаете с нашими данными?
Хранятся в РФ-инфраструктуре, шифруются. Не передаются третьим лицам. Используются только для расчёта ваших метрик. По окончании контракта удаляются по запросу. ISO-сертификации в работе.
А если мы хотим собственное решение, без подписки?
Поможем — продаём enterprise-лицензию на on-premise установку. Подходит крупным e-com и банкам с собственной BI-командой. Связывайтесь через форму, обсудим.
Чем вы отличаетесь от GEO-трекеров (Profound, Peec, AthenaHQ и российских аналогов)?
Они меряют видимость (SoV, citation rate). Мы меряем деньги — AI-attributed revenue с доверительным интервалом. Они работают с ChatGPT, Claude, Gemini, Perplexity. Мы — плюс с Алисой, YandexGPT, GigaChat, Нейропоиском, которых у западных платформ не появится по техническим и регуляторным причинам.
Чем вы отличаетесь от классического MMM (Sellforte, Adobe Mix Modeler, Nielsen)?
Они моделируют все каналы сразу за $50–200K/год и 3–6 месяцев внедрения. Мы фокусируемся на AI-канале с AI-specific priors и интеграцией с Метрикой за 1–4 недели и от 89К ₽/мес. Мы не лучше них на их домене — мы быстрее и дешевле на нашем.
Почему регрессионный MMM, а не полный Bayesian как Google Meridian?
Полный Bayesian MMM требует выделенного DS-инженера на каждого клиента (convergence diagnostics, prior tuning, posterior interpretation). Это enterprise-сегмент с чеками от $200K/год. Мы сознательно упростили модель, чтобы работать в self-serve. На Causal+ доступна расширенная Bayesian-версия с MCMC и synthetic control — для клиентов с собственной аналитической командой, которая хочет глубже.
Что если у нас слишком слабый AI-сигнал для модели?
При AI-доле трафика ниже 0.1–0.2% доверительный интервал часто получается слишком широким для actionable выводов. В этом случае модель честно покажет это и порекомендует начать с Visibility-тарифа: накопить SoV-историю, дождаться роста доли канала, и переключиться на Attribution через 6–12 месяцев.
Что вы делаете, если данных по промо нет?
Применяем автоматический change-point detection (Bayesian online changepoint detection или Prophet anomaly detection) на daily revenue — это позволяет находить аномалии без явного календаря. Не идеально, но работает в большинстве случаев. На Causal+ доступен ручной импорт промо-календаря через CSV или API.
Бесплатно
Кириллица AEO/GEO Academy
Бесплатный курс по измерению AI-канала по науке: лекции, ноутбуки, кейсы. Для продуктовых аналитиков и CMO. Категория «AI-channel measurement» в РФ ещё не сформирована — мы её создаём. Запуск Q3 2026.
Узнайте, какую часть вашей выручки приносит AI
4 недели, бесплатно, с персональным отчётом. Берём 5 пилотных клиентов до конца квартала.