Покупательский маршрут в онлайн-торговле начинает смещаться: часть пользователей ищет товары и предложения не через классическую выдачу или каталог маркетплейса, а через ИИ-ассистентов. По данным Adobe, в США трафик из источников ИИ на сайты ретейлеров в январе — марте 2026 года вырос на 393% год к году; в России, по оценке StormWall, трафик с ИИ-агентов на e-commerce в январе — апреле увеличился в 1,7 раза. Для интернет-магазинов это уже не только вопрос маркетинга: карточки товаров, каталоги, отзывы и продуктовые данные должны быть понятны системам, которые подбирают варианты до того, как пользователь откроет сайт продавца.
Новый вход в покупку
ИИ-трафик пока не вытесняет классический поиск, рекламу и маркетплейсную выдачу, но уже перестал быть экспериментальной метрикой. «М.Видео» зафиксировала рост переходов из ИИ-сервисов, генеративных поисковых систем и ИИ-ассистентов на 29% в январе — апреле 2026 года год к году. Henderson сообщил, что конверсионный трафик от нейросетей за тот же период вырос в разы. Ozon оценил рост трафика от ИИ-сервисов и платформ на базе больших языковых моделей в апреле — мае 2026 года в четыре раза к октябрю — ноябрю 2025 года.
В России у такого трафика уже складывается собственная карта источников. По данным «Яндекса», переходы из «Алисы AI» на сайты независимого e-commerce и маркетплейсов суммарно выросли на 159% с января по апрель 2026 года. Статистика одного сервиса здесь работает как часть более широкого сдвига: часть спроса начинает формироваться еще до перехода на сайт магазина.
В прежней модели покупатель сам вводил запрос, просматривал выдачу, сравнивал карточки и выбирал продавца. В ИИ-сценарии между намерением и сайтом появляется посредник. Ассистент принимает запрос на естественном языке, уточняет потребность, подбирает варианты и направляет пользователя к релевантным сайтам. Adobe связывает рост такого трафика с тем, что потребители используют большие языковые модели для поиска конкретных продуктов и выгодных предложений. Ozon указывает на внедрение генеративного ИИ в базовый сценарий поиска и на рост аудитории LLM-сервисов за счет интеграции в смартфоны, браузеры и поисковые платформы.
Сайт остается витриной для человека, но параллельно становится массивом данных для машинного считывания. В Henderson считают, что сайты превращаются в базу данных для нейросетей, а пользовательский путь к ответу меняется уже на уровне поиска. В этой конфигурации конкуренция идет не только за место в поисковой выдаче или рекламном блоке, но и за попадание в ответ ИИ-ассистента.
Цена сформированного спроса
Коммерческая привлекательность ИИ-трафика связана не только с ростом переходов. В Henderson считают, что из нейросетей на сайт приходит аудитория с уже сформированным спросом: пользователь понимает свою потребность и ищет конкретное решение. Это не доказывает, что любой ИИ-трафик конвертируется лучше классического органического канала. Но для интернет-магазинов такая аудитория требует отдельного анализа: ее поведение нельзя растворять в общей массе переходов из поиска.
E-commerce-командам придется смотреть не только на объем визитов из ИИ-интерфейсов. Важнее поведение после перехода: какие карточки открывают такие пользователи, где они уходят, доходят ли до корзины и покупки. Без этой аналитики рост ИИ-трафика останется красивой цифрой, а не управляемым каналом.
Карточка товара как объект машинного чтения
Новый слой конкуренции формируется вокруг GEO — оптимизации сайта под генеративные системы и ИИ-ассистентов. Продукт-лидер в ретейлере FMCG из США Артем Милосердов описывает происходящее как технологическую гонку: компании одновременно защищают сайты от массового ИИ-скрейпинга и оптимизируют каталоги, карточки товаров и отзывы под машинное считывание, чтобы ИИ-агенты чаще рекомендовали именно их товары.
Для брендов и нишевых интернет-магазинов это открывает осторожное, но значимое окно возможностей. В классической модели крупные маркетплейсы выигрывают за счет масштаба, ассортимента, рекламных инструментов и узнаваемости. В ИИ-сценарии к этим факторам добавляется качество продуктовой информации: полнота описания, структура характеристик, доступность отзывов и способность системы сопоставить предложение с запросом пользователя. По оценке Милосердова, ИИ-агент может уравнивать небольшие магазины с маркетплейсами, если карточка хорошо описана и считывается машиной.
Преимущества крупных площадок от этого не исчезают. Маркетплейсы обладают большими массивами данных, широкой товарной базой и высокой частотой контакта с покупателем. Но для нишевого продавца меняется логика видимости: мало иметь товар в наличии и страницу в индексе. Карточка должна позволять ИИ-системе извлечь существенные параметры и связать товар с потребностью пользователя.
Данные как конкурентная инфраструктура
Адаптация к ИИ-трафику выходит за рамки SEO-текстов. Директор по продукту и данным Insight AI Юлия Алексеева связывает новый этап с качеством продуктовой и data-инфраструктуры: раньше компании оптимизировали страницы под поиск и рекламу, теперь появляется дополнительный слой — насколько сайт и ассортимент понятны для ИИ-ассистентов и агентских сценариев покупки.
Для интернет-магазина это возвращает внимание к базовым элементам сайта. Каталог должен иметь логичную структуру, карточки — достаточную полноту характеристик, описания — связь между свойствами товара и потребительской задачей, отзывы — пригодность для анализа не только человеком, но и алгоритмом. В зоне первичной проверки — полнота характеристик, структура каталога, тексты карточек, отзывы и корректность данных, которые ИИ-ассистент может извлечь со страницы. Чем хуже структурирована продуктовая информация, тем выше риск, что ИИ-ассистент не распознает релевантность предложения или выберет конкурента с более понятной карточкой.
У процесса есть и техническая цена. StormWall указывает на дополнительную нагрузку на инфраструктуру ретейлеров. Если ИИ-агенты активнее обходят сайты, извлекают данные и переходят по страницам, бизнесу приходится искать баланс между доступностью для машинного поиска и защитой от неконтролируемого скрейпинга. Полностью закрывать данные рискованно для видимости, полностью открывать — для инфраструктуры и контроля над контентом.
Пока нет оснований говорить, что ИИ-ассистенты уже радикально перераспределили продажи в e-commerce. Данных для такого вывода недостаточно. Но новый слой видимости уже формируется: конкурируют не только бюджеты, ассортимент и позиции в поиске, но и машинная читаемость сайта.
ИИ-трафик остается ранним каналом, однако его рост заставляет ретейлеров смотреть на сайт как на инфраструктуру данных. Карточка товара становится не только инструментом убеждения покупателя, но и элементом коммуникации с ИИ-ассистентом. Для интернет-магазинов, брендов и маркетплейсов GEO постепенно переходит из экспериментальной темы в часть конкурентной стратегии: выигрывать будут предложения, которые проще понять, сопоставить с запросом и рекомендовать в новом поисковом сценарии.
