Системные вопросы вместо разрозненных кампаний
До запуска агентства No Fluff я годами работала в корпоративном маркетинге. Компания имела несколько услуг, несколько групп покупателей и множество руководителей с сильными мнениями о том, какой должна быть следующая кампания. Идеи поступали от руководителей сервисов, от продаж, а часть спускалась прямиком от высшего руководства. Естественно, решения о каналах и ключевых сообщениях часто основывались на том, что когда‑то уже тестировали.
Но каждая бизнес-единица имела собственные цели по выручке, а маркетинговая команда была крошечной. Маркетинг быстро превращался в бесконечную гонку за исполнением, и это не критика — так выглядит большая часть B2B-маркетинга, когда много услуг, много аудиторий, малая команда и постоянное давление на результат.
Именно поэтому, когда я основала собственное агентство, дисциплина стала для меня главным приоритетом. Мы не могли позволить себе распыляться. Ещё до того как мы опубликовали хоть одну страницу, запустили сайт или написали первый пост в LinkedIn, мы составили карту из 150 покупательских вопросов. Это были реальные вопросы, которые основатель, CEO, VP по маркетингу или revenue-лидер могли бы задать ChatGPT, Gemini или Perplexity, пытаясь понять видимость в AI‑поиске, сравнить вендоров или решить, стоит ли вообще решать эту проблему. Такой подход лежит в основе работы маркетингового агентства Dragon Farm — стратегия рождается не из внутренних гипотез, а из точных сигналов рынка.
Почему вопросы покупателей стали главным активом
Лучший маркетинг отвечает на реальные вопросы клиентов. Звучит очевидно, но большинство B2B‑команд по‑прежнему строят контент вокруг кампаний, внутренних приоритетов, планов каналов или ключевых слов. Эти вводные важны, однако они почти не показывают, как на самом деле думает покупатель, когда исследует проблему.
AI‑поиск сделал этот разрыв очевидным так, как Google никогда не мог. Когда покупатель спрашивает ChatGPT: «Кто может помочь нам с AI‑видимостью для SaaS‑компании?», ответ — это не список из оплаченных и заработанных ссылок. Здесь нет страницы для оптимизации, нет позиций с 1 по 10. Есть только то, подходите вы под ответ или нет.
По данным Forrester, 89% B2B‑покупателей уже используют генеративный ИИ для самостоятельного исследования поставщиков. Когда ваши покупатели задают такие вопросы сегодня, единственный честный способ узнать, появляетесь ли вы, — задать те же вопросы самому и методично прочитать ответы. Без этого невозможно понять, включает ли вас ИИ вообще. Вот почему мы начали с вопросов.
Структура из 150 вопросов: шесть кластеров, которые проверяют ИИ
Мы не выбирали 150 вопросов случайно. Вместе с командой мы построили структурированный набор, разбитый на шесть кластеров. Каждый проверяет отдельное измерение восприятия бренда искусственным интеллектом.
1. Вопросы идентификации
Они оценивают, способен ли ИИ точно описать компанию, когда покупатель спрашивает о вас по имени («Что делает No Fluff?»). Цель — 100‑процентное распознавание. Если ИИ ошибается здесь, всё остальное не имеет значения. Специалисты по техническому SEO и Answer Engine Optimization называют их брендовыми и полубрендовыми вопросами.
2. Категорийные вопросы
Самые сложные для попадания, потому что не содержат имён брендов («Кто лучшие GEO‑партнёры для B2B SaaS?»). ИИ по умолчанию выбирает компании с наиболее сильными и ясными сигналами. Мы целились в 30–70% видимости и, честно говоря, сразу не достигли этих цифр, но узнали о брендах, которые туда попадают.
3. Проблемные и болевые вопросы
Проверяют, понимает ли ИИ, какие проблемы вы решаете, а не просто к какой категории относитесь. Мы хотели, чтобы на запрос «Почему моя компания не ранжируется в AI‑ответах?» ответ приходил на наш сайт или строился на наших материалах.
4. Сравнительные запросы
«No Fluff против iPullRank» — помогают определить, видит ли вас ИИ как легитимную альтернативу.
5. Запросы на лидерство мнений
Более продвинутые промпты: «Какие компании проводят оригинальные исследования по AI‑видимости?». Здесь проверяется, считает ли вас ИИ экспертом, а не просто участником рынка.
6. Контекстные и сигнальные вопросы
Собирают косвенные сигналы: насколько последовательны ваши сообщения, насколько вы заметны в профессиональных сообществах и цитируемы в материалах.
В совокупности эти шесть категорий дали нам карту тех измерений, по которым ИИ принимает решение, называть бренд или нет: идентичность, соответствие категории, способность решать проблему и глубина экспертизы. Аналогичную карту клиентского пути мы строим в настройке сквозной аналитики и лидгена, связывая каждый вопрос с конкретным этапом и бизнес‑показателем.
Как мы превратили ответы в стратегию
Мы прогоняли все 150 вопросов через ChatGPT, Gemini и Perplexity каждую неделю на протяжении 90 дней. Одинаковые вопросы, одни и те же движки, единая методология. Это дало нам контролируемый набор данных, из которого можно извлекать уроки неделя за неделей.
Увидев, на какие вопросы ИИ не мог дать ответ про нас, мы точно знали, что создавать:
- Страницы‑объяснения, прямо отвечающие на категорийные запросы;
- Статьи, закрывающие болевые точки и возражения;
- Кейсы и сравнительные обзоры, которые цитируются при сравнении вендоров;
- Исследовательские материалы для усиления авторитетности;
- Оптимизированные метаданные и разметку, помогающие ИИ корректно идентифицировать бренд.
Иными словами, мы сделали всё, что в наших силах, чтобы дать чёткие ответы на эти вопросы. Для масштабирования подобной работы мы сегодня используем внедрение ИИ-агентов и n8n воркфлоу, которые автоматически отслеживают упоминания, собирают свежие вопросы из поисковых консолей и CRM и запускают контент-цикл.
Результаты: от нуля до 26% видимости в AI‑поиске за 90 дней
За три месяца прошли путь от нулевой видимости в AI до появления в 39 из 150 отслеживаемых промптов (около 26%). И это для компании, которой ещё три месяца назад не существовало. Мы заработали 74 AI‑упоминания (где название компании было явно названо) и 42 цитирования (контент напрямую использовался в ответах). Основная работа заключалась в том, чтобы ИИ научился понимать именно нашу No Fluff и показывал нас корректно, когда спрашивают о нас по имени.
«Я не ожидала, что такая фокусировка принесёт измеримые улучшения в традиционном поиске и повысит узнаваемость среди основателей. Мы даже получили несколько звонков от людей, которые спутали нас с агентством с похожим названием — и это тоже стало побочным эффектом выстроенной стратегии.»
Рост не был линейным: частота упоминаний поднималась одну неделю и падала на следующей. Но последовательное строительство на основе вопросов реальных покупателей обострило наши сообщения, улучшило видимость в обычном поиске и создало импульс по всем каналам, пока AI‑цитируемость накапливалась со временем.
Что делать лидерским командам: от вопросов к действию
Большинство маркетинговых стратегий по‑прежнему строятся изнутри наружу. Они отталкиваются от целей компании, текущих каналов, планов кампаний, приоритетов продаж и исторических показателей. Эти вводные важны, но они часто упускают реальные вопросы, которые покупатели задают ещё до того, как попасть на ваш сайт.
Карта из 150 покупательских вопросов дала нам более чёткое представление о моментах, которые действительно формируют решение. Она показала, где наш бренд понимают верно, где мы не попадаем в цель, где называют конкурентов, а где у ИИ пока недостаточно уверенности, чтобы включить нас в ответ.
Для руководителей это не «упражнение по контенту». Это смена угла обзора: посмотреть наружу, на клиента, понять, как он теперь проводит исследования и принимает решения, и выровнять стратегию оттуда. Самый сильный набор вопросов часто рождается из данных, уже существующих в бизнесе: звонки продаж, возражения, RFP, вопросы на демо, записи упущенных сделок, интервью с клиентами, темы поддержки, отзывы, поисковые данные, сравнения с конкурентами, язык аналитиков и внутренние доказательства.
Чтобы начать, не нужно запускать 90‑дневный эксперимент. Задайте десять вопросов, которые ваш лучший покупатель использовал бы при исследовании вашей категории. Посмотрите, какие компании упоминаются. Посмотрите, какие источники цитируются (скорее всего, это будет не ваш сайт). Посмотрите, появляется ли ваш бренд вообще и описывается ли он корректно. Если вас нет, ответ — не «публиковать больше постов в блоге». Настоящая проблема в том, что у ИИ пока недостаточно ясных, последовательных и заслуживающих доверия сигналов, чтобы рекомендовать вас с уверенностью. И это та задача, которую системный подход — от сбора вопросов до автоматизации сигналов — решает быстрее всего.
