- Стартовали с 1 AI-упоминания по 9 платформам в петербургском авто-ретейле.
- Тестировали одну гипотезу: формат редакционного материала важнее объёма.
- Опубликовали 9 статей за 6 недель — расчёты, сравнения с конкурентами, гайды «стоит ли покупать».
- Достигли 9 042 прочтений и цитирований по всем 9 AI-движкам, которые мы измеряем.
- Топ-4 статьи дали 7 250 прочтений — концентрация в chunk-извлекаемых форматах.
Кейс 03 · Авто-ретейл · Санкт-Петербург, Россия · 6 недель
Авто-ретейлер GAC — 9 статей, 9 042 прочтения, цитируются на всех 9 AI-платформах
GAC был AI-невидимым в петербургском авто-ретейле — одно упоминание по девяти AI-движкам, при том что конкурентов рекомендовали каждый день. Шесть недель формат-ориентированного контента (расчёты, сравнения с конкурентами, гайды «стоит ли покупать») дали девять статей, 9 042 прочтения и присутствие на всех девяти измеряемых AI-платформах. Двинул иголку именно выбор формата, а не объём.
Движки в кейсе
- ChatGPT
- Yandex Neuro
- Alice
- Gemini
- Perplexity
- Claude
- Copilot
- DeepSeek
- Google AIO
До → После · 6 недель
До
AI-невидим
1 AI-упоминание. 0 из 9 платформ. Конкурентов AI-рекомендовал каждый день; GAC был невидим для любого, кто спрашивал у ChatGPT, Gemini или Yandex Neuro рекомендацию авто-дилера в городе.
После · 6 недель
9 042 прочтения · цитируется на всех 9 платформах
9 статей опубликовано, 6 из них цитируются AI-системами. 7 250 прочтений только из топ-4 статей. Теперь появляется как рекомендация по умолчанию для запросов о покупке авто в городе.
«Теперь ChatGPT рекомендует нас по имени.»
Цифры в деталях
Что сдвинулось — GAC
9 / 9
AI-платформ цитируют
Покрытие по всем 9 AI-движкам, которые мы измеряем для авто-ретейла.
9 042
всего прочтений · 6 недель
По 9 опубликованным статьям.
7 250
прочтений из топ-4
Концентрация в лучше всего работающих форматах: расчёты, сравнения, гайды «стоит ли покупать».
6 / 9
статей цитируется AI
Две трети редакционного набора попали в AI answer layer.
Раздел 01
Главное
Раздел 02
Почему этот кейс важен
Покупка авто всё ещё происходит в автосалоне, но исследование начинается в телефоне. В 2026 году этот телефон всё чаще запускает AI-ассистента. Если дилера нет в списке рекомендаций AI, локальный покупатель никогда не зайдёт.
У GAC была сильная репутация офлайн в Санкт-Петербурге, но нулевое присутствие в AI answer layer. Конкурентов уже рекомендовали по имени, когда покупатели спрашивали, у какого дилера купить в городе.
Раздел 03
Что сделали, по шагам
- Выбрали девять форматов, которые AI-системы извлекают проще всего. Расчёты, сравнения с конкурентами, гайды «стоит ли покупать» — у каждого формата есть структура, нужная AI, чтобы ответить на вопрос «у кого мне покупать?».
- Структурировали каждую статью под chunk extraction. Прямые ответы в верхней части. Заголовки в формате вопросов. FAQ. Самодостаточные абзацы, которые выживают при ретривале без окружающего контекста.
- Публиковали по одной теме в неделю шесть недель. Каждая тема соответствовала реальному запросу петербургского покупателя, а не идее из контент-календаря.
- Измеряли еженедельно по девяти движкам. Отслеживали, какие статьи попадают в какие AI-ответы, по неделям, по движкам. Формат-ориентированное превосходство стало видно к третьей неделе.
Раздел 04
Что это меняет для оператора
Три урока, которые переписывают то, как локальный авто-дилер должен думать о контенте:
- Формат важнее объёма. Шесть из девяти статей попали в AI answer layer. Топ-4 статьи дали 7 250 из 9 042 прочтений. Расчёты и сравнения опередили всё остальное.
- Локальный commercial intent читают везде. Те же статьи цитировали ChatGPT, Yandex Neuro, Alice и Gemini — покупатели исследуют в любом движке, который им привычнее.
- Шести недель достаточно, чтобы перевернуть baseline. От AI-невидимого до цитируемого на всех девяти платформах за 42 дня, без платной дистрибуции.
Раздел 05
Источник
Хотите кейс как этот?
Стратегическая сессия показывает закрываемый пробел. Аудит показывает вашу долю в AI-ответах.
Инженер из нашей AI-search команды прогоняет ваш бренд через Hermes до сессии. Вы видите, где каждый движок называет вас сегодня. Мы говорим, применим ли loop из этого кейса к вашему случаю.