Исследование: ИИ в 75% советует россиянам фармацевтические бренды
Исследование проводили в августе 2026 года. В него вошли категории препаратов от боли и жара, заболеваний желудочно-кишечного тракта (ЖКТ), аллергии, простуды и ОРВИ, а также венотоников. Авторы оценивали, какие бренды упоминают нейросети, как часто они появляются в ответах, какое место занимают относительно конкурентов и в каких случаях отсутствуют.
По данным отдельного опроса «Ашманов и партнеры» с участием 1 тысячи человек, 31% респондентов регулярно используют ИИ-сервисы для поиска и выбора товаров, еще 47% делают это время от времени. Более половины опрошенных (52%) хотя бы иногда покупали товар сразу после рекомендации нейросети, а чаще всего пользователи предпочитают получать ИИ-ответ непосредственно в поисковой выдаче – этот формат выбрали 69% участников опроса.
Согласно результатам работы, в категории препаратов от боли и жара наиболее заметными оказались Аспирин, Нурофен, МИГ, Эффералган и Панадол. Хотя бы одно из этих торговых наименований присутствовало в 65,7% ответов, а Аспирин упоминался в 50% исследованных ответов. В категории препаратов для лечения заболеваний ЖКТ в пятерку лидеров вошли Но-шпа, Дюспаталин, Эспумизан, Мезим и Маалокс. Хотя бы один из них присутствовал в 65,7% ответов, а чаще всего нейросети называли Но-шпу – в 45,7% случаев.
В категории средств от аллергии лидировали Кларитин, Супрастин, Зиртек, Эриус и Тавегил. Хотя бы один из этих брендов встречался в 62,9% ответов, а Кларитин – в 51,4%. В категории препаратов от простуды и ОРВИ в пятерку наиболее заметных вошли Терафлю, Аквамарис, Аспирин, Колдрекс и Фервекс – они присутствовали в 54,3% ответов. Терафлю и Аквамарис упоминались по 27,1% ответов каждый.
Наконец, наиболее выраженным лидером среди венотоников стал Детралекс: как минимум один из пяти ведущих брендов категории присутствовал в 58,6% ответов, а сам Детралекс – в 55,7%.
Авторы исследования отмечают, что частота упоминаний не всегда отражает реальное положение бренда в ответе. Например, Детралекс присутствовал в 55,7% ответов и в 79,5% случаев своего появления занимал первое место среди пяти ведущих брендов категории. У Венаруса показатель видимости составлял 45,7%, однако бренд ни разу не занимал первую позицию в ответах, где присутствовал.
Различия обнаружились и между платформами. Средняя доля ответов хотя бы с одним брендом из пятерки лидеров составила 94% у Gemini, 90% у DeepSeek, 84% у Claude, 64% у Алисы AI, 38% у GigaChat, 36% у Perplexity и 24% у ChatGPT. В исследованной выборке ChatGPT не упоминал ни одного из пяти ведущих брендов в категориях препаратов для ЖКТ и венотоников. Причем авторы подчеркивают, что результаты относятся к конкретной выборке запросов и не означают, что платформа никогда не называет эти препараты.
На видимость брендов влияет и формулировка вопроса. Так, хотя бы один бренд из пятерки лидеров появлялся в 85,7% ответов на запрос «Какой порошок от простуды лучше выбрать?». При формулировке «Что пить при простуде?» таких ответов в исследованной выборке не было. По мнению авторов, конкретный запрос о типе продукта чаще побуждает нейросеть сравнивать торговые марки, тогда как общий вопрос может приводить к ответу без упоминания брендов.
В некоторых категориях бренды имеют близкие показатели видимости, но заметно различаются по месту в ответе. В сегменте средств от аллергии четыре марки находились в диапазоне 47–51% по частоте упоминаний, однако Супрастин и Зиртек чаще занимали первую позицию среди брендов, чем Кларитин и Эриус. В категории средств от простуды и ОРВИ Терафлю и Аквамарис имели одинаковую видимость – 27,1%, но Терафлю занимал первое место в 73,7% случаев своего появления, тогда как «Фервекс» не оказывался первым ни разу.
Как сообщила Vademecum руководитель отдела поисковой оптимизации «Ашманов и партнеры» Анастасия Курдюкова, на появление фармацевтического бренда в ответе нейросети могут влиять как данные, на которых обучалась модель, так и источники, к которым она обращается при поиске информации. «Присутствие бренда в интернете стоит рассматривать в совокупности: официальный сайт дает сведения о препарате, внешние площадки дополняют контекст, а повторяющиеся и непротиворечивые упоминания могут помогать модели связывать название с определенной темой», – поясняет эксперт.
Курдюкова также отметила роль самой ИИ-платформы: «У нейросетей различаются обучающие данные, способы поиска и правила формирования ответов на медицинские вопросы. Одна система может чаще называть торговые наименования, другая – ограничиваться действующими веществами или общими пояснениями».
По оценке экспертов, фармкомпаниям недостаточно отслеживать только частоту упоминания своих продуктов. Важно учитывать позицию бренда в ответе, его представленность на разных ИИ-платформах и конкурентное окружение. Если нейросеть не называет препарат или ставит его ниже альтернатив, это может снижать вероятность того, что пользователь обратит на него внимание при выборе товара.
Ранее ученые из Японии и США представили исследование, показавшее, что большие языковые модели при рекомендации препаратов смещены в сторону более дорогих брендовых продуктов. Ученые протестировали пять моделей на более чем 177 тысячах синтетических клинических сценариях, охватывающих 123 пары «болезнь – активное вещество». В среднем для каждого вещества было доступно 5,5 одобренных FDA продуктов, однако на один продукт приходилось в среднем 97,5% первых рекомендаций.
