OpenAI начала тестировать в ChatGPT товарные карточки с цветными лейблами, которые выделяются на фоне обычного текстового ответа. Речь идёт об органической выдаче — то есть о рекомендациях, которые модель формирует сама, без пометки «реклама». Первым это заметил SEO-специалист Brodie Clark, отслеживающий изменения в поисковой выдаче через специализированный сервис мониторинга, и выложил скриншот в X. По его наблюдениям, нововведение распространяется не на все запросы, а лишь на часть товарных сценариев, что указывает на ограниченный эксперимент, а не на полноценный запуск. Это расширение более раннего теста, в котором лейблы уже присутствовали, но выглядели скромнее — без цветных плашек и явного визуального акцента. Публично эксперимент был зафиксирован в 2026 году, о чём сообщил Search Engine Roundtable. Пока неясно, насколько широко OpenAI раскатала тест и участвуют ли в нём партнёрские программы интернет-магазинов.

Ключевая деталь нововведения — цветовая дифференциация рекомендаций. Зелёный лейбл получает товар, который модель считает «лучшим универсальным» решением, тогда как серые плашки расходятся по более узким критериям: «лучший для новичков», «лучшая амортизация» и так далее. Такая система фактически превращает ответ языковой модели в структурированную рекомендательную подборку, где каждому товару присваивается понятная роль. Плашки намеренно выбиваются из текстового потока, что должно повышать кликабельность и удерживать внимание пользователя на конкретных позициях. С технической точки зрения новый формат опирается на способность модели собирать картину из структурированных данных и пользовательских отзывов. Лейблы не просто сортируют товары по цене или популярности — они приписывают каждому изделию превосходную характеристику, которая должна быть подтверждена внешними источниками. Если продавец заявляет, что его обувь самая лёгкая или самая прочная, а в отзывах покупатели пишут, что ботинки развалились за сезон, модель считает это несоответствие и вряд ли поставит товар на верхнюю позицию. Таким образом, GEO — продвижение в нейровыдаче — перестаёт быть абстрактным набором приёмов и превращается в конкретную полку внутри диалогового окна. Для попадания в неё бизнесу придётся раскрывать свойства продукта структурно: через публикации, исследования, рейтинги, краш-тесты и видеообзоры, а не через общие маркетинговые формулировки. Уже не получится позиционировать в духе «наши кроссовки самые кроссовчатые» — потребуются доказательства превосходства, подкреплённые данными и отзывами реальных клиентов.

Контекст нововведения связан с многолетними попытками Google встроить торговый слой непосредственно в поиск. Однако у Google рекламный баннер давно стал элементом, который пользователи привыкли обходить боковым зрением. В ChatGPT зелёная плашка «лучший универсальный» стоит внутри тела ответа, который человек именно читает, а не сканирует. Разница принципиальная: это уже не просто уведомление о наличии товаров, а полноценная рекомендация с конкретными превосходными характеристиками. На фоне роста аудитории диалоговых моделей такой формат может стать новым каналом лидогенерации, который постепенно оттягивает на себя часть трафика из классических каталогов и маркетплейсов. Потребитель такие штуки любит: он хочет приходить в нейронку ради того, чтобы не тратить 40 часов на выбор пары кроссовок, перебирая десятки и сотни вариантов на десятках разных сайтов. Он хочет зайти в одном месте, спросить и там же получить ответ. И здесь важно не перепутать причину со следствием: маркетинг не создаёт эту потребность — он идёт за ней. Желание получить готовый ответ вместо десяти ссылок было у людей всегда, просто раньше его нечем было закрыть по-человечески. Это как с навигатором: никто не ездит по бумажной карте, если в телефоне есть маршрут.

По сравнению с классическим поиском, который по запросу «кроссовки для бега» выдаёт страницу каталога с фасетом, нейросетевая выдача предлагает закрыть потребность сразу. Внутри фасета обычного магазина состав товаров определяет вебмастер, и там нередко оказывается обувь, в которой бегать нельзя по медицинским показаниям. Диалоговая модель, напротив, пытается учесть сезон, уровень подготовки и сценарий использования, предлагая разные варианты под разные критерии. Это неудобство и незакрытая пустота в потребительском опыте — именно та ниша, которую сейчас занимают товарные карточки с лейблами. Альтернативы в виде традиционных рейтингов и обзоров требуют от пользователя самостоятельного сопоставления, тогда как ChatGPT пытается выдать синтезированный ответ. Поисковая система по тому же запросу в Яндексе или Google приведёт вас на страницу каталога, где придётся выбирать самостоятельно, и очень часто каждый из нас сталкивался с тем, что в подборке «для бега» оказывается обувь, в которой бегать в принципе нельзя. Нейронка предлагает закрыть эту пустоту сразу: хочешь для бега — вот вариант; хочешь для повседневной носки — вот лучшее решение; планируешь бегать зимой — вот подходящая модель.

Для российского рынка значение эксперимента пока опосредованное: ChatGPT официально не представлен в стране как локальный сервис, но российские компании уже следят за трендом GEO и адаптируют контент под нейровыдачу. Если формат с лейблами приживётся, аналогичные механики с высокой вероятностью появятся в «Яндекс Нейро», GigaChat и других отечественных ассистентах. Отраслевые специалисты отмечают, что потребитель любит получать готовый ответ вместо десяти ссылок, и это желание не создаётся маркетингом, а лишь обслуживается им. Пользователь, однажды получивший релевантную подборку в диалоге, вряд ли вернётся к ручному перебору фасетов в каталогах интернет-магазинов. Для компаний, которые собираются попадать в эти позиции, вывод простой: придётся проделать работу по продвижению до конкретного продукта. Работа простая для тех, кто уже привык работать со своим продуктом и раскрывать его ценность. Есть продукт — значит, можно сравнить его с конкурентами, провести краш-тест, взвесить, затестировать на износостойкость, если это свойство должно превосходить конкурентов, и выложить видеообзор или текстовый разбор. Это копейки по сравнению с маркетинговыми расходами — просто мало кто выделял на это средства за последние годы, потому что мало кто верил в GEO как новый инструмент лидогенерации.

Перспективы нововведения зависят от того, как быстро OpenAI масштабирует тест и как отреагируют поисковики. Если пользователи оценят цветные плашки, аналогичные трафареты почти наверняка появятся в AI Overviews и других нейропоисковых продуктах. Компаниям, которые до сих пор игнорировали нейропродвижение, придётся пересмотреть стратегию: скрыться от нейровыдачи не получится, поскольку инструмент набирает обороты. Открытыми остаются вопросы монетизации — будут ли лейблы органическими или платными, как модель будет проверять достоверность заявлений и не превратится ли выдача в новый рекламный формат. Ответы на них определят, станет ли эксперимент стандартом для всей отрасли или останется точечным тестом. Пока же очевидно одно: торговый слой внутри диалогового окна перестаёт быть фантазией и становится реальностью, которую бизнесу придётся учитывать в своих стратегиях продвижения.