ИИ разрушает модель атрибуции в недвижимости — и никто не кликнул по ссылке

Любой performance-маркетолог, управляющий семизначным бюджетом на платные медиа в сфере недвижимости, ипотеки или смежных транзакционных вертикалях, должен принять решение уже в следующем квартале: стоит ли продолжать доверять отчётам об атрибуции, которые структурно не видят канал, теперь формирующий покупательский интерес? Небольшое исследование по юзабилити из Сан-Диего только что оцифровало проблему. Цифры неприятные — и они применимы далеко за пределами рынка недвижимости.

Что произошло

9 сентября 2026 года компания Targence, специализирующаяся на AI Perception Intelligence и базирующаяся в Сан-Диего, опубликовала результаты исследования юзабилити в сфере продажи жилья, о чём сообщил EIN News. Методология была простой: видеозаписанные сессии на основе задач в Userbrain, где участники начинали сценарий продажи дома с помощью ИИ-ассистента и рассуждали вслух в процессе работы.

Главный вывод умещается в одно предложение. Ни один участник не кликнул по ссылке-цитате внутри ответа ИИ, чтобы проверить источник. Некоторые бегло просматривали ответ, некоторые не замечали ссылки визуально, некоторые просто не чувствовали необходимости искать дополнительную информацию, когда ИИ уже дал ответ. Такое поведение зафиксировано по всей выборке.

Влияние начиналось задолго до того, как упоминался какой-либо конкретный бизнес. ИИ уже задавал вектор принятия решений: продавать через агента, принять предложение за наличные или сначала сделать ремонт. Он формировал критерии сравнения (рейтинги, история продаж, местный опыт) и вопросы, которые продавцы планировали задать провайдерам (чистая выручка, комиссии, процесс). К тому моменту, когда в разговоре появлялось название бренда, рамка уже была задана.

Именно в действиях продавцов после ответа ИИ и происходит разрушение модели атрибуции. Участники искали в Google агента, которого рекомендовал ИИ. Они проверяли отзывы о компаниях, которые ИИ внёс в шорт-лист. Открывали рекомендованные профили. Просили ИИ дать телефонные номера для звонка. Один участник, использовавший ИИ для отбора местных агентов и получения их номеров перед звонками для сравнения, сказал прямо: «Это был единственный способ, которым я их нашёл». Продавцы рассказывали, что начинали с ИИ, а Google использовали исключительно для подтверждения. Асаф Ашкенази, сооснователь и CEO Targence, охарактеризовал бизнес-риск как неправильное распределение бюджета, а не потерю кредита, утверждая, что руководители видят чистые цифры, делают вывод о незначительности ИИ и продолжают финансировать каналы, которые отчёт действительно способен отслеживать.

Техническая анатомия проблемы

Чтобы понять, почему это важно для всех, кто занимается платным привлечением, нужно взглянуть на то, как была построена стека измерений. Платформы атрибуции — будь то подключение к Google Ads API или передача конверсий через Meta Marketing API — все разделяют одно архитектурное допущение: идентифицируемая сессия, инициированная кликом, которую можно связать с последующим событием конверсии. Заголовки реферера, UTM-параметры, идентификаторы кликов, пиксели view-through. Весь пайплайн — это граф кликов.

ИИ-ассистенты разрушают этот граф в самом корне. Когда языковая модель синтезирует ответ, ссылка-цитата декоративна, если пользователь на неё не нажимает, — а данное исследование показывает, что показатель кликов функционально равен нулю. Пользователь берёт рекомендацию, открывает новую вкладку, вводит имя агента в Google и попадает на сайт через то, что выглядит как брендированный органический поиск или прямой трафик. Сессия ИИ не оставляет никакого следа ни в одной аналитической системе. Нет реферера. Нет UTM. Нет даже имени хоста, которое вендор мог бы добавить в список исключений реферала.

Хуже того, брендированный поисковый визит, который следует за этим, будет засчитан тому каналу, который предпочитает модель last-click. Если продавец затем кликнет по брендовому ключевому слову в Google Ads, конверсия достанется платному поиску. Если он введёт URL напрямую — прямому трафику. Рекомендация ИИ, которая фактически выполнила работу по выбору вендора, остаётся невидимой.

Это структурно иная проблема, чем та история с отказом от cookie, которой индустрия посвятила три года. Privacy Sandbox и переход к агрегированной отчётности по атрибуции — это снижение точности в рамках всё ещё узнаваемой модели кликов. Обнаружение через ИИ — это не снижение точности. Это совершенно другая воронка, которая начинается в диалоговом интерфейсе, для которого у ни одного аналитического вендора нет инструментария. Не существует аналога ads.txt или спецификации IAB, охватывающей понятие «модель нас рекомендовала». Пока что.

Кто пострадает

Недвижимость — это вертикаль, упомянутая в исследовании, но паттерн воспроизведётся везде, где дорогостоящая покупка предполагает шорт-лист местных поставщиков услуг. Ипотечные брокеры. Страховые агенты. Управляющие активами. Домашние сервисы. Юридические реферальные услуги. Везде, где раньше покупатель открывал Google, вводил категорийный запрос, смотрел карточки на карте и читал отзывы, — всё чаще он будет начинать с ИИ-ассистента и использовать Google лишь для проверки того, что сказал ИИ.

Наибольшему риску подвержены команды с самыми чистыми дашбордами атрибуции и самой дисциплинированной отчётностью по ROAS. Это звучит контринтуитивно, но логика прямая: чем религиознее CMO оптимизирует под измеримые каналы, тем быстрее он будет перефинансировать брендовые ключевые слова, ретаргетинг и платные соцсети, которые теперь перехватывают конверсии, изначально инициированные ИИ. Измеримые каналы будут выглядеть так, словно работают интенсивнее. Смешанный CAC будет ползти вверх. Никто не поймёт почему, потому что отчёт будет продолжать показывать зелёный цвет.

CFO любого потребительского маркетплейса или лид-генерационного бизнеса должен задать руководителю по росту на этой неделе конкретный вопрос: какой процент нашего брендированного органического и прямого трафика за последние два квартала мы можем достоверно атрибутировать к первому касанию без участия ИИ — и как вообще это проверить? Если ответ — пожатие плечами, маркетинговый бюджет распределяется на веру.

Есть и кадровые последствия. Профиль аналитика, доминировавший в performance-маркетинге последнее десятилетие, — человек, свободно владеющий GA4, MMM и анализом пути кликов, — не оснащён для измерения обнаружения через ИИ. Формирующийся набор навыков больше напоминает SEO образца 2010 года, скрещённый с prompt engineering: ручное исследование того, как ведущие модели описывают ваш бренд, каталогизация доказательств, на которые они ссылаются, и устранение пробелов. Очень мало кандидатов имеют такое резюме.

Тактики для performance-маркетинга

Защитные меры непривлекательны, но срочны. Во-первых, проведите аудит, который рекомендует Targence: запросите у основных ИИ-ассистентов те самые промпты, которые используют ваши клиенты, зафиксируйте, что они говорят о вашем бренде, конкурентах и критериях, которые они выдвигают. Делайте это еженедельно. Относитесь к этому как к поверхности мониторинга, а не к разовому упражнению.

Во-вторых, перестройте сайт под посетителя, пришедшего через ИИ. Сессии Targence показали, что один участник с трудом находил способ поговорить с человеком перед регистрацией. Если ИИ отправляет предварительно квалифицированных продавцов на ваш сайт с намерением проверить учётные данные и сделать следующий шаг, сайт должен начинаться с доказательств (история сделок, лицензии, отзывы, реальные люди) и предлагать очевидный путь для связи. Вводная страница категории — теперь неправильная страница для половины вашего трафика.

В-третьих, перестаньте доверять last-click при принятии бюджетных решений в категориях, где ИИ-обнаружение предположительно существенно. Введите тесты на инкрементальность. Отключите брендовую защитную кампанию на контролируемом рынке на четыре недели и измерьте реальную инкрементальность. Если прямой и органический трафик сохранятся, значит, вы платили за перехват спроса, изначально сформированного ИИ.

В-четвёртых, инвестируйте в доказательную базу, которую используют ИИ-модели. Сторонние сайты с отзывами, структурированные данные, авторитетные публикации в прессе, верифицируемые записи о транзакциях. Модели — это машины консенсуса. Бренд, чью историю проще всего подтвердить, становится ответом по умолчанию.

Ключевые выводы

• Исследование юзабилити Targence в сентябре 2026 года показало: ни один участник не кликнул по ссылкам-цитатам ИИ, то есть решения, принятые под влиянием ИИ, не оставляют следа в атрибуции на основе кликов.
• ИИ формирует путь принятия решений (маршрут, критерии, вопросы) до того, как назван какой-либо бренд, а затем передаёт кредит Google и прямому трафику далее по воронке.
• Команды с самыми чистыми дашбордами ROAS сильнее всего рискуют неправильно распределить бюджет в пользу каналов, которые лишь кажутся конвертирующими.
• Сайты должны обслуживать два состояния входа: посетителей на стадии знакомства с категорией и посетителей, пришедших после консультации с ИИ, уже знающих, кого они хотят проверить.
• Нужный найм для команд роста в 2026 году — это скорее SEO-аналитик с владением prompt engineering, чем специалист по GA4.