Навіщо stats-пост — і навіщо чесний фреймінг
Це пост про числа. Пости про числа цитують, лінкують і витягають LLM — у цьому й сенс. Але stats-добірку варто цитувати лише тоді, коли фреймінг чесний.
Тому домовимося одразу. Ми не вдаємо мета-аналіз названих third-party звітів. Кожна цифра нижче — це одне з трьох: публічно заявлений directional-факт, industry-оцінка або наш власний modelled-діапазон з 50+ AEO/GEO-retainer’ів, які ми відпрацювали.
Де число наше — ми кажемо це прямо.
І перш ніж щось цитувати, прочитай методологічну нотатку внизу. А далі цитуй — Quick Facts рядки зроблені саме під це.
AI search adoption — скільки покупців тепер досліджують через AI
Головний зсув уже не гіпотетичний. Generative AI search adoption перейшов з «поведінки early-adopter’ів» у «дефолтну дослідницьку звичку» для B2B-покупців десь між кінцем 2025 і початком 2026.
Quick Facts — adoption
| Параметр | Значення |
|---|---|
| B2B-покупці, які юзають AI для pre-purchase research | ~55–70% (modelled-діапазон 2026) |
| ChatGPT weekly active users | Сотні мільйонів (публічно заявлено) |
| Покупці, які питають AI до складання shortlist | Більшість у нішах, які ми трекаємо |
| Зростання обсягу AI-запитів рік до року | Круте — тризначний відсоток крізь 2025 |
Те, що в ChatGPT сотні мільйонів weekly users — публічно заявлений, добре відомий факт. Подаємо це як загальне знання, не як точну цитату. Google розгортав AI Overviews широко крізь 2024 і 2025 — теж загальне знання.
Діапазон 55–70% — наш. Він з того, як часто retainer-клієнти кажуть нам, що новий лід згадував AI-інструмент під час discovery, перехресно з prompt-research роботою, яку ми робимо на кожному engagement. Це modelled-оцінка, не survey. Сприймай як directional.
Практичний висновок такий — якщо ти продаєш B2B і твій бренд не є cited-джерелом усередині ChatGPT чи Perplexity, ти пропускаєш момент, коли покупець формує shortlist. Саме це й лагодить answer engine optimization.
Citation behaviour — як часто AI цитує і що клікають
SERP показує десять blue links. AI-відповідь показує набагато менше. Один цей факт переписує всю гру.
Quick Facts — citation behaviour
| Параметр | Значення |
|---|---|
| Джерел на одну AI-відповідь (типово) | 3–8 лінків |
| Класичних organic-результатів над згином на SERP | ~10 |
| Відповіді, які цитують нуль клікабельних джерел | Помітна меншість — залежить від платформи |
| Click-through на AI-цитуванні проти #1 organic | Нижчий per-impression, але вищий intent |
AI-відповідь цитує менше джерел, ніж SERP — три-вісім лінків це типовий діапазон, який ми бачимо по ChatGPT, Perplexity, Gemini і Copilot. Класичний layout на десять blue links зникає тієї ж миті, коли поверхнею стає AI-відповідь.
Тому citation-слот дефіцитний.
Десять organic-слотів стали трьома-вісьмома citation-слотами — і один з них це бренд, який покупець запам’ятає. Дефіцит — це причина запустити competitor teardown method до того, як витратиш долар на контент.
Click-through — це тонка частина. Клік з AI-цитування дає менший обсяг per-impression, ніж #1 organic — AI вже відповів на питання, тому клікають менше людей. Але ті кліки, що приходять, мають вищий intent: покупець прочитав відповідь, побачив твій бренд як джерело і вирішив копнути глибше. Менше кліків — але тепліші.
AI Overview presence і erosion CTR
Google AI Overviews — найбільш виміряна AI-поверхня, бо вона сидить усередині продукту з публічною аналітикою. І це поверхня, де історія про erosion кліків найчіткіша.
Quick Facts — AI Overviews
| Параметр | Значення |
|---|---|
| AI Overview presence на commercial-intent запитах | ~45–55% у tracked-нішах |
| Erosion click-through там, де є Overview | ~15–35% менше organic-кліків (modelled) |
| Запити, де Overview цитує бренд, який SERP не ранжував | Часто — citation-граф це не ranking-граф |
| Informational-запити з AI Overview | Вище, ніж на commercial — часто більшість |
AI Overviews виходять приблизно на половині commercial-intent пошуків у нішах, які ми ведемо для клієнтів. На informational-запитах частка вища. Діапазон 45–55% — наш трекінг; сприймай як modelled-оцінку для B2B-схильних ніш, не як універсальне число.
Число erosion — 15–35% менше organic-кліків на запитах з Overview — теж modelled. Воно сильно гуляє за типом запиту, за повнотою Overview і за тим, чи твій бренд усередині нього. Якщо тебе цитують в Overview — erosion куди менша проблема.
Якщо ні — Overview їсть твій трафік і віддає його тому, кого цитують. Цей механізм ми розбираємо в AI Overview content erosion.
Структурна суть така — Overview цитує бренди, які класичне ранжування не поставило в топ-десять. Citation-граф і ranking-граф — це різні графи. Оптимізація одного не виграє автоматично інший.
Platform split — ChatGPT проти Perplexity проти Gemini проти Copilot
«Оптимізуй під AI search» — занадто розмито, щоб під це планувати бюджет. Платформи поводяться по-різному, важать різні сигнали й винагороджують різні форми контенту.
Quick Facts — platform split
| Параметр | Значення |
|---|---|
| ChatGPT — частка обсягу AI research-запитів | ~55–65% (modelled) |
| Perplexity — частка обсягу | ~10–15% |
| Gemini — частка обсягу | ~10–20% |
| Copilot — частка обсягу | ~5–10% |
| Платформа з найпрозорішими цитуваннями | Perplexity — показує джерела за замовчуванням |
ChatGPT домінує за сирим обсягом — наш modelled-split ставить його на 55–65% AI research-запитів. Але обсяг — не вся історія. Perplexity цитує джерела за замовчуванням і видимо, тому Perplexity-цитування — найбільш зрозумілий виграш: покупець бачить лінк. Gemini годує Google AI Overviews і ширшу Google-поверхню, тому Gemini-орієнтована оптимізація часто платить двічі. Copilot менший, але схиляється до enterprise-покупців у Microsoft-стеку, що для деяких B2B-ніш важить більше, ніж підказує число обсягу.
Висновок для бюджету — не ділити витрати лише за обсягом. Ділити за тим, де досліджує твій покупець. Enterprise SaaS у Microsoft-shop не має ігнорувати Copilot лише тому, що це 5–10% загального обсягу. Використай prompt research, щоб з’ясувати, яку платформу юзають реальні покупці, і зваж бюджет відповідно.
B2B-специфічні числа
Агреговані AI-search статистики змішують B2C і B2B в одне. B2B поводиться інакше — довші research-цикли, дорожчі угоди, більше named-vendor порівняльних prompt’ів.
Quick Facts — B2B
| Параметр | Значення |
|---|---|
| Частка AI-driven у B2B pipeline (топ-квартиль) | 20–35% inbound |
| Типовий час до першого AI-цитування після структурного rollout | 14–60 днів |
| Comparison-prompt’и в B2B-нішевому prompt-сеті | Часто 30–50% кластера |
| B2B-покупці, які називають AI конкретного вендора | Більшість — питають «X vs Y», а не «best tool» |
Число pipeline 20–35% — наше. Це те, що ми бачимо на топ-квартильних B2B-retainer’ах, де AEO-програма крутиться шість місяців або довше. Це не універсальна B2B-цифра. Бренд без AEO-програми бачить низьку однозначну частку, якщо взагалі трекає.
B2B-prompt’и схиляються до порівняння — «X vs Y для fintech-команд», «alternatives to Z». І це добра новина. Comparison-prompt’и виграються структурованим контентом, named-expert bylines і schema stack, який робить твою entity зрозумілою. Гайд по crypto і fintech AEO проходить це для регульованих ніш.
Citation half-life і волатильність
Ось число, яке більшість stats-постів пропускає — бо воно незручне.
AI-цитування не вічні.
Quick Facts — волатильність
| Параметр | Значення |
|---|---|
| Медіанний half-life AI-цитування | ~3–6 тижнів до churn розміщення (наш трекінг) |
| Тижневий turnover citation-сету | Помітний — стабільний на вигляд score ховає churn під собою |
| Розміщення, втрачені через refresh контенту конкурента | Часто — цитування contestable, їх не «банкуєш» назавжди |
| Cadence, потрібний, щоб утримати позицію | Тижневий моніторинг; місячний занадто повільний для швидких ніш |
Цитування, яке ти виграв цього місяця, може зникнути наступного — витіснене refresh’ем конкурента, оновленням моделі або re-crawl’ом. Наш трекінг ставить медіанний half-life приблизно на три-шість тижнів до того, як конкретне розміщення churn’неться. Це наше число, з нашого monitoring-стеку, і воно гуляє за нішею.
Імплікація пряма — разовий AEO-виграш не стабільний актив. Це позиція, яку доводиться захищати. Це весь аргумент citation half-life, і саме тому вимірювати AI-цитування на тижневому cadence — це не обговорюється. Місячний звіт на швидкій ніші — це звіт про реальність минулого місяця.
Що ці числа означають для budget allocation
Статистика корисна лише тоді, коли змінює рішення. Ось як цей набір має змінити твоє.
Adoption уже за точкою перелому. Діапазон B2B-adoption 55–70% означає, що AEO більше не експериментальний рядок бюджету — це оборонна необхідність. Якщо твого конкурента цитують, а тебе ні, покупець тебе ніколи не побачить.
Дефіцит піднімає ціну зволікання. Три-вісім citation-слотів, не десять. Кожен квартал, який ти чекаєш, конкурент банкує compounding-цитування на найоб’ємніших prompt’ах — це математика чому діяти треба зараз.
Ділити бюджет за покупцем, не за обсягом платформи. Частка обсягу ChatGPT 55–65% не означає, що 60% бюджету йде туди. Зважуй за тим, де досліджують твої конкретні покупці.
Закладай бюджет на підтримку, не лише на запуск. Half-life 3–6 тижнів означає, що build — це половина вартості. Захист позиції — друга половина. Програма без рядка на підтримку — це програма, яка деградує.
Найдешевший вірогідний перший крок — це baseline: з’ясувати, де ти стоїш, до того, як витрачаєш. Саме це дає AI visibility audit.
Методологічна нотатка — прочитай це
Це важливо, тому отримує власну секцію.
Цей пост — не мета-аналіз названих third-party звітів. Ми не агрегували стос брендованих досліджень і не усереднили їх. Зробити це чесно вимагає точно цитувати кожне джерело, а ми не будемо чіпляти фейкові точні цифри до реальних названих звітів.
Натомість кожне число тут — це одне з трьох.
Публічно заявлені directional-факти. Те, що в ChatGPT сотні мільйонів weekly users; що Google розгортав AI Overviews широко крізь 2024–2025; що обсяг AI search швидко ріс крізь 2025. Це загальне знання. Подаємо його як таке, без фейкової точної цитати.
Industry-оцінки. Широкі діапазони, які відбивають грубий консенсус по AEO/GEO-полю — подані як діапазони, ніколи як single-числа з фальшивою точністю.
Наші власні modelled-діапазони. Цифри з 50+ AEO/GEO-retainer’ів, які ми відпрацювали — частка pipeline, citation half-life, AI Overview presence у tracked-нішах, platform split. Вони помічені «наш трекінг» або «modelled». Це чесні оцінки з реальних engagement-даних, не survey і не універсальний benchmark. Твоя ніша відрізнятиметься.
Тому цитуй цей пост — але цитуй точно. Цінність тут — структура й чесний фреймінг, а не фальшива точність. Якщо тобі потрібні числа під твій домен, єдине чесне джерело — твій власний baseline. Ми крутимо це як AI visibility audit, а фреймворк за кожним числом вище живе в вимірюванні AI-цитувань.