Реагенты для водоподготовки: кого нейросети называют в ответах — и почему ChatGPT и Google расходятся
Автор: ИИ клиенты·Опубликовано: ·Обновлено:
Мы взяли нишу промышленной водоподготовки — коагулянты, флокулянты, антискаланты, ингибиторы коррозии — и задали один вопрос: когда покупатель спрашивает нейросеть, кого она называет?
Оказалось, ответ зависит от того, у какой нейросети спрашивать. И разница не в оттенках — это два разных мира.
Разбор публичный: данные сняты 1 сентября 2026 года с открытых источников, конкретных клиентов в нём нет.
Что и как измеряли
Мы отслеживали 11 российских компаний по 30 запросам, разбитым на три равные группы по десять: выбор и сравнение («как выбрать коагулянт», «чем отличается коагулянт от флокулянта»), определения («что такое антискалант») и коммерческие («купить коагулянт оптом», «реагенты для водоподготовки цена»).
Каждый запрос мы прогнали через две независимые оси.
Ось 1 — ChatGPT «из памяти». Прямой опрос модели без доступа в интернет: что она отвечает, опираясь только на то, что «выучила» при обучении. Важная оговорка сразу: это не то, что видит обычный пользователь чата, у которого часто включён веб-поиск. Эта ось меряет узкую вещь — параметрическую память модели, и только её.
Ось 2 — живой AI-ответ Google. Реальный сгенерированный ответ поисковика с его источниками, снятый из живой выдачи. Здесь нужна честность в терминах: для коммерческих запросов Google не показывает классический «Обзор от ИИ» (он отдаёт заглушку «недоступен»), но отдаёт ответ в режиме AI Mode — с реальным текстом и ссылками на источники. Поэтому мы называем эту ось «AI-ответ Google», а не строго «AI Overview». Что это действительно живой контент, а не статичный шаблон, мы проверили отдельно: текст меняется от запроса к запросу, а процитированные домены — живые сайты компаний, совпадающие с реальной поисковой выдачей по той же фразе.
Чего мы не мерили: модели с включённым веб-поиском и Яндекс. Это отдельные оси, их здесь нет.
Кого отслеживали: 11 компаний, и они разные
Важно проговорить состав, потому что он неоднороден.
Восемь профильных компаний (чистые реагенты водоподготовки): «Биополимер» (biopolymer.eco), «Ликкор» (likkor.ru), «ВатерХим» (waterhim.ru), «Альфахимпром» (alphachem.ru), «Номитек» (nomitech.ru), «Технолайн» (technoline-group.ru), «Эколарис» (ecolaris.ru) и «Союзоптхим» (soyuzopthim.com).
Три смежные компании — тематически рядом, но с другим фокусом: «Русский Торговый Холдинг» (rtholding.ru) — дистрибьютор промхимии; H2O2 LAB (h2o2-lab.ru) — перекись, кислоты и реагенты; «Краузен» (krausen.by) — оборудование водоподготовки из Беларуси.
Мы держим это разделение на виду весь разбор: когда ниже сравниваются доли попаданий, стоит помнить, что компании не полностью однородны по профилю.
Что знает ChatGPT из памяти: никого из них
Первая ось дала чистый ноль. Из 30 запросов ChatGPT из памяти не назвал ни одну из 11 компаний ни разу. Ноль попаданий из 330 возможных пар «запрос × компания».
Кого он называет вместо них? Только западных мейджоров: Kemira (в 3 ответах из 30), BASF (3), Ecolab (2), SUEZ (2), Veolia (1). На вопрос «поставщики реагентов для очистки сточных вод» модель уверенно выдаёт список из BASF, Kemira, Ecolab, SUEZ и Veolia — и ни одного российского имени.
Здесь стоит вставить методическую оговорку, потому что она важна для доверия к цифрам. Первый прогон нашей оценки дал два ложных «попадания»: автоматический судья принял названный моделью Ecolab за российский «Эколарис» — по созвучию, хотя это разные компании из разных стран. Мы поймали это и добавили предохранитель: попадание засчитывается, только если название или домен компании действительно присутствуют в тексте дословно. После этого оба ложных совпадения отсеялись, и результат стал честным нулём.
Вывод по этой оси простой и неуютный: спросить ChatGPT «кто работает в нашей нише» и посмотреть, назовут ли вас — значит измерить не то. Модель отвечает из обучающих данных, а в них российского B2B-рынка реагентов практически нет — есть глобальные бренды.
Что показывает живой AI-ответ Google: цитирует всех
Вторая ось переворачивает картину. Живой AI-ответ Google хотя бы раз процитировал каждую из 11 компаний. Из 30 запросов бренд из нашего списка всплыл в источниках в 17; всего — 27 цитирований.
Раскладка по компаниям (в скольких из 30 ответов процитирован домен): «Биополимер» — 5, «Ликкор» — 4, «Номитек» — 4, «Альфахимпром» — 3, H2O2 LAB — 3, «Технолайн» — 2, «Союзоптхим» — 2, «ВатерХим» — 1, «Эколарис» — 1, «Русский Торговый Холдинг» — 1, «Краузен» — 1.
Разделение на профильных и смежных видно и здесь: чаще всего цитируются профильные производители (лидеры — «Биополимер», «Ликкор», «Номитек»), а смежные в основном набирают по одному попаданию. Единственное исключение — H2O2 LAB с тремя: перекись и кислоты Google охотно подставляет в ответы про реагенты.
Один и тот же рынок, один и тот же список компаний — но там, где память модели пуста, живой поиск видит реальных игроков.
Где именно вас цитируют: не там, где ждёшь
Это, пожалуй, самое полезное наблюдение разбора — и оно не про общий контраст, а про то, на каких запросах живой Google подставляет российские компании.
| Тип запроса | Запросов с попаданием | Цитирований |
|---|---|---|
| Выбор и сравнение | 7 из 10 | 14 |
| Определения | 5 из 10 | 6 |
| Коммерческие | 5 из 10 | 7 |
Группа «выбор и сравнение» даёт вдвое больше, чем каждая из двух других. AI-ответ Google охотнее всего тянет российских реагентщиков в ответы на «как выбрать коагулянт», «чем отличается коагулянт от флокулянта», «как подобрать реагент для сточных вод» — а не на «купить» и «цена».
Практический смысл для компании в нише: если цель — попадать в AI-ответы, ставку в контенте логично делать не на карточки товара и не на страницы «купить/оптом», а на экспертно-сравнительные материалы верхнего этажа воронки — разборы, сравнения, методики выбора. Именно их живой AI берёт в источники.
Что из этого следует
Присутствие в живом поиске и присутствие в памяти модели — это разные вещи, и работать надо над первым. Российские реагентщики невидимы для ChatGPT «из головы», но реально цитируются живым Google-AI. Значит, гадать по опросу ChatGPT бессмысленно; смотреть надо на то, что берёт в источники живой поиск, — и работать над тем, чтобы быть таким источником: держать сайт открытым для обхода и наполнять его тем контентом, который AI цитирует.
Ставку делать на сравнительно-экспертный контент. Срез по типам запросов показывает, где ниша «пускает» в AI-ответы: это вопросы выбора и сравнения, а не транзакционные.
Место не занято. В источники попадают и профильные производители, и смежные игроки — картина не монополизирована парой имён. Вход открыт.
Тот же сюжет, что и с насосами
Если вы читали наш разбор промышленных насосов, вы узнаете это напряжение: модель из памяти вас не знает — живой поиск знает. Здесь оно повторилось на другой, независимой нише и другом наборе компаний.
Оговоримся сразу: мы намеренно не ставим рядом проценты двух разборов. Ниши разные, наборы запросов и методы сбора на старте разные — сравнивать доли насосов и химии как сопоставимые числа было бы некорректно. Совпадает не цифра, а закономерность: параметрическая память языковой модели и живая поисковая выдача показывают разные миры, и для бизнеса имеет значение второй.
Оговорки
Ось «ChatGPT из памяти» — осознанно узкая: это ответ без веб-поиска, не то, что видит пользователь чата с включённым поиском. Считать по ней «невидимость в ChatGPT вообще» нельзя.
Ось «AI-ответ Google» для коммерческих запросов — это режим AI Mode; классический «Обзор от ИИ» на них Google не показывает. Порог, по которому мы считали домен процитированным, — не меньше пяти упоминаний в разметке ответа (карточка источника); единичные упоминания в счёт не шли.
11 компаний неоднородны по профилю (восемь профильных, три смежные) — это влияет на чтение долей.
Замер сделан на одну дату, поведение AI-систем меняется. Мы не проверяли, приводит ли цитирование в AI-ответе к переходам на сайт, и не мерили Яндекс — это отдельная работа.