Тренды B2B-маркетинга 2026

Оглавление

О чём доклад

Четыре главы и что с этим делать

Где вас теперь находят

Тренды 1–4 · поиск без клика, шорт-лист собирается внутри ИИ-ответа

Когда решение уже принято

Тренды 5–7 · длина пути, роль продавца, формат первого контакта

Как вас выбирают среди похожих

Тренды 8–9 · паритет и чем из него выходят

Бюджет, команда, фундамент

Тренды 10–13 · что происходит внутри компании

→

План трансформации

Семь шагов в порядке отдачи

Тренды B2B-маркетинга 202603 / 32

Тренд 1замерено на панелях

Тренд 1 · Трафик перестал быть целью

Две трети поисков заканчиваются без клика

68,01%

поисков Google закончились без единого клика. Посчитано по реальным поискам живых людей за январь–апрель 2026

до 2019≈45%

201949%

202460,5%

янв–апр 202668,0%

−58%

AI Overviews срезают клики по первому результату органики

×4

за год выросли ChatGPT-рефералы на B2B-сайты: 645 тыс. → 2,6 млн визитов/мес. Перелом в мае 2026, объём удвоился за месяц

ИИ-трафик это почти только ChatGPT. Perplexity падает, Gemini и Claude плоские. Оптимизировать под четыре ассистента не нужно

52%

ставят ИИ-поиск первым каналом дистрибуции контента, выше SEO. И 40% планируют нанять AI search специалиста в течение года

AEO это эволюция SEO, а не замена: без этого фундамента AEO и GEO не масштабируются. Бюджеты и трафик растут у обоих каналов. Мобайл обогнал ПК, а не автомобиль заменил лошадь

Источники: SparkToro на панели Similarweb, США, янв–апр 2026 · трекер Ahrefs, 75 000+ доменов · Demandbase Labs, данные платформы · 10Fold, 400 B2B tech decision-makers · Rampiq · поправка — Conductor, Branch

Глава 1 · Где находят05 / 32

Тренд 1важная поправка

Тренд 1 · Важная поправка

Падает не бизнес, а трафик, который и так не конвертил

Прежде чем паниковать из-за графика в аналитике, стоит посмотреть, какой именно трафик ушёл.

−80%

органического трафика потерял HubSpot при рекордной выручке в тот же период

Удержали позиции

Страницы про автоматизацию маркетинга и CRM, то есть ближайшие к продукту

Ушли

Статьи, которые есть у всех и ничем не отличаются. Они и раньше почти не приводили клиентов

42%выросли и в видимости, и в трафике

85%улучшили качество лидов за год

Получается, цель уже не «привести на сайт», а «попасть в ответ». И метрика другая: не сессии из органики, а доля запросов, где нас называют

Источники: разбор Аманды Наталивад, пример HubSpot · 10Fold, n=400 · цитата — Adam Landis, Branch

Глава 1 · Где находят06 / 32

Тренд 2опрос покупателей · n=1 076

Тренд 2 · Видимость в ИИ

Ваш сайт влияет на шорт-лист слабее всех

Что влияет на попадание в шорт-лист

ИИ-чаты54%

Сайты отзывов43%

Сайт вендора36%

51%начинают процесс покупки сразу в ИИ-чате

71%используют ИИ-чаты для ресёрча софта. Было 60%

Покупатель перешёл «от ссылки к выводу», from reference to inference. Тим Сандерс, chief innovation officer, G2

Источник: G2, 1 076 человек, принимающих решения о покупке софта, март 2026

Глава 1 · Где находят07 / 32

Тренд 2последствия

Тренд 2 · Что происходит внутри ответа

Чем это кончается для вендора

83%

берут в шорт-лист три продукта или меньше

69%

выбрали не того вендора, которого планировали

33%

купили у вендора, о котором раньше не слышали

Горлышко узкое, но не закрытое. В него пускают незнакомых — если модель знает, за что вас рекомендовать

Источники: G2, 1 076 покупателей софта, март 2026 · TrustRadius, ~2 500 покупателей и вендоров, поле январь 2026

Глава 1 · Где находят08 / 32

Тренд 3вендорский индекс · n=70

Тренд 3 · Диагноз

96% компаний невидимы там, где начинается выбор

4,3% видны в ранних,
безбрендовых вопросах

всплывают только там,
где имя уже названо 95,7%

Механика

Компания видна в запросах «сравни X и Y», где X это она сама, и невидима в «чем закрыть вот эту задачу». ИИ подтверждает выбор тем, кто уже знает бренд, и не участвует в его формировании.

Что подавляет видимость

нет структурированной разметки

заблокированные или неуправляемые ИИ-краулеры

слабая экосистема сторонних отзывов

мало независимых цитирований в открытом вебе

неуправляемый сентимент в сообществах

«Мы есть в ИИ» и «нас находят в ИИ» это разные вещи. Мерить надо второе

«ИИ-моделям безразличны оргструктуры и капитализация. Они реагируют на ясность, консистентность и подтверждение из разных мест открытого веба» — Will Waugh, 2X AI Innovation Lab
Источник: 2X AI Visibility Index, разбор 70 B2B-компаний, апрель 2026 · класс данных: вендорский индекс

Глава 1 · Где находят09 / 32

Тренд 3данные агентства

Тренд 3 · Где вас цитируют

85% цитат приходит не с вашего сайта

85%

цитат по широким категорийным запросам приходит из сторонних источников: G2, Capterra, TrustRadius

earned AEO это сколько раз и где вас упоминают вне своего сайта. Модели тянут из Reddit, обзоров и демо на YouTube, сторонних подборок и платформ отзывов, а подают это как консенсус

Куда ушла авторитетность

Отзывы пользователей74%

Отчёты аналитиков13%

−63%

столько потеряли аналитические отчёты с 2022 года. Тридцать лет B2B платил за попадание в квадранты, за четыре года канал потерял две трети аудитории

Упоминания на YouTube коррелируют с ИИ-видимостью сильнее, чем объём контента и объём ссылок.

«Многие считают ИИ-видимость проблемой контента. Это проблема экосистемы. Модель учится на всём цифровом следе компании, а не на её сайте». Бюджет на аналитиков это кандидат №1 на перераспределение

Источники: Rampiq, программа AI Visibility Optimization, июнь 2026 (данные агентства) · TrustRadius, ~2 500, январь 2026 · 10Fold, n=400

Глава 1 · Где находят10 / 32

Тренд 4чек-лист

Тренд 4 · Что физически мешает попасть в ответ

Если данных нет, модель придумает свои

«Если бренда нет в ответе, вы не просто ниже в выдаче. Вас вычеркнули из рассмотрения». И по факту риск двойной: при пробелах ИИ заполняет их сам — галлюцинированные цены, устаревшие возможности, неполные объяснения, которые рассинхронизируют закупочную группу до первого звонка. Опасна не только невидимость, но и искажение

Пять гэпов

Неструктурированные данные. Ответ в первых 1–2 предложениях, вопросные подзаголовки, списки и таблицы

Несогласованность сущности. Нельзя быть «премиальным» и «доступным» на разных страницах: LLM съест обе и выкинет вас из ответа

Расплывчатый рекламный текст. «Пишите так, как хотели бы, чтобы писали о вас, а не так, как хотели бы писать о себе»

Скрытая цена. Теперь активная уязвимость. Лечение: диапазоны или калькулятор

Мало сторонних цитирований. Свой контент один ИИ-видимость не удержит

Что именно цитируется

67%

топ-цитат ChatGPT содержат первичные данные

×2,5

так чаще цитируются структурированные таблицы

топ-цитат приходится на списочный контент

+28%

цитат у страниц, обновлённых за два месяца

Что производить. Первый вирусный материал Gong это разбор 25 537 реальных звонков. Заказанные расчёты окупаемости: 256% у Moveworks, 141% у Glean. Техническая часть решается за 30–60 минут; медленная часть это публиковать своё исследование

Источники: Demand Gen Report «The Answer Economy», июнь 2026 (сводка Gartner, Skydeo, Conductor) · Rampiq · бенчмарк по 17 AI-компаниям

Глава 1 · Где находят11 / 32

Тренд 5платформенные данные

Тренд 5 · Длина и ширина пути

272 дня, 10 человек, 88 касаний. 81% этого вне вашего пайплайна

272дня средняя сделка. Годом раньше 211

10стейкхолдеров. Годом раньше 6,8

88касаний до закрытия

81%пути проходит вне sales-пайплайна

Сходится с другим замером: закупочная группа 10,9 человека по данным 10 000+ покупателей за три года. Два независимых источника дали 10 и 10,9

«Мы делаем SEO» или «мы делаем рассылки» это уже не стратегия, а одно из восьмидесяти восьми касаний

Источники: Dreamdata, 2026 LinkedIn Ads B2B Benchmarks, данные платформы · 6sense, 10 000+ покупателей за три года

Глава 2 · Как покупают13 / 32

Тренд 5первичное исследование · n≈4 000

Тренд 5 · Сделка решается до первого разговора

Шорт-лист собран в день первый, продавец приходит его подтверждать

5вендоров рассматривает в среднем

4из них знал до начала поиска

3,6места заполняется в первый же день

95%покупают у одного из этих четырёх. Год назад 85%

Почему это не «первый убедил». Там, где покупатель не составлял список заранее (таких всего 6%), первый вендор выигрывает лишь в 57% случаев.

Продавца зовут поздно

Первый контакт на % пути61%

Инициирует сам покупатель80%+

Первым говорит с тем, у кого купит77–81%

Почему список сложился заранее. «Входя в ситуацию покупки, покупатель сначала обращается к собственной памяти…». Проверено на 17 продуктах, связь подтвердилась в 16 из 17. Правило 95:5: в любой момент около 95% покупателей не в рынке. И 72% попадают в шорт-лист через прежнюю осведомлённость

Получается, время ответа на входящее это уже не метрика поддержки, а метрика выручки. Вопрос не в том, как быстро мы отвечаем в среднем, а сколько сделок решается в те часы, когда мы не отвечаем вообще: вечером, ночью, в выходные

Источники: 6sense Buyer Experience Report 2025, 3 744 + 766 покупателей, средняя сделка $250 тыс. · Ehrenberg-Bass, Дженни Романюк, n=606 · Wynter, июнь 2026

Глава 2 · Как покупают14 / 32

Тренд 5цена задержки

Тренд 5 · ИИ трансформация входящей воронки

Кто вышел на связь первым, тот и продал

Дело не в вежливости. Скорость решает исход сделки ещё до первого разговора.

×100

выше шанс вообще связаться с человеком, если ответ в пределах пяти минут

≈×7

выше шанс содержательного разговора с ЛПР при ответе в течение часа

78%

покупателей выбирают того вендора, кто вступил в контакт первым

5 мин

окно, за которое решается, состоится ли разговор вообще

Поэтому квалификацию, бронирование встреч и доведение лида до встречи ИИ-агенты забирают на себя: это работа, где всё решают секунды и круглосуточное покрытие, а не опыт продавца

Источник: отраслевая аналитика по рынку AI-агентов для входящих продаж. Числа по отрасли, не метрики отдельной компании

Глава 2 · Как покупают15 / 32

Тренд 6первичное исследование · n=645

Тренд 6 · Роль продавца

Купить хотят без продавца. Проверить идут к продавцу

Покупать хотят сами

67%хотят опыт без продавца

70%хотят полный self-service

69%

идут к продавцу валидировать выводы ИИ. И 51% против 49% ждут недостоверной информации от ИИ и от продавца: доверия мало к обоим, поэтому покупатель сверяет одно с другим

Где человек объективно сильнее ИИ, в процентных пунктах

«Понял мою потребность»+39

«Дал уверенность в решении»+32

«Продвинул меня к следующему шагу»+28

«Помог посчитать выгоду»+21

Группы с низкой дисфункцией в 13 раз чаще дают качественные сделки, а дисфункция ниже там, где покупатель провёл больше времени с продавцом

Поправка к энтузиазму главы 1: ИИ использовали 63% покупателей, и 94% из них фактчекают его ответы. «Покупатели используют ИИ, чтобы двигаться быстрее, а не чтобы меньше думать»

В момент сомнения покупателю нужен не человек, а ответ. Разница в том, что ответ можно дать в 23:40, а человека в 23:40 нет: «передать человеку» ночью по факту значит «оставить лида в тишине»

Источники: Gartner, 645 B2B-покупателей, поле авг–сен 2025 · TrustRadius, ~2 500, январь 2026 · Gartner: к 2027 году 95% ресёрч-воркфлоу продавцов начнётся с ИИ

Глава 2 · Как покупают16 / 32

Тренд 7подтверждено опросом n≈2 500

Тренд 7 · Формат первого контакта

Демо переезжает в самое начало

Демо и триал — самые влиятельные ресурсы при выборе вендора. Не сайт, не контент, не отчёты аналитиков. Опрос на 2 500 покупателей ставит их на первое место

Harvey

Перед звонком скачивали последний иск юриста из открытой базы суда и показывали разбор его же текста. «Нет никакого оправдания тому, кто строит AI-продукт и не делает гиперперсонализированные демо»

≈150

запросов на демо с одного мероприятия получила Legora: показала живой продукт там, где все остальные показывали слайды

Exposure Ninja

Раздаёт бесплатный аудит и на нём же строит весь входящий поток

Почему это единственное место, где различие видно. Оно вылезает «в разговорах с коллегами, в звонках продаж, в триалах». Не в мессаджинге

Демонстрация на данных клиента становится маркетинговым форматом, а не этапом после квалификации. Бесплатный инструмент или разбор «на ваших цифрах» работает лучше, чем ещё одна страница с описанием возможностей

Источники: TrustRadius, ~2 500 покупателей, январь 2026 · Wynter, июнь 2026 · Rampiq · бенчмарк по 17 AI-компаниям

Глава 2 · Как покупают17 / 32

Тренд 8слепой тест · n=100, 73% VP+

Тренд 8 · Паритет

Покупатель не видит разницы. Маркетолог тоже

98%хотя бы иногда считают, что все вендоры делают одно и то же

64%прямо затруднились различить вендоров по сайтам и мессаджингу

Слепой тест. Ста руководителям маркетинга показали 5 реальных, неотредактированных value prop (Salesforce Agentforce, HubSpot, Zoho, Pipedrive, Oracle) с убранными названиями и попросили сопоставить с брендом

1,86 / 5

средний балл. Случайное угадывание даёт 1,0

Случайное угадывание1,00

Балл CMO1,70

Все маркетологи1,86

43% угадали ноль или один. Четыре и больше — только 8%. Балл CMO хуже общей выборки.

Люди, которые пишут такой текст за деньги, не отличают крупнейшие бренды своей категории

Источник: Wynter, 100 B2B SaaS marketing leaders (33% CMO и C-level, 40% VP, 27% Director), панель 80 000+ верифицированных B2B-профессионалов, июнь 2026

Глава 3 · Как вас выбирают19 / 32

Тренд 8n=100, 73% VP+

Тренд 8 · Чем платят за одинаковость

Мессаджинг стоит четвёртым среди причин попасть в шорт-лист

Как вендор попадает в шорт-лист

Рекомендация коллеги87%

Прежняя осведомлённость72%

«Их мессаджинг выделился»29%

Усилие не помогает. 92% приложили реальное усилие найти отличия, 56% копали глубоко, и половина глубоко копавших всё равно решила, что все одинаковые. Усилие и ясность не коррелируют

На чём в итоге решили

Удобство покупки24%

Существующее доверие21%

Цена12%

57%

решений принято не на продуктовом отличии. Продуктовое отличие назвали причиной 41%, но эта же группа дала в слепом тесте 1,63, ниже среднего

Вот и налог. Если разницы не видно, вы конкурируете маржой и трением, а не ценностью

Источник: Wynter, 100 B2B SaaS marketing leaders, июнь 2026 · «Я перестал читать их материалы и пошёл к коллегам за мнением. Это было куда информативнее всего, что дали вендоры» — CMO · «Их продавцы смогли объяснить отличия, которые сам сайт объяснить не смог» — CMO из выборки

Глава 3 · Как вас выбирают20 / 32

Тренд 9наблюдение + n=1 015

Тренд 9 · Первое лицо

Голос основателя это канал дистрибуции, а не приятное дополнение

Не «заведите личный бренд», а строка в медиаплане наравне с каналами.

$7 млн

выручки в год качает знакомый Эрика Сью постами в LinkedIn

60+

разговоров собрал основатель Legora, предлагая юристам оплатить их же почасовую ставку за 30-минутное интервью

17 / 17

компаний в выборке: основатель лично вёл продажи, пока не стало ясно, что схема работает

Канал определён

LinkedIn76%

Email-рассылки54%

Спикерство и вебинары52%

37%

компаний: контрибьютят менее 5% носителей экспертизы. «Если меньше 5% ваших сотрудников с профильной экспертизой участвуют, у вас нет программы thought leadership. У вас есть контент-команда, которая пытается выглядеть умной в LinkedIn»

Рекомендация коллеги даёт 87% попаданий в шорт-лист, мессаджинг — 29%. Получается, живой человек с именем это способ получать рекомендации

Источники: CMI + MarketingProfs, 1 015 B2B-маркетологов · бенчмарк по 17 AI-компаниям

Глава 3 · Как вас выбирают21 / 32

Тренд 101 412 объявлений · $14,2 млн

Тренд 10 · Метрика, уводящая бюджет

Оптимизация по клику не просто ошибается. Она уносит бюджет в обратную сторону

Корреляция с пайплайном по каналам

Cost per SQL0,71

Google Search0,18

Performance Max0,07

LinkedIn sponsored0,04

LinkedIn boosted posts−0,02

В 43% A/B-тестов объявление с высшим CTR дало меньше или дороже SQL. Около двух третей high-CTR объявлений оказались ловушками на клик.

56%

лучших по пайплайну объявлений имели низкий CTR. Их легко выключить раньше времени

38%

бюджета уходило в две худшие квартили пайплайна, потому что «выглядело эффективно» по CTR и CPL

−44%

cost per SQL после пересчёта на пайплайн-метрику. Без роста бюджета

И цена ошибки растёт. Non-branded Google Search подорожал на 29%, а кликается на 26% хуже. Доля бюджета в non-branded search упала на 4 пункта до 33%, LinkedIn забрал 41% paid social. Причина сдвига не мода, а отсутствие фирмографики: нет гарантии, кто именно выполняет запрос и кликает

Источники: GrowthSpree, 1 412 объявлений, 96 аккаунтов, $14,2 млн спенда, август 2026 · Dreamdata, 2026 LinkedIn Ads B2B Benchmarks · в первоисточнике опечатка «0,71%», по контексту это коэффициент корреляции

Глава 4 · Бюджет, команда, фундамент23 / 32

Тренд 11n=100 + 180 млн вакансий

Тренд 11 · Команды

Сокращали не команды, а путь в профессию

47%компаний за 12 месяцев убрали, сократили или перестали замещать роли из-за ИИ

7%из них имели видимое сжатие команды. Остальные 40% прошли через отток и незакрытые вакансии

60%

руководителей называют роль под нож: контент и копирайтинг. Ещё 20% прямо называют джуниоров. При этом 94% уверены, что их собственная роль выживет следующие 24 месяца

«Профессию не убирают. Убирают путь в профессию»

Падает творческое исполнение · динамика вакансий

Компьютерные графики−33%

Авторы текстов, редакторы−28%

Журналисты−22%

PR-специалисты−21%

По уровням: старшее руководство −1,7%, менеджеры −5,7%, рядовые исполнители −9%. Падают не творческие профессии, а творческое исполнение.

+205%

GTM-инженер год к году: 3 000+ позиций против 1 400 в середине 2025. SQL и Python требуют в 38% вакансий, медианная зарплата $127 500. Cold calling упомянут лишь в 1,4%: это не переименованные продавцы

Меняется не количество людей, а то, за что им платят. Не «сократите команду», а «перестаньте покупать руки и начните покупать систему»

Источники: Wynter, 100 руководителей маркетинга, 2026 · рынок вакансий, 180 млн вакансий · 10Fold, n=400 · оговорка: спад рынка на 8% нельзя целиком списать на ИИ, данные не отделяют технологию от состояния экономики

Глава 4 · Бюджет, команда, фундамент24 / 32

Тренд 12сошлось на двух выборках

Тренд 12 · Отдача от ИИ

Стало быстрее. Лучше не стало

Что улучшилось от ИИ в контенте

Производительность87%

Операционная эффективность80%

Креативные возможности65%

Качество контента58%

Результативность контента39%

По результативности 34% говорят «без изменений», 15% «рано судить». И 12% говорят, что качество упало.

«ИИ помогает маркетологам быстрее печатать, а не лучше думать»

53%руководителей не видят от ИИ почти никакого эффекта · 30 экспертов, январь 2026

53%говорят, что ИИ не принёс ROI · 100 руководителей маркетинга, 2026

Сошлось на двух независимых выборках. Это сильнейший вид подтверждения в подборке

Агентов пробуют 28%, а ядром стратегии называют 3%. У Crescendo ИИ даёт ~25% пайплайна при росте 200% кв/кв; в Inflection после восьми часов настройки бронируют больше встреч без SDR, чем раньше с двумя. И отрезвляющее: тот же автор тратит ~$22 тыс./мес на контент и отдачу видит плохо

Агентов пробуют 28%, а ядром стратегии называют 3%. Разрыв между «попробовали» и «работает» огромный, и следующий слайд отвечает, где он возникает

Источники: CMI + MarketingProfs, 1 015 B2B-маркетологов · Wynter, 100 руководителей маркетинга · отчёт Кайла Пойара, 30 экспертов, январь 2026

Глава 4 · Бюджет, команда, фундамент25 / 32

Тренд 13сводка по семи источникам

Тренд 13 · AI-native компания

ИИ не исправляет плохие данные. Он их усиливает

Тренд, который отвечает на вопрос предыдущего слайда: где именно теряются те 53%.

73%

называют качество данных барьером №1 к успеху ИИ, выше точности моделей, вычислений и талантов

60%

компаний сообщают о малой или нулевой ценности от ИИ-инвестиций

59%

организаций вообще не измеряют качество данных

41%

инициатив lead scoring провалились, и дело было не в алгоритме, а в CRM-данных

Разрыв в инвестициях, который объясняет всё остальное

Расходы на marketing data+0,5%

Расходы на ИИ-инструменты+36%

На ИИ в 2025 году потрачено $1,5 трлн. Прогноз: до конца 2026 организации откажутся от 60% ИИ-проектов, не обеспеченных готовыми данными. Улучшить качество данных смогли только 37%.

«Качество данных сейчас это главный фактор, ограничивающий внедрение GenAI в B2B». Не модели. Не вычисления. Не таланты. Данные. — Forrester

Почему ИИ ухудшает ситуацию. Когда плохая запись лежит в CRM, живой продавец может её поймать: позвонил, номер неверный, поправил. Когда та же запись попадает в модель скоринга, человека в контуре нет. Модель оценивает, маршрутизирует и действует уверенно, быстро и в масштабе. Она не знает, что контакт сменил работу восемь месяцев назад

Источники: сводка Demand Gen Report по данным Gartner, Forrester, eMarketer, Wavestone и Sales Hacker (250 Sales Operations Managers), май 2026 · CMI, n=1 015: собирают первичные данные 91%, но у половины стратегия на начальных стадиях

Глава 4 · Бюджет, команда, фундамент26 / 32

Тренд 13рамки консалтинга

Тренд 13 · Что делают те, у кого получилось

Побеждают не те, у кого лучшая модель, а те, у кого фундамент

50–70%

бюджета внедрения тратят на подготовку данных до запуска модели те компании, которые реально извлекают ценность из ИИ

Рамка BCG: во что вкладываться

Алгоритмы10%

Технологии20%

Люди, процессы, governance70%

«Раньше данные о клиентах были проблемой хранения… Сегодня данные без контекста и возможности действовать это обязательство, а не актив»

«ИИ требует постоянной, развивающейся контекстной памяти, а не просто базы данных»

«Digital maturity значит, что вы вложились в технологию. AI readiness значит, что вашим данным можно доверять, они доступны и управляемы»

У большинства эта пропорция вывернута наизнанку: сначала лицензия, потом попытка подложить под неё данные. Это база. У 23% с положительным ROI сработало другое: стратегия раньше инструмента, начали с застрявшего бэклога, построили воркфлоу

Источники: BCG · Wynter, n=100 · Treasure AI и MadConnect, интервью Demand Gen Report 2026 (данные вендоров о себе)

Глава 4 · Бюджет, команда, фундамент27 / 32

Тренд 13

Тренд 13 · Проверка и вывод

Контекст это единственное, что нельзя скопировать

Три вопроса на готовность данных

Как быстро вы получаете ответ? Если на вопрос «сколько мы потратили на этот канал за год» нужны дни агрегации, а не минуты, фундамент не готов

Кто может получить ответ? Если каждый бизнес-вопрос требует инженера данных, вы создали бутылочное горлышко

Совпадает ли ответ у разных отделов? Спросите одно и то же у маркетинга, финансов и аналитики. Разные ответы означают, что данные не готовы, даже если каждый ответил быстро

Каждый разговор агента с лидом это интервью с человеком, который прямо сейчас принимает решение, и оно остаётся в системе. Поэтому такой продукт работает тем лучше, чем дольше им пользуются. Это про накопление контекста, а не про экономию на людях

«Через пять лет наибольшее преимущество от ИИ получат не те, кто развернул самые продвинутые алгоритмы. Это будут те, кто сначала построил надёжный, доступный, управляемый фундамент данных»

Источники: MadConnect (Laura McElhinney, апрель 2026) · Treasure AI (Rafa Flores, август 2026) · Wynter, n=100

Глава 4 · Бюджет, команда, фундамент28 / 32

Выводы

Что меняем первым

План трансформации B2B-маркетинга

Заменить главную метрику видимости. 10–15 запросов покупателя через ИИ-ассистенты: кого называют, откуда берут. Мерить раннюю видимость: только 4,3% видны в безбрендовых вопросах, и 40% рынка нанимают AI search специалиста в течение года

Сместить усилия с блога на чужие площадки. 85% цитат приходит со сторонних источников, первичные данные это 67% топ-цитат. Бюджет на аналитиков (13% аудитории, −63% с 2022) — кандидат №1 на перераспределение

Заменить обещания демонстрацией. Демо и триалы самые влиятельные ресурсы при выборе, n≈2 500. Различие видно в триалах и звонках, а не в мессаджинге

Пересчитать paid на пайплайн-метрику вместо CTR. −44% cost per SQL без роста бюджета. 56% лучших по пайплайну объявлений имеют низкий CTR и рискуют быть выключенными

Проверить, отличают ли нас. Прогнать свой value prop слепым тестом на десяти своих же людях. Маркетологи дают 1,86 из 5 на брендах уровня Salesforce и HubSpot, CMO 1,70

Начать с данных, а не с промптов. Те, у кого ИИ работает, тратят 50–70% бюджета внедрения на подготовку данных. 59% не измеряют качество данных вообще. И ставить ИИ на эти данные там, где он касается выручки: контент-маркетинг, аналитика, процессы команды, входящая воронка

Внедрить AI revenue агентов Dashly на входящий поток. AI SDR, AI support и AI engage: реакция на заявку и диалог — секунды, встреча бронируется день в день, до встречи с менеджером доходит 80% лидов

Первые шесть пунктов это видимость, различие, метрики и данные под ИИ. Седьмой отвечает на то, что остаётся после них: обращение уже пришло, кто и за сколько его обработает. Он раскрыт на следующем слайде

Выводы30 / 32

Выводы

Что меняем первым · пункт 7

Поставить AI revenue agents на входящий поток

Агент подхватывает каждое обращение за секунды и в любое время суток, ведёт квалификацию на контексте профиля лида, отвечает на продуктовые вопросы, бронирует встречу и доводит её до состоявшейся. У нас это AI SDR-агенты Dashly.

Почему это следует из данных доклада

80%+ первых контактов инициирует сам покупатель, и первым он говорит с тем, у кого купит (77–81%): выигрывает тот, кто ответил
67% хотят пройти путь без продавца, но 69% приходят валидировать выводы ИИ: нужен собеседник круглосуточно, а не форма
88 касаний × 10 человек: follow-up перестаёт быть человеческой работой по объёму
2% ИИ-driven персонализации в ABM: на входящем потоке этого почти никто не делает

Метрика

Состоявшиеся встречи с целевыми лидами

Не диалоги и не MQL. Бронь это обещание: оптимизация на брони толкает записывать всех подряд и злит продажи. Состоявшаяся встреча единственная метрика, которая требует одновременно объёма, качества и доведения

Это про пропускную способность, а не про сокращение людей. Менеджер получает больше встреч с целевыми лидами, а не меньше коллег

Источники цифр на слайде: 6sense (3 744 + 766 покупателей) · Gartner (645) · Dreamdata (данные платформы) · CMI (1 015 маркетологов) — все прозвучали в докладе выше

Выводы31 / 32

Дмитрий Сергеев