Уральский банк реконструкции и развития (УБРиР) основан в 1990 году. Головной офис расположен в Екатеринбурге. УБРиР работает с физическими и юридическими лицами:, предлагает расчётно-кассовое обслуживание, кредитование, эквайринг, банковские карты, вклады и другие финансовые продукты. Банк представлен в 41 регионе России (по данным 2026 года).
Сегодня УБРиР — один из крупнейших банков Урала. По итогам 2025 года банк занимал 33-е место по размеру активов в рэнкинге российских банков «Интерфакс-100» .
Задача
Александр Кантышев. Руководитель отдела продвижения
«Выбор банка — ответственное решение. Клиенты сравнивают условия, оценивают надёжность, качество обслуживания и всё чаще обращаются за рекомендациями к искусственному интеллекту. Нейросети формируют ответы на основе множества источников: сайтов банков, агрегаторов, рейтингов, СМИ. При этом информация в разных источниках может быть неполной, устаревшей или противоречивой. В результате ИИ может сформировать неверное представление о банке или порекомендовать конкурента.
Поэтому для эффективного присутствия в ответах ИИ недостаточно оптимизировать собственный сайт. Необходимо системно работать со всем информационным окружением бренда, обеспечивая актуальность, полноту и достоверность информации о компании и её продуктах»
Запросы к ИИ от клиентов банка
УБРиР поставил перед нами задачу исследовать присутствие бренда в ответах ведущих ИИ-систем, сравнить его с конкурентами, определить причины различий и разработать рекомендации по повышению видимости. Мы провели комплексный GEO-аудит, объединивший исследование поискового спроса, мониторинг ответов нейросетей, анализ источников информации, медиаприсутствия бренда и контента сайта.
Исследования GEO-аудита
Исследование спроса и видимости в ответах ИИ
Для измерения видимости необходимо прежде всего определить, на какие вопросы потенциальных клиентов должен отвечать искусственный интеллект и в каких ответах желательно присутствие бренда.
Мы разработали достаточное ядро промптов на основе поискового спроса, предварительно исследованного с помощью Яндекс Wordstat. Поисковые запросы были преобразованы в естественные вопросы к нейросетям. Например, вместо короткого запроса «расчётный счёт для ИП» пользователь может попросить ИИ подобрать банк с выгодными тарифами для предпринимателя или сравнить условия расчётно-кассового обслуживания.
Запросы сегментировали по нескольким признакам:
По интенту: информационные, транзакционные, сравнительные, рекомендательные и навигационные.
По банковским продуктам и услугам: РКО, эквайринг, кредиты, депозиты и другие направления.
По географической привязке: с упоминанием в запросе топонимов и без них
По ожидаемому результату: рекомендация конкретного банка либо предоставление информации и источников.
Затем мы исследовали ответы пяти ИИ-систем: ChatGPT, DeepSeek, YandexGPT, Яндекс Алисы и Google AI Overview. Для каждого запроса фиксировали присутствие бренда и конкурентов, анализировали различия между нейросетями, продуктами и типами запросов. Это позволило определить не только общую видимость УБРиР, но и конкретные сегменты, в которых банк недостаточно представлен.
Исследование источников информации в ответах ИИ
Следующая задача заключалась в том, чтобы понять, откуда нейросети берут информацию для формирования ответов. Мы собрали и классифицировали источники, на которые ссылались ИИ-системы при ответах на исследуемые запросы.
Выделили три основные группы источников:
Сайты банков, включая продуктовые страницы и информационные материалы.
Финансовые агрегаторы, рейтинги и сервисы сравнения.
Независимые информационные площадки, деловые издания и интернет-СМИ.
Исследование показало, что структура источников существенно различается в зависимости от типа запроса и используемой ИИ-системы.
При выборе банка нейросети часто обращаются к рейтингам и агрегаторам. При поиске конкретных банковских услуг важную роль играют сайты самих банков. В информационных ответах заметное место занимают публикации сторонних ресурсов. На основе полученных данных мы определили площадки, которые наиболее целесообразно использовать для распространения информации о банке и его продуктах.
Источники, из которых AI-модели собирают ответ
Исследование авторитетности бренда в интернете
Одной из наиболее масштабных частей аудита стало исследование медиаприсутствия УБРиР и конкурентов.Мы проанализировали упоминания банков в интернет-СМИ почти за четыре года, с января 2022 по ноябрь 2025 года. С помощью сервиса «Медиалогия» собрали данные о публикациях, оценили их количество, тональность и распределение по типам и географии СМИ. Однако нас интересовало не только количество упоминаний, но и качество информационных площадок на которых упоминается бренд. Результатом исследования стал граф медиаприсутствия брендов отражающий количество упоминаний и качество площадок по ИКС Яндекса.
Граф упоминаний с учетом качества площадок
Сопоставив медиаприсутствие банков с их видимостью в ответах ИИ, мы обнаружили интересную закономерность:
Большое количество упоминаний в интернете само по себе не гарантирует высокой видимости бренда в ответах нейросетей.
В исследованной выборке более высокая видимость чаще наблюдалась у банков, широко представленных на авторитетных интернет-площадках. В то же время банки с большим количеством публикаций на менее значимых ресурсах могли иметь значительно меньшую видимость. Эта закономерность стала одной из основных рабочих гипотез при разработке GEO-стратегии.
Как выбирать площадки для публикаций?
На основании исследования мы предложили изменить подход к планированию внешних публикаций. Вместо ориентации исключительно на количество упоминаний необходимо учитывать авторитетность площадки, её тематическую релевантность и присутствие среди источников, используемых нейросетями.
Мы сформировали приоритетный перечень ресурсов для публикаций, включив в него федеральные деловые СМИ, финансовые порталы, специализированные агрегаторы и региональные информационные площадки. Для каждой группы определили назначение и приоритет. В результате банк получил не просто список сайтов для PR-размещений, а рекомендации по формированию медиаприсутствия в интересах GEO.
Аудит контента и технической оптимизации сайта
Помимо внешнего информационного окружения мы исследовали собственные ресурсы банка. Провели сравнительный контент-анализ страниц УБРиР и конкурентов, оценили полноту ответов на запросы пользователей, структуру материалов, наличие признаков экспертности и технические характеристики страниц. Отдельное внимание уделили заголовкам, микроразметке, информационным материалам и доступности контента для обработки поисковыми и ИИ-системами. На основании исследования подготовили рекомендации по улучшению существующих страниц и созданию материалов, отвечающих на вопросы потенциальных клиентов банка.
Результаты GEO-аудита
Главным результатом нашей работы стала рабочая стратегия повышения видимости УБРиР в ответах искусственного интеллекта. Банк получил:
Карту текущей видимости бренда в пяти ИИ-системах с детализацией по продуктам, регионам и типам запросов.
Сравнительный анализ видимости банков-конкурентов.
Исследование источников информации, используемых нейросетями.
Анализ медиаприсутствия и авторитетности бренда в интернете.
Приоритетный перечень внешних площадок для публикаций.
Рекомендации по развитию контента и технической оптимизации сайта.
План мероприятий по повышению GEO-видимости.
Результаты исследований позволили определить приоритетные направления работы с собственным контентом и внешними информационными ресурсами. Рекомендации были приняты заказчиком и использованы в дальнейшей работе над цифровым присутствием банка.
Ольга Юдаева. Руководитель проекта
«Аудит позволил связать ответы языковых моделей с конкретными элементами digital-присутствия банка и сформировать основу для системной работы с GEO. Благодарим Уральский банк реконструкции и развития за доверие, инициативность и готовность внедрять современные инструменты!»
Отзыв заказчика:
«Банк УБРиР благодарит команду агентства «Сумма Технологий» за весомый вклад в развитие нашего цифрового присутствия.
За время совместной работы над проектом по выводу ресурсов банка в ответы ИИ агентство показало высокий уровень экспертизы в генеративной оптимизации.
Отдельно хотим отметить, как было выстроено взаимодействие: команда «Суммы Технологий» с первых этапов сделала процесс прозрачным, понятным и управляемым. Работа шла слаженно, коммуникация отличалась оперативностью.»
Вывод
Присутствие бренда в ответах ИИ зависит от многих факторов, включая содержание собственного сайта, информационное окружение, представленность на внешних площадках и особенности конкретных ИИ-систем. Поэтому эффективная GEO-стратегия должна начинаться с исследований, позволяющих понять, где и почему бренд присутствует в ответах ИИ, какие источники используют нейросети и на какие направления оптимизации целесообразно направить ресурсы бизнеса в первую очередь.
Роман Рублевский
Эксперт в области разработки и реализации эффективных стратегий интернет-маркетинга
