Публичные фонды активно занимаются GEO-маркетингом, инвесторам нужно остерегаться ловушек при выборе фондов с помощью ИИ

Как искусственный интеллект · GEO-маркетинг тихо меняет экосистему рекомендаций фондов?

Предотвращение информационной загрязненности — вопрос насущный.

Автор | Отдел исследований фондов «Масштаб рынка»

Редактор | Сяо Бай

Когда вы открываете привычного помощника на базе искусственного интеллекта и вводите «какой индексный фонд сейчас лучше покупать», наблюдая за быстрым созданием профессионального анализа и списка рекомендаций на экране, не кажется ли вам, что вы получили объективный и нейтральный ответ?

Рассмотрим один личный пример: недавно я спросил Deepseek, какие ETF наиболее связаны с сектором хранения энергии, и открыл раздел «Интеллектуальный поиск» и «Глубокое размышление».

После анализа он предложил мне три ETF, которые он считает «основными продуктами». Интересно, что все они принадлежат одной и той же компании.

(Источник: Deepseek)

Этот казалось бы объективный и рациональный AI, возможно, уже был тихо подвержен влиянию маркетингового бюджета публичных фондов.

Перенос маркетинговых позиций: от поисковых систем к оптимизации генеративных движков

С ростом популярности инструментов искусственного интеллекта «видеть через AI» и «получать рекомендации от AI» становятся новыми целями маркетинга многих финансовых брендов.

На этом фоне модель маркетинга в индустрии публичных фондов претерпевает значительные изменения: влияние традиционной поисковой оптимизации постепенно снижается, а важность генеративной оптимизации движков (GEO) возрастает. Проще говоря, GEO — это использование специальных методов для того, чтобы AI при предоставлении ответов пользователям приоритетно ссылался или рекомендовал бренды и продукты определённых компаний.

В настоящее время, хотя деятельность по внедрению AI в публичных фондах всё ещё находится в стадии исследования, цепочка соответствующих сервисов уже сформировалась. Особенно это касается ETF с прозрачными торговыми механизмами и высоким уровнем однородности, которые становятся основными объектами AI-маркетинга.

По данным СМИ и открытых кейсов поставщиков услуг, один из них, продолжая подавать определённые корпуса данных в крупную модель, успешно повысил рейтинг фондового продукта одного ведущего публичного фонда с 8% до 69% в рекомендациях в популярных AI-ответных системах, подняв его на первое место среди аналогичных фондов. Другой крупный клиент — публичный фонд — после системной GEO-оптимизации увеличил свою рекомендацию в определённых платформах крупной модели в три раза.

Что касается стоимости, то эта услуга рассчитывается по формуле «продукт, платформа, время». В начальной стадии один запуск обычно стоит несколько тысяч юаней, однако из-за усиления конкуренции среди поставщиков на рынке, цены варьируются от нескольких сотен до нескольких тысяч юаней, что позволяет реализовать разные уровни размещения. Просто выбрав индексный фонд по определённому сектору на ведущих отечественных платформах AI, можно ясно заметить следы этой оптимизации — так называемые «AI-лидерборды».

Усиление информационной загрязненности: алгоритмические предвзятости и риски под маской объективности

После заключения сотрудничества с фондовой компанией поставщики услуг начинают в короткие сроки активно «кормить» AI большим количеством корпусных данных, содержащих преимущества конкретных продуктов. Эта практика действительно может значительно повысить видимость продукта в системах AI в краткосрочной перспективе, однако скрытые риски полностью перекладываются на обычных инвесторов.

Самый большой риск — в том, что такие маркетинговые методы маскируются под «технологии» и «рациональность». Традиционные рекламные каналы обычно легко распознаются, а рекомендации, сгенерированные AI, часто содержат казалось бы строгий логический анализ и профессиональную терминологию, что значительно усложняет задачу для инвестора в их распознавании.

Некоторые отраслевые оценки фондовых агентств в последней оценке 2026 года указывают, что, хотя использование AI-моделей позволяет инвесторам быстро ознакомиться с продуктом, данные, собираемые AI, исходят из интернета и имеют задержки и ограничения. Если источник данных будет «отравлен» специально подготовленным корпусом, это может привести к серьёзной информационной загрязненности.

Кроме того, актуальность подачи данных в AI очень ограничена: как только маркетинговые расходы прекращаются, эффективность рекомендаций быстро снижается. В совокупности с проблемой иллюзий, присущих моделям AI, если инвесторы полностью полагаются на такие искусственно скорректированные результаты при торговле, они рискуют попасть в ловушку алгоритмических предвзятостей и скрытых выгод.

Рассматривая эпоху AI, я считаю, что важно не только правильно использовать инструменты, но и быть бдительным к рискам. Регуляция должна стандартизировать нормы и механизмы ответственности в сфере AI-финансовых услуг, а технологические преимущества не должны становиться средством вмешательства в объективность рынка.

Для широких масс инвесторов ключевым остается повышение финансовой грамотности: рассматривать AI как вспомогательный инструмент для сбора базовых данных, а не как главный мозг для принятия инвестиционных решений.

Отказ от ответственности: фонды связаны с рисками, инвестируйте осторожно. Этот отчёт (статья) основан на открытых рыночных данных (включая, но не ограничиваясь, временными объявлениями, регулярными отчётами и официальными платформами взаимодействия) и является независимым исследованием третьих сторон; «Масштаб рынка» стремится к объективности и справедливости содержания и мнений, но не гарантирует их точность, полноту или своевременность; информация и мнения, содержащиеся в этом отчёте, предназначены только для справки и не являются инвестиционной рекомендацией. «Масштаб рынка» не несёт ответственности за любые действия, предпринятые на основе этого отчёта.

Данное содержание — оригинальный материал «Масштаб рынка». Без разрешения не допускается его распространение.