Un an de cercetare asupra AI: aproape toate regulile generale despre recomandarile AI sunt gresite
Reveal Marketing Research: fiecare industrie are propriul mecanism prin care un brand ajunge sa fie recomandat de inteligenta artificiala
Fiecare industrie are propriul mecanism prin care un brand ajunge sa fie recomandat de inteligenta artificiala. Aceasta este concluzia principala a unui program de cercetare derulat de Reveal Marketing Research incepand din august 2025, bazat pe reverse engineering aplicat pe esantioane reprezentative de utilizatori reali — analiza directa atat calitativa cat si cantitativa — a raspunsurilor obtinute de la sistemele AI pe care acestia le folosesc efectiv, in conditii reale.
Concluzia contrazice una dintre cele mai raspandite convingeri despre AI: ca ar exista un set de reguli generale dupa care functioneaza recomandarile, valabil indiferent de categorie sau piata.
AI devine primul punct de contact in decizia de cumparare
Schimbarea vine intr-un moment in care inteligenta artificiala incepe sa joace un rol direct in procesul de informare si alegere a consumatorilor. Potrivit celui mai recent studiu Reveal Market Resources, utilizarea AI in Romania a crescut de la 47% in 2025 la 68% in 2026. 91% dintre utilizatori spun ca folosesc instrumente AI pentru a cauta informatii despre produse sau companii, iar 65% afirma ca recomandarile primite influenteaza decizia finala de cumparare.
La nivel global, ChatGPT a depasit in luna mai 2026 pragul de un miliard de utilizatori activi lunar, devenind cea mai rapida aplicatie din istorie care atinge aceasta performanta.
Pentru tot mai multi consumatori, intrebarea nu mai este introdusa intr-un motor de cautare, ci adresata direct unui sistem AI.
| Companiile nu mai concureaza doar pentru atentia consumatorilor. Concureaza si pentru locul pe care il ocupa in ecosistemul de informatii din care AI isi construieste raspunsurile. Fara date despre acest ecosistem, deciziile de comunicare devin tot mai greu de fundamentat si tot mai greu de transformat in rezultate.
— Marius Luican, Fondator & Director General, Reveal Marketing Research |
O intrebare simpla, un an de cercetare
Programul de cercetare a inceput in august 2025 pornind de la o intrebare aparent simpla: cum decide AI ce brand recomanda?
In lipsa unor raspunsuri validate, echipa Reveal Marketing Research a construit un program care a inclus sute de interactiuni analizate intre utilizatori reali si modele AI, teste comparative in categorii diferite de produse si servicii, analiza surselor citate de sistemele AI, experimente privind modificarea ecosistemului informational si observarea efectelor asupra recomandarilor generate. Concluziile au fost confirmate si aprofundate in proiecte implementate pentru companii din FMCG, retail, servicii financiare, constructii, imobiliare si B2B.
Pe parcursul cercetarii, una dintre ipotezele initiale a fost infirmata: ca ar exista un set unic de reguli care explica recomandarile generate de AI indiferent de industrie. Datele au aratat exact contrariul.
Diferentele dintre industrii s-au dovedit mai mari decat diferentele dintre modelele AI analizate.
| Am inceput cercetarea convinsi ca vom descoperi un set de reguli generale dupa care AI recomanda brandurile. Dupa sute de teste, concluzia a fost exact opusa: fiecare industrie functioneaza dupa propriile reguli. Din acest motiv, orice strategie bazata pe retete universale este fundamental gresita.
— Marius Luican, Fondator & Director General, Reveal Marketing Research |
| Ce nu a urmarit aceasta cercetare
Programul nu si-a propus sa testeze performanta modelelor AI si nici acuratetea raspunsurilor acestora. Obiectivul a fost identificarea mecanismelor prin care sistemele AI construiesc recomandarile si selecteaza sursele utilizate. |
Ce a descoperit cercetarea
| 1 | Fiecare industrie are propriul mecanism de recomandare
Nu exista o regula universala dupa care functioneaza AI. In unele categorii, sistemele acorda o importanta majora informatiilor publicate pe site-ul oficial al companiei. In altele, recomandarile sunt construite aproape exclusiv din publicatii independente, platforme specializate sau continut generat de utilizatori. Acelasi tip de strategie poate produce rezultate foarte diferite in doua industrii aparent apropiate. |
| 2 | AI stabileste criteriile inainte sa caute informatii
Analiza raspunsurilor arata ca modelele AI isi construiesc mai intai un cadru de evaluare specific categoriei — abia dupa aceea selecteaza sursele care raspund acelor criterii. Cu alte cuvinte, sursele nu determina singure recomandarea. Ele sunt filtrate printr-un mecanism de evaluare construit de AI, invizibil pentru orice analiza superficiala. |
| 3 | Numarul surselor care conteaza este surprinzator de mic
In majoritatea categoriilor analizate, recomandarile AI au fost construite pornind de la 6 pana la 15 surse dominante. Aceasta inseamna ca vizibilitatea unui brand poate depinde de prezenta intr-un numar restrans de publicatii si platforme relevante, nu de sute de site-uri. Intr-un caz analizat, sursa numarul unu citata de AI nu era niciun portal de specialitate, ci un site local pe care brandul nici nu stia ca exista — si care influenta recomandarile mai mult decat site-ul oficial al companiei. |
| 4 | Topurile globale spun foarte putin despre fiecare piata
O publicatie aflata printre cele mai citate surse AI la nivel international poate avea o influenta minima intr-o categorie din Romania. In acelasi timp, platforme locale foarte specializate pot avea un rol decisiv in recomandarile generate pentru utilizatorii romani. |
| 5 | SEO nu explica singur vizibilitatea in AI
In unele industrii, site-ul oficial reprezinta principala sursa utilizata de AI. In altele, contributia acestuia scade sub 6%, iar recomandarile sunt construite predominant din articole editoriale, publicatii de specialitate, recenzii sau forumuri. Acest lucru explica de ce doua companii cu performante SEO similare pot avea niveluri foarte diferite de vizibilitate in AI. Intr-unul dintre studiile implementate, un brand cu 83% vizibilitate in AI nu aparea niciodata primul in recomandari — competitorul deschidea conversatia in 76% din cazuri, desi performantele SEO ale celor doua companii erau comparabile. |
| 6 | Vizibilitatea in AI este rezultatul unui ecosistem, nu al unui singur canal
Recomandarile nu sunt generate pornind de la un singur canal. Ele rezulta din combinarea autoritatii publicatiilor, reputatiei digitale, tipologiei mentiunilor, continutului comparativ si a altor surse relevante pentru categoria analizata. Importanta fiecarui element difera insa de la o industrie la alta. |
| 7 | AI personalizeaza recomandarile cu o acuratete de segmentare remarcabila
Una dintre cele mai importante concluzii ale cercetarii este capacitatea sistemelor AI de a adapta raspunsurile in functie de profilul utilizatorului cu o precizie remarcabila. Doua persoane care adreseaza intrebari similare primesc recomandari diferite daca au niveluri diferite de expertiza, intentii de cumparare diferite sau contexte diferite de utilizare — iar suprapunerea dintre profilul consumatorului si tipul de recomandare generata s-a dovedit extrem de exacta. In categoriile analizate, AI a produs segmentari comportamentale si de intentie comparabile cu cele obtinute prin studii dedicate de segmentare — fara sa fi fost instruit explicit in acest sens. Pentru echipele de marketing, aceasta inseamna ca brandul tau poate fi recomandat puternic unui segment si absent complet pentru altul, chiar daca ambele segmente pun intrebari aparent similare. |
| 8 | Testarea din propriul cont ofera o imagine incompleta
Verificarea modului in care AI recomanda un brand folosind un singur cont surprinde doar o parte foarte mica din realitate — echivalentul analizarii unei fotografii privind un singur pixel. Rezultatele difera in functie de utilizator, modelul AI utilizat, formularea intrebarii si istoricul conversatiei. Pentru a intelege vizibilitatea reala este necesara analiza unui esantion reprezentativ de utilizatori — oameni reali, cu profiluri diferite, care folosesc sistemele AI pe care le au efectiv in uz, nu simulari de laborator. |
De la cercetare la metodologie
Cercetarea a condus la dezvoltarea metodologiei AI Source Map, un cadru de analiza care transforma rezultatele cercetarii in recomandari operationale pentru echipele de marketing.
Spre deosebire de abordarile care simuleaza interactiuni in laborator, AI Source Map aplica reverse engineering pe esantioane reprezentative: subiecti recrutati dupa profilul relevant pentru categoria analizata interogheaza sistemele AI pe care le folosesc in mod real, iar raspunsurile obtinute — atat calitativ cat si cantitativ — sunt analizate direct, fara filtre sau simulari. Metodologia masoara frecventa cu care brandurile sunt recomandate, identifica sursele care influenteaza aceste recomandari, analizeaza argumentele folosite de AI si evidentiaza diferentele fata de competitori pentru segmente diferite de consumatori.
Rezultatul nu este un raport de diagnostic. Este un set de instrumente strategice direct actionabile: un brief de creatie care specifica ce sa comunici si cum, astfel incat brandul sa fie prezent in ecosistemele informationale din care sistemele AI isi construiesc recomandarile — si un brief de media care indica unde sa investesti, cu un ranking clar al canalelor si platformelor care influenteaza cel mai mult vizibilitatea AI in categoria analizata.
Pe baza acestor doua documente, echipele de marketing pot construi o strategie robusta de pozitionare a brandului in ecosistemul AI — astfel incat AI sa il aleaga si sa il recomande consumatorilor si potentialilor clienti.
| A verifica daca AI iti recomanda brandul de pe propriul cont este echivalentul analizarii unei fotografii privind un singur pixel. Cercetarea noastra arata ca raspunsurile se modifica in functie de utilizator, context si categorie. Pentru companii, diferenta dintre aceste perspective poate insemna pierderea sau castigarea unei recomandari.
— Marius Luican, Fondator & Director General, Reveal Marketing Research |
In contextul in care AI devine primul filtru intre consumator si brand, intelegerea modului in care aceste sisteme construiesc recomandarile devine o componenta esentiala a strategiei de marketing.