Сравнительный анализ проведения маркетингового исследования с использованием искусственного интеллекта в ВУЗе

Введение

Искусственный интеллект подает большие надежды на значительные перемены в организации бизнеса, управлении государством, в медицине, юриспруденции, и конечно в образовании.

Многочисленные исследования, направленные на понимание возможностей применения искусственного интеллекта (ИИ) в высшем образовании, пытаются найти ответы на два принципиальных вопроса:

А) ИИ есть благо или вред?

Б) ИИ может привнести новые ценности в учебный процесс?

Если первый вопрос носит философский характер, на второй необходимо найти практический ответ. Он должен определить путь внедрения ИИ в образование в целом, а в частности в высшей школе.

Мы находимся на этапе «отрезвления» от широкомасштабных надежд по поводу перспектив повсеместного применения ИИ. Траектория развития технологии ИИ во многом схожа с этапами, которые проходят практически все инновационные продукты. Наглядно их описывает кривая Gartner Group [1]. Согласно идее кривой Gartner новая разработка проходит этапы лавинообразного роста интереса к ней, азарта от перспектив и восхищения в пике, с последующим увяданием интереса, накоплением информации о ее достоинствах и недостатках, с последующим динамичным развитием собственно технологии и нахождении мест для практического применения. Процесс трудоемкий, длительный, с чередой провалов и возвратов назад.

Постепенно происходит накопление опыта и формируется понимание, что может сделать ИИ. Работы идут полным ходом, но совершенство пока недостижимо. Рынок в этой ситуации еще далек от четкого представления что, зачем, кому. Принятая Правительством РФ Дорожная карта развития «сквозной» цифровой технологии «Нейротехнологии и искусственный интеллект», на которую выделено 145,9 млрд руб. [2], определила основные направления развития нейросетей в нашей стране.

В июле 2025 года в Общественной палате предварительно обсуждался проект «Стратегия развития образования до 2036 года». Согласно ей до указанного срока предполагается внедрить ИИ на всех уровнях образования. Вполне возможно, что планам не суждено будет сбыться, однако даже предварительное обсуждение показывает четкий тренд на приложение усилий со стороны регулирующих органов. Дело остается за «малым» - найти возможности практического внедрения ИИ собственно учебными организациями, а также довести эти решения до низших звеньев учебного процесса, а именно учителей и преподавателей.

Что имеем во второй половине 2025 года, в период написания этого материала? Лидер ChatGPT, у которого на начало 2025 года было 250 млн пользователей, применяющих ИИ для различных целей, включая учебные [3], сдает свои позиции. Появилось много последователей, предложивших альтернативные модели. Трендом развития «слабого» ИИ в предобученных генеративных моделях является стремительный рост числа самих моделей, их быстродействия и эффективности. На сегодняшний день в мире разработано несколько десятков моделей нейросетей [4], доступных для использования.

В поиске информации заметно сокращается трафик поисковых систем [5], а нейросетевые модели начинают конкурировать с традиционным интернет-поиском и классификацией информации, в том числе в учебном процессе.

Интерес нашего исследования заключается в определении перспектив применимости ИИ в учебном процессе подготовки маркетологов. Мы акцентируемся не на системных решениях в рамках отдельного учебного заведения, а на практических операционных.

Наша цель заключалась в том, чтобы выяснить, как преподаватели и студенты маркетинговых дисциплин могут использовать ИИ на примере курса «Маркетинговые исследования».

Задачи данного исследования:

· Провести сравнение получения результата с помощью традиционных интернет-запросов и с помощью ИИ в проведении учебного маркетингового исследования;

· Сравнить результаты использования ИИ преподавателем и студентом при проведении анализа рынка по открытым источникам информации;

· Выяснить, чем полученные с помощью ИИ результаты различаются, а в чем показывают близкие результаты;

· В чем польза от применения ИИ для студентов.

Обзор литературы

Несмотря на многочисленные публикации на тему применения ИИ в учебном процессе ВУЗа преподаватели и студенты недостаточно хорошо представляют, как легально внедрить ИИ и как его использовать для выполнения учебных заданий. Тем не менее, и те, и другие начинают активно использовать ИИ [1-5].

Практически во всех этих работах авторы проводят сравнительный анализ недостатков и достоинств применения ИИ в высшей школе. Во многом эти факторы повторяются, предлагаются решения. Предложения отчасти спорные, на текущий момент представляющее проблемы в практической реализации, ограниченные отечественным Законодательством, слабостью информационной инфраструктуры, неподготовленностью преподавательского состава в ряде направлений подготовки, в частности в маркетинге.

Все это свидетельствует о необходимости регламентировать применение ИИ в высшей школе. Необходимо четко определить, что можно делать с его помощью, а чего нельзя. ВУЗы очень по-разному относятся к ИИ, доходя до крайностей от полного запрета, до полномасштабного разрешения на использование всеми участниками учебного процесса.

В исследовании Кузьминова Я.И. и др. [6] отмечается: чтобы использование ИИ в образовании стало управляемым, необходимо определять вызовы. Их понимание может послужить началом формирования образовательных стратегий, позволяющих использовать ИИ как инструмент улучшения качества подготовки студентов. Авторы предупреждают, что доступ к генеративным нейросетям снижает познавательную активность студентов — у них становится меньше стимулов, чтобы самостоятельно разбираться в материале. В результате будет увеличиваться разрыв между успевающими и отстающими студентами.

Сысоев П.В. продемонстрировал, что у преподавателей отсутствуют системные представления об организационном, дидактическом и методическом потенциале ИИ [7].

Лоскутова М.А. в работе [8] проанализировала проблемы внедрения нейросетей в образовательный процесс, среди которых обращается внимание на отсутствие навыков и знаний у преподавателей, а также внутренние опасения быть замененными ИИ. Поскольку в ряде ВУЗов на преподавателя возложена ответственность за проверку на антиплагиат работ студентов, то в работе указано на отсутствие финансовых, технических, операционных средств для выявления неправомерного использования ИИ.

Коллектив авторов сформулировал проблемы внедрения ИИ, текущие и перспективные риски, как для системы образования, так и для подготовки будущих специалистов [4]. Они детализированы в отношении преподавателей и студентов.

Обзор публикаций показывает, что в текущий период ИИ-инструменты решают проблемы преподавателей высшей школы путем автоматизации проверки работ, создания новых учебных и контрольных материалов, персонализации взаимодействия со студентами. По отдельности — это набор разобщенных приемов, часть из которых уже реализуются на практике, но необходимо изыскать такие инновационные педагогические методы, которые позволят повысить качество преподавания и обучить пользоваться студентов новыми цифровыми средствами.

Из личного опыта мы убедились, что с помощью ИИ вполне возможно проводить проверку экзаменационных, зачетных, тестовых и прочих ответов, но тогда, когда существуют формальные и четкие критерии. Если таковые отсутствуют, то возникает проблема доверия к результатам оценки.

А применительно к студентам, что дает использование ими ИИ для выполнения заданий? Варианта два: освоение новых возможностей, что безусловно позитивно, и упрощение выполнения работ, снижение нагрузки для студента, а это негатив.

А жизнь требует изменений. Бизнес настойчиво требует для подготовки новой генерации специалистов оснащать их навыками владения ИИ [9], поскольку владеющий такими возможностями, показывает более высокую производительность труда.

Анализируя перспективы влияния ИИ на образование, авторы статьи [10] констатируют, что специалисты и эксперты не приходят к общему выводу о потенциальных последствиях влияния искусственного интеллекта на образовательную среду.

Беликова К.М. поднимает проблему использования систем Антиплагиата, которого предлагает перевести из разряда «врага» студентов, в помощника. В таком случае преподавателю отводится роль наставника, который призван предупреждать такого рода мошенничества при выполнении студенческих работ. Мы приветствуем тезис автора о том, что «Запрет на использование искусственного интеллекта при написании студенческих работ- самый неразумный и нереализуемый вариант» [11].

Как показал наш опыт пользования нейросетями, существует заметный разрыв между "общетеоретическими" подходами к использованию ИИ в качестве универсального средства для решения проблем и конкретными методиками и интерпретацией результатов применения ИИ на фактическом материале.

В работе Субботиной М.В. [12] сформулированы конкретные задачи преподавателей, актуальные на текущий момент, а именно обучать и прививать умения пользования современными информационными технологиями, переработать свои практические задания с учетом возможностей использовать студентами нейросети, а также обучать студентов приемам проверки полученной с помощью ИИ информации.

В статье [13] обсуждаются четыре направления применения ИИ в учебном процессе, а именно: прокторинг (контроль сдачи экзаменов); персонализированное адаптивное обучение (подстраиваемое под особенности каждого учащегося), личный помощник (это и есть самое интересное, что можно использовать); администрирование учебных процессов (деятельность преподавателей). Но, поскольку в учебном процессе как минимум два ключевых актора – преподаватель и студент – авторы не представили четкого разделения, в чем проявляется влияние для первого и второго.

Авторы базового учебника [14] во главе с У. Холмс рассматривают, как должно измениться содержание образования в цифровую эпоху. По их мнению, в освоении предметных знаний стоит ограничиться базовым объёмом и ключевыми понятиями полагая, что для жизни в быстро меняющемся мире универсальные и когнитивные компетенции, гибкие навыки и личностные качества гораздо важнее, чем глубокие знания в предметной области.

Сравнение интеллектуальных возможностей человека и машины затронуто в работе [3]. Елсакова Р.З. и соавторы провели сравнительный анализ возможностей ИИ и естественного интеллекта (ЕИ) в образовательном процессе ВУЗа, на основании чего сделали вывод: ЕИ является базой обучения, но ИИ упрощает и оптимизирует некоторые процессы в образовании. Умелое сочетание ЕИ и ИИ позволяет расширить глубину знаний. Мы считаем данное умозаключение весьма существенным.

Несмотря на мнение наших коллег, категорически отвергающих или отстаивающих запрет на использование ИИ студентами, для эффективного применения нейросетевых возможностей выполнения учебных заданий, необходимо этим инструментом умело пользоваться. Это относится как к студентам, так и к преподавателям.

В силу особенности применения ИИ его результаты сильно зависят от компетенций промпт-инжениринга [6]. Случаи недостоверности используемых моделями данных или генерации несуществующих источников, приводят к парадоксальной ситуации – пользователь запроса не может принять истинность или ложность полученных при помощи ИИ результатов. Их необходимо проверять! Огрубление аналитических выводов может привести к общей недостоверности исследований.

Результаты исследования

Мы сочли интересным и полезным провести сравнение результатов поиска информации, которые получены студентами без использования нейросетей и с ИИ.

Мы поставили перед собой задачу опытным путем показать, как студент решает практические задачи на основе поиска информации в интернете и с применением ИИ. Далее представляем результаты сравнительного анализа работы студентов, обучающихся по программам Маркетинга, которые входят в направление подготовки «Менеджмент». Именно управленческие дисциплины ориентированы на достоверное понимание состояния рынка, на котором действует компания. И в аудитории, и в практике бизнеса сбор рыночной информации является одной из важнейших компетенций современного менеджера.

Цель сравнительного исследования заключается в нахождении сходства и различий в результатах маркетингового исследования одного и того же рынка с применением ИИ и на основе поисковых запросов в интернете, которое выполняют студенты маркетинговых специальностей.

Условия проведения сравнения результатов исследования:

1. Одинаковая тема: составить аналитическое резюме по результатам исследования рынка гостиничных услуг в городе Москва с помощью вторичных открытых источников информации.

2. Требование актуальности: исследование проводилось в конце июля 2025 года, поэтому в резюме желательно привести свежие данные по первому полугодию.

3. Конкретность: в резюме должны содержаться актуальные числовые показатели на текущий 2025 год.

4. Сопоставление: проанализировать сильные и слабые стороны технологий получения рыночных данных двумя способами.

5. Наличие опыта: определить зависимость результата от подготовленности исполнителя.

В качестве темы задания была выбрана следующая: «Провести маркетинговое исследование рынка услуг гостиниц города Москвы. Результат представить в формате аналитического резюме».

Сравнительное исследование проводилось двумя способами. Первый – традиционный, с помощью поисковой системы Яндекс. Второй - с помощью нейросети Яндекса (АлисаПро). Для объективности эксперимента мы принципиально задействуем инструменты поиска и нейросети одного производителя. В завершение мы покажем результаты в сравнении и дадим оценку полученному.

Тема маркетинговых исследований авторам данной работы близка, поскольку на протяжении ряда лет этот курс ведем в нескольких столичных ВУЗах. При выборе темы эксперимента мы полагались на наше априорное представление о том, насколько возможно пользоваться существующими источниками информации в Интернете, на что можно рассчитывать в поиске необходимой информации и степень доступности источников, с одной стороны, и как правильно формулировать промпт для поиска ответов с помощью ИИ.

Наши рекомендации по поиску информации в Интернете студентами строятся на поэтапном поиске информации. Начинаем с того, что пытаемся найти актуальный и готовый отчет. Но практически все они находятся в платном доступе. Для студентов такой вариант исключен. Далее формируется запрос по отдельным метрикам. С учетом особенностей поисковика, структуры интернет-ресурсов, специфики отрасли и рынка, такой подход позволяет студенту найти релевантную информацию.

На этой стадии поиска ищется информация по конкретным метрикам, которые характеризуют рынок средств коллективного размещения (гостиничного рынка) города Москвы, а именно:

· объем выручки;

· затраты/прибыли;

· количество регистраций гостей;

· объем номерного фонда;

· заполняемость номерного фонда;

· структура спроса по сегментам гостей;

· особенности развития гостиничного бизнеса в Москве.

Ниже приводим результаты поиска информации и составления по итогам аналитического резюме в сравнении четырех вариантов:

А) Мы составили резюме по итогам «ручного поиска» информации в Интернете;

Б) Мы составили промпт и получили резюме от нейросети Яндекс.Алиса Про;

В) Мы привлекли для эксперимента студента, имеющего опыт применения нейросетей для выполнения учебных заданий.

Результаты приведены ниже.

1. Традиционное исследование с помощью интернет-запросов

В результате проведенного традиционного интернет-поиска и последующей «ручной» обработки резюме приняло следующий вид.

Аналитическое резюме оценки состояния

рынка гостиничных услуг города Москвы

(результаты «ручного» поиска информации) [7]

· В 2023 году в России по данным Росстата количество зарегистрированных и классифицированных объектов коллективных средств размещения [8] (КСР) составляло 31,5 тыс. единиц. По данным портала 101Hotels общее количество КСР составляло 44 393 единицы в 3273 городах, а количество неклассифицированных объектов, предназначенных для размещения туристов, составляло 12,9 тыс. ед.

· Согласно данным Росстата в 2024 г. в Москве действовало 2086 субъектов средств коллективного размещения.

· По данным ресурса Гостиницы Москвы в столице зарегистрировано 2102 гостиниц различной звездности, из которых 5* - 44; 4* - 185; 3* - 367; 2* - 104; 1* - 39; без звезд – 1363.

· Согласно данным Мосгорстата по итогам 2023 года в Москве количество коллективных средств размещения составило 1864, готовых разместить единоразово 383,5 тыс. гостей, что составляет 8% от общероссийского показателя. В них в 2023 году было осуществлено 62,2 млн ночевок.

· В Москве на конец 2024 года количество номеров в КСР составляло около 107 тыс. единиц, а номерной фонд квалифицированных гостиниц превысил 70 тысяч. При этом число мест составляло около 415 тыс.

· Выручка рынка коллективных средств размещения в городе Москва составляет не менее 6,2 млрд руб. в мес., что в пересчете на год дает оценку 74,4 млрд руб.

· Показатель загруженности КСР составляет 65-75%, что незначительно отличается от среднероссийских.

· Рынок коллективного размещения в городе Москве показывает тенденцию к росту. Ежегодно вводится от 3 до 7 новых «звездных» гостиниц, что свидетельствует об интересе инвесторов к этому рынку.

· Несмотря на рост стоимости номерного фонда (до 30%) показатели рентабельности стабильно снижаются. Если в 2019 году рентабельность в среднем по отелю доходила до 25%, то в 2024-м — не превышала 12%.

· Основными сегментами роста в Москве будут отели среднего и высшего ценового уровня.

2. Исследование преподавателя с использованием ИИ

Для оценки результата использования ИИ моделей мы составили промпт, сформулированный в наиболее общем виде, с указанием контекста и формата требуемых результатов поиска информации.

«Создай отчет “Аналитическое резюме по результатам исследования рынка коллективного размещения в городе Москве”.

Для его построения используй все официальные данные по рынку коллективного размещения в городе Москве из официальных источников (Мосгорстат, Росстат, отраслевые издания), из данных СМИ и туристских компаний, работающих в Москве, а также из обзоров рынка туристических услуг. Используй только верифицированные данные за 2023-2025 годы. Если не найдешь таких, обязательно это укажи и используй данные за более ранние периоды.

Отдельно приведи действующие факторы (с обязательной аннотацией и ссылками на первоисточники), которые влияют на его развитие.

Обязательно укажи маркетинговые метрики этого рынка. Основное внимание удели объемам рынка в финансовом выражении для различных сегментов. В отчете должны содержаться данные об изменении уровня рентабельности рынка.

Отдельным разделом приведи данные о вводе в строй новых гостиниц и номерного фонда в качественном и количественном выражении. Приведи прогноз о развитии рынка инвестиций в новые объекты коллективного размещения в городе Москве.

В качестве резюме сделай итоговые выводы о состоянии и перспективах рынка коллективного размещения в городе Москве.»

Ниже приведены результаты использования ИИ модели «Яндекс.Алиса.Про» на основе нашего промпта.

Аналитическое резюме оценки состояния

рынка гостиничных услуг города Москвы

(результаты ИИ) [9]

Общая характеристика рынка

· Объем рынка коллективных средств размещения в Москве демонстрирует стабильный рост. По данным Мосгорстата, за 2023 год загрузка номерного фонда составила 72% (источник: официальный сайт Мосгорстата).

Маркетинговые метрики

· Средняя стоимость номера: 7500-12000 руб./сутки

· Заполняемость: 68-75% в зависимости от сезона

· Рентабельность: 18-22% (данные за 2023 год)

Сегментация рынка

· 5 звезд: 25% номерного фонда

· 4 звезды: 45% номерного фонда

· 3 звезды: 20% номерного фонда

· Без звезд: 10% номерного фонда

Новые объекты размещения

· 2023: 5 новых отелей (1500 номеров)

· 2024 (прогноз): 4 отеля (1200 номеров)

· 2025 (прогноз): 3 отеля премиум-класса (800 номеров)

Объем инвестиций:

· 2023: 12 млрд руб.

· В 2024 г. введено 633 новых номера, вдвое больше, чем в 2023 г., фонд размещения — 29,8 тыс. единиц. Прогноз на 2025 г.: номерной фонд превысит 70 тыс. единиц при средней загрузке 65–75%.

· Прогноз 2024-2025: рост на 15-20% ежегодно

Рынок коллективного размещения Москвы характеризуется стабильным развитием. Основные драйверы роста — внутренний туризм и деловая активность. Прогнозируется дальнейший рост инвестиций в сегмент премиум-класса. Ключевая тенденция — повышение качества сервиса и диверсификация предложений.

Наши комментарии: как следует из представленного, ИИ не показал текущее состояние рынка г. Москвы. Отсутствуют актуальные данные за 2025 год. В полученных данных содержится неполная информация о текущем состоянии рынка.

3. Исследование студента, обладающего опытом работы с ИИ

Аналогичная задача была поставлена другому студенту 3 курса кафедры маркетинга, активно использующего ИИ в своей учебной деятельности.

По своему усмотрению студент применил Chat GPT 4.0 и 4.1. Задача для первой модели - декомпозировать поставленный вопрос и описать его подробнее, потом результаты первой модели были выданы второй модели, после улучшения и задания контекста по улучшению измеримости.

Аналитическое резюме оценки состояния

рынка гостиничных услуг города Москвы

(результаты ИИ) [10]

Экономические показатели рынка

Объем выручки гостиничного сектора Москвы

· 2018–2019: Стабильный рост, выручка достигла 80 млрд рублей, что связано с увеличением туристического потока и развитием инфраструктуры.

· 2020: Падение на 60% из-за пандемии COVID-19. Выручка составила около 30 млрд рублей.

· 2021–2022: Восстановление до 60 млрд рублей, но структура спроса изменилась: внутренний туризм стал доминирующим.

· 2023: Прогнозируемый рост до 70 млрд рублей, но с замедлением темпов из-за экономической нестабильности.

Объем прибыли отрасли

Туристический поток

Общий поток туристов в Москву

· 2019: 25 млн туристов (5,5 млн иностранных).

· 2020: Снижение до 10 млн туристов.

· 2021–2022: Восстановление до 18 млн туристов, с доминированием внутреннего туризма (85%).

· 2023: Прогноз — 20 млн туристов, из которых 90% — россияне.

География туристов

· Внутренний туризм: Основные регионы — Центральный, Приволжский, Уральский округа. Рост интереса к Москве как к weekend-направлению.

· Иностранный туризм: В 2023 году лидируют страны СНГ (Казахстан, Узбекистан) и Ближний Восток (ОАЭ, Турция). Китайский рынок, ранее ключевой, пока не восстановился.

Номерной фонд

Объем номерного фонда

В 2023 году в Москве насчитывается около 80 тыс. гостиничных номеров.

· Распределение:

· 1–2*: 15% (бюджетный сегмент).

· 3*: 40% (основной спрос).

· 4–5*: 35% (премиальный сегмент).

· Хостелы и апарт-отели: 10% (растущий сегмент).

Заполняемость гостиниц

· Средняя загрузка: 65% в 2023 году.

· Сезонность:

· Летние месяцы (июнь–август): 85–90%.

· Зимние месяцы (январь–февраль): 40–50%.

· Инсайт: Апарт-отели и хостелы демонстрируют рост популярности, особенно среди молодежи и командировочных. Сегмент 3* остается наиболее стабильным.

Тренды развития рынка

· В 2020 году многие отели работали в убыток, особенно в премиальном сегменте.

· В 2021–2023 годах прибыльность восстановилась, но операционные затраты (энергия, персонал) выросли на 15–20%.

· Средняя маржинальность в 2023 году составляет 10–15%, что ниже уровня 2019 года (20%).

Наши комментарии: промпт студента, с одной стороны, обеспечил более конкретное нацеливание на рынок Москвы, однако в резюме отсутствуют актуальные данные, а те, которые представлены, описывают ретроспективу развития рынка за 2020-2023 годы.

Анализируя полученные данные, можно сформулировать выявленные достоинства и недостатки использования методов поисковых запросов в Интернете и ИИ-моделей в осуществлении маркетинговых исследований, выявленные в ходе выполнения сравнительных экспериментов (табл. 1).

Таблица 1

Сопоставление достоинств и недостатков результатов поисков

Сравнение результатов показывает, что ни один из промптов для ИИ не показал результаты развития рынка за 2025 год. Принципиальных различий состава резюме с помощью ИИ, полученных преподавателем и студентом, не наблюдается. Результаты нейросетей не вполне отвечают требованиям, которые сформулированы в цели поиска, в частности отсутствуют актуальные данные за 2025 год.

Выводы

На основании проведенного сравнительного исследования можно сделать следующие выводы.

В представленных результатах проведенных исследований показаны достоинства и недостатки использования искусственного интеллекта в процессе обучения студентов управленческих направлений подготовки, в частности маркетинговых специальностей. Показано, что основные проблемы применения ИИ в учебном процессе заключаются в однобоком представлении результатов исследования. Получаемые данные часто фрагментарны и в ряде случаев не соответствуют действительности. Эти факты необходимо доводить до студентов, в противном случае полученные ими с помощью ИИ выводы не соответствуют поставленным задачам. Без подготовленного наставника – преподавателя, разбирающегося в практике применения ИИ, студент получает и использует устаревшие или не соответствующие действительности данные. Неготовность студентов к самостоятельным критическим оценкам результатов поиска и предложенных вариантов ИИ может привести к существенным искажениям приобретаемых компетенций и к поверхностному освоению предмета.

[1] Gartner 2024 Hype Cycle for Emerging Technologies Highlights Developer Productivity, Total Experience, AI and Security. STAMFORD, Conn., August 21, 2024. URL: https://www.gartner.com/en/newsroom/press-releases/2024-08-21-gartner-2024-hype-cycle-for-emerging-technologies-highlights-developer-productivity-total-experience-ai-and-security.

[2] Дорожная карта развития «сквозной» цифровой технологии «Нейротехнологии и искусственный интеллект». Министерство цифрового развития, связи и массовых коммуникаций Российской Федерации URL: https://digital.gov.ru/uploaded/files/07102019ii.pdf.

[3] ChatGPT Revenue and Usage Statistics (2024) URL: https://www.businessofapps.com/data/chatgpt-statistics/.

[4] ТОП-100 лучших нейросетей 2025 года в 10 самых востребованных категориях

https://craftum.com/blog/nejroseti-top-ai/.

[5] https://ppc.world/news/informacionnye-sayty-s-nachala-goda-poteryali-30-organicheskogo-trafika-iz-za-vnedreniya-neyropoiska/.

[6] Промпт (от английского слова prompt — «подсказка») для нейросети — это запрос, команда или набор инструкций, которые пользователь передаёт системе для выполнения определённой задачи.

[7] Сокращенный вариант.

[8] К коллективным средствам размещения относятся гостиницы и аналогичные средства размещения (апартаменты, мотели, хостелы и другие организации гостиничного типа), а также специализированные средства размещения (санаторно-курортные организации, дома отдыха, пансионаты, кемпинги, базы отдыха, туристские базы).

[9] Сокращенный вариант.

[10] Сокращенный вариант