ИССЛЕДОВАНИЕ: ЦИФРОВАЯ РЕПУТАЦИЯ БАНКОВ В 2026 ГОДУ

Что чаще клиенты критикуют в банках, на какой средний рейтинг ориентироваться и почему нейросети постоянно показывают недостатки.

Для выборки мы использовали топ-10 банков по размерам вкладов физлиц на Банки.ру по состоянию на октябрь 2026 года. Как выяснилось, в секторе 62% результатов репутационного поиска имеют негативную тональность, а средний рейтинг находится в “желтой зоне”, то есть меньше 4 баллов (звезд).

Аналитики Markway изучили средние оценки банков на восьми общих (“Отзовик” и IRecommend) и специализированных площадках с отзывами (Выберу.ру, Банки.ру, Сравни.ру, 1000bankov.ru, Bankiros, Brobank). Лучший результат показал “Россельхозбанк” с рейтингом 4,4 балла. Самый низкий рейтинг у ВТБ — 2,41. Примечательно, что только половина выборки преодолела отметку в четыре балла, то есть находится в “зеленой” рейтинговой зоне.

Особенность банковской сферы заключается в различиях между площадками. Средняя оценка на профильных ресурсах составляет 3,8 балла, на универсальных отзовиках — 3,2. Разница может быть связана с аудиторией ресурсов, правилами формирования рейтинга и характером отзывов. Например, на специализированных сайтах люди чаще оценивают конкретные банковские продукты и решения своих вопросов.

Что это значит? Репутационный аудит банка нельзя ограничивать средним рейтингом на одной площадке. Отзывы на универсальных и профильных площадках формируют разное восприятие. Особенно важно учитывать тематические ресурсы, которые клиент посещает непосредственно перед выбором финансового продукта.

По запросам “название банка + отзывы” аналитики Markway исследовали первые десять результатов поисковой выдачи. На положительные сайты приходится в среднем 38% выдачи, на отрицательные — 62%.

Лидерами по доле позитива по состоянию на октябрь 2026 года в поиске стали “Альфа-Банк” и “Яндекс Банк”. У обоих по 70% положительных ресурсов. Наиболее проблемные показатели у “ВТБ” и Банка “ДОМ.РФ”: девять из десяти сайтов имеют отрицательную тональность.

Позитивные сайты в поисковой выдаче

Анализ Brand Analytics охватил почти 1,5 млн упоминаний банков. Из них почти 80% — нейтральные, 12,6% — положительные, 7,6% — отрицательные.

Для оценки WOM-лояльности (WOM-упоминание — от английского Word-of-Mouth, “из уст в уста”, так называют сообщения о реальном пользовательском опыте — прим. ред.) мы использовали отношение количества положительных упоминаний к отрицательным. Значение больше единицы означает преобладание позитива, меньше единицы указывает на преобладание негатива.

Самый высокий показатель у “Альфа-Банка”: на одно негативное упоминание приходится 5,9 положительных. Это особенно показательно с учетом масштаба инфополя: компания занимает второе место по количеству упоминаний. Показатели больше единицы зафиксированы у “Совкомбанка”, “Газпромбанка”, “Московского кредитного банка”, “Банка Дом.рф”, “Россельхозбанка” и “Яндекс Банка”. “Сбер”, “Т-Банк” и “ВТБ” имеют WOM-лояльность меньше единицы. Причем именно эти банки относятся к лидерам по информационной заметности.

То есть популярность и узнаваемость бренда не равнозначны положительной репутации. Банкам важно сопоставлять WOM с абсолютным числом сообщений. Высокие значения на небольшой выборке и аналогичный показатель при сотнях тысяч упоминаний имеют разную доказательную силу.

Аспектный анализ публичных обсуждений позволил установить, какие темы вызывают те или иные реакции клиентов. Так, в массовых темах преобладает позитив: люди в целом положительно оценивают сервис и мобильные приложения.

Однако ситуация меняется в вопросах надежности и финансовой безопасности.

Получается, что пользователь может высоко оценивать удобство приложения и качество обслуживания, но при этом критически воспринимать ограничения операций, действия антифрод-систем и вопросы сохранности средств.

При этом блокировка операции может быть обоснованной мерой защиты. Репутационный негатив необязательно свидетельствует о нарушениях со стороны банка. Однако он показывает, насколько болезненно клиенты воспринимают подобные ситуации.

Где банки сталкиваются с критикой чаще

Это помогает собрать образ банка, который, скорее всего, выберут пользователи. Это технологичный сервис с удобным приложением, стабильной работой сайта, адекватным контролем клиентов без лишних блокировок, удобным кешбэком, защитой от мошенников и оперативной технической поддержкой.

Соответственно, негатив вызывают не просто плохой сервис, а именно неудачный опыт онлайн-взаимодействий (недружелюбное приложение, баги на сайте и ошибки при переводах денег), ощущение опасности (утечки данных), блокировки счетов. Сейчас эти аспекты — базовый набор, и малейшие ошибки по ним могут обернуться переходом к конкуренту.

Для банков ключевая задача заключается не только в создании удобных цифровых сервисов, но и в понятном объяснении финансовых ограничений. Понятные условия и сроки разблокировки счетов, уведомления и доступная поддержка способны снизить количество конфликтов и жалоб.

Если cредняя оценка банков на отзовиках составляет 3,6 балла, то в нейропоиске —3,8. Более высокие показатели нейросетей обманчивы, потому что даже при высоком рейтинге ИИ отражает негативные аспекты.

В среднем 44% аспектов банков в ответах нейросетей имеют положительную тональность, а 56% — отрицательную. Например, Google AI присвоил “Т-Банку” оценку в 4,5 балла, но перечислил восемь негативных аспектов. “Россельхозбанк” получил максимальный средний рейтинг в нейропоиске — 4,6 балла, но в ответе Алисы AI негативные характеристики также преобладали над позитивными. Наиболее благоприятное соотношение позитивных аспектов среди исследованных банков оказалось у “Яндекс Банка” — 55,6% в среднем по двум системам.

То есть высокая оценка в нейропоиске не гарантирует позитивного восприятия. Поэтому банкам необходим отдельный мониторинг генеративной репутации: не только рейтингов, но и повторяющихся характеристик, источников и различий между ответами ИИ-систем.

Исследование показало, что нейросети используют одни и те же источники в ответах. То есть именно с ними банкам нужно предметно работать. ИИ чаще всего обращается к специализированным финансовым площадкам. В ответах Алисы AI лидирует Банки.ру. Google AI чаще обращается к Сравни.ру.

Какие источники использует нейропоиск в запросе о банках

Для финансовых организаций конкурентным преимуществом становится согласованная репутация: когда положительные оценки клиентов, публичные обсуждения, поисковая выдача и ответы нейросетей формируют схожее представление о качестве обслуживания и надежности банка.

*Исследование представляет срез цифровой репутации, а не оценку финансовой устойчивости банков. Корреляции между показателями не доказывают причинно-следственные связи.