Ссылку засчитали, компанию не рекомендовали: как проверить видимость бренда в ответах ИИ
Отчёты о присутствии компаний в ответах нейросетей нередко создают иллюзию точности. Например, бренд обнаружился в трёх ответах из двадцати - значит, его видимость составляет 15%. Но за одинаковым "плюсом" могут скрываться совершенно разные ситуации: рекомендация компании, цитирование её материалов, упоминание в адресе страницы или даже ошибка самой нейросети.
Именно поэтому проверка видимости бренда в ответах ИИ должна учитывать не только наличие названия, но и смысл, контекст и роль компании в ответе. Иначе бизнес получает красивый показатель, который плохо отражает вероятность попасть в список поставщиков, выбранных клиентом.
В рамках теста были изучены 358 ответов ИИ на 20 вопросов, подготовленных для одного из клиентов. Автоматический счётчик находил название бренда в каждом ответе и засчитывал вопрос как положительный, если хотя бы в одном варианте ответа встречалось нужное сочетание символов. Итог выглядел убедительно: три положительных вопроса из двадцати, или 15%.
Однако алгоритм не анализировал содержание. Для него одинаково значимыми оказывались название компании в перечне подрядчиков, бренд внутри URL и упоминание в фразе вроде "компания не найдена". Такой подход способен посчитать видимость, но не отвечает на главный вопрос: рекомендовала ли нейросеть обратиться именно в эту компанию?
Показательный пример обнаружился в ответе GPT-4o, сформированном через API. Пользователь спрашивал, где заказать определённую услугу, а модель перечислила несколько исполнителей. Рядом с названием одного подрядчика она разместила описание методики самостоятельной проверки и ссылку на статью. При этом сама статья принадлежала компании, видимость которой оценивали, но её название в тексте ответа отсутствовало.
Бренд нашёлся только в URL - латинскими буквами. Для скрипта этого оказалось достаточно. В результате материал одной компании был фактически использован в ответе, а читателю предложили другую организацию. Система подсчёта увидела совпадение в адресе страницы, тогда как потенциальный клиент увидел название чужого подрядчика.
Сама ссылка при этом может иметь практическую ценность: пользователь способен перейти на сайт, прочитать материал и уже затем узнать о компании. Но если переходы, обращения и заявки отдельно не измерялись, такое упоминание нельзя автоматически считать рекомендацией. Цитирование страницы и выбор исполнителя - разные виды присутствия бренда.
Похожая ситуация возникла в ответах Perplexity на вопросы о стоимости услуги и отзывах. Нейросеть несколько раз ссылалась на страницы компании, но не называла её в тексте. Это говорит о том, что материалы использовались при подготовке ответа, однако не подтверждает намерение рекомендовать владельца сайта.
В подходах к оценке AI-поиска встречается аналогичное разделение. Например, показатель цитирования отражает, как часто страницы использовались в качестве материалов для ответа, но не объясняет, какую роль они сыграли: стали ли основой рекомендации, подтверждением факта или просто дополнительным чтением. Поэтому анализ видимости бренда в ответах ChatGPT и других моделей должен включать ручную проверку самих формулировок.
Наибольшее число совпадений дал вопрос, где сравнивались две компании. Название проверяемого бренда уже присутствовало в запросе, поэтому оно появилось во всех 18 ответах. Для автоматического счётчика это стало максимальным результатом, но с точки зрения самостоятельного выбора компании показатель мало что означает: модель заранее получила название бренда от пользователя.
Такие запросы всё же полезны. Они позволяют оценить, правильно ли ИИ описывает услуги, понимает ли различия между конкурентами, не приписывает ли компании чужие компетенции и не путает ли её с одноимённой организацией. Но результаты сравнительных запросов следует отделять от сценариев, в которых пользователь просит самостоятельно подобрать подрядчика.
В одном из ответов Claude обсуждал музыкального дистрибьютора с похожим названием. В другом связал компанию с телефонией и музыкальной индустрией. В третьем заявил, что не смог её найти. Все три варианта получили положительную отметку только из-за присутствия нужной строки. Это наглядно показывает, почему мониторинг упоминаний бренда в нейросетях без семантической оценки может вводить в заблуждение.
Как правильно оценивать рекомендации нейросетей
Для полноценного аудита стоит разделить вопросы минимум на несколько групп:
- запросы без названия бренда, где ИИ должен сам выбрать подходящие компании;
- сравнительные запросы с заранее указанными конкурентами;
- вопросы о стоимости, услугах, кейсах и отзывах;
- запросы, проверяющие корректность описания и отраслевую принадлежность;
- сценарии с цитированием материалов и ссылками на сайт.
Для каждой группы нужен отдельный показатель. В первом случае важно, предложила ли модель компанию как исполнителя. Во втором - насколько корректно она сравнила бренды. В третьем - использовала ли сайт как источник и связала ли информацию с конкретной организацией. Простое объединение всех результатов в один процент скрывает существенные различия.
Практическая проверка должна отвечать на несколько вопросов: кто именно упомянут, в каком контексте, рекомендована ли компания, верно ли описаны её услуги, нет ли подмены бренда конкурентом и присутствует ли ссылка на собственные материалы. Полезно также фиксировать тональность ответа: нейтральное описание, положительная рекомендация, сомнение или прямой отказ.
Такой подход особенно важен для стратегии "SEO для ИИ и нейросетей". Оптимизация должна быть направлена не только на попадание страниц в контекст ответа, но и на формирование правильного представления о компании. Если нейросеть цитирует статью, но указывает другого подрядчика, задача решена лишь частично.
Чтобы понять, как проверить рекомендации компании в ChatGPT, можно составить набор реальных клиентских формулировок и запускать их в нескольких моделях и режимах. Каждый вопрос следует повторять несколько раз, поскольку ответы могут меняться из-за обновления индекса, параметров генерации и особенностей конкретной сессии. Результаты лучше сохранять вместе с датой, моделью, полным текстом ответа и обнаруженными ссылками.
Отдельно нужно проверять случаи, когда бренд встречается в URL, метаданных или цитате, но отсутствует в основном тексте. Такие упоминания нельзя автоматически приравнивать к рекомендации. Их следует помечать как "цитирование", "косвенная видимость" или "ошибочное совпадение".
В итоге достоверная оценка должна показывать не одну цифру, а структуру присутствия бренда: сколько раз его рекомендовали напрямую, сколько - упомянули в сравнении, сколько материалов процитировали, сколько ответов содержали ошибки и в каком числе случаев компания была перепутана с конкурентом. Только такой формат позволяет понять реальную видимость бизнеса и определить, какие страницы, формулировки и внешние упоминания необходимо улучшить.