Видимость бренда в нейросетях: как её измерить, а не угадать

Коротко

Почему «я спросил у нейросети» - это ещё не замер?

Самая частая реакция руководителя, когда до него доходит тема: открыть чат, спросить «какие компании в нашей нише лучшие» и посмотреть, есть ли там его название. Дальше два сценария. Название нашлось, и человек успокаивается. Не нашлось, и человек говорит «ну и ладно, у нас клиенты из сарафана».

Оба вывода одинаково пустые. Модель отвечает вероятностно: она не достаёт из ящика готовый список, а собирает ответ заново каждый раз. Задай тот же вопрос через час, и порядок компаний поменяется, кто-то выпадет, кто-то добавится.

Есть и вторая причина. Ответ зависит от формулировки сильнее, чем от реальности рынка. «Лучшие компании» и «к кому обратиться, если нужен срочно» - это два разных вопроса, и в ответах на них будут разные имена.

Ставка при этом растёт с каждым кварталом: по данным SparkToro, 68 процентов поисков в Google уже заканчиваются без единого клика - ответ человек получает прямо на странице. Чем больше ответов собирается без перехода, тем дороже быть тем, кого в этих ответах нет.

Разберём простым языком. Замер - это когда ты задаёшь фиксированный набор вопросов, в нескольких сервисах, регулярно, и записываешь результат в одну таблицу. Всё остальное - это ощущения. Если сама тема для тебя новая, начни с базового разбора о том, как нейросети видят твой бренд, а сюда возвращайся за механикой замера.

Из чего складывается видимость бренда

Слово «видимость» звучит расплывчато, поэтому сразу разложу его на то, что можно записать в клетку таблицы.

Присутствие. Самое грубое: в ответе на этот вопрос твой бренд назван или нет. Единица или ноль. По сотне ответов из этого получается процент - доля вопросов, где тебя вообще упомянули.

Доля голоса. В ответе обычно называют не одну компанию, а три-пять. Считаешь, сколько из всех названных имён приходится на тебя, сколько на каждого конкурента. Это то же самое, что доля рынка, только в машинных ответах.

Позиция. Быть названным пятым и первым - разные вещи. Человек читает ответ сверху и до первого подходящего варианта, ровно как раньше читал выдачу поисковика.

Тональность и контекст. Отдельная история: бренд могут назвать в списке «кого рассматривать», а могут в предложении «дешёвый вариант, но с оговорками». Как это ловить и что делать, если нейросеть говорит про компанию неправду, я разбирал в отдельном материале.

Какие вопросы задавать, чтобы замер что-то значил?

Здесь ломается большинство самодельных замеров. Человек садится и придумывает двадцать вопросов, которые кажутся ему правильными. В итоге он меряет видимость по запросам, которых никто не задаёт.

Порядок, который работает:

1. Опиши не компанию, а сценарий покупки

   Кто покупает, по какому поводу, в каком ценовом сегменте, где обычно берёт. Один продукт - один сценарий. Смешивать линейки нельзя: у них разные конкуренты.

2. Собери формулировки клиента, а не свои

   Как задачу описывает человек, который ещё не знает названий брендов. «Чем застелить пол в детской» вместо «ламинат 33 класса».

3. Сверь с живым спросом

   Прогони формулировки через сервис статистики запросов. Если у темы нулевой спрос в поиске, вопрос в замере тоже почти наверняка бесполезен.

4. Разложи вопросы по этапам выбора

   Часть - широкие («как выбрать»), часть - сравнение («что лучше»), часть - про покупку («где заказать»), пара - прямо про твой бренд.

5. Заморозь набор

   Дальше вопросы не трогаешь. Поменял формулировку - потерял сравнимость с прошлыми неделями и начал историю заново.

Последний шаг звучит скучно, а на деле именно он отличает замер от развлечения. Любая правка вопроса обнуляет ряд.

Несколько нейросетей вместо одной

Простая иллюстрация. Один сервис перед ответом лезет в поиск и приносит ссылки. Второй отвечает из того, что запомнил на обучении, и ссылок у него нет вообще. Третий работает внутри поисковика и показывает ответ прямо над результатами.

Это три разных механизма попадания, и в них выигрывают разные компании. Подробнее эту развилку я разбираю в материале про то, когда нейросеть ищет в вебе, а когда отвечает по памяти.

Практический вывод: бери те сервисы, которыми реально пользуется твой покупатель. Для российского массового рынка это одно, для айтишной аудитории другое, для закупщика в промышленности третье.

Не нужно гнаться за количеством сервисов. Нужно честно назвать, чью аудиторию ты меряешь.

Как часто мерить, чтобы отличить тренд от шума?

Логика тут та же, что в замере продаж. Один день ничего не говорит, неделя уже говорит, месяц говорит уверенно.

Разброс ответов - не помеха, а сама по себе полезная информация. Если по одному вопросу тебя называют то в каждом ответе, то через раз, значит позиция шаткая и держится на одном-двух источниках. Если называют стабильно, значит бренд действительно закрепился в этой теме.

Мой рабочий ритм такой: на этапе первичного аудита - каждый день, чтобы быстро набрать базу. Когда база есть и понятно положение дел, частота снижается: раз в три дня на этапе работы над контентом, раз в неделю на этапе удержания.

Как собрать первый замер руками за вечер?

Порядок действий:

1. Выпиши 20 вопросов по правилам из раздела выше. Пятнадцать без упоминания бренда, пять с ним.
2. Заведи таблицу. Строки - вопросы, колонки - дата прогона и сервис. В клетке три значения: назвали, позиция, кто ещё в списке.
3. Прогоняй в новом чате каждый раз. Иначе модель подхватит контекст предыдущего разговора и ответит с оглядкой на него, а не с чистого листа.
4. Записывай конкурентов дословно. Это половина ценности замера: ты увидишь, кого нейросеть считает твоими соседями по рынку. Часто это совсем не те компании, которых ты считаешь конкурентами.
5. Собери ссылки из ответов. Там, где сервис показывает источники, выписывай домены. Так собирается карта площадок, на которых тебя должны находить.
6. Повтори через неделю и сравни. Не отдельные ответы, а суммы по колонкам.

Ручной способ упирается в объём. Двадцать вопросов на три сервиса это шестьдесят прогонов, и повторять их вручную каждую неделю быстро надоедает. Ровно поэтому я собрал под эту работу сервис - он называется prodvig.ai и делает то же самое автоматически: гоняет фиксированный набор вопросов по нескольким нейросетям, считает присутствие, долю голоса и позицию, складывает источники в общий справочник.

Но начать можно и в таблице. Инструмент не заменяет решения о том, какие вопросы задавать.

Результат замера превращается в план работ

Первое, что показывает нормальный замер: провал редко бывает равномерным. Обычно на широких вопросах бренда нет вовсе, а на прямых («что за компания такая») он есть. Или наоборот: в сравнениях называют, а в вопросах про покупку нет.

Это и есть диагноз. Дальше ты работаешь не «над видимостью вообще», а над конкретным этапом. Как переделать страницу так, чтобы её было удобно цитировать, я подробно разбирал в материале про то, почему нейросеть называет конкурента.

Отдельный вопрос - насколько правки вообще способны сдвинуть картину. Контролируемый эксперимент исследователей из Принстона и Georgia Tech показал: изменение формы подачи поднимает видимость страницы в генеративных ответах до 40 процентов, без изменения смысла. Ради такого сдвига стоит мерить «до» и «после», а не править вслепую.

Второе: список источников из ответов. Он показывает, где нейросети берут факты про твой рынок, и это редко твой сайт. Иногда это отзовики, иногда отраслевые каталоги, иногда видео.

И третье, самое неприятное. Если ИИ-агент уверенно рассказывает про твою компанию неправду, это дороже, чем отсутствие в списке. Проверяй не только факт упоминания, но и что именно сказано.

Частые вопросы

Главный вывод

Всё, что нельзя сравнить с прошлой неделей, не является измерением. Разовый вопрос в чате - это любопытство, а не данные.

Двадцать вопросов, таблица и дисциплина раз в неделю дают то, чего сейчас нет почти ни у кого на рынке: собственную историю наблюдений. Через два месяца она стоит дороже любой чужой статистики, потому что описывает твою нишу, а не рынок вообще.

Начни с малого. Один сценарий покупки, двадцать вопросов, один вечер. Что делать с результатом, будет понятно, как только ты увидишь первую таблицу.