Бренда нет, конкуренты есть: что показало исследование 350 ответов нейросетей

Нейросеть может регулярно упоминать бренд, но почти всегда ставить его после конкурентов. А может не назвать вовсе, хотя другие марки из той же категории присутствуют в ответе.

Аналитики «Ашманов и партнеры» изучили 350 ответов семи ИИ-платформ и выяснили, насколько сильно представленность брендов зависит от формулировки запроса и выбранной модели. На примере фармацевтического рынка разбираемся, почему частоты упоминаний недостаточно для GEO-аналитики и какие показатели позволяют увидеть конкурентную картину.

Почему привычной оценки видимости уже недостаточно

В классическом SEO мы привыкли работать с достаточно понятными показателями: позициями сайта, поисковой видимостью, органическим трафиком. По ним можно оценить, насколько успешно ресурс представлен в поисковой выдаче.

В генеративном поиске ситуация сложнее. Пользователь задает вопрос и получает уже сформированный ответ. В нем могут присутствовать названия компаний, продуктов и брендов, ссылки на источники или сравнение нескольких вариантов. При этом переход на сайт не всегда нужен, чтобы познакомиться с упомянутыми названиями.

Возникает вопрос: как оценивать присутствие бренда, если он появляется не в списке поисковых результатов, а внутри текста, который формирует нейросеть?

Один из вариантов – подсчитывать упоминания. Но что делать, если бренд встречается часто, однако почти всегда следует после других? Или если его нет в ответе, зато конкуренты названы?

Именно эти ситуации мы решили рассмотреть подробнее.

В августе 2026 года «Ашманов и партнеры» исследовали ответы семи генеративных ИИ-платформ на пользовательские запросы в пяти фармацевтических категориях.

Фармацевтика оказалась подходящей областью для изучения различий между ответами: один и тот же информационный интерес можно сформулировать как общий вопрос, описание проблемы или запрос о конкретной категории продукции.

При этом исследование оценивало исключительно присутствие торговых наименований в ответах нейросетей, а не свойства, эффективность или целесообразность применения препаратов.

Как устроено исследование

В выборку вошли 350 ответов ChatGPT, Gemini, Claude, DeepSeek, Perplexity, Алисы AI и GigaChat.

Запросы охватывали пять категорий: боль и жар, ЖКТ, аллергия, простуда и ОРВИ, венотоники.

Мы фиксировали, какие торговые марки встречаются в ответах, насколько часто они упоминаются, какое место занимают среди других брендов и что происходит, когда конкретное название отсутствует.

Есть важная особенность методики. Мы не составляли заранее список основных конкурентов по объему продаж или доле рынка. Вместо этого определили пять наиболее часто упоминаемых брендов внутри каждой исследуемой категории.

Поэтому топ-5 в дальнейшем – это пятерка лидеров по частоте присутствия в нашей выборке ИИ-ответов. Она не обязательно совпадает с коммерческими рейтингами производителей.

Такой подход позволил посмотреть на конкурентное окружение глазами самой нейровыдачи: какие названия встречаются вместе, какие чаще оказываются первыми, а какие остаются за пределами ответа.

Один вопрос о категории – несколько разных картин

Первое, что обращает на себя внимание, – различия между формулировками запросов.

Например, при вопросе «Какой порошок от простуды лучше выбрать?» хотя бы один бренд из топ-5 соответствующей категории встретился в 85,7% исследованных ответов.

На вопрос «Что пить при простуде?» показатель составил 0%.

Похожую картину мы увидели и в других категориях.

Пользовательский запрос	Ответы с хотя бы одним брендом из топ-5
«Что выпить от аллергии?»	100%
«Чем лечить аллергию на пыльцу?»	28,6%
«Порошок от простуды какой лучше выбрать?»	85,7%
«Что пить при простуде?»	0%
«Средство от вздутия и спазмов кишечника»	85,7%
«Что пить при синдроме раздраженного кишечника?»	0%

Во всех этих случаях мы измеряли присутствие конкретных торговых марок из исследуемой пятерки, а не наличие медицинской информации в целом.

Разница показательна. Вопрос о выборе определенного типа продукта чаще сопровождался перечислением брендов. Более общие формулировки могли приводить к ответам с другой структурой: без торговых наименований из топ-5.

Для GEO это означает, что выбор промптов становится самостоятельной аналитической задачей.

Допустим, компания проверяет видимость исключительно по запросам со словами «лучший», «выбрать» или «сравнить». Результат может выглядеть вполне благополучно. Но это еще ничего не говорит о присутствии бренда в ответах на другие вопросы той же целевой аудитории.

Поэтому анализировать нужно не набор случайных промптов, а разные сценарии пользовательского поиска. И результаты по ним лучше рассматривать отдельно.

Впрочем, из этих данных нельзя делать вывод, что определенная формулировка гарантированно приведет к появлению бренда. Мы наблюдали различия в конкретной выборке, а не устанавливали универсальное правило для всех генеративных систем.

Gemini и ChatGPT: разрыв почти в четыре раза

Вторая закономерность связана с самими ИИ-платформами.

Мы рассчитали, в какой доле ответов каждой нейросети встречался хотя бы один бренд из пятерки наиболее заметных в соответствующей категории.

Результаты оказались такими:

Нейросеть	Доля ответов с брендами из топ-5
Gemini	94%
DeepSeek	90%
Claude	84%
Алиса AI	64%
GigaChat	38%
Perplexity	36%
ChatGPT	24%

В исследованной выборке Gemini включал бренды из топ-5 почти в четыре раза чаще, чем ChatGPT.

В отдельных категориях различия были еще заметнее. Например, в ответах ChatGPT на десять запросов по ЖКТ и десять запросов по венотоникам не встретилось ни одного названия из соответствующих пятерок лидеров.

Это не значит, что ChatGPT никогда не упоминает препараты этих категорий. Речь идет только об определенных запросах и торговых марках, проверенных в августе 2026 года.

Но для анализа видимости результат принципиален. Присутствие бренда в одной LLM-модели ничего не гарантирует относительно другой.

Поэтому сводный показатель GEO-видимости без разбивки по нейросетям способен скрывать важные различия. Если бренд регулярно встречается в Gemini, но почти отсутствует в ChatGPT, единый процент не покажет, где именно возникает этот разрыв.

Бренд упоминают часто. Но на какой позиции?

Представим двух конкурентов, которые появляются в ответах с сопоставимой частотой. Можно ли считать их представленность одинаковой?

В категории венотоников исследование зафиксировало следующую картину.

Детралекс встречался в 55,7% ответов, Венарус – в 45,7%. Разница по частоте присутствия составила 10 процентных пунктов.

Однако при анализе порядка упоминаний обнаружилось гораздо более существенное различие.

В 79,5% ответов со своим присутствием Детралекс располагался первым среди брендов исследуемой пятерки. Венарус не оказался первым ни в одном из таких ответов.

Другими словами, по одной метрике бренды находились относительно близко, а по другой – заметно расходились.

Похожий пример обнаружился в категории ЖКТ.

Но-шпа присутствовала в 45,7% ответов, Дюспаталин – в 44,3%. При этом Но-шпа занимала первое место среди рассматриваемых брендов в 71,9% случаев своего появления, Дюспаталин – в 22,6%.

Это хорошая иллюстрация того, почему простой подсчет упоминаний дает неполную картину.

Для GEO-аналитики важно не только обнаружить бренд в ответе, но и посмотреть, где он находится относительно других наименований.

Конечно, первое место в списке не доказывает, что пользователь выберет именно этот продукт. Мы не исследовали последующие покупки. Но порядок упоминаний – самостоятельная характеристика ответа, которую можно измерять и сравнивать.

Конкурентное замещение: метрика, которую стоит добавить в GEO-отчет

Еще один вопрос, который редко решается обычным подсчетом упоминаний: что появляется в ответе, когда интересующего бренда там нет?

Здесь возможны два принципиально разных случая.

Нейросеть может вообще не перечислить торговые марки. Тогда отсутствие конкретного бренда не сопровождается присутствием его конкурентов из исследуемой группы.

Но бывает иначе: бренд не назван, зато в ответе есть другие марки той же категории.

Чтобы разделить эти ситуации, мы использовали показатель конкурентного замещения.

Он рассчитывается как доля ответов, в которых исследуемый бренд отсутствует, но присутствует хотя бы один другой бренд из соответствующего топ-5.

Например, в категории боли и жара, когда Панадол не упоминался, примерно в 54% таких ответов присутствовала хотя бы одна другая торговая марка из исследуемой пятерки.

Для Маалокса в категории ЖКТ показатель составил 47,8%.

О чем говорят эти цифры?

Не о том, что нейросеть обязательно «заменила» один продукт другим. И тем более не о фактически потерянных продажах.

Показатель описывает конкретную конфигурацию ответа: бренд отсутствует, но конкурентная категория представлена другими названиями.

Для SEO-специалиста это полезный сигнал. Он помогает определить группы запросов, по которым нейросеть вообще упоминает бренды категории, но не включает в ответ исследуемую марку.

В результате аналитика становится точнее. Вместо общей формулировки «у бренда низкая видимость» можно установить, в каких сценариях он отсутствует вместе со всеми конкурентами, а в каких – только на фоне их присутствия.

Какие показатели стоит использовать в GEO-аналитике

По результатам исследования мы выделили пять параметров, которые позволяют оценивать представленность бренда более подробно.

Частота упоминаний. Показывает, в какой доле ответов из выбранной группы встречается бренд. Это базовая метрика, но сама по себе она не отражает характер конкурентного окружения.

Доля среди конкурентов. Помогает понять, какая часть всех зафиксированных упоминаний исследуемых брендов приходится на конкретную марку. Для сопоставления необходимо использовать одинаковые категории и правила подсчета.

Позиция внутри ответа. Отражает, как часто бренд оказывается первым среди рассматриваемых конкурентов при своем появлении. Особенно полезна в категориях, где несколько наименований имеют близкую частоту упоминаний.

Конкурентное замещение. Показывает долю ответов без исследуемого бренда, в которых есть хотя бы один другой бренд из конкурентной группы.

Видимость по нейросетям и промптам. Позволяет увидеть, какие платформы и формулировки запросов дают наиболее существенные различия.

Все пять показателей лучше рассматривать совместно.

Например, высокая частота упоминаний при низкой доле первых позиций – одна ситуация. Низкая частота упоминаний при высоком замещении – другая. Работа с ними требует разных аналитических выводов.

При этом важно сохранять исходные ответы, формулировки промптов, даты проверок и условия тестирования. Нейровыдача меняется, а без сопоставимых наблюдений трудно отличить устойчивую динамику от случайных колебаний.

Отдельно стоит учитывать источники, на которые ссылается модель, если такой функционал доступен. Но наличие ссылки на сайт и упоминание бренда в тексте ответа – разные события. Их нужно измерять отдельно.

Как связаны SEO и GEO

Полученные данные не означают, что традиционное поисковое продвижение утратило значение.

Поисковые системы по-прежнему остаются важным способом обнаружения информации. Страницы сайтов, доступность контента, его актуальность и представленность во внешних источниках сохраняют значение для цифрового присутствия бренда.

Но оценивать все это только через позиции сайта и органический трафик уже недостаточно, если компания хочет понимать, как ее продукты и названия представлены в генеративных ответах.

SEO помогает оценивать видимость ресурсов в поиске. GEO-аналитика добавляет наблюдение за информацией, которую пользователь получает непосредственно от нейросетей.

Это разные уровни одной цифровой среды.

При этом наше исследование не устанавливает причинную связь между отдельными SEO-факторами и попаданием брендов в ответы LLM. По его результатам нельзя утверждать, что определенная структура страницы, число упоминаний или конкретный тип контента гарантируют присутствие в нейровыдаче.

Для таких выводов нужны отдельные эксперименты.

Зато исследование показывает, какие параметры присутствия можно измерять уже сейчас и почему анализ одной лишь частоты упоминаний оказывается слишком грубым инструментом.

Вместо вывода

У традиционной поисковой аналитики давно сложился собственный набор метрик. В генеративном поиске эта система еще формируется.

Наше исследование показало, что один и тот же тип пользовательского интереса может сопровождаться совершенно разным присутствием брендов в зависимости от формулировки запроса и нейросети.

Но есть и менее очевидный результат: частота появления названия не всегда отражает его положение среди конкурентов. А отсутствие бренда само по себе не объясняет, что пользователь увидел вместо него.

Поэтому при анализе GEO-видимости полезно задавать не один вопрос – «Нас упоминают?» – а несколько: где именно, насколько часто, в каком порядке и какие названия появляются в нашем отсутствии.

Ответы на них дают гораздо больше информации, чем единый процент присутствия.

Исследование «Ашманов и партнеры» проведено в августе 2026 года. Проанализировано 350 ответов семи генеративных ИИ-платформ по пяти фармацевтическим категориям. Результаты отражают представленность торговых наименований в исследованной выборке, не являются оценкой медицинской эффективности препаратов и не содержат рекомендаций по их применению.