Как отслеживать упоминания бренда в нейросетях

Сергей Язовский

Сайт https://geouseo.ru

Вы не узнали бы об этом, если бы не спросили вручную. А спросив один раз, вы все равно ничего не узнали бы наверняка: переспросите через час – и список рекомендаций уже другой. Температура, случайность выборки, другая формулировка вопроса, регион – все это тасует ответ нейросети, как колоду.

Это и есть главная проблема мониторинга упоминаний в нейросетях: здесь нет стабильной «страницы в выдаче», которую можно снять скриншотом и положить в отчет. Есть только распределение вероятностей. И именно поэтому я написал эту статью – не про то, как попасть в ответ, а про то, как сделать видимым сам факт вашего присутствия или отсутствия в этих ответах.

Почему «посмотреть руками» не работает

Большинство специалистов, которых я консультирую, «проверяют» себя в нейросетях одинаково: открыли один чат, вбили брендовый запрос, увидели себя – успокоились. Или не увидели – расстроились. Оба вывода не стоят ничего.

Вот четыре причины.

Первая – рандомизация. Большинство моделей при генерации вносят случайность (temperature выше нуля), а в ChatGPT и Perplexity ответ на один и тот же запрос может отличаться от сессии к сессии. Один замер – это одна реализация случайной величины, а не «истина».

Вторая – интент. Запрос «лучший CRM для малого бизнеса» и «чем заменить Битрикс24» – это разные интенты, под которые модели подтягивают разные источники. Вы можете быть в ответе на первый и отсутствовать во втором. Проверили один – решили, что «все в порядке».

Третья – множество оболочек. Одна и та же модель живет в разных продуктах: YandexGPT – в Алисе, в поиске Яндекса, в сторонних сервисах. ChatGPT – в веб-интерфейсе, в Bing, в Copilot. Gemini – в Google AI Overviews и в самом чате. GigaChat, DeepSeek, Claude – свой набор. Проверять надо все, иначе вы видите крошечный срез.

Четвертая – отсутствие динамики. Даже если вы корректно замерили видимость сегодня, это одно число без контекста. Упала она или выросла по сравнению с прошлым месяцем? Конкурент вас обогнал или вы всегда там были третьим? Без регулярных замеров в одной методологии вы не отличаете тренд от шума.

Коротко: ручной мониторинг дает иллюзию контроля, а не контроль. Это как снимать позиции в Яндексе, проверяя свой сайт в одном браузере раз в квартал.

Почему классический мониторинг не ловит нейроответы

Логичный вопрос: у меня уже настроен мониторинг упоминаний – Brand Analytics, Медиалогия, уведомления в Google Alerts. Почему этого мало?

Потому что эти системы устроены под индексируемый веб. Они ищут вхождения бренда в текстах, которые опубликованы и доступны краулеру: новости, посты, отзывы, страницы сайтов. SERM-инструменты ловят то, что уже напечатано.

Нейроответ – принципиально другая сущность. Он генерируется в момент запроса и нигде не «лежит». Ссылки на источники внутри ответа могут вести на ваш сайт, но сам факт того, что модель выбрала именно вас среди десятка достойных, фиксируется только в момент генерации. Завтра этот ответ не повторится дословно, а послезавтра модель может процитировать другого.

Отсюда – слепая зона. Классический мониторинг скажет вам: «про вас написали 150 публикаций, 40 позитивных». Но он ничего не скажет про то, что ChatGPT в 7 случаях из 10 рекомендует конкурента, а вас упоминает мельком и в нейтральном контексте. А для бизнеса B2B, где 60–70% сделок начинаются с вопроса «посоветуй подрядчика», уже адресованного не другу, а нейросети, – это критическая слепота.

Разница между тем, что видит классический поиск и что видит генеративный движок: SEO борется за позицию в списке ссылок, GEO – за место внутри синтезированного ответа. Мониторинг, соответственно, должен уметь считать именно второе.

Что именно мерить: метрики и методология

Если вы хотите управлять видимостью в нейросетях, вам нужны измеримые величины. Вот набор, который я использую в проектах, – от простого к сложному.

1. Частота упоминания (Mention Rate). Доля прогонов, в которых ваш бренд вообще появляется в ответе. Формула: количество ответов с упоминанием / общее число прогонов по данному промпту. Это базовый и самый важный показатель – аналог «доли в выдаче».
2. Позиция и контекст. Недостаточно знать, что вас упомянули. Важно – как: вы открываете список рекомендаций или идете где-то в сноске «также существуют». LLM часто выстраивают ранжированный список (1. … 2. … 3. …), и попадание в первую тройку ценнее, чем в хвосте из пяти позиций.
3. Тональность. Нейросети редко пишут откровенно «плохо», но умеют в нейтрально-отстраненные формулировки: «один из вариантов», «по данным отзывов – в целом надежный». Разница между «рекомендую X» и «существует также X» – это пропасть в конверсии.
4. Источники, которые модель реально использует. Это самый недооцененный слой. Модель не берет данные из вакуума – она опирается на материалы, процитированные в ответе (или лежащие в RAG-выборке). Зная, какие страницы модель тянет под ваши запросы, вы понимаете, что оптимизировать: свой сайт, сторонние обзоры, отзовики или карточки в каталогах.
5. SOV в ИИ (Share of Voice). Доля ваших упоминаний относительно конкурентов по одному пулу запросов. Если конкуренты A, B и C упоминаются суммарно 30 раз, а вы – 6, ваш SOV = 20%. Это связывает GEO-видимость с привычной логикой доли рынка.
6. Динамика. Все перечисленное имеет смысл только в сравнении «было / стало». Одиночный замер – это скриншот, серия замеров – аналитика.

Важная оговорка: не существует единой «позиции в нейросети», как в SEO. Вместо позиции – вероятность. Поэтому все метрики здесь частотные и требуют статистики: минимум 5–10 прогонов одного промпта, чтобы отсеять случайность температуры. Это и есть главное концептуальное отличие GEO-аналитики от позиционки.

Ручной мониторинг: слепые зоны

Теперь посчитаем, сколько стоит «проверять руками», если делать это честно.

Допустим, у вас 25 ключевых запросов (брендовые + категорийные «выбрать CRM», «лучший конструктор сайтов»). Проверять их нужно минимум в 8 оболочках: ChatGPT, ChatGPT Search, Perplexity, Gemini, Google AI Overviews, Алиса/Яндекс, GigaChat, DeepSeek. Это 200 прогонов. Чтобы отсеять рандомизацию – по 5 раз каждый. Тысяча ручных обращений за один цикл замера. И это мы еще не включили контекстную тональность, анализ источников в ответе и разметку конкурентов.

Ни один специалист не сделает это руками системно. Отсюда реальная картина на рынке: мониторинг нейроответов делают разово, на коленке, и поэтому не доверяют результатам. Либо не делают вообще и живут в неведении.

Дальше – развилка. Можно собрать внутренний скрипт (парсить API моделей, прогонять промпты, агрегировать). Я пробовал, это работает, но хрупко: API меняются, YandexGPT и GigaChat требуют отдельных ключей, а веб-выдачи (Алиса, AI Overviews) из-под чистого API вообще не достать. Сборка и поддержка такого решения съедают больше, чем экономит.

Поэтому для регулярного мониторинга разумнее брать готовый инструмент, который уже решил и мультиплатформенность, и рандомизацию, и расписание. Есть разные варианты под разные бюджеты.

Практический флоу: от проекта до регулярного отчета

Как выглядит рабочий процесс мониторинга, если разложить его на шаги.

Шаг 1. Создаем проект и задаем объекты. Бренд, сайт, синонимы и вариации написания (латиница/кириллица, сокращения, разговорные формы). Отдельно – слова, которые ловят упоминания вскользь: не «сравнили сервисы», а «в числе прочих упоминается». Чем точнее сущности, тем меньше шума.

Шаг 2. Собираем пул промптов. Это ключевой интеллектуальный этап, который не автоматизируется «нажал кнопку – готово». Семантику берем из Wordstat, вопросов конкурентов, реальных обращений клиентов и обсуждений. Промпты группируются по интентам: брендовые («что за компания X»), категорийные («топ CRM»), сравнительные («X или Y»), рекомендательные («посоветуй подрядчика для…»), сценарии использования («чем заменить Z»). Разные интенты – разные наборы источников, поэтому пул должен покрывать все.

Шаг 3. Фиксируем конкурентов. Указываем 3–10 прямых конкурентов, чтобы инструмент считал SOV и показывал, кто вытесняет вас из ответов. Без конкурентной привязки цифра «вы упоминаетесь в 60% ответов» мало о чем говорит – а вот «конкурент в 90%, вы в 60%» уже сигнал.

Шаг 4. Настраиваем регулярность. Расписание замеров – раз в неделю или раз в две недели по умолчанию, чаще – на горячих кампаниях или после крупных изменений на сайте. Уведомления настраиваем, чтобы приходили в Telegram или на почту, чтобы не жить в дашборде.

Шаг 5. Смотрим не «да/нет», а тренды и источники. Раз в месяц сводим: выросла ли частота упоминаний, изменилась ли тональность, какие страницы начали/перестали цитировать. Это вход для GEO-работ: захотели поднять видимость по категорийным запросам – смотрите, куда ссылается модель, и чините именно эти материалы.

Методологически это ровно та же логика: сначала понять актуальную видимость, потом источники, потом работать с контентом. Мониторинг замыкает этот цикл – дает точку «до» и измеряет результат «после».

Типичные ошибки при мониторинге

За время работы с GEO-проектами я насобирал устойчивый набор граблей. Коротко, как не надо.

Замерять один раз и делать выводы. Один прогон = одна реализация случайного процесса. Даже сам факт «нас там нет» по одному запросу может быть случайностью температуры. Выводы необходимо делать только по серии замеров.

Только брендовые запросы. «Что за компания X» – важно, но это защитная позиция. Основная масса решений принимается по категорийным и сравнительным запросам, где вас еще нет в контексте пользователя. Только брендовый мониторинг дает ложное спокойствие.

Игнорировать источники. Видеть «не упоминают нас» и не смотреть, кого вместо вас цитируют – значит лишиться половины ценности данных. Источники в ответе – это готовый план работ: вот эти страницы модель читает, вот эти – нет.

Не отделять тональность от частоты. «Упоминаемся в 70% ответов» звучит отлично, пока не выяснишь, что в 60% из них – в контексте «рассмотрим также, но есть жалобы на поддержку». Частота без тональности вводит в заблуждение.

Мониторить, но не действовать. Самая дорогая ошибка. Если отчет каждую неделю показывает, что конкурент вас обходит по рекомендательным запросам, а вы три месяца «просто наблюдаете», вы платите за красивую аналитику, а не за результат. Мониторинг без подключенной к нему GEO-работы не стоит потраченных денег.

С чего начать сегодня

Минимальный воспроизводимый сценарий, который можно запустить за день:

1. Соберите 10–15 промптов трех типов: брендовые, категорийные, сравнительные. Это не семантика на всю жизнь – это стартовый срез.

2. Прогоните их через 2–3 ключевые оболочки вашей ниши (для Рунета почти всегда это ChatGPT/Perplexity, Алиса и одна локальная модель вроде GigaChat), по 5 прогонов на запрос. Зафиксируйте частоту, позицию, тональность и источники.

3. Сведите первичную таблицу: где вы есть, где вас нет, кого цитируют вместо вас. Уже на этом шаге вы увидите, что картинка в нейросетях заметно отличается от привычной органики.

4. Поставьте это на регулярные рельсы – вручную с таблицей на первых порах или сразу в инструменте с расписанием и уведомлениями, например, в том же Трекере ИИ от Keys.so или подобных сервисах, если не хотите вручную гонять сотни прогонов.

Один прогон ничего не говорит. Двадцать прогонов по трем интентам – уже говорят. Сто, разнесенные по месяцам, – это управление. Разница между «посмотрел в ChatGPT» и «мониторю нейровыдачу» – ровно та же, что между «погуглил свой сайт» и «снимаю позиции». Второе – это профессия; первое – самообман.

Часто задаваемые вопросы

Что такое мониторинг упоминаний бренда в нейросетях и зачем он нужен?

Это регулярный замер того, в каких случаях и как нейросети (ChatGPT, Perplexity, Алиса с YandexGPT, GigaChat, Gemini и другие) упоминают ваш бренд в ответах на заданные пользовательские запросы. В отличие от классического мониторинга СМИ, который ловит уже опубликованные тексты, нейроответ существует только в момент генерации, поэтому присутствие бренда в нем нужно проверять системно и многократно. Задача такого мониторинга – сделать видимым сам факт вашего присутствия или отсутствия в ответах: не «попасть в выдачу», а понять, видит ли вас модель в принципе и в каком контексте.

Почему простой ручной проверки («открыл ChatGPT и спросил») недостаточно?

Один такой замер ничего не гарантирует по четырем причинам. Во-первых, нейросети рандомизируют ответ (temperature выше нуля) – переспросите через час, и ответ может быть другим. Во-вторых, различается интент: на запрос «лучший CRM» вы можете попасть, а на «чем заменить Битрикс24» – нет. В-третьих, одна модель живет во множестве оболочек (ChatGPT – в Bing и Copilot, YandexGPT – в Алисе и в поиске), и проверять надо все. В-четвертых, у ручного замера нет динамики: без серии замеров вы не отличите тренд от шума и не поймете, обогнал вас конкурент или нет.

Чем мониторинг нейросетей отличается от обычного мониторинга упоминаний в СМИ?

Классические системы – Brand Analytics, Медиалогия, Google Alerts – ищут вхождения бренда в индексируемые тексты: статьи, посты, отзывы. Нейроответ – принципиально другая сущность: он генерируется на лету и нигде не «лежит». Ссылка в ответе может вести на ваш сайт, но сам факт того, что модель выбрала именно вас, фиксируется только в момент генерации и завтра не повторится. Классический мониторинг скажет «про вас написали 150 публикаций», но не покажет, что ChatGPT в 7 случаях из 10 рекомендует конкурента, а вас упоминает вскользь. Для B2B, где выбор подрядчика начинается с вопроса нейросети, это критичная слепая зона.

Какие метрики нужно отслеживать при мониторинге бренда в нейросетях?

Ключевых шесть. Частота упоминания (Mention Rate) – доля прогонов, в которых бренд вообще появился в ответе; базовый аналог «доли в выдаче». Позиция и контекст – открываете ли вы список рекомендаций или идете в хвосте/сноске. Тональность – разница между «рекомендую X» и «существует также X» – это пропасть в конверсии. Источники – какие страницы модель реально цитирует: это готовый план, что оптимизировать. SOV в ИИ – доля ваших упоминаний относительно конкурентов. Динамика – все вышеперечисленное работает только в сравнении «было/стало».

Сколько раз нужно прогонять запрос, чтобы получить достоверный результат?

Минимум 5–10 прогонов одного и того же промпта. В нейросетях нет стабильной «позиции», как в поисковых системах, – есть распределение вероятностей. Один прогон – это одна реализация случайности температуры, и по нему нельзя делать выводы даже о самом факте «нас там нет». Частотные метрики требуют статистики: серия замеров по одному промпту отсеивает случайные колебания, а разнесенные по месяцам серии превращаются из скриншота в управление.

Какой пул запросов использовать для мониторинга?

Пул промптов собирается по интентам, а не по одному-двум запросам. Минимум четыре группы: брендовые («что за компания X»), категорийные («топ CRM», «лучший конструктор сайтов»), сравнительные («X или Y») и рекомендательные/сценарные («посоветуй подрядчика», «чем заменить Z»). Семантику берут из Wordstat, вопросов конкурентов и реальных обращений клиентов. Важно не ограничиваться только брендовыми запросами – они дают ложное спокойствие, а основные решения принимаются по категорийным и сравнительным, где вас еще нет в контексте пользователя.

Какие нейросети и их оболочки нужно проверять?

В идеале – все ключевые оболочки вашей ниши: ChatGPT и ChatGPT Search, Perplexity, Gemini, Google AI Overviews, Алиса (YandexGPT), GigaChat, DeepSeek. Одна и та же модель живет в нескольких продуктах (ChatGPT – в Bing и Copilot, YandexGPT – в Алисе и в поиске Яндекса), и проверка только одной оболочки показывает крошечный срез. На практике для Рунета стартовый минимум – ChatGPT/Perplexity, Алиса и одна локальная модель вроде GigaChat. Разные оболочки дают разные ответы на один запрос, поэтому картина собирается по всем.

Какие ошибки чаще всего допускают при мониторинге нейроответов?

Пять устойчивых. Замерять один раз – один прогон это одна реализация случайного процесса. Мониторить только брендовые запросы – защитная позиция вместо основной зоны принятия решений. Игнорировать источники – не смотреть, кого цитируют вместо вас, значит терять половину ценности данных. Не отделять тональность от частоты – «упоминаетесь в 70% ответов» может значить, что в 60% из них вас упоминают с оговорками про жалобы. Мониторить, но не действовать – самая дорогая ошибка: аналитика без подключенной GEO-работы не стоит потраченных денег.

С чего начать, если раньше мониторинг в нейросетях не делали?

Минимальный сценарий запускается за день. Соберите 10–15 промптов трех типов (брендовые, категорийные, сравнительные) и прогоните их через 2–3 ключевые оболочки, по 5 раз на запрос. Зафиксируйте частоту, позицию, тональность и источники в простой таблице – где вы есть, где вас нет, кого цитируют вместо вас. Поставьте замеры на регулярные рельсы: вручную с таблицей на первых порах или сразу в инструменте с расписанием и уведомлениями. Двадцать прогонов по трем интентам уже дают картину, сто, разнесенные по месяцам, – управление видимостью.