Кто рассказывает о бренде нейросети: почему собственного сайта уже недостаточно

Кирилл Власов

Cооснователь и технический директор AIMonitor.pro

Как отмечает сооснователь и технический директор AIMonitor.pro Кирилл Власов, когда формирование нарратива о продукте переходит к ИИ, ключевыми становятся два вопроса: чьи именно данные ложатся в основу ответа и как компания может влиять на этот процесс.

Российский пользователь уже спрашивает нейросеть

По данным Яндекса, покупательские задачи занимают 12% запросов в чате с Алисой AI, вопросы о товарах ей еженедельно задают 11 млн человек, а аудитория чата превышает 33,2 млн. Трафик из Алисы AI в e-commerce с начала года вырос в 4,6 раза.

Независимые опросы показывают ту же картину – 58,9% пользователей уже используют ИИ при выборе товаров и услуг, а 50,9% не перепроверяют ответы нейросетей.

При этом привычка еще формируется: 45% опрошенных хотя бы раз совершали покупку с подачи ИИ, но регулярно, несколько раз в неделю, это делают только 5%. Для брендов это окно возможностей: картина в ответах моделей складывается прямо сейчас.

Из этих данных следует и важная деталь. Главный ИИ-интерфейс для российского покупателя – Алиса, а не ChatGPT. Поэтому западные бенчмарки нельзя переносить на местный рынок без проверки.

Сайт отвечает за факты, но не за доверие

Собственный сайт по-прежнему нужен. На нем зафиксированы характеристики, цены, документы и официальные формулировки, и без него модели неоткуда взять базовые факты. Но в ответе ИИ сайт оказывается лишь одним голосом из многих.

В отчете McKinsey об ИИ-поиске приводится оценка: собственный сайт бренда дает лишь 5–10% источников, к которым обращаются ИИ-системы при сборке ответа. Остальное приходится на партнерские ресурсы, пользовательский контент и сторонние платформы.

Похожий вывод сделали исследователи Университета Торонто. Они сравнили ответы ChatGPT, Perplexity и Gemini с выдачей Google и обнаружили, что ИИ-поиск систематически опирается на внешние авторитетные источники, а не на брендовые и социальные площадки, тогда как у Google источники распределены ровнее. Из этого не следует, что сайты брендов игнорируются всегда. Но в сценариях выбора внешние источники весят непропорционально много.

То есть сайт говорит, что бренд сообщает о себе, а внешние источники показывают модели, что о нем говорят другие.

Одного списка лучших не существует

У нейросетей нет универсального рейтинга, он пересобирается под каждый сценарий. Это подтверждается отраслевыми ИИ-индексами платформы.

Возьмем простой вопрос «какой банк выбрать». Для пользователей 18–25 лет Сбер и Т-Банк в ответах идут почти вровень: 25,1% и 23,4% видимости. Для аудитории 50+ у Сбера уже 31,1%, у ВТБ – 19,7%, а Т-Банк опускается до 15,7%. Меняется и продукт: в целом лидирует Сбер, но в запросах о кредитах первым выходит Т-Банк (23,0% против 22,2%). Меняется и модель: в Алисе AI у Сбера 41,3% видимости, в ChatGPT – 28,3%.

В других категориях то же самое. В электронике Apple получает около 21% упоминаний в целом, но при выборе смартфона ее доля падает до 12%, а лидирует Samsung с 24,3%. В путешествиях Сочи забирает 16,9% всех рекомендаций, но для городских поездок ИИ советует Санкт-Петербург (30%), а доля Сочи там всего 5,1%.

Есть и обратная сторона: модели обновляют представление о рынке медленнее, чем меняется сам рынок. Часть ответа берется из знаний, зафиксированных при обучении, и они отстают от реальности. По данным Ahrefs, средний возраст страниц, которые цитируют ИИ-ассистенты, – 1064 дня, тогда как у страниц в органической выдаче – 1432 дня.

ИИ свежее поиска, но в среднем все равно ссылается на материалы почти трехлетней давности. Поэтому старый обзор, где у бренда прежние цены или нет новой функции, может продолжать формировать его образ, пока не появятся более свежие и авторитетные источники.

Поэтому для каждого сценария работают свои источники

Для вопроса о характеристиках важнее документация, для выбора SaaS-сервиса – обзоры, рейтинги и кейсы. Для финансового продукта важнее деловые СМИ и справочные ресурсы, для товара – сравнения, маркетплейсы и отзывы.

Как измеряют видимость в ИИ

Один и тот же вопрос в ИИ может дать разные результаты. Поэтому проверять бренд одним запросом в чат-боте бессмысленно. Измерять нужно распределение, то есть как часто и в каком контексте бренд появляется при многократных замерах.

Выборка строится на реальных поисковых интентах. Вес каждого запроса определяется пропорционально популярности по данным поисковых систем. Запросы задаются от лица когорт пользователей с разным полом, возрастом, профессией и поведенческим профилем. Именно поэтому видно, что 25-летнему и 55-летнему ИИ советует разные банки. Каждый запрос повторяется до достижения статистической значимости, результаты усредняются. Охватываются семь нейросетей: Яндекс Поиск с Алисой, Alice AI, ChatGPT, DeepSeek, Gemini, Google AI Overviews и Perplexity.

Итоговая доля видимости складывается из пяти показателей:

• Частота – в какой доле ответов бренд появляется.

• Позиция – на каком месте он стоит в списке рекомендаций.

• Тональность – с каким знаком о нем говорят.

• Доля текста – сколько слов ответа посвящено бренду по сравнению с конкурентами.

• Влияние – насколько упоминание сказывается на итоговой рекомендации.

Последний показатель и отделяет «модель знает» от «модель рекомендует».

Два принципа особенно важны. Первый: ответы без брендов, а также галлюцинации и ошибки не отбрасываются, а входят в расчет, потому что именно такие ответы получают реальные пользователи. Второй: отдельно оцениваются источники. Каждый сайт оценивается по охвату в нейросетях, доле уникальных ссылок и частоте упоминаний. Так становится понятно, не только кто упоминается, но и почему.

Не трафик, а право голоса

Раньше бренд боролся за то, чтобы человек перешел на сайт. Теперь пользователь может вообще его не открыть. Pew Research Center проанализировал почти 69 тыс. поисковых сессий пользователей Google. Когда в выдаче было ИИ-резюме, люди переходили по обычной ссылке в 8% визитов, а без резюме – в 15%. По ссылкам внутри самого резюме переходили лишь в 1% случаев. Это говорит о том, что ответ все чаще приходит раньше клика.

Меняется сам объект коммуникации. Бренду важен уже не только визит, но и то, какие факты попадут в ответ, кто окажется рядом, в каком контексте прозвучит название и на какие источники сошлется модель. Поэтому видимость в ИИ не может быть задачей одного SEO-специалиста. С этим согласен и рынок: 83% опрошенных экспертов назвали PR ключевым инструментом продвижения в генеративных поисковых системах. GEO, то есть оптимизация видимости в генеративных системах, объединяет PR, контент, SEO и работу с отзывами.

Как с этим работать: пять шагов

Шаг 1. Составьте карту запросов. Проверять нужно не брендовые запросы, а сценарии выбора: «лучшие решения для…», «альтернативы…», «что выбрать для малого бизнеса». Сгруппируйте их по намерениям, аудиториям, регионам и моделям. Кейс выше показывает, что бренд может присутствовать в одном кластере и полностью отсутствовать в другом.

Шаг 2. Зафиксируйте точку отсчета. Минимальный набор метрик:

• охват запросов – в скольких сценариях из набора бренд появляется;

• частота упоминаний отдельно по каждой модели;

• доля голоса относительно конкурентов;

• позиция;

• сила рекомендации.

Вручную это быстро упирается в масштаб, поэтому для регулярных замеров используют инструменты мониторинга ИИ-видимости.

Шаг 3. Сопоставьте ответы с источниками. Выясните, какие площадки цитируются по вашим сценариям, где представлены конкуренты, но нет вас, какие факты устарели и где внешние описания противоречат вашим.

Шаг 4. Работайте с внешним полем. Приоритет у площадок, которые модели уже цитируют по нужным сценариям: отраслевые медиа, независимые сравнения, профильные сообщества. Количество публикаций вторично. Одна корректная строка в обзоре, который ИИ цитирует по десятку запросов, весит больше пяти релизов.

Шаг 5. Повторяйте замеры. Ответы ИИ меняются, а эффект публикации проявляется не сразу. Изменение стоит считать устойчивым, только если оно сохраняется минимум в двух последовательных замерах. Внеплановые проверки нужны после крупных публикаций, запусков, кризисов и смены цен.

Что не работает

Соблазн накрутить ИИ понятен, и рынок уже на него ответил. Рост GEO уже породил рынок псевдорейтингов и контента, создаваемого исключительно под попадание в ответы ИИ. Покупка мест в таких топах, тиражирование однотипных текстов, фальшивые отзывы, реклама под видом независимого обзора и правки Википедии в свою пользу могут дать краткосрочный эффект. Но вместе с ним бренд получает противоречивые сигналы для моделей и репутационные риски.

Ошибочно и делать выводы по одному ответу нейросети или считать успехом только число упоминаний. Цель в том, чтобы у модели было достаточно качественных, актуальных и независимых оснований для корректного ответа.

Между компанией и аудиторией появился слой интерпретации: нейросеть, которая собирает ответ из множества внешних источников. Поэтому описать себя на собственном сайте уже мало. Нужно понимать, какие источники формируют ваш образ, какие факты повторяются, какие преимущества теряются и рядом с кем вас ставят.