Нейросети смотрят на бренды иначе, чем люди: что показал рейтинг РПЛ

Когда болельщик спрашивает у «Алисы» «кто фаворит РПЛ?» — он ждёт ответа, а не ссылки. Нейросеть отвечает с ходу, называя одни клубы и обходя другие стороной. Мы решили замерить эту картину системно: составили рейтинг ИИ-видимости всех 16 клубов РПЛ по шести нейросетям. Результат оказался не про футбол. Он про то, как устроено медиаполе бренда в эпоху ИИ-поиска, и про то, что этим полем можно управлять.

Что произошло с поиском — и почему это рыночный сдвиг

По данным отчёта «Поиск с Алисой» (Ашманов и партнёры, 2026), нейроответ «Алисы» формируется из топ-10–20 страниц органической выдачи. Яндекс их агрегирует, GPT их суммирует — пользователь получает единственный ответ вместо списка ссылок. Для бренда это принципиальная смена условий: попасть в ответ ИИ и попасть на первую страницу поиска — разные задачи с разными рычагами.

Новое направление работы с ИИ-видимостью получило два названия: AEO (Answer Engine Optimization, оптимизация под системы ответов) и GEO (Generative Engine Optimization, оптимизация под генеративные движки). Суть одна: то, что написано о бренде в достаточно авторитетных источниках, попадает в ответы нейросетей — а то, чего там нет, из ответов выпадает. Рынок отреагировал быстро: Evertune AI Brand Index — один из первых инструментов, который измеряет Brand Share of Voice не в поиске, а в ответах ИИ.

Мы в «Звонко» строим методологию AEO/GEO-аудита для российских брендов. Для демонстрации выбрали РПЛ: 16 хорошо известных брендов с очевидной иерархией медиаприсутствия. Удобная лаборатория, где видно, как измеримые факты расходятся с интуицией.

Методология: что и как мы мерили

Объект: 16 клубов РПЛ сезона 2026/27, включая новичков лиги «Факел» и «Родину».

Платформы: ChatGPT, Claude, Perplexity, Gemini, «Алиса» (нейропоиск Яндекса), GigaChat. Четыре глобальные модели с максимальной аудиторией плюс две российские — потому что именно доля русскоязычного обучающего корпуса сильнее всего влияет на то, знает ли ИИ локальный бренд.

Вопросы трёх типов. Первый — без названия клуба: «Какие команды играют в РПЛ?», «Кто фаворит сезона?» Здесь мы смотрим, кого ИИ называет сам, без подсказки. Второй — с прямым запросом о клубе с пометкой «ФК»: «Расскажи о ФК „Ахмат"», «Состав и тренер ФК „Акрон"». Здесь меряем качество ответа. Третий — на одном названии, без слова «футбол»: просто «расскажи про „Балтику"». Здесь проверяем, опознаёт ли ИИ бренд или уходит в путаницу.

Каждый вопрос задавали в нескольких формулировках и с повторами — чтобы результат не зависел от разового ответа или случайной фразы. Ориентир по методологии жанра: AI Brand Index от Evertune.

Два итоговых показателя: индекс видимости (как часто и как высоко ИИ называет клуб сам) и качество ответа (насколько точно ИИ описывает клуб при прямом вопросе). Разведение этих двух осей дало самые показательные результаты.

Что показал рейтинг: три наблюдения для рынка

Медиаполе бьёт турнирную таблицу. Вершина предсказуема: «Зенит», «Спартак», «Краснодар», ЦСКА, «Локомотив», московское «Динамо». Но не потому что они сильнее в футболе — а потому что о них больше пишут на «Чемпионате», Sports.ru, «Спорт-Экспрессе». Топ источников по числу цитирований в наших ответах нейросетей: championat.com — 174 цитирования, ru.wikipedia.org — 101, sports.ru — 88, sport-express.ru — 62, ria.ru — 61. Официальный сайт клуба в этом списке не лидирует. ИИ агрегирует то, что агрегируют СМИ.

«Зенит» — единственный, кого все шесть нейросетей знают без провалов. Индекс видимости 87 из 100, средняя позиция в ответах 1,6. Это результат не маркетинговой кампании, а многолетнего объёма публикаций, в том числе в контексте еврокубков, — цифровой след настолько плотный, что мимо него не проходит ни одна модель.

Парадокс «знают, но не называют». «Крылья Советов», «Ахмат», махачкалинское «Динамо» — ИИ отвечает о них подробно и точно, если спросить напрямую. По качеству ответа они на уровне ЦСКА. Но в ответе на «перечисли команды РПЛ» этих клубов в списке часто нет. Индекс видимости у них в два-три раза ниже качества ответа.

Механика простая: попасть в «списочный» ответ ИИ сложнее, чем просто присутствовать в его базе знаний. Модель вспоминает тех, кого чаще называют рядом со словами «РПЛ» и «Премьер-лига» в источниках с высоким авторитетом. Для PR это означает: мало производить контент на собственном сайте — важно регулярно попадать в профильные агрегаторы в нужном контексте.

Брендовая путаница как измеримый риск. Треть клубов на одном названии ИИ не опознаёт как футбольный бренд. «Балтика» превращается в напиток или море (идентичность клуба: 39 из 100). «Акрон» — в город в Огайо или завод (47 из 100). «Родина» — в отечество (13 из 100, антирекорд исследования). Это не проблема поиска — это проблема бренд-строительства, которая теперь поддаётся точному измерению.

Почему российские ИИ знают молодые бренды лучше западных

Разрыв между платформами оказался больше, чем мы ожидали. Один и тот же клуб в разных нейросетях набирает разную видимость. «Акрон»: разрыв между самой «знающей» и самой «незнающей» моделью — десятикратный. «Родина»: у западных моделей видимость вплоть до нуля, у российских заметно выше.

Причина в корпусе обучения. Claude и Gemini собраны преимущественно на англоязычных данных — молодые российские клубы туда практически не попадают. GigaChat и «Алиса» обучены на русскоязычных данных: «Чемпионат», Sports.ru и их аналоги. Именно поэтому «Алиса» и GigaChat в нашем рейтинге знают аутсайдеров в разы лучше, чем ChatGPT или Claude.

Для брендов, работающих на российском рынке, это конкретный вывод: присутствие в русскоязычных СМИ — не имиджевая история, а инфраструктурная. Без него бренд невидим для части платформ буквально.

Что это значит для PR и коммуникаций

Четыре рычага, которые прямо влияют на ИИ-видимость — и которые находятся в зоне PR-работы:

Регулярный контент с явным контекстом. Нейросети подтягивают свежие данные. Клуб или бренд, о котором не появляется нового материала, теряет позиции в динамичной части ответов. Важен и контекст: не просто упоминание названия, а упоминание рядом с категорийными словами («РПЛ», «Премьер-лига» — для клубов; отраслевые термины — для любого бренда).

Присутствие в профильных агрегаторах. Пресс-служба, которая производит контент только для собственного сайта и соцсетей, в ответы ИИ практически не попадает. «Чемпионат» — 174 цитирования в нашем исследовании; официальные сайты клубов — единицы. Для любого рынка логика та же: агрегаторы и отраслевые СМИ — откуда ИИ берёт информацию.

«Википедия». У нескольких аутсайдеров нашего рейтинга статьи скудные или давно не обновлялись. «Википедия» — второй по числу цитирований источник в нашем исследовании: 101 цитирование. Актуальная, структурированная и нейтральная страница прямо влияет на качество ответа ИИ о бренде.

Schema.org-разметка. Техническая разметка `SportsOrganization` / `SportsTeam` (для спортивных объектов) или аналоги для других категорий помогают нейросетям однозначно классифицировать бренд. Это снимает брендовую путаницу: «Балтика»-напиток и «Балтика»-клуб для ИИ становятся разными сущностями.

Разрыв, которым можно управлять

Аутсайдеры нашего рейтинга: «Родина» (индекс 19), махачкалинское «Динамо» (20), «Факел» (24), «Акрон» (27), «Оренбург» (29). Разрыв между лидером и аутсайдером — пятикратный.

Но этот разрыв не фиксирован. Рейтинг ИИ-видимости — живой показатель: он меняется вместе с медиаполем. Клуб, который начнёт системно появляться в правильных источниках в правильном контексте, через несколько месяцев будет виден иначе.

Это не специфика футбола. Та же логика работает для любого бренда в любой категории: фармацевтика, финансы, FMCG, технологии. Если о бренде меньше пишут авторитетные источники — ИИ его меньше знает и меньше называет. Разница лишь в том, что теперь эту невидимость можно измерить в конкретных числах, а не ощущать интуитивно.

Методология открыта. Полная презентация с данными по 16 клубам — по ссылке.

Сергей Бурый — сооснователь AEO/GEO-агентство «Звонко» (zvonkooo.ru). Профессионально занимается измерением ИИ-видимости брендов и выработкой стратегий её улучшения.