Один бренд, один набор запросов, разброс от 9% до 52%: почему видимость нельзя мерить по двум-трём нейросетям

Возьмите один бренд, один и тот же набор запросов и задайте их девяти нейросетям в одну и ту же неделю. Интуиция подсказывает, что результаты будут похожи: модель туда, модель сюда, плюс-минус несколько процентов. Реальный замер показывает другое: доля ответов с упоминанием бренда колеблется от 52% в Gemini до 9% в ChatGPT, почти шестикратный разброс на одних и тех же вопросах. Разбираем, откуда берётся такая разница, почему из-за неё нельзя мерить видимость по паре популярных моделей, и при чём здесь Claude, нейросеть, которую массовый пользователь почти не замечает, а корпоративные закупщики используют каждый день.

Нейросеть, которой не видно в статистике посещений

Начнём с модели, вокруг которой в последние месяцы перестраивается корпоративный сегмент ИИ. По потребительским меркам Claude от Anthropic выглядит нишевым игроком: в феврале 2026 года, по сторонним замерам веб-трафика, claude.ai собрал около 288 миллионов визитов против 5,2 миллиарда у ChatGPT, а сторонние оценки дают ему лишь 4-5% мирового рынка ИИ-чат-ботов. Если судить по посещаемости, модель можно спокойно игнорировать.

Корпоративная статистика переворачивает картину. По отраслевым оценкам, доля Anthropic в корпоративных расходах на языковые модели выросла с 12% в 2023 году до порядка 40% в 2025-м, и по этому показателю компания обогнала OpenAI. Anthropic раскрывала, что обслуживает более 300 тысяч бизнес-клиентов, а отраслевые сводки говорят о её присутствии в большинстве компаний из Fortune 100. Основная часть выручки, по оценкам аналитиков, приходит не от подписок частных пользователей, а от корпоративных и девелоперских нагрузок: инструмент Claude Code уже через девять месяцев после запуска приносил миллиарды долларов годовой выручки.

Складывается редкий профиль: нейросеть, которой почти не видно в потребительской статистике, но через которую ежедневно проходят рабочие задачи разработчиков, аналитиков, юристов и финансовых команд. То есть ровно той аудитории, которая сравнивает поставщиков, собирает шорт-листы вендоров и влияет на бюджеты. Для B2B-бренда вопрос «что Claude отвечает о нас» касается самой платёжеспособной части воронки. При этом покрытие Claude в российских инструментах мониторинга неоднородно: часть сервисов указывает его в списке отслеживаемых моделей, часть не покрывает вовсе, и глубина замера, от простого факта упоминания до тональности и источников, у всех разная. Поэтому при выборе инструмента этот пункт стоит проверять отдельно, а не считать само собой разумеющимся.

Почему данные по одной модели не переносятся на другую

Причина расхождений лежит в архитектуре. Каждая нейросеть обучена на своём корпусе данных и по-своему выбирает источники для ответа. Часть моделей, среди них Google AI Mode, Perplexity, Grok и Поиск с Алисой, собирает ответ живым веб-поиском и цитирует конкретные страницы: такие системы реагируют на новый контент почти сразу. Другие, включая Claude, DeepSeek и Чат с Алисой AI, отвечают преимущественно из обучающего корпуса, который обновляется заметно реже: их картина мира меняется с задержкой, зато и держится дольше.

Отсюда следствие, которое рушит привычную экономию на замерах. Бренд может стабильно попадать в ответы ChatGPT и Gemini благодаря присутствию в определённых типах контента и полностью отсутствовать в Claude, который опирается на другие домены. Верно и обратное: сильная позиция в Claude ничего не гарантирует в Perplexity, собирающей ответ по свежей выдаче. Компании, измерявшие видимость по трём-четырём популярным моделям, системно переоценивали охват: отчёт показывал рост в ChatGPT и Gemini и создавал ложное чувство полного покрытия, хотя в незамеренных моделях бренда могло не быть вовсе, а конкуренты там присутствовали.

Свежий замер: шестикратный разброс на одном бренде

Теперь сам замер, показавший масштаб проблемы. GEO-платформа brandfound за 34-ю неделю 2026 года прогнала по девяти моделям один бренд с одним набором запросов, по 190 ответов на каждого провайдера, и получила такое распределение доли ответов с упоминанием бренда: Gemini 52%, Grok 38%, Perplexity 34%, Поиск с Алисой 29%, Чат с Алисой AI 28%, GigaChat 26%, Google AI Mode 23%, DeepSeek 19%, ChatGPT 9%. Данные по Claude в срез ещё не вошли: модель подключили к мониторингу позже фиксации этой недели, сравнение по десяти провайдерам появится после первого полного прогона.

Практический вывод из разброса касается не только полноты списка моделей, но и способа чтения отчётов. Усреднённая видимость по всем нейросетям сглаживает картину и маскирует главную проблему. Полезнее смотреть разрыв по провайдерам: конкретные модели, где бренда нет вообще, при том что прямые конкуренты там присутствуют. Именно этот разрез превращает абстрактную цель «повысить видимость в ИИ» в конкретную задачу: закрыть провал в конкретной модели контентом того типа, который она чаще цитирует, а не наращивать присутствие там, где показатель и так у 50%.

Десять моделей в одном отчёте: что изменилось с подключением Claude

В brandfound этот пункт теперь закрыт: платформа подключила Claude десятым источником мониторинга. Полная линейка выглядит так:

Важно, что Claude подключён не галочкой в списке поддерживаемых платформ, а на равных: по нему работает тот же набор из 40+ метрик, что и по остальным девяти моделям. Share of Voice, Brand Mention Rate и Citation Rate попадают в общую динамику видимости, тональность разбирается по тем же 17 шкалам, а отдельный срез показывает источники, на которые Claude опирается в ответах о бренде. Для модели с медленно обновляющимся корпусом такой разбор особенно ценен: набор её источников меняется редко, а значит, работа с ними даёт долгоиграющий эффект.

Действующим клиентам платформы делать ничего не нужно: Claude появляется в существующих проектах автоматически при следующем прогоне набора запросов, без пересоздания проекта и перенастройки конкурентов. Единственный нюанс честности: данные собираются с момента подключения, а не задним числом, поэтому в старых отчётах модель не появится, для сравнения нужен свежий прогон.

Что это значит для российского рынка

Для российских брендов у этой истории два практических измерения.

Первое касается экспортёров и B2B-компаний с англоязычными клиентами: у них слепая зона в Claude была устроена особенно коварно. Бренд мог отлично звучать в Поиске с Алисой, собирающем ответ по русскоязычному вебу, и полностью молчать в Claude, который отвечает из медленно обновляющегося корпуса с другим набором источников. Это не ошибка измерения, а нормальное следствие разной архитектуры, но без прямого замера обе картины сливались в одну оптимистичную.

Второе измерение шире: полный замер теперь означает десять моделей, от западной корпоративной линейки во главе с Claude до обоих режимов Алисы, в которых живёт основная русскоязычная аудитория. Западные инструменты мониторинга, как правило, не покрывают Алису, локальные не всегда покрывают Claude, поэтому при выборе сервиса стоит проверять обе стороны списка: полная десятка в одном отчёте, как в описанном выше случае, пока скорее исключение, чем норма рынка. Но каким бы инструментом ни пользоваться, принцип один: смотреть на разброс по моделям, а не на среднюю температуру, и первым делом искать провалы там, где сидит ваша решающая аудитория.

Шестикратный разброс на одном бренде это лучший аргумент против экономии на замерах, который дал рынок за последнее время. Нейросети не согласны друг с другом насчёт вашего бренда, и та из них, где вас нет, может оказаться ровно той, где о вас спрашивают люди с бюджетом. Проверяется это не интуицией, а прогоном запросов, и чем раньше провал найден, тем дешевле его закрыть.