Тональность важнее доли: когда упоминание бренда в ChatGPT работает против него

Видимость бренда в нейросетях обычно измеряют одной цифрой: как часто ассистент называет компанию в ответ на нужные запросы. Цифра растёт, отчёт выглядит хорошо, а отдел продаж разницы не чувствует. Я видел этот разрыв много раз, и почти всегда он объясняется одним: упоминание есть, но формулировка вокруг названия работает против бренда.

Упоминание есть, а рекомендации нет

Ассистент может назвать компанию в списке и тут же дописать: дороже аналогов, подойдёт скорее крупному бизнесу, данных о результатах мало. Формально это упоминание, и в отчёте оно неотличимо от строчки «хороший выбор для такой задачи». Для читателя разница огромная: в первом случае его аккуратно уводят к следующему пункту списка.

Отсюда правило, с которым я работаю. Доля упоминаний показывает, попал ли бренд в разговор. Тональность показывает, чем этот разговор для него закончится.

Что прячет оценка «позитивно, нейтрально, негативно»

Трёхбалльная шкала - самый частый способ считать тональность и самый бесполезный. Почти всё, что говорит ассистент, попадает в «нейтрально»: модель формулирует сдержанно, без эмоций, перечисляет факты. Внутри этого огромного нейтрального ведра лежат и честное сравнение, и вежливый отказ рекомендовать.

Поэтому нейтральную массу приходится разбирать по отдельным признакам. Я читаю ответ так:

1. справедливость сравнения: бренд и конкуренты описаны по одним критериям или у кого-то критерии удобнее
2. сила рекомендации: назван в перечне, назван с оговоркой или назван как основной вариант
3. опора на источники: за словами стоят цифры и ссылки или общее впечатление модели
4. полнота: перечислены ключевые возможности или одна случайная деталь
5. фактическая верность: нет ли устаревших цен, чужих функций и придуманных ограничений
6. влияние на бренд: после такого ответа читатель пойдёт к этой компании или к той, что названа следующей

Каждый признак отвечает на свой вопрос, и вместе они дают картину, которой одна общая оценка не даёт.

Как выглядит падение тональности на замерах

Пример из моего мониторинга по десяти ассистентам: ChatGPT, Gemini, Claude, Perplexity, Grok, DeepSeek, GigaChat, Google AI Mode, Поиск с Алисой и Чат с Алисой AI. За две недели по одному и тому же набору запросов тональность упоминаний просела заметно и неравномерно.

1. запрос про отслеживание того, что нейросети говорят о компании: с 75 до 49 из 100
2. запрос про разбор тональности по нескольким показателям: с 69 до 43
3. запрос про мониторинг упоминаний в Алисе: с 73 до 45

Доля упоминаний за тот же период почти не изменилась: отчёт по видимости показывал ровную линию. Изменились формулировки. У одного из сервисов-конкурентов частота упоминаний в этих же ответах выросла больше чем вдвое, и модели начали описывать его как основной вариант, а остальных как «тоже существуют».

Такое падение почти всегда означает одно: в источниках, на которые опираются ассистенты, появился свежий и более убедительный материал. Модель не разлюбила бренд, она прочитала чужой текст.

Что делать, когда тональность просела

1. Достать конкретные ответы, а не среднюю цифру: тональность правится на уровне формулировок, и без текста ответа править нечего.
2. Выписать претензию модели дословно. «Мало данных о результатах», «непонятно, для кого подходит» - это готовое техническое задание на контент.
3. Проверить источники, из которых ассистент собрал ответ: чаще всего это два-три материала, и они старше последнего обновления вашего сайта.
4. Закрыть претензию отдельным материалом, а не абзацем на странице услуг: нужны цифры, методика и ограничения, то есть то, что модель сможет пересказать.
5. Перемерить через две недели по тем же запросам и тем же ассистентам, иначе сравнивать будет не с чем.

Главное условие сравнимости: один и тот же набор запросов и один и тот же список ассистентов. Поменяли формулировки - получили новую точку отсчёта, а не динамику.

Что из этого забрать

Рост доли упоминаний - не победа, а только вход в разговор. Пока не разобрана тональность, непонятно, помогает этот разговор бренду или мягко уводит к конкуренту. Разбивка по показателям считается любым способом: руками по выгрузке ответов или инструментом. Я делаю это в brandfound, потому что иначе за десятью ассистентами не успеваю.