Нейросети рекомендуют конкурента, а не вас: как разобрать его AI-видимость

Маркетолог открывает ChatGPT, задаёт вопрос так, как его задал бы клиент, и видит в ответе три названия. Своего среди них нет. Дальше обычно начинается спешка: правим сайт, добавляем раздел с вопросами и ответами, пишем статьи, надеемся попасть в ответ. Но в этой сцене уже лежит готовый материал для работы, и это те самые три чужих названия.

Разберём по порядку, как использовать конкурента в качестве источника данных: в каких запросах его рекомендуют, на что при этом ссылается модель, какие его свойства попадают в ответ и чего не хватает вам. Сразу оговоримся честно: ответ нейросети не объясняет, почему она сделала такой выбор. Собрать можно наблюдаемые признаки, а не внутренние причины.

Конкурент в ответах нейросети редко совпадает с конкурентом из топа поиска

Первая неожиданность почти любого замера: состав брендов в ответах ИИ отличается от выдачи Яндекса и Google. В ответ попадают компании, которых отдел маркетинга не держал в списке прямых конкурентов: нишевые игроки с подробными справочными материалами, сервисы из смежной категории, иногда зарубежные бренды без русской версии сайта. Причина прозаична: модель собирает ответ из текстов, а не из коммерческой логики рынка.

Поэтому список конкурентов для GEO-анализа, то есть анализа видимости в ответах нейросетей, собирается не из CRM и не из отчёта по позициям, а из самих ответов.

1. Соберите 30-50 вопросов так, как их формулирует покупатель, а не отдел маркетинга.
2. Задайте их в каждой нейросети, которой пользуется ваша аудитория, и сохраняйте ответы целиком, вместе со ссылками.
3. Выпишите все названия брендов и посчитайте, в скольких ответах встретился каждый.
4. Повторите через неделю: состав ответов плавает, и однократный замер легко принять за правило.

Рекомендации приносят не общие вопросы, а конкретные ситуации покупателя

Если смотреть на запросы вперемешку, картина получается плоской: есть лидеры, есть все остальные. Разделение по типам вопросов полезнее, потому что в разных группах бренды ведут себя по-разному.

1. Общие вопросы категории, «что такое», «как выбрать». Бренды здесь называют редко, зато видно, какие источники модель считает опорными.
2. Сравнения, «X или Y», «альтернатива X». Самая жёсткая группа: названный бренд тянет за собой соседей по сравнительным обзорам.
3. Вопросы с бюджетом, «недорогой», «сколько стоит», «есть ли бесплатный тариф». Выигрывает тот, у кого цены и условия описаны открыто и однозначно.
4. Конкретные задачи, «нужно сделать то-то, чем». Отдача самая высокая, и при этом группа чаще всего не закрыта ни у кого в категории.

Практический вывод простой: чужое преимущество обычно сосредоточено в одной-двух группах. Конкурент, который держит сравнения, не обязательно виден в задачах покупателя, и наоборот.

Что именно модель говорит о конкуренте и откуда она это взяла

Дальше работа становится почти текстологической. В каждом ответе, где назван конкурент, отмечаем две вещи: какими словами его описали и что процитировали.

1. Характеристики: какие свойства повторяются из ответа в ответ. Часто это две-три формулировки, почти дословно совпадающие с описанием на его сайте или в чужом обзоре.
2. Сценарий: кому его рекомендуют, по какому поводу, с какой оговоркой. Фраза «подойдёт небольшой команде» стоит дороже любого эпитета.
3. Источники: что стоит в ссылках. Обычно это не корпоративный сайт, а обзоры, каталоги, подборки, отраслевые статьи и обсуждения.
4. Ошибки: устаревшие цены, закрытые функции, перепутанные компании. Про конкурента они полезны как наблюдение, про себя это срочная задача.

Это свойство измерения, а не канала, и с ним спокойнее работать, чем спорить.

Карта присутствия: где конкурент есть, а вас нет

Когда список цитируемых источников собран, он превращается в таблицу различий. Строки это площадки и типы материалов, столбцы это вы и два-три конкурента. Заполняется она руками за несколько часов и обычно даёт самый неприятный, но и самый полезный результат.

1. Независимые обзоры и подборки: есть ли вы в материалах вида «сервисы для такой-то задачи».
2. Отраслевые издания: упоминают ли вас в статьях по существу, а не только в новостях о вас.
3. Каталоги и рейтинги: заполнена ли карточка, актуальны ли цены и состав функций.
4. Обсуждения и вопросы: отвечает ли кто-нибудь от вашего имени там, где спрашивают про категорию.
5. Собственный сайт: есть ли страницы, которые отвечают на вопрос покупателя целиком, а не рассказывают о компании.

Разрыв чаще всего обнаруживается в двух клетках: вас нет в сравнительных обзорах и у вас нет страниц под конкретные задачи. Обе закрываются работой с текстами, а не настройками.

Из наблюдений в план: что делать с собранным

1. Уточнить сведения о себе: цены, условия, ограничения, состав функций, география. Если модель цитирует ваш сайт и ошибается, скорее всего, на сайте написано двусмысленно.
2. Закрыть вопросы покупателя: по каждой непокрытой группе запросов сделать отдельный материал с прямым ответом в первых абзацах, а не с историей компании.
3. Выйти на цитируемые площадки. Список уже есть, это ссылки из ответов про конкурентов. Начинать с тех, что встречаются сразу в нескольких нейросетях.
4. Разобраться со сравнениями: если вас сравнивают, появиться в сравнении честным описанием отличий, если не сравнивают, дать рынку материал, по которому вас можно сравнить.

Что это значит для российского рынка

Российская специфика в том, что аудитория распределена по разным ассистентам, и выводы по одному из них не переносятся на остальные. Поиск с Алисой и Чат с Алисой отвечают по-разному, GigaChat опирается на свой набор источников, ChatGPT и Gemini часто тянут англоязычные обзоры там, где русских материалов просто нет. Значит, и замер, и план приходится вести отдельно по каждой системе, а не усреднять.

Руками такая работа держится на двух-трёх десятках запросов, дальше нужен регулярный замер: его делают профильные GEO-сервисы, например brandfound отслеживает упоминания бренда в десяти нейросетях, включая оба режима Алисы, с тональностью и источниками каждого ответа. Карту цитирований, с которой начинается весь разбор, он собирает как побочный продукт регулярного замера.

Как понять, что стало лучше

Метрика «мы стали заметнее» не проверяется. Проверяется доля рекомендаций по фиксированному списку запросов.

1. Список вопросов зафиксирован и не меняется между замерами, иначе сравнивать нечего.
2. Считается доля ответов, где назван ваш бренд, и та же доля по каждому конкуренту.
3. Разрез по нейросетям отдельный: рост в одной системе ничего не говорит о другой.
4. Отдельно отмечается, цитируют ли ваши материалы. Упоминание без ссылки и упоминание со ссылкой это два разных результата.
5. Срок наблюдения от шести до восьми недель: новые публикации попадают в ответы не сразу.

Через пару месяцев тот же вопрос, с которого всё началось, можно задать снова. Три названия в ответе, вероятно, останутся, и их даже станет больше. Вопрос только в том, окажется ли среди них ваше, и теперь на это отвечают цифры, а не ощущение.