Как маркетологу за 15 минут понять, попадает ли бренд в ответы нейросетей

Не нужно покупать инструмент, чтобы узнать худшее. Достаточно трёх вкладок и листа бумаги

Когда человек выбирает сервис, банк или подрядчика, он всё чаще не открывает поисковик, а спрашивает нейросеть: «посоветуй платформу для…», «какой сервис лучше для…». В ответ ИИ называет несколько брендов. Если вашего среди них нет, вы проиграли ещё до того, как клиент дошёл до сайта, и самое неприятное, что вы об этом даже не знаете.

Хорошая новость: чтобы выяснить, видят ли вас нейросети, не обязательно сразу покупать платформу мониторинга. Первичную проверку можно сделать руками за пятнадцать минут. Разберём, как именно, какие метрики посчитать на коленке, какие ошибки чаще всего совершают при таком аудите и где у ручного метода предел, после которого нужна автоматизация. А заодно посмотрим, какие инструменты есть на рынке, когда дело доходит до системной работы.

Почему это вообще стоит проверять

Поиск в привычном смысле и ответ нейросети устроены по-разному. В поиске пользователь видит список ссылок и сам выбирает, куда кликнуть, у бренда есть шанс зацепить вниманием даже с пятой позиции. В ответе нейросети списка нет: она называет два-три варианта и подаёт их как рекомендацию. Места на всех не хватает, и попадание в этот короткий ответ становится отдельной задачей, которую в SEO не решали.

Отсюда практический вывод: видимость в нейросетях нужно мерить отдельно от поисковых позиций. Бренд может быть в топе Яндекса и при этом полностью отсутствовать в ответах ИИ по тем же запросам, потому что нейросеть формирует ответ по своей логике и из своих источников. И наоборот, компания со скромными позициями в поиске иногда оказывается в ответах нейросети, если про неё есть структурный, удобный для цитирования контент. Пока вы не проверили, вы не знаете, в какой из этих ситуаций находитесь, а значит, не понимаете, теряете ли клиентов в новом канале.

Ещё одна причина проверить вручную, а не сразу покупать инструмент, чисто управленческая. Чтобы обосновать руководству бюджет на GEO, нужна отправная цифра. Фраза «нас почти нет в ответах нейросетей по ключевым запросам, вот таблица» работает в разы убедительнее, чем абстрактное «AI-поиск это важно». Ручной аудит даёт эту таблицу бесплатно.

Шаг 1. Составьте список запросов, по которым вас должны находить

Начните не с инструментов, а с вопросов, которые задаёт ваш потенциальный клиент. Это не брендовые запросы (по названию компании вас и так найдут), а тематические, те, где человек ещё не знает про вас и выбирает из категории.

Накидайте 10-15 формулировок, как их произнёс бы живой человек в диалоге с нейросетью. Удобно разложить их по типам интента:

Запросы на подбор: «посоветуй сервис для…», «какую платформу выбрать для…», «что использовать, чтобы…». Это самые ценные, потому что прямо ведут к рекомендации.

Сравнительные: «сравни сервисы для…», «что лучше, X или аналоги», «топ инструментов для…». Здесь нейросеть называет сразу несколько брендов, и видно ваше место среди них.

Проблемные: «как решить задачу Y», «чем закрыть потребность Z». Тут бренд попадает в ответ не напрямую, а как часть решения, и это тоже важный сценарий.

Важно писать запросы разговорно, так, как люди реально спрашивают ИИ, а не сухими ключевыми словами из SEO. «Платформа аналитики упоминаний бренда нейросети» это поисковый запрос. «Подскажи, чем отслеживать, что про мою компанию говорят нейросети» это то, как спросит человек. Нейросети лучше реагируют на второй вариант. Запишите итоговый список в таблицу, он станет вашим постоянным набором для регулярных замеров.

Шаг 2. Прогоните запросы через нейросети вручную

Теперь самое простое. Открываете по очереди нейросети и задаёте каждый из своих запросов. Минимальный набор для российского рынка: ChatGPT, Gemini, Perplexity, «Поиск с Алисой» и «Чат с Алисой AI» (это разные системы, проверять надо обе), GigaChat и при желании DeepSeek.

По каждому ответу фиксируете 3 вещи. Упомянут ли ваш бренд вообще. Если да, на каком месте в списке, первым или последним, потому что первая позиция получает несоизмеримо больше внимания. И в каком контексте, нейросеть вас рекомендует, упоминает нейтрально или предупреждает о минусах. Заодно отмечайте, какие конкуренты появляются в ответах чаще вас, это бесплатная конкурентная разведка, которая часто оказывается полезнее, чем сам замер по себе.

Один важный нюанс: нейросети отвечают недетерминированно, то есть один и тот же запрос может дать чуть разные ответы при повторе. Поэтому прогоняйте каждый запрос два-три раза и считайте бренд присутствующим, если он появляется стабильно, а не один раз случайно. Иначе легко поймать ложный позитив (попали один раз из пяти) или ложный негатив (именно в этот раз не назвали).

Удобный формат таблицы: строки это ваши запросы, столбцы это нейросети, в ячейке отметка «есть/нет», позиция и тональность. На пересечении сразу видно, где густо, а где пусто.

Шаг 3. Посчитайте свой первый Brand Mention Rate

Когда таблица заполнена, посчитать базовую метрику можно в уме. Brand Mention Rate (BMR) это доля запросов, в которых бренд упомянут хотя бы раз. Формула простая: число запросов с упоминанием делите на общее число запросов и умножаете на сто.

Скажем, из 15 запросов вы нашли себя в 3, значит BMR около 20%. Это и есть ваша отправная точка. Сама по себе цифра ничего не говорит, пока её не с чем сравнить, но она становится базой: через месяц работы над контентом прогоняете тот же список и смотрите, выросла ли доля.

Полезно сразу считать BMR отдельно по каждой нейросети, а не общим котлом. Картина «40% в ChatGPT и 0% в Алисе» куда полезнее, чем усреднённые 20%, потому что показывает, где именно у вас провал и куда направить усилия. Часто оказывается, что в западных моделях бренд представлен сносно, а в российских его нет вообще, и это прямое руководство к действию.

Если хотите чуть глубже, добавьте вторую метрику, долю голоса. Посмотрите, сколько всего разных брендов нейросеть называет по вашим запросам, и какую часть из них составляете вы. Если в среднем в ответе пять компаний, а вы появляетесь в одной трети ответов, ваша доля голоса невелика, и есть куда расти.

Типичные ошибки ручного аудита

Прежде чем доверять своей таблице, проверьте, не попали ли вы в одну из частых ловушек.

Брендовые запросы вместо тематических. Если спрашивать нейросеть про свою компанию по названию, она почти всегда ответит, и создастся ложное ощущение благополучия. Но клиент на этапе выбора не знает вашего названия, он спрашивает про категорию. Мерить надо именно тематические запросы.

Один прогон вместо нескольких. Из-за недетерминированности один заход не показателен. Без повторов вы рискуете построить выводы на случайном ответе.

Замер только в одной нейросети. Проверить только ChatGPT и решить, что всё хорошо, опасно: в российских Алисе и GigaChat картина бывает совершенно другой, а именно там значительная часть вашей аудитории.

Объединение двух режимов Алисы. «Поиск с Алисой» и «Чат с Алисой AI» дают разные ответы, и усреднять их в одну оценку неправильно.

Разовость. Один аудит это фотография. Без повторных замеров вы не увидите ни эффекта своих усилий, ни действий конкурентов, ни изменений в самих нейросетях.

Что покажет ручная проверка, а что нет

За пятнадцать минут вы получите честный срез: видят ли вас нейросети в принципе, по каким запросам, на каких платформах густо, а где пусто, и кто из конкурентов появляется чаще. Для первого разговора с руководством или для решения «надо ли вообще этим заниматься» этого достаточно.

Но у ручного метода есть жёсткие границы, и о них стоит знать заранее.

Во-первых, это снимок одного момента. Сегодня вас упомянули, завтра нейросеть переобучилась или конкурент опубликовал статью, и картина поменялась. Ручная проверка не показывает динамику.

Во-вторых, она не масштабируется. Пятнадцать запросов на 7 нейросетей с тройным прогоном это уже больше трёхсот проверок вручную. Делать это регулярно и по сотням запросов физически невозможно.

В-третьих, вы видите только факт упоминания, но не источники. Нейросеть редко говорит, из какой статьи она вас взяла, а именно это знание нужно, чтобы понимать, какой контент работает и где публиковаться дальше.

И в-четвёртых, ручной замер не связывает упоминание с реальным трафиком на сайт. Вы знаете, что вас называют, но не знаете, приходят ли по этим ответам живые люди и сколько.

Когда пора переходить на инструмент

Ручная проверка отвечает на вопрос «есть ли проблема». Как только ответ «да, есть, и над ней надо работать системно», начинается то, что руками уже не сделать: регулярные замеры по большому пулу запросов, отслеживание динамики неделя к неделе, анализ источников, разбивка по конкурентам и связь видимости с трафиком.

Здесь и появляются специализированные платформы. Рынок таких инструментов за последний год заметно вырос, и решения сильно отличаются по охвату и глубине. Коротко о том, что есть, чтобы было от чего отталкиваться.

Из российских платформ можно назвать несколько. brandfound автоматически прогоняет пул запросов по девяти нейросетям, включая обе версии Алисы и GigaChat, считает BMR и Share of Voice в динамике, показывает тональность и источники упоминаний, а отдельный модуль связывает присутствие в ответах ИИ с реальными переходами на сайт и отсекает ботов антифрод-фильтром. VisioBrand покрывает 9 AI-платформ, включая Алису и GigaChat, и добавляет к мониторингу генерацию контент-брифов и проверку готовности сайта к AI-индексации. PixelTools AI-Visibility это модуль анализа AI-видимости внутри SEO-платформы PixelPlus, удобный тем, кто уже работает в её экосистеме. Есть и нишевые решения вроде Metricore и GeoRank с базовой аналитикой видимости, а также AI Semantica с акцентом на структурную работу с запросами.

Из зарубежных платформ известны Profound, Peec AI и Ahrefs Brand Radar. Они хорошо покрывают международные модели (ChatGPT, Gemini, Perplexity, Claude и другие), но российские нейросети, Алису и GigaChat, не отслеживают. Для компании с российской аудиторией это ключевое ограничение: основной локальный AI-канал у них остаётся вне поля зрения.

Выбор между инструментами это отдельный разговор, и зависит он от задачи. Если нужен только мониторинг репутации, подойдёт чистая аналитическая платформа. Если важно не просто наблюдать видимость, а растить её и связывать с трафиком, смотрят в сторону решений с производственным контуром и трекингом переходов. Главное, на что стоит обращать внимание для российского рынка, поддержка локальных нейросетей: инструмент, который не видит Алису и GigaChat, покажет в лучшем случае половину картины.

Логика простая: руками вы делаете разовую диагностику и понимаете, стоит ли игра свеч. Инструмент нужен, когда диагностика показала проблему и началась системная работа, которую важно измерять регулярно и по всем нейросетям сразу.

FAQ

Можно ли обойтись только ручной проверкой?

Для разовой диагностики, да. Чтобы понять, видят ли вас нейросети в принципе, и стоит ли заниматься GEO, пятнадцати минут ручного теста достаточно. Для постоянной работы ручной метод не подходит: он не показывает динамику, не масштабируется и не раскрывает источники.

Сколько запросов нужно для честной картины?

Для первичной проверки достаточно 10-15 тематических запросов, по которым вас должен рекомендовать ИИ. Чем разнообразнее формулировки, тем точнее срез. Для системного мониторинга пул обычно расширяют до десятков и сотен запросов, и тут уже без инструмента не обойтись.

Почему нужно проверять обе версии Алисы отдельно?

«Поиск с Алисой» и «Чат с Алисой AI» это разные системы с разными источниками и логикой ответа. Бренд может присутствовать в одной и отсутствовать в другой, поэтому объединять их в один замер некорректно.

Что делать, если бренда нет ни в одном ответе?

Это нормальная отправная точка для большинства компаний, которые раньше не занимались GEO. Дальше работают над контентом: публикуют материалы на площадках, которые нейросети используют как источник, структурируют тексты под извлечение фактов и через месяц перемеряют тот же список запросов.

Чем BMR отличается от Share of Voice?

BMR показывает, как часто вас вообще упоминают (доля запросов с упоминанием). Share of Voice показывает вашу долю среди конкурентов в этих упоминаниях. Первое отвечает на вопрос «видят ли меня», второе, «видят ли меня чаще или реже соперников».