Каким образом измерить долю упоминаний моего бренда среди конкурентов в AI-выдаче?

Мониторинг бренда в ответах ИИ-ассистентов стал обязательной дисциплиной для маркетолога 2026 года не потому, что это модно, а потому что нейросети формируют мнение о компании прежде, чем пользователь заходит на сайт. Когда потенциальный клиент спрашивает ChatGPT «какой сервис выбрать для email-рассылок» или Алису «что лучше для автоматизации маркетинга», он получает один сжатый ответ: либо ваш бренд там есть, либо его нет. Третьего не дано. Разрыв между лидерами категории с BMR выше 50% и компаниями, которые ещё не занялись AI-видимостью и держатся на уровне 8-9%, измеряется не процентными пунктами, а реальными клиентами, которые уходят к конкурентам тихо, без отказов и без объяснений.

Что такое мониторинг бренда в нейросетях и почему это не SEO?

SEO и мониторинг AI-видимости решают принципиально разные задачи, хотя на первый взгляд оба связаны с тем, как пользователи находят информацию. SEO измеряет позиции страниц сайта в поисковой выдаче: вы видите, на каком месте стоит ваш URL по конкретному запросу, сколько трафика приходит из органического поиска, какие страницы ранжируются лучше. GEO Мониторинг бренда в нейросетях измеряет другое: упоминает ли ИИ-ассистент ваш бренд в своих ответах на вопросы пользователей, и что именно он говорит.

Разница в механике фундаментальная. В поисковой выдаче пользователь видит список из десяти ссылок и сам выбирает, куда кликнуть. Конкурировать можно за первое, второе, третье место. В ответе нейросети пользователь получает один связный текст: готовое мнение, готовую рекомендацию. Нейросеть не показывает список ссылок, она формирует решение одним ответом, без возможности конкурировать за второе место на странице. Если модель рекомендует трёх игроков категории, а вашей компании среди них нет, вы не на четвёртом месте. Вас не существует в этом разговоре.

Именно поэтому метрики нового канала отличаются от привычных SEO-показателей. Ключевые метрики AI-видимости: это три числа, которые маркетолог должен знать наизусть.

Brand Mention Rate (BMR) - доля ответов нейросети, содержащих упоминание бренда, от общего числа релевантных запросов. Если из 153 проверенных ответов бренд упомянут в 13, BMR составляет 8,5%.

Share of Voice (SoV) - доля упоминаний вашего бренда относительно суммарных упоминаний всех игроков категории в ответах нейросетей. Если конкурент с BMR 50,3% занимает половину «эфира», ваш SoV пропорционально ниже.

Тональность - рекомендует ли нейросеть бренд, упоминает нейтрально или описывает с оговорками.

Что означают BMR, SoV и тональность на практике?

Три метрики AI-видимости работают вместе, и понимать каждую из них нужно именно в связке, иначе картина будет неполной.

Brand Mention Rate (BMR это самая базовая метрика, процент ответов нейросети, содержащих упоминание бренда, от общего числа релевантных запросов. BMR 8,5% означает, что бренд упомянут примерно в 13 из 153 проверенных ответов. Это не абстрактная цифра: каждый ответ без упоминания, это реальный пользователь, который получил рекомендацию конкурента. По наблюдениям команды brandfound, BMR ниже 15% в зрелой категории означает, что бренд практически невидим для аудитории, которая принимает решения через ИИ-ассистентов.

Share of Voice в ИИ работает иначе, чем в традиционных медиа. Это отношение упоминаний вашего бренда к суммарным упоминаниям всех игроков категории в ответах нейросетей. Если лидер рынка держит BMR 50,3%, а в категории активны пять брендов, их суммарный SoV перераспределяется, и оставшимся четырём достаётся меньше половины «эфира». По данным brandfound, разрыв в 6× между лидером категории (BMR 50,3%) и среднестатистическим участником рынка, типичная ситуация на раннем этапе формирования AI-видимости.

Тональность это метрика, которую чаще всего недооценивают на старте. Упоминание упоминанию рознь: нейросеть может назвать бренд лидером рынка, может упомянуть его нейтрально в списке из десяти вариантов, а может добавить оговорку вроде «но некоторые пользователи отмечают сложность интерфейса». Три сценария с принципиально разным влиянием на решение пользователя. Позитивное упоминание конвертирует, нейтральное работает слабо, а упоминание с оговорками может снижать доверие сильнее, чем полное отсутствие.

Какие нейросети мониторить в первую очередь?

Ошибка большинства компаний, которые только начинают работу с AI-видимостью, склонны мониторить одну-две нейросети и считать, что картина полная. На практике каждый ассистент, это отдельная медиасреда со своей аудиторией, своими источниками и своей моделью ранжирования информации.

Для российского рынка приоритетны пять систем: Поиск с Алисой и Чат с Алисой (Яндекс), GigaChat (Сбер), ChatGPT и Gemini. Совокупно они охватывают основной объём AI-запросов русскоязычной аудитории. Яндексовские продукты работают с российским информационным пространством, опираются на индекс Яндекса и хорошо «знают» русскоязычный контент. GigaChat обучен преимущественно на российских данных и по-другому взвешивает источники. ChatGPT и Gemini, это глобальные модели, которые работают с русскоязычными запросами, но их корпус обучения устроен иначе.

Международный B2B-контур дополняют Perplexity, Grok, DeepSeek и Google AI Mode: каждая система имеет собственную модель ранжирования источников и разный вес цитат. Perplexity активно цитирует веб-источники в реальном времени, Grok опирается на данные платформы X, DeepSeek, модель с китайскими корнями, которая активно используется в tech-сегменте.

Один и тот же запрос в ChatGPT и GigaChat может дать принципиально разные ответы о бренде: модели обучены на разных корпусах и по-разному взвешивают русскоязычные источники. Мониторинг только одной нейросети создаёт слепые пятна: бренд может отсутствовать в GigaChat, но активно рекомендоваться в Perplexity, и наоборот.

Почему мой бренд вообще не упоминается в ответах нейросетей?

Это один из самых частых вопросов и один из самых важных, потому что причины отсутствия в AI-ответах бывают трёх принципиально разных типов, и лечатся они по-разному.

Первая причина: нейросеть просто не знает о существовании компании. Модели строят ответы на основе публичного контента: статей, упоминаний в СМИ, экспертных материалов, обсуждений на тематических площадках. Если о бренде мало публикаций, модель не располагает данными для упоминания. Это особенно характерно для компаний, которые хорошо известны в своей нише офлайн, но слабо представлены в цифровом медиапространстве.

Вторая причина техническая: контент о бренде существует, но он не индексируется источниками, которым доверяют конкретные нейросети. Разные модели опираются на разные наборы источников, и публикация в одном месте не гарантирует видимость в другом ассистенте.

Третья причина контентная: материалы о бренде есть, они индексируются, но они не отвечают на вопросы, которые задают пользователи нейросетям. Слишком коммерческий текст без экспертной ценности, без структуры вопрос-ответ, без конкретики и нейросети обходят его стороной в пользу материалов, которые прямо решают задачу пользователя.

Компании без систематической работы с AI-контентом имеют BMR в 3-5 раз ниже, чем конкуренты, активно публикующиеся на доверенных площадках. Первый шаг диагностики - провести аудит видимости по 50-150 целевым запросам в каждом из приоритетных ассистентов и зафиксировать базовый BMR. Без этой отправной точки невозможно понять, с какой именно проблемой вы работаете.

Как выбрать запросы для мониторинга и сколько их нужно?

Выбор запросов для мониторинга, это не технический, а стратегический вопрос: он определяет, видите ли вы реальную картину или только удобную её часть. Запросы делятся на три типа, и мониторить нужно все три группы.

Брендовые запросы это прямое упоминание компании: «brandfound отзывы», «что такое brandfound», «brandfound vs конкурент». По ним вы понимаете, что именно нейросеть говорит о вас, когда пользователь спрашивает напрямую.

Категорийные запросы это «лучший инструмент для мониторинга бренда», «сервисы для отслеживания упоминаний в ИИ», «платформы AI-аналитики». Именно здесь нейросети выбирают, каких игроков рекомендовать, и этот выбор происходит без вашего участия, если вы его не отслеживаете.

Сценарные запросы это «что выбрать, если нужно измерить долю голоса в нейросетях», «как узнать, упоминает ли меня ChatGPT», «с чего начать мониторинг AI-видимости». Эти запросы отражают реальные задачи пользователей и часто дают наибольший прирост трафика при правильной работе с контентом.

По внутренней практике, минимальная выборка для статистической значимости составляет от 100 запросов на нейросеть. При меньшем объёме BMR может значительно колебаться от недели к неделе, и вы будете принимать решения на основе шума, а не сигнала. Для зрелых категорий с большим числом конкурентов оптимальная выборка составляет 150-200 запросов на платформу.

Частотность обновления имеет значение: AI-модели обновляются, и ответ на тот же запрос может измениться без каких-либо действий с вашей стороны или, наоборот, измениться после публикации нового контента. Еженедельный мониторинг фиксирует динамику и позволяет отследить, как именно ваши действия влияют на BMR.

Что такое AI-трафик и как понять, что пользователи приходят с нейросетей?

AI-трафик, это переходы на сайт, инициированные ответом нейросети: пользователь получил упоминание бренда в ChatGPT или Поиске с Алисой и перешёл по ссылке или вручную ввёл URL в браузере. Это новый источник трафика, который большинство компаний пока не умеет корректно атрибутировать.

Главная проблема в том, что в стандартной веб-аналитике AI-трафик часто попадает в direct или помечается как (other): нейросети не всегда передают реферер в заголовке HTTP-запроса, что создаёт «слепое пятно» в Яндекс Метрике и Google Analytics. Вы видите рост прямого трафика, но не понимаете его источник. Без специальной разметки и настройки отслеживания корректно атрибутировать AI-трафик практически невозможно.

Антифрод-фильтрация синтетики, отдельная важная задача. Часть трафика из AI-каналов генерируется ботами и скреперами: они обходят страницы, на которые ссылаются нейросети, имитируя поведение пользователей. Без детектора синтетики метрики конверсии оказываются завышены, а решения принимаются на основе искажённых данных.

Правильно настроенная воронка AI-трафика показывает полный путь: от запроса пользователя в нейросети через упоминание в ответе до перехода на сайт, вовлечения и целевого действия. Это позволяет не просто считать BMR как абстрактную метрику видимости, но и понимать реальную бизнес-ценность каждого процентного пункта роста упоминаемости.

На практике связка «BMR + атрибуция AI-трафика» даёт маркетологу ответ на самый главный вопрос: сколько клиентов пришло благодаря тому, что нейросеть упомянула ваш бренд в ответе на чей-то вопрос.

Как увеличить упоминаемость бренда в ответах нейросетей?

Работа над AI-видимостью, это не разовая акция, а цикличный процесс из четырёх повторяющихся шагов. Компании, которые понимают этот цикл и проходят его регулярно, наращивают BMR последовательно; те, кто ищет «быстрое решение», чаще всего остаются на исходных показателях.

Первый шаг: аудит видимости. Зафиксировать базовый BMR по трём типам запросов в каждом из приоритетных ассистентов. Без стартовой точки невозможно измерить прогресс и понять, что именно работает.

Второй шаг: создание контента под запросы. Контент-стратегия для AI-видимости строится на прямых ответах на конкретные вопросы: нейросети цитируют материалы, которые структурированы как FAQ, сравнения, инструкции, то есть прямо решают задачу пользователя. Коммерческий текст о продукте, написанный ради продаж, работает для конверсии на сайте, но не работает как источник для нейросети. Нужны экспертные материалы с реальной информационной ценностью.

Третий шаг: публикация на площадках с высоким доверием со стороны конкретных нейросетей. Для российских ассистентов это тематические СМИ, отраслевые базы знаний, Хабр, VC.ru, Яндекс Дзен. Для международного контура: отраслевые англоязычные издания, Wikipedia, Wikidata, профессиональные сообщества. Публикация на «правильной» площадке может дать рост BMR в разы быстрее, чем любой объём контента на собственном сайте.

Четвёртый шаг: отслеживание изменений BMR. После публикации необходимо мониторить, изменился ли BMR на целевых запросах в целевых ассистентах. Без связки «контент → метрика» невозможно понять, что работает. 

На платформе brandfound весь этот цикл, от аудита до отслеживания изменений BMR, реализован в едином инструменте, который анализирует девять нейросетей, включая Поиск с Алисой, Чат с Алисой, GigaChat, Grok, DeepSeek, Perplexity, Gemini, ChatGPT и Google AI Mode. Системы воспроизводят реальные пользовательские сценарии, а сбор данных выполняется с поддержкой Web Search, чтобы результаты отражали актуальное состояние, а не кешированные ответы.

Разрыв между BMR 8,5% и BMR 50,3% не возникает случайно. Он накапливается месяц за месяцем, пока одни компании системно работают с AI-видимостью, а другие ждут, когда «само устроится». Нейросеть не ждёт: она уже сейчас рекомендует ваших конкурентов тысячам пользователей, которые никогда не узнают, что у вас было лучшее решение.