Видимость бренда в ответах ИИ: что решает, попадёт ли компания в ответ нейросети

Поиск перестал быть списком ссылок: пользователь всё чаще получает готовый ответ, собранный нейросетью, и в этом ответе есть место лишь для нескольких брендов. Разбираемся, откуда ассистенты берут названия компаний, почему привычные позиции в выдаче тут не работают и как маркетингу измерять новую видимость.

Что изменилось в поведении пользователя

Классический сценарий выглядел так: запрос, десять ссылок, переход на сайт. Сценарий с ассистентом другой: запрос, уточнение, готовый ответ с двумя-тремя рекомендациями и коротким списком источников. Промежуточный этап, на котором бренд успевал показать себя, из цепочки исчезает.

Для маркетинга это меняет саму единицу измерения. Раньше считали позицию и клик, теперь важно, названа ли компания в ответе, в каком контексте и что именно модель о ней говорит. Такой ответ невозможно купить строкой в аукционе, и он не повторяется дословно от запроса к запросу.

Откуда ассистент берёт бренды

Источников по сути три. Первый: то, что модель усвоила на обучении, в основном крупные и давно описанные компании. Второй: поиск в реальном времени, когда ассистент подтягивает свежие страницы и цитирует их. Третий: справочные и агрегирующие ресурсы, обзоры, подборки, отраслевые каталоги и профильные медиа, на которые модель опирается как на нейтральное описание рынка.

Практический вывод простой: в ответ чаще попадает не тот, кто громче рекламируется, а тот, о ком есть внятный текст на стороннем ресурсе, который удобно процитировать.

Что влияет на попадание в ответ

Первое: фактура. Модель охотнее опирается на текст с конкретикой, где есть цифры, условия, сроки, ограничения и состав услуги. Обтекаемое описание преимуществ цитировать нечем.

Второе: структура. Материалы с ясными подзаголовками, списками и короткими определениями разбираются на фрагменты лучше, чем сплошное полотно. Ответ собирается из фрагментов, и удобный для нарезки текст выигрывает.

Третье: согласованность. Если на сайте, в каталогах и в публикациях компания описана по-разному, у модели не складывается устойчивого представления о том, чем она занимается. Одинаковая формулировка профиля в разных источниках работает лучше, чем десять разных и красивых.

Четвёртое: упоминания за пределами собственных площадок. Обзоры, рейтинги и комментарии экспертов в отраслевых изданиях дают ассистенту повод назвать бренд со ссылкой не на самого себя.

Что не работает

Плотность ключевых слов, скрытый текст и попытки обратиться к модели прямо со страницы дают в лучшем случае нулевой эффект, а на площадках с ручной проверкой заканчиваются санкциями. Массовая генерация однотипных статей тоже не помогает: ассистенту нужен источник, который не стыдно процитировать, а не объём.

Как измерять видимость

Рабочая схема выглядит так. Собирается набор вопросов, которые реально задаёт аудитория: выбор решения, сравнение вариантов, цена, проблема и способ её решить. Набор прогоняется по нескольким ассистентам с регулярностью раз в неделю или раз в месяц.

По каждому прогону фиксируются четыре вещи: назван ли бренд, на каком месте в перечислении, в каком контексте (рекомендация, оговорка, отрицательный пример) и какие источники ассистент показал. Дальше считается доля ответов с упоминанием бренда и доля ответов, где названы конкуренты. Это и есть базовая метрика видимости.

Отдельно стоит смотреть на источники. Если в ответах регулярно всплывают три-четыре обзорных ресурса, работа с ними даст больше, чем ещё одна статья в собственном блоге.

Что делать в ближайший год

Задача маркетинга не в том, чтобы обмануть ассистента, а в том, чтобы стать удобным для цитирования: держать фактурное описание продукта, следить за согласованностью данных о компании во внешних источниках, поддерживать присутствие в обзорах и рейтингах и завести регулярный замер упоминаний. У тех, кто начнёт считать это сейчас, через год будет с чем сравнивать.