Узнать, что нейросети думают о бренде, можно самостоятельно. Для первого теста достаточно открыть ChatGPT, Алису, GigaChat или другую AI-систему и задать несколько вопросов, связанных с вашей отраслью. Но важно не ограничиваться запросом с названием компании: он покажет, насколько хорошо модель распознаёт бренд, а не то, будет ли она рекомендовать его потенциальным клиентам.
Гораздо показательнее вопросы, которые человек задаёт, когда ещё не определился с выбором. Например: «Какие компании помогают с управлением репутацией?», «Кого выбрать для продвижения в нейросетях?», «Какие агентства занимаются GEO?», «Кто специализируется на аналитике AI-видимости?», «Как найти подрядчика для SERM?».
Именно в таких сценариях становится понятно, попадает ли компания в поле зрения нейросети без прямой подсказки пользователя.
ИИ может правильно описать компанию, перечислить её услуги и даже привести информацию с официального сайта. Однако это ещё не означает, что он назовёт её в ответ на вопрос о лучших решениях в конкретной категории.
Разницу подтверждает исследование Victorious за второй квартал 2026 года. Авторы проверили 175 брендов в пяти отраслях на восьми AI-платформах. Когда нейросети просили рассказать о компании напрямую, они корректно описывали 96% брендов. Но в ответах на категорийные вопросы 89% компаний не появлялись вовсе. Исследование было подготовлено самой Victorious, поэтому его результаты стоит воспринимать как данные выборки компании, а не универсальную оценку всего рынка.
Похожую закономерность обнаружили в Momentic. В период с 1 сентября по 18 октября 2026 года компания проанализировала 129 652 ответа для 21 бренда. Если в запросе прямо называли компанию, нейросети упоминали её в 85,8% ответов. В вопросах о категории без названия бренда этот показатель снижался до 11,3%. Для сравнительных запросов результат составил 75,5%.
Разница показывает, почему нельзя смешивать все типы запросов в одну метрику. Высокая доля упоминаний может объясняться тем, что бренд уже присутствует в формулировке вопроса. Для оценки способности привлекать новую аудиторию важнее смотреть на ответы без названия компании.
Чтобы получить более реалистичную картину, стоит собрать несколько групп запросов.
Категорийные вопросы помогают проверить, рекомендует ли ИИ компанию среди других участников рынка:
Вопросы о выборе подрядчика показывают, какие компании модель считает подходящими для конкретной задачи:
Сравнительные запросы позволяют оценить положение компании относительно конкурентов:
Проблемные и экспертные вопросы помогают выяснить, связывает ли нейросеть бренд с определённой компетенцией:
Лучше включать в выборку не только очевидные коммерческие формулировки, но и вопросы на ранних этапах поиска решения. Потенциальный клиент может сначала пытаться разобраться в проблеме, а уже потом выбирать исполнителя.
Одного факта присутствия компании недостаточно. Для полноценной проверки нужно оценивать несколько параметров:
Отдельно важно различать упоминание, цитирование и рекомендацию. Нейросеть может сослаться на страницу компании, но не назвать сам бренд. Может упомянуть его в перечне, но не посоветовать выбирать. Поэтому эти события лучше учитывать отдельно.
Исследование Momentic на той же выборке из 21 бренда показало, что в 11,3% ответов на категорийные вопросы компании упоминались, но рекомендация выбрать их встречалась только в 3,6%. В 9,9% ответов нейросети ссылались на сайт бренда, не называя компанию в самом тексте. Это ещё раз показывает: наличие ссылки не равнозначно присутствию в рекомендации.
Ответы нейросетей не всегда стабильны. Даже если задать один и тот же вопрос несколько раз, результат может измениться: бренд появится в одном ответе и исчезнет в следующем.
В исследовании Momentic повторно проверяли одни и те же категорийные запросы на нескольких AI-платформах. Среди 1 039 групп повторных ответов, в которых бренд хотя бы раз был упомянут, в 34,6% случаев встречались одновременно ответы с упоминанием и без него. Особенно заметной нестабильность оказалась в чат-моделях: для ChatGPT, Claude и Gemini без веб-поиска показатель составил 51,5%.
Поэтому единичный эксперимент не позволяет сделать надёжный вывод о видимости компании. Проверки нужно проводить на наборе разных запросов, повторять их через определённые промежутки времени и сохранять одинаковые условия сравнения.
Полезно также разделять результаты по нейросетям. Компания может регулярно появляться в ChatGPT, но отсутствовать в ответах Алисы или GigaChat. Если объединить все данные в одну цифру, такие различия легко пропустить.
Для систематического сбора результатов можно использовать специализированные платформы мониторинга. Например, AIMonitor.pro позволяет отслеживать упоминания бренда в разных AI-системах, сравнивать его с конкурентами и анализировать источники, которые нейросети используют в ответах.
Если нейросеть уверенно называет конкурентов, но не упоминает вашу компанию, это не обязательно означает, что она ничего о ней не знает. Причина может быть в том, как бренд представлен в открытом интернете.
В исследовании Victorious авторы проанализировали 49 391 цитирование в ответах на категорийные вопросы. 99,99% ссылок в этой выборке вели на сторонние сайты, а не на собственные домены компаний. Это указывает на значимость внешнего информационного поля: нейросети используют не только корпоративные страницы, но и публикации, каталоги, рейтинги и обзоры.
Авторы также обнаружили связь между количеством внешних упоминаний и вероятностью появления бренда в ответах. Компании, о которых было меньше 2 000 индексируемых страниц, назывались нейросетями лишь в 3% случаев. При этом речь идёт о корреляции в конкретной выборке, а не о гарантированном пороге, после которого бренд начнёт попадать в рекомендации.
Поэтому при отсутствии упоминаний стоит проверить несколько направлений: насколько понятно сайт описывает специализацию компании, есть ли подробные материалы по ключевым темам, представлены ли услуги в отраслевых каталогах, публикуются ли экспертные комментарии и обзоры на независимых площадках. Не менее важно убедиться, что в интернете нет противоречивой или устаревшей информации о бренде.
В Rating Up такие проверки входят в GEO-аудит. Его задача - не просто установить, появляется ли компания в нескольких ответах, а оценить её положение в информационной среде нейросетей: какие темы уже ассоциируются с брендом, в каких категориях он проигрывает конкурентам и какие источники влияют на результат.
Практический смысл такого анализа - превратить наблюдения в план действий. Если бренд не появляется по коммерческим запросам, нужно выяснить, каких сведений о нём не хватает. Если его упоминают, но описывают неправильно, стоит разобраться с качеством и согласованностью информации. Если конкуренты занимают верхние позиции, полезно изучить, какие внешние публикации и материалы помогают им попадать в ответы.
В результате компания получает не абстрактную оценку «нейросети нас знают», а более конкретную картину: где бренд уже заметен, где его не хватает и что можно изменить, чтобы чаще попадать в ответы на вопросы потенциальных клиентов.