У бренда 20 преимуществ. ChatGPT запомнил 3
Обычно проверка видимости в нейросетях начинается и заканчивается одним вопросом: знает ли ChatGPT мой бренд. Ответ приходит бинарный, и на этом всё останавливается. Упомянут, значит нормально. Не упомянут, значит надо что-то делать с контентом.
Проблема в том, что этот вопрос ничего не говорит о содержании. Компания может быть узнаваемой для модели и при этом описываться словами, которых нет ни в одной её презентации. Я много раз видел картину, когда бренд уверенно появляется в ответах, но в роли дешёвого варианта, хотя весь маркетинг три года строился вокруг премиальности и экспертизы.
Маркетинг пишет 20 сообщений, модель держит три
Посмотрите на бренд-платформу, стратегию или просто на главную страницу сайта. Там почти всегда набирается от десяти до двадцати характеристик, которыми компания хочет обладать:
- скорость и сроки
- надёжность и отказоустойчивость
- цена и выгода
- премиальность
- технологичность
- работа с крупным бизнесом
- поддержка и сервис
- отраслевая специализация
- масштаб и покрытие
- прозрачность и отчётность
Этот список формулируется внутри компании и живёт в документах. Нейросеть его не читала. Она собрала представление о бренде из того, что написано снаружи: обзоры, подборки, отзывы, карточки в каталогах, статьи в отраслевых изданиях, обсуждения на форумах. Если девять характеристик из двадцати нигде во внешних текстах не проговорены, для модели их не существует.
Отсюда простое наблюдение: атрибут бренда существует для AI ровно в той степени, в какой он проговорён во внешних источниках, а не в той, в какой он важен для маркетинга.
Другой способ смотреть на GEO
Вместо вопроса «знает ли ChatGPT бренд» я задаю три:
- Какие из наших характеристик нейросеть связывает с нами.
- Какие из них она связывает с конкурентами.
- Каких в её картине вообще нет.
Разница между первым и вторым вопросом важнее, чем кажется. Первый закрывается фактом упоминания, второй превращает видимость в набор конкретных задач: этот атрибут занят конкурентом, этот пустует, этот уже закреплён и его достаточно поддерживать.
Видимость это не то, называют ли бренд. Видимость это то, за что его называют.
Как собрать карту атрибутов
Шаг первый: список атрибутов. Выписать от десяти до двадцати характеристик, которыми компания хочет обладать. Формулировать так, как сказал бы клиент, а не как записано в бренд-буке. Не «клиентоцентричность», а «быстро отвечают и не бросают после подписания договора».
Шаг второй: вопросы без имени бренда. На каждый атрибут придумать вопрос, где бренд не назван. Не «надёжен ли бренд X», а «какой поставщик в этой категории считается самым надёжным». Вопрос с названием почти всегда получает вежливое подтверждение: модель соглашается с формулировкой из вопроса. Вопрос без названия показывает, кого она действительно вспоминает.
Шаг третий: несколько систем. Один и тот же вопрос задать разным ассистентам. ChatGPT, Gemini, Perplexity, Claude и российские системы собирают ответ из разных источников, и расхождение между ними само по себе информативно: атрибут, который держится только в одной модели, обычно опирается на один-два текста.
Шаг четвёртый: конкурент в той же клетке. Для каждого атрибута отметить, кого модель называет вместо вас. Это даёт не абстрактную долю голоса, а понимание, чей контент занял смысловую позицию.
Шаг пятый: повтор. Один замер это фотография, а не показатель. Значение появляется, когда те же вопросы задаются регулярно и видно движение.
Дальше получается таблица: по строкам атрибуты, по столбцам четыре колонки. Что бренд говорит о себе, что говорит ChatGPT, что говорит Gemini, что говорят о конкуренте. Заполненная на десяти-двадцати строках, она читается быстрее любого отчёта: видно ряды, где бренд совпадает с собственным позиционированием, и ряды, где ячейки заняты чужим названием или пусты.
Я замеряю это в brandfound, где ответы собираются по десяти ассистентам, от ChatGPT и Gemini до GigaChat и Алисы, вместе с тональностью и списком источников, из которых модель собрала формулировку. Колонка с источниками тут ценнее самой оценки: она показывает, какой конкретный текст сделал атрибут существующим для модели.
Три типовых результата
Атрибут подтверждён. Модель называет бренд именно в связи с этой характеристикой, причём в нескольких системах. Такие позиции надо не усиливать, а защищать: следить, чтобы источники, на которых они держатся, не устарели и не исчезли.
Атрибут занят. На этот вопрос модель уверенно называет конкурента. Самая полезная находка, потому что она конкретна: есть атрибут, есть чужой текст, который его закрепил, и есть понятная задача сделать более полный и лучше структурированный материал по этой теме.
Атрибут пуст. Модель не называет никого или отвечает общими словами. Такие клетки дешевле всего закрывать: конкуренции за формулировку нет, достаточно одного внятного внешнего материала.
Чего карта не делает
Ответ нейросети нестабилен: один и тот же вопрос в разные дни даёт разные формулировки, поэтому одиночный запуск ничего не доказывает. Работает только серия и усреднение.
И карта атрибутов не отвечает на вопрос о деньгах. Она показывает смысловую позицию, а не выручку. Связку с трафиком и заявками надо строить отдельно.
Что забрать с собой
Список сообщений о бренде и список характеристик, существующих для нейросети, это два разных списка, и второй почти всегда короче. Пока их не положили рядом, работа с AI-видимостью остаётся разговором про факт упоминания.
Начать можно без инструментов: выписать двадцать своих атрибутов, придумать к каждому вопрос без названия бренда и один вечер потратить на ответы двух-трёх ассистентов. Дальше станет видно, какие клетки пустуют, а какие уже подписаны чужим именем.