В нейросети нет первой позиции: один и тот же запрос каждый раз даёт новую выдачу

На пресейле клиент разворачивает ноутбук и спрашивает ChatGPT, какие сервисы доставки документов выбрать в Екатеринбурге. Его бренда в ответе нет, зато есть два конкурента. Он задаёт тот же вопрос в новом чате через минуту: бренд появляется вторым. Третья попытка, и бренд снова исчезает. Клиент имеет право спросить, где здесь правда. Правды в этом смысле нет ни в одном из трёх ответов.

Почему ответ не повторяется

Нейросеть не достаёт готовый список из таблицы. Она собирает ответ заново при каждом обращении, и на сборку влияет сразу несколько вещей.

1. Вероятностная генерация: при одном и том же запросе модель выбирает следующее слово из распределения, а не из единственного варианта.
2. Поиск внутри ответа: ассистент идёт за свежими страницами, и набор источников меняется в течение дня.
3. Контекст пользователя: история чата, память о прежних разговорах, регион, язык и даже устройство.
4. Обновления и эксперименты: запрос может уйти в другую версию модели или другой режим поиска, и пользователь этого не видит.
5. Формулировка: добавленное слово «недорогой» или «для бизнеса» меняет набор брендов в ответе целиком.

Отсюда вывод, с которого стоит начинать любой разговор про GEO. В поиске позиция существует: её можно зафиксировать на момент замера, сравнить с конкурентом, показать клиенту скриншотом. В ответе ассистента фиксировать нечего. Скриншот удачного ответа это один бросок, и доказывает он ровно столько же, сколько скриншот неудачного.

Что я отвечаю на возражение «вчера мы тут были»

Это возражение звучит у нас на каждом втором проекте, и спорить с клиентом бессмысленно: он действительно видел бренд в ответе. Я отвечаю, что видел он не позицию, а один исход, и предлагаю проверить вместе.

1. Задать один и тот же вопрос десять раз в чистых сессиях и записать, в скольких ответах бренд есть.
2. Повторить то же на второй и третьей неделе: бренд может стабильно держаться на уровне трёх ответов из десяти, и это уже измеримая величина.
3. Сравнить с конкурентом по тем же прогонам: клиенту важно не своё число само по себе, а разрыв.

Дальше разговор меняется. Вместо «мы на первом месте или нет» клиент спрашивает, в какой доле ответов бренд есть и растёт ли эта доля. На такой вопрос можно честно отвечать в отчёте каждый месяц.

Как мы считаем видимость вместо позиции

За год через нас проходят десятки брендов из разных ниш, от стоматологий до B2B-производств, и набор показателей у всех одинаковый. Он держится не на позиции, а на повторных замерах.

1. Частота упоминания: в какой доле ответов на запрос бренд появился хотя бы раз.
2. Доля голоса: сколько упоминаний собрал бренд против конкурентов на одном и том же наборе ответов.
3. Стабильность: в скольких прогонах из десяти бренд держится. Два из десяти и восемь из десяти это разные задачи и разные бюджеты.
4. Тональность: упоминание не равно рекомендации, бренд может попасть в ответ как пример неудачного выбора.
5. Источники: какие страницы ассистент тянет в ответ. Именно они становятся планом работ.

Протокол важнее инструмента. Один и тот же запрос, одинаковое число прогонов, чистая сессия без истории, один регион и язык, фиксированное окно замера. Поменяли на второй неделе формулировку или регион, и динамика превратилась в шум: объяснить клиенту падение будет нечем.

Два вывода отсюда вынесу отдельно, чтобы они не потерялись. Гарантии попадания в ответы нейросетей давать нельзя. Рабочий минимум для аудита это десять прогонов на запрос с повтором раз в неделю.

Что это значит для российского рынка

В российском контуре переменных больше. Клиент проверяет бренд не в одном ChatGPT, а в том ассистенте, который у него под рукой, и ассистенты эти устроены по-разному.

1. Поиск с Алисой и Чат с Алисой AI ведут себя как два отдельных канала: в одном бренд есть, в другом его нет.
2. GigaChat и DeepSeek опираются на другой набор источников, и попадание в них чаще решается публикациями на отраслевых площадках, а не правками на сайте.
3. Часть брендов видна только в одном ассистенте, и средняя цифра по всем моделям этот перекос прячет.

Поэтому в отчёте мы не сводим видимость в один процент. Разбивка по ассистентам нужна и клиенту, и нам: без неё непонятно, где работать.

Чек-лист: как упаковать это в услугу

1. В договор пишите охват и частоту замера, число прогонов и состав метрик, а не позицию и не гарантию упоминания.
2. Зафиксируйте протокол замера и не меняйте его внутри проекта.
3. Договоритесь с клиентом о пороге значимости: изменение в один прогон из десяти это не динамика.
4. Отчёт строите на динамике за несколько недель, скриншот оставляйте как иллюстрацию.
5. Источники из отчёта превращайте в задачи контент-плана, иначе замер остаётся наблюдением.
6. Пресейл начинайте с объяснения вероятностной выдачи, иначе первое же колебание прочитают как вашу ошибку.

Для клиентских замеров я берёу GEO-сервисы мониторинга: например, brandfound прогоняет запросы по десяти нейросетям, включая оба режима Алисы, показывает тональность и источники каждого ответа, а избранные запросы перепроверяет каждый час. Рядом смотрели VisioBrand, PixelTools и Rush Analytics. Любой сервис стоит прогнать по своему чек-листу требований: сколько моделей и регионов, с какой частотой, видны ли источники, можно ли выгрузить сырые ответы и показать клиенту не только график, но и сам текст, в котором бренда не оказалось.

Тот клиент с ноутбуком в итоге заказал не разовый аудит, а замер с повтором. Через месяц стало видно: в одном ассистенте бренд держится в трёх ответах из десяти, в другом в нуле, и работа понятно куда делась. Первой позиции он так и не получил, потому что её там нет. Зато вопрос «а почему тут конкуренты, а нас нет» перестал быть вопросом про случай и стал вопросом про число.