Маркетинговые платформы скупают GEO-технологии. Почему AI-видимость входит в обычный маркетинг

AI-видимость перестаёт быть отдельным сервисом и встраивается в маркетинговый стек

Zeta Global, маркетинговая платформа из тех, что обычно продают CDP и омниканальные коммуникации, сообщила о приобретении Senso - сервиса, который измеряет, как бренды выглядят в ответах нейросетей. Одна сделка тренда не доказывает. Интереснее другое: покупают не модель и не генератор текстов, а именно измерение видимости.

Что именно купили

Senso относится к классу сервисов AI visibility: они собирают ответы ассистентов на заданные наборы запросов и считают по ним показатели - как часто бренд упоминается, рядом с какими конкурентами появляется, какие источники цитируются. Это ровно те данные, которые до сих пор жили отдельно от остального маркетингового стека: в своём интерфейсе, со своими выгрузками, со своей методикой опроса.

Для крупной платформы такая покупка выглядит логично. Если у вас уже есть профиль клиента, каналы и атрибуция, слой «что про нас говорит ИИ» достраивается как ещё один источник сигналов, а не как отдельный продукт, за которым надо ходить в соседнюю вкладку.

Почему AI-мониторинг неудобно держать отдельно

1. Замеры и решения расходятся по разным инструментам: видимость в одном сервисе, конкуренты во втором, контент-план в третьем.
2. Данные не сходятся по времени. Мониторинг снимает срез ежедневно, анализ конкурентов делается раз в квартал, и сводить периоды приходится руками.
3. Непонятен следующий шаг. Отчёт показывает, что бренд пропал из ответов по группе запросов, но какой материал это закрывает, в отчёте не написано.
4. Цикл не замыкается. После публикации нужно проверить, попала ли статья в ответы и в цитирования, а для этого её надо связать с замерами по тем же самым запросам.

Какие связки видны только внутри одного контура

1. Упоминания и рекомендации. Бренд может встречаться в ответах часто и почти не попадать в короткий список рекомендаций. Это два разных показателя, и расходятся они обычно на конкретных группах запросов.
2. Источники и контент. Если видно, какие страницы нейросети цитируют по вашей теме, понятно и то, чего не хватает в собственных материалах.
3. Публикация и динамика. Дата выхода материала и момент его первого появления в ответах - проверяемая гипотеза, а не ощущение редакции.
4. Модели между собой. Бренд может быть заметен в одной нейросети и почти невидим в другой. Без одинаковой методики по всем моделям эту разницу легко списать на случайность выборки.

Коротко: смотреть стоит не на отдельный ответ, а на выборку запросов и на динамику за несколько недель. Один замер даёт ложное впечатление.

Что это меняет для рынка инструментов

Логика объединения сейчас видна с двух сторон. Крупные маркетинговые платформы достраивают AI-видимость покупкой готового сервиса, а GEO-сервисы изначально собираются как платформы полного цикла: мониторинг по нескольким моделям, разбор цитируемых источников, хранилище материалов, на которые ссылаются нейросети, и подготовка контента в одном процессе. Так устроены, например, brandfound, Profound. Различаются у них набор моделей, методика опроса, работа с регионами и глубина разбора источников - сравнивать имеет смысл именно по этим параметрам, а не по наличию слова GEO в описании.

Что проверить у себя

1. Один ли у вас набор запросов для мониторинга видимости и для анализа конкурентов.
2. Сходятся ли периоды замеров с периодами, по которым вы оцениваете контент.
3. Можете ли вы назвать дату, после которой конкретный материал начал появляться в ответах.
4. Есть ли разбивка показателей по моделям, а не одно среднее число по всем сразу.

Покупка одного сервиса другим сама по себе ничего не доказывает. Проверяемая гипотеза здесь другая: если AI-видимость измерять теми же запросами и в те же периоды, что и остальной маркетинг, её движение начнёт объясняться конкретными материалами и публикациями, а не общими словами про нейросети. Это и стоит проверить на своей выборке, прежде чем закладывать GEO в план на год.