Ещё один отчёт: как сделать, чтобы AI Visibility кто-то действительно использовал

В маркетинговой отчётности прибавился ещё один показатель: видимость бренда в ответах нейросетей. Рядом с позициями в поиске, визитами в Метрике, охватами PR и brand lift появилась строка AI Visibility, и почти всегда она приходит в компанию одинаково: как процент на слайде.

Я видел этот сценарий несколько раз подряд. Первый месяц цифру обсуждают, второй месяц уточняют методику, третий месяц слайд листают не глядя. Не потому что данные плохие, а потому что под ними нет ни одного решения.

Почему новый отчёт умирает на третьем слайде

Отчёт живёт ровно до тех пор, пока кто-то меняет из-за него своё поведение. У SEO есть понятный контур: упала позиция, посмотрели страницу, доработали, проверили. У рекламных кабинетов контур ещё короче. У GEO этого контура чаще всего нет, поэтому процент видимости остаётся красивым числом без адресата.

Исправляется это не методикой, а постановкой вопроса. Не «какая у нас видимость в ИИ», а «какие данные об ИИ нужны, чтобы кто-то на этой неделе что-то сделал».

Четыре вопроса, на которые маркетингу реально нужен ответ

1. Где бренда нет вообще: в каких пользовательских формулировках ассистент нас не называет ни разу.
2. Где нас обходят конкуренты: в каких темах нас называют, но вторым или третьим, и кого ставят первым.
3. Какие темы создают проблему: где ответ про нас фактически неверный, устаревший или окрашен негативно.
4. Где ситуация различается по нейросетям: в каком ассистенте мы видимы, а в каком нас нет, и почему.

Это четыре разных отчёта и четыре разных адресата. Первый уходит контент-команде, второй продуктовому маркетингу, третий PR и поддержке, четвёртый тому, кто отвечает за источники и техническую сторону.

Где бренда нет вообще

Самая полезная часть GEO-данных это не упоминания, а дырки. Список формулировок, в которых бренд не появляется ни разу, читается как список тем, которых нет в интернете в пригодном для модели виде. Дальше решение простое и проверяемое: такой-то раздел, такой-то материал, такая-то площадка, повторный замер через две недели.

Работает это только при одном условии: формулировки должны быть покупательскими, а не брендовыми. По запросу с названием компании модель найдёт бренд почти всегда, и толку от этого замера немного.

Где нас обходят конкуренты

Второй отчёт отвечает на вопрос, который в компании задают чаще всего: почему в ответе назвали не нас. Здесь важна не разница в процентах, а состав. Кто стоит рядом с брендом в одном ответе, из каких источников модель собрала этот список, какие свойства она приписала конкуренту и не приписала нам.

Обычно выясняется скучное: у конкурента есть сравнительная страница, обзор на отраслевом сайте и живой раздел вопросов и ответов, а у нас всё это лежит в презентации для отдела продаж.

Темы, на которых ответ ломается

Отдельно стоит держать список тем, где ассистент говорит о бренде неточно: старая цена, закрытая услуга, чужие ограничения, перенесённая на нас претензия к рынку. Это не про видимость, это про репутацию, и реагировать тут надо быстрее, чем раз в квартал.

Нейросети расходятся между собой

Усреднённая видимость по всем ассистентам скрывает главное. В одной системе бренд может быть на первом месте, в другой отсутствовать полностью, и причины у этого разные: разный набор источников, разная свежесть индекса, разная чувствительность к отраслевым медиа.Поэтому сравнение по системам практичнее общего процента: оно сразу показывает, куда именно идти за источниками.

Как это выглядит в работе

Технически всё это считается уже сейчас. Я замеряю такие вещи в brandfound: сервис прогоняет набор пользовательских формулировок по десяти ассистентам, от ChatGPT, Gemini и Claude до GigaChat, Поиска с Алисой и Чата с Алисой AI, и показывает не только частоту упоминаний, но и тональность, состав конкурентов в ответе и источники, из которых модель собрала рекомендацию. Инсайты приходят в виде «по этой группе запросов бренд пропал», а не в виде ещё одного графика.

Разница между дашбордом и инструментом здесь проходит ровно по этой границе: инструмент отдаёт не число, а строчку задачи, у которой есть исполнитель.

За что именно платит компания

Постоянный мониторинг обычно упирается в разговор про бюджет, и здесь помогает честная единица счёта. В brandfound нет тарифной сетки и лимитов: расчёт идёт через внутреннюю единицу FoxCoin по курсу один к рублю, и один запрос к одной нейросети стоит 10 рублей. Из этого бюджет собирается арифметикой, а не переговорами. Пятьдесят формулировок по десяти ассистентам это пятьсот ответов и пять тысяч рублей за один полный замер. Еженедельный ритм это примерно двадцать тысяч рублей в месяц, и каждая строка расхода привязана к конкретному вопросу, который задали модели.

Такой счёт удобно защищать внутри компании: видно, что покупается не доступ к интерфейсу, а объём проверенных формулировок. И видно, что дешевле всего сокращать не частоту замеров, а число бессмысленных запросов.

Как встроить отчёт в рабочий ритм

1. Соберите список формулировок от продаж и поддержки: это вопросы, которые люди задают перед покупкой, а не ключевые слова.
2. Разбейте их на группы по решениям, а не по продуктам: выбор, сравнение, цена, проблема, доверие.
3. Назначьте каждой группе владельца внутри команды, иначе отчёт снова останется общим.
4. Замеряйте в одном ритме с планёрками, чтобы данные приходили к моменту, когда задачи и так распределяются.
5. Смотрите на изменения по группам, а не на общий процент: общий процент почти никогда не подсказывает действие.

Отчёт становится нужным не тогда, когда в нём появляется красивая метрика, а тогда, когда из него каждую неделю вынимают две-три задачи. AI Visibility в этом смысле ничем не отличается от остальных: выживет та версия, у которой есть адресат.