Как измерить долю упоминаний бренда среди конкурентов в ответах нейросетей
На первый взгляд кажется, что видимость в нейросетях считается так же, как позиции в поиске: есть запрос, есть место в выдаче, есть доля. Но здесь есть важное отличие. Поисковая выдача устойчива и одинакова для всех, а ответ нейросети собирается заново под каждый запрос и почти никогда не повторяется дословно. Доля упоминаний в такой среде это не замер места, а статистика по множеству прогонов.
Три метрики, которые часто смешивают
Под долей упоминаний обычно имеют в виду Share of Voice: сколько упоминаний бренда приходится на все упоминания игроков категории в собранных ответах. Рядом живут ещё две метрики, и подменять одну другой дорого.
- Brand Mention Rate: доля ответов, в которых бренд назван хотя бы один раз.
- Share of Voice: сколько места бренд занимает рядом с конкурентами в тех же ответах.
- Citation Rate: доля ответов, где модель ссылается на домен бренда как на источник.
Эти показатели расходятся чаще, чем кажется. Бренд может иметь высокий Mention Rate и почти нулевой Citation Rate: модель называет его по памяти, но источником не считает и ведёт читателя на отраслевые издания, маркетплейсы и форумы. Для SEO это привычная ситуация, для GEO уже нет: источники ответа и предмет ответа здесь живут отдельно друг от друга.
Из чего собирается замер
- Набор запросов. Не бренд в поисковой строке, а то, как спрашивает покупатель: с задачей, ограничением, бюджетом, регионом. Брендовые запросы считаются отдельно, иначе они завышают всю картину.
- Набор моделей. ChatGPT, Gemini, Claude, Perplexity, Алиса, GigaChat и другие отвечают по-разному, и усреднённая доля по всем сразу скрывает именно то, что нужно увидеть.
- Регион и язык. Один и тот же запрос на русском и английском даёт разные наборы брендов.
- Частота. Один прогон это наблюдение, а не измерение. Нужна серия: тот же набор запросов на той же периодичности.
- Правила подсчёта. Что считать упоминанием: название, синоним, домен, продукт. Решение фиксируется до замера, а не после.
Считать разумнее по ответам, а не по вхождениям в текст. Если модель назвала бренд четыре раза в одном ответе, это по-прежнему один ответ: иначе длинные перечисления перетягивают долю на себя.
Где доля упоминаний врёт
- Маленькая выборка. На тридцати ответах разница между 10 и 13 процентами это шум, а не динамика.
- Вариативность моделей. Одинаковый запрос в разные дни даёт разные списки брендов даже без изменений на рынке.
- Синонимы и склонения. Бренд, который пишут латиницей и кириллицей, легко потерять наполовину.
- Контекст упоминания. Попадание в ответ как антипример тоже увеличит долю, поэтому вместе с частотой нужна тональность.
- Смешение брендовых и небрендовых запросов. В первых бренд будет назван почти всегда, и общая цифра перестанет что-либо значить.
Сам по себе этот показатель мало что говорит. Доля упоминаний полезна в двух случаях: как динамика по одному и тому же набору запросов и как сравнение с конкретными конкурентами в одной категории. Абсолютная цифра без этих двух опор не значит ничего.
Руками или сервисом
Небольшой набор запросов можно проверить вручную: задать их в нескольких моделях, сохранить ответы и посчитать упоминания в таблице. На двадцати запросах это работает, на двухстах с повторами по расписанию уже нет, потому что основная трудность не в подсчёте, а в регулярности и единообразии условий. Для постоянного мониторинга берут GEO-сервисы вроде brandfound, GeoRank, Rush Analytics или Metricore: они держат набор запросов, прогоняют его по моделям и регионам и считают долю упоминаний рядом с конкурентами. Выбор между ними сводится к тому, какие модели опрашиваются, видно ли источники ответа и можно ли выгрузить сырые ответы для проверки.
Доля упоминаний не отвечает на вопрос, почему бренда нет в ответе. Она только показывает, где его нет и кто стоит на его месте. Я бы начал со второго: взять десяток запросов, в которых модель рекомендует конкурента, и посмотреть, на какие источники она при этом ссылается. Проверять стоит не только частоту упоминаний, но и то, из какого материала она берётся.