На русском бренд рекомендуют, на английском о нём не знают

Один и тот же бренд может занимать в русскоязычных и англоязычных ответах нейросетей совершенно разные места

На первый взгляд кажется, что видимость бренда в нейросетях это одна величина: модель или знает компанию, или не знает. Но если задать один и тот же вопрос по-русски и по-английски, ответы расходятся сильнее, чем принято ожидать. В русскоязычном ответе компания может идти первой в списке рекомендаций, а в англоязычном не появляться вовсе.

Для SEO это привычная ситуация: языковые версии сайта ранжируются независимо, и слабая англоязычная версия никого не удивляет. Для GEO уже нет. Здесь дело не в позициях страницы, а в том, из каких текстов модель собрала представление о рынке, и этот набор текстов у каждого языка свой.

Почему перевода сайта недостаточно

Перевод закрывает только одну часть задачи: страницу станет возможно прочитать. Но ответ нейросети опирается не на один сайт, а на набор источников, подобранный под язык запроса. Меняется язык, меняется и почти всё остальное.

1. Источники. В русскоязычные ответы чаще попадают отраслевые медиа, профильные каталоги, обзоры и сообщества на русском. В англоязычные - Reddit, обзорные платформы вроде G2 и Capterra, нишевые блоги и англоязычная пресса.
2. Конкуренты. Набор компаний, с которыми вас сравнивают, меняется вместе с языком: в одном сегменте это локальные игроки, в другом глобальные.
3. Критерии выбора. В русскоязычных ответах чаще всплывают цена, способы оплаты и поддержка на русском, в англоязычных - интеграции, безопасность данных и соответствие стандартам.
4. Формулировки запросов. Прямой перевод вопроса не всегда совпадает с тем, как спрашивают носители языка, и модель отвечает уже на другой вопрос.

Получается, что языковые версии это два разных информационных рынка с общим названием бренда. Одной средней цифрой видимости их описать нельзя: она усредняет сегменты, живущие по разным правилам, и прячет как сильный результат, так и провал.

Что считать по каждому языку отдельно

1. Долю ответов, где бренд упоминается, в разрезе языка и конкретной модели.
2. Состав источников, на которые ссылается ответ: свой сайт, медиа, сообщества, каталоги.
3. Список компаний, которые появляются рядом с вами, и те, что встают на ваше место.
4. Контекст упоминания: рекомендуют, перечисляют в ряду прочих или называют с оговоркой.
5. Запросы, в которых бренда нет совсем. Это и есть информационные пробелы.

Десяток запросов проверяется вручную, но регулярный замер по нескольким языкам и нескольким моделям руками не ведут. Для этого берут GEO-сервисы: brandfound опрашивает модели с отдельной привязкой к языку и стране и показывает источники по каждому срезу, у Profound и Peec AI состав метрик свой. Проверять в любом сервисе стоит одно и то же: можно ли задать язык опроса независимо от региона. Если нельзя, языковые рынки склеятся в один отчёт, и разрыв в нём не будет виден.

Как выглядит разрыв на практике

Типичная картина такая: в русскоязычных запросах категории компания появляется примерно в половине ответов, в англоязычных - в единицах процентов. Сайт при этом переведён, страницы индексируются, позиции в англоязычном поиске есть. Если посмотреть на источники ответа, причина обычно одна: за пределами собственного сайта материалов о компании на английском почти нет.

Модель собирает представление о рынке из того, что писали другие. Собственная страница в этом наборе один голос из многих, и в незнакомом языковом сегменте он почти не слышен. Поэтому закрывать пробел приходится не правкой сайта, а появлением в тех источниках, которые модель уже цитирует на этом языке.

С чего начать

1. Собрать по 20-30 запросов на каждом языке в формулировках носителей, а не переводом.
2. Замерить упоминания, источники и состав конкурентов отдельно по каждому языку.
3. Сравнить два среза и выделить запросы, где бренда нет совсем.
4. Закрывать пробелы публикациями на том языке и в тех источниках, которые уже попадают в ответы.

Сам по себе общий показатель AI-видимости мало что говорит. Для бренда здесь важнее другое: в каком языковом сегменте его уже рекомендуют, в каком только перечисляют, а в каком не знают, и какие источники нужно наполнить, чтобы это изменилось. Начать проще с замера по двум языкам - дальше список приоритетов собирается сам.