Скриншот из ChatGPT — это не замер. Как мы проверяем видимость бренда в семи нейросетях

Кирилл, основатель Seltika Studio (Казань)

Коротко: если бренд проверили в одной нейросети одним вопросом, результат ничего не говорит ни об остальных системах, ни о том же вопросе завтра. Ниже я описываю, как мы проводим замер, что он показал на нас самих (0 из 21 по категорийным вопросам про Казань на 23 сентября) и какие ограничения стоит проговорить с самого начала.

Откуда вопрос

В эту тему я пришёл как пользователь. Нейросети стали для меня обычным рабочим инструментом, и однажды я задумался, кого они советуют, когда их спрашивают про подрядчиков. Многие компании пока не считают это вопросом маркетинга. А я вижу в этом направлении будущее. Первое, что владелец бренда хочет узнать, всегда одно: «Нас ChatGPT называет?»

Обычно проверка выглядит так: открыли одну нейросеть, задали один вопрос, сделали скриншот. Назвали бренд — радуются, не назвали — расстраиваются. Но у такого скриншота три слабых места: другие системы, повтор вопроса и формулировка.

Слабое место первое: системы опираются на разные источники

Нейросети собирают ответы из разных мест, так что удачный результат в одной системе ничего не говорит о другой.

По Алисе есть подробные данные. По открытому исследованию на Хабре, Алиса AI в поиске Яндекса берёт источники из органической выдачи Яндекса, и чаще всего под её ответами стоят vc.ru, Дзен, Sostav и Хабр (Хабр, лето 2026).

У других систем всё иначе. Анализ 150 млн ссылок из ответов ИИ-сервисов показал, например, что Дзен заметен среди источников Алисы, а ChatGPT, Gemini и Perplexity его почти не цитируют (brandfound). Площадка, которая работает в одной системе, в другой может ничего не дать.

Отличаются системы и тем, насколько их ответ можно проверить. В том же исследовании на Хабре Алиса приложила источники к 454 ответам из 455, ChatGPT к 70% ответов, а остальные системы показывали источники редко и чаще отвечали по памяти.

Поэтому мы смотрим сразу семь систем: ChatGPT, Perplexity, Grok, Claude, Алису, GigaChat и Gemini. Для российского бизнеса картина без Алисы и GigaChat неполная, но и без западных систем тоже.

Слабое место второе: один ответ ещё не результат

Автор исследования на Хабре задавал каждый вопрос трижды подряд и сравнивал списки источников. У Алисы AI наборы совпали в 67% случаев, у ChatGPT в 32% (источник).

Автор делает из этого практический вывод: по Алисе можно делать выводы по небольшому числу прогонов, а по ChatGPT только по повторам и в среднем. Скриншот «нас назвали» из ChatGPT может не повториться через час, а скриншот «нас не назвали» не значит, что не назовут никогда.

Для маркетолога правило простое: один ответ не повод ни радоваться, ни паниковать. Смотреть надо на повторы.

Слабое место третье: формулировка вопроса

Вопрос с названием бренда и вопрос про категорию проверяют совсем разное.

Брендовый вопрос («что за компания N») показывает, правильно ли система описывает вас, когда уже знает имя. Здесь главная ошибка — путаница с другой компанией.

Категорийный вопрос («кто в Казани занимается…») показывает, назовут ли вас человеку, который о вас не слышал. Именно так ищет новый клиент.

Если ограничиться брендовыми вопросами, легко решить, что всё в порядке, хотя новому клиенту вас так и не назовут.

Как мы проводим замер

1. Фиксированный набор вопросов. Категорийные вопросы, как у человека, который бренд не знает, и отдельно брендовые. Формулировки записываем и больше не меняем.
2. Семь систем: ChatGPT, Perplexity, Grok, Claude, Алиса, GigaChat, Gemini.
3. Автоматическая отправка, ручной разбор. Вопросы отправляет наш сканер, ответы я читаю сам. В каждом ответе отмечаю, назван ли бренд, правильно ли он описан и кого система назвала вместо него.
4. Источники. Где система их показывает, сохраняю список ссылок. У GigaChat источники можно запросить, дописав к вопросу «приведи источники».
5. Дата и архив ответов. Иначе повторный замер не с чем будет сравнить.
6. Повтор на тех же вопросах после правок, в тех же семи системах.

Что вышло на нас самих

23 сентября мы прогнали эту схему на собственном сайте seltikastudio.ru. По категорийным вопросам про Казань результат 0 из 21: нас не назвала ни одна система ни на одном вопросе. По брендовым вопросам системы путали нас с чужими компаниями. Меня это не смутило. Студия только начала работать, и на своём сайте проще всего показать, как устроен метод и как сайт будет продвигаться.

В тот же день мы внесли три группы правок: явное описание компании с разметкой организации, файл llms.txt с блоком «Чем НЕ являемся» и короткие ответы в начале ключевых страниц. 27 сентября мы снова прогнали вопросы и увидели первые подвижки в одной системе. Perplexity начал верно описывать студию и в одном ответе про Казань назвал нас среди семи компаний, то есть 1 из 21. Остальные шесть систем нас пока не знают. Связывать это только с нашими правками я не буду: по одному повтору причину не понять. Дальше замер будет повторяться на тех же вопросах, и цифры я опубликую, какими бы они ни оказались.

Что лучше проговорить заранее

1. Место в ответе нейросети не продаётся. Можно изменить только факты и страницы, из которых модель собирает ответ.
2. Сроки непредсказуемы. Никто не может честно сказать, когда именно ответы изменятся после правок.
3. Внешние исследования ограничены. Данные, на которые я ссылаюсь, собраны в конкретный период и в основном по нишам услуг для бизнеса. Механика систем меняется.
4. Замер фиксирует состояние на дату. Это снимок, а не постоянная величина, и смысл у него появляется только при повторе.

Короткий чек-лист для первого замера

1. 5–10 категорийных вопросов и 2 брендовых, записанных дословно;
2. как минимум Алиса, GigaChat и одна западная система, а лучше все семь;
3. в каждом ответе отмечать, назвали ли вас, верно ли описали и кого назвали вместо вас;
4. сохранять списки источников там, где они есть;
5. дата, архив ответов и повтор на тех же формулировках.

А вы проверяли свой бренд сразу в нескольких нейросетях? Интересно, совпадали ли у вас ответы разных систем.

Кирилл, основатель Seltika Studio (Казань). seltikastudio.ru