Накрутка упоминаний в нейросетях: тёмная сторона GEO
«Сделайте так, чтобы ChatGPT нас рекомендовал первым» — так звучит запрос всё чаще. Логика понятна: больше упоминаний — бренд всплывает чаще. Но за этой логикой прячется ловушка: в AI-поиске частота без правды не работает. Хуже того — работает против вас.
Ниже — разбор лаборатории GEO-Апгрейд по красным флагам и живым кейсам из наших замеров: что происходит с брендом, который пытается обмануть нейросеть, и где проходит граница между честным усилением и накруткой.
Что вообще называют накруткой
В GEO (Generative Engine Optimization — оптимизация под ответы нейросетей) накруткой называют попытку искусственно увеличить количество упоминаний бренда: отзывы, ссылки, «рейтинговые» подборки. Честное усиление AI-следа и накрутка внешне похожи, но различаются легко:
- Честно: клиент действительно пользовался услугой и может описать опыт. Накрутка: отзыв пишет человек, который услугу не получал.
- Честно: бренд упоминают в релевантном контексте — «кто делает аудит AI-видимости». Накрутка: бренд вставляют куда угодно, лишь бы имя повторялось.
- Честно: есть сайт, методика, кейсы и согласованные карточки. Накрутка: масса упоминаний, за которыми не видно бизнеса.
- Честно: площадка объясняет, почему рекомендует компанию. Накрутка: «топ» продаёт место в списке без критериев.
Платная публикация сама по себе — не накрутка. Проблема начинается там, где покупается не доступ к аудитории, а видимость без содержания: «напишите, что мы лучшие, и поставьте ссылку». Различие между честным усилением AI-следа и накруткой — в пяти парах на карточке ниже.
Проверить просто: если у материала нет причины существовать — это накрутка, какой бы аккуратной она ни была.
Почему частота не работает без правды
Нейросеть не «считает голоса», как избирательная комиссия. Она собирает контекст: страницы сайта, карточки, отзывы, каталоги, статьи, соцсети — и складывает из этого связную картину. В нашем замере по Томску ИИ в 79 ответах опирался на 2ГИС, Zoon, Яндекс Карты, VK и Flamp. То есть AI-видимость бренда — это согласованность его реальной среды, а не количество повторений имени.
Если вокруг бренда много пустых и противоречивых сигналов, модель не становится увереннее — она начинает гадать. И уверенный тон ответа — не доказательство проверки: нейросеть может красиво пересказать ошибку так, будто это рыночный консенсус.
Отсюда главный риск накрутки — эффект эхо-кольца. Неточный список, фейковый отзыв или чужая формулировка копируется с площадки на площадку. Модель видит несколько похожих упоминаний, принимает повторение за подтверждение — и ошибка начинает жить своей жизнью.
Кейс: как чужая услуга стала «нашей»
В проектных замерах моей лаборатории был показательный случай: нейросеть приписала нашему бренду чужой «GEO-апгрейд» в 21 упоминании. Название совпадало, контекст был похожим — и модель уверенно смешала две разные сущности.
Это не история «ИИ ошибся, ничего не поделать». Это история про цену размытого цифрового следа. Мы выровняли позиционирование и сигналы о себе — после этого ИИ стал отличать нас точнее: либо называет в правильном контексте, либо не называет вовсе.
Вывод, который я забираю себе в работу: отсутствие бренда в ответе иногда лучше, чем присутствие с ошибкой. Если ИИ не знает компанию — это зона слепоты, её можно постепенно заполнять. Если знает неправильно — это уже задача на исправление, и новые упоминания тут не помогают, а мешают.
Как распознать накрутку
Если вам предлагают «усилить GEO», не читайте обещания — читайте формулировки. Три признака самые громкие. Первый: гарантируют первое место в ChatGPT, Алисе или Perplexity — а AI-ответ зависит от системы, запроса, даты и доступных источников, гарантировать позицию здесь невозможно. Второй: продают отзывы «под ключ» — это прямой запрет Google на контент, не основанный на реальном опыте. Третий: предлагают «рейтинг» без методологии — непонятно, кто составлял список и по каким критериям; это рекламная полка, а не рейтинг.
Остальные четыре флага — на карточке: массовая генерация комментариев, «100 упоминаний в месяц» без контекста, просьба удалить негатив и материал без методики и кейсов.
Чем это грозит на практике
Санкции платформ — ещё не самое дорогое. Google может удалить фейковые отзывы, временно закрыть профилю возможность получать новые и понизить сайт в поиске. При этом «скидка за пять звёзд» — не серая зона: отзывы за бонусы Google приравнивает к fake engagement. В США с 2024 года действует правило FTC — фейковые отзывы запрещены законом, а OpenAI не разрешает использовать свои сервисы для их создания. Возможно, и у нас такое не за горами.
Дороже санкций одно: клиент приходит по накрученной рекомендации, сталкивается с реальностью — и негатив уже не выглядит случайным.
Как проверить предложение перед покупкой
Прежде чем платить, прогоните сигнал через четыре вопроса. Кто источник? Что подтверждается официальным сайтом? Можно ли проверить факт? И главный вопрос: что будет, если ИИ повторит эту формулировку сто раз?
Четвёртый вопрос — про эхо-кольцо. Ошибка из фейковой подборки копируется с площадки на площадку, модель принимает повторение за подтверждение — и пересказывает её как рыночный консенсус. Исправлять после этого придётся не одну публикацию, а весь цифровой след бренда.
Сигнал, который не проходит проверку, лучше вообще не запускать в свой след.
Что делать вместо накрутки
Собирайте сигнальную связность: пусть сайт, карточки, соцсети, публикации и отзывы рассказывают одну и ту же правдивую историю. Нейросеть собирает бренд из согласованных сигналов — расхождения воспринимает как утечку доверия.
Вместо вывода
Нейросеть нельзя убедить частотой — только правдой. Пустые и противоречивые сигналы не усиливают видимость, а рождают то, что мы называем цифровым призраком: бренд, которого ИИ путает, пересказывает неверно и рекомендует не в том контексте. И это обходится дороже, чем любая честная публикация.
