Сегодня складывается ситуация, когда нейросети все чаще формируют первое впечатление о бизнесе и влияют на то, кому клиент в итоге отдаст свои деньги. Теперь PR-отделам недостаточно делать сильные креативы, занимать первые места в поисковой выдаче и фокусироваться на классическом продвижении. Причина в том, что пользователи все чаще просят ChatGPT подобрать надежных B2B-поставщиков, а «Алису AI» — найти лучшее агентство недвижимости. В новых реалиях, если ИИ не знает о компании или считает её сомнительной, бизнес теряет клиентов на самом старте. Сооснователь и генеральный директор компании AIMonitor.pro Станислав Щербаков рассказал Sostav, почему старые PR-стратегии больше не работают, как анализировать присутствие бренда в ответах нейросетей и, главное, как научить алгоритмы рекомендовать нужный продукт.
Как изменился путь пользователя
За многие годы специалисты привыкли к работе с классической маркетинговой воронкой: человек вбивает запрос в Google, открывает десять вкладок, читает отзывы на профильных сайтах, сравнивает условия и делает выбор. Эта модель по-прежнему работает, но в ней образовалась большая слепая зона.
Современный пользователь больше не хочет тратить время на самостоятельный ресерч — он делегирует его генеративным сетям. По данным Search Engine Land, около 37% людей начинают поиск нужной информации в диалоге с ИИ, минуя традиционные поисковые системы. Сегодня около 93% сессий в ИИ-поиске заканчиваются без перехода на внешние сайты: алгоритм выдает исчерпывающий ответ прямо в окне чата, и человеку просто незачем кликать по ссылкам.
Для PR-специалиста это означает одно — пользовательский путь стал короче и категоричнее. Вместо ручного сравнения люди просят нейросеть: «Собери шорт-лист из трех лучших логистических компаний в моем регионе и сравни их тарифы». ИИ выдает готовую выжимку, которая помогает принять решение здесь и сейчас. И это оказывается более эффективно, потому что трафик из ИИ-источников показывает среднюю конверсию в 14,2%, тогда как традиционный органический поиск дает лишь около 2,8%. Рекомендациям нейросетей доверяют в пять раз больше.
Откуда ИИ берет информацию
Чтобы управлять репутацией в нейросетях, нужно понимать, как они «думают». Большие языковые модели (LLM) не обладают человеческой логикой. Они прогнозируют наиболее вероятное следующее слово, опираясь на колоссальные объемы данных, загруженные в них при обучении. Их база — это открытые сайты, архивы и публикации в СМИ, форумы, социальные сети, геосервисы и сайты-отзовики.
Поскольку искусственный интеллект оперирует статистическими вероятностями, он склонен к репутационным галлюцинациям — генерации правдоподобного, но в действительности ложного контента. Согласно аналитике австралийской компании Ryder AI, подобные искажения возникают по трем основным причинам.
- Устаревшие датасеты. Модель может опираться на неактуальную информацию в интернете. Например, бизнес давно сменил позиционирование, переехал в новый офис и поднял цены на услуги, а ИИ продолжает рассказывать потенциальным клиентам о бюджетном стартапе на окраине города.
- Смешение контекстов. Нейросеть путает конкретный бренд с одноименной фирмой из другого региона и автоматически приписывает ему чужие негативные отзывы.
- Дефицит фактов. При нехватке достоверной информации в сети алгоритм начинает додумывать спектр услуг и берет данные с сайтов других представителей отрасли.
Такие системные ошибки наносят компаниям прямой финансовый и репутационный ущерб. Например, бизнес может потерять клиента из-за обрыва коммуникации: нейросеть выдаст устаревший номер телефона, человек не дозвонится и уйдет к конкурентам. Кроме того, ИИ может искажать позиционирование и классифицировать премиальный продукт как бюджетный, меняя представление о целевой аудитории. Еще один сценарий — формирование искусственного негатива, когда алгоритм строит ответ на основе единичного отзыва многолетней давности, игнорируя новые массивы положительных оценок. По этой причине мониторинг упоминаний бренда в ответах виртуальных ассистентов входит в список приоритетных задач PR-отделов. Сегодня специалистам необходимо системно управлять информацией, которую компания размещает в интернете.
Как отследить упоминания бренда
Чтобы объективно оценить знания искусственного интеллекта о бренде, экспертам по коммуникациям нужно выстроить комплексный подход. Его можно разделить на три этапа:
Шаг 1. Использовать систему прицельных промптов. Стоит провести качественное интервьюирование генеративных сетей — это самый доступный инструмент для аудита. Для начала нужно поручить алгоритму подробно описать сайт, перечислить актуальный список предоставляемых услуг и контактные данные. Чтобы оценить позиционирование и общую тональность упоминаний, можно попросить ИИ сравнить бренд с главным конкурентом и проанализировать репутацию компании, четко выделив ее сильные и слабые стороны.
Затем необходимо проверить, советует ли ИИ компанию при абстрактных запросах. Для этого достаточно задать нейросети роль клиента, который ищет определенную услугу в конкретном регионе, попросить ее составить шорт-лист лучших подрядчиков и объяснить свой выбор. Нужно протестировать этот сценарий в разных нейросетях, так как ответы западных и российских моделей часто отличаются.
Шаг 2. Отслеживать косвенный ИИ-трафик. В системах веб-аналитики стоит посмотреть переходы с доменов популярных чат-ботов — обычно они отображаются в общей сводке источников. Необходимо регулярно фиксировать такие визиты, чтобы получить объективные данные о конверсии, а также оценивать глубину просмотра страницы и процент отказов: эти метрики помогут точнее определить качество аудитории, привлеченной виртуальными ассистентами.
Шаг 3. Подключить специализированную платформу. Для полноценного системного контроля не стоит ограничиваться ручным поиском. Можно внедрить автоматизированный мониторинг и с его помощью регулярно сканировать выдачу генеративных сетей и оценивать результаты по ключевым метрикам.
В первую очередь нужно отслеживать индекс видимости (Visibility), чтобы понимать частоту упоминаний бизнеса по целевым запросам. Также важно проверять позицию продукта в рекомендациях (Ranking), так как нейросеть может советовать компанию как лидера в нише или лишь вскользь упоминать название. Также необходимо измерять долю голоса (Share of Voice, SoV) — PR-метрику, которая показывает, какой процент от общего объема инфополя в нужной тематике занимает бренд по сравнению с конкурентами.
Параллельно специалистам стоит контролировать информационный охват (Coverage) и следить за тем, чтобы ответы алгоритма полностью совпадали с реальными характеристиками продукта. В завершение нужно проводить анализ тональности (Sentiment), чтобы оценивать эмоциональную окраску сгенерированных текстов и выявлять любую дезинформацию.
Еще одно важное преимущество специализированных платформ — возможность видеть источники, на которые ссылается нейросеть при формировании ответа. Это помогает отследить, какие медиа обеспечивают конверсию и попадают в алгоритмы. Опираясь на эти данные, специалисты могут более аргументированно предлагать клиентам размещения в конкретных изданиях, ориентируясь на реальный бизнес-результат.
Как переучить ИИ
Многие компании мечтают найти волшебную кнопку, чтобы удалить негатив из памяти нейросети или купить рекламную строчку в ее ответах. Но архитектура искусственного интеллекта устроена иначе: PR-специалист не может залезть в код и вручную переписать алгоритмы, но может успешно корректировать выдачу через работу с контентом.
В первую очередь нейросеть нужно научить ассоциировать бренд с конкретной нишей. Для этого программисты прописывают в коде сайта микроразметку — специальные невидимые теги, которые «подсвечивают» для алгоритмов главную информацию. Кроме того, компании загружают на сайт отдельный текстовый файл, созданный специально для нейросетей. По сути, это машиночитаемая справка о бизнесе, где собраны только сухие факты без рекламных лозунгов и маркетинговых уловок.
Параллельно необходимо синхронизировать название, адрес и контакты компании на официальном сайте, в онлайн-картах и справочниках. Алгоритмы чувствительны к любым противоречиям, поэтому данные везде должны быть идентичными.
Также важно помнить, что генеративные модели формируют ответы на базе авторитетных площадок. Необходимо регулярно публиковать экспертные колонки, кейсы и пресс-релизы в крупных отраслевых медиа — тогда алгоритмы будут брать факты из надежных источников, а не из сомнительных обсуждений. Также нужно зашивать в статьи те тезисы и формулировки, которые руководители хотят видеть в итоговых рекомендациях виртуальных ассистентов.
Не стоит забывать и про пользовательский опыт: алгоритмы непрерывно сканируют сайты-отзовики. Если нейросеть генерирует негатив, его источником чаще всего оказываются старые ветки на форумах. Задача PR-специалиста — перекрыть устаревший информационный фон массивом свежих, развернутых и аргументированных оценок. Также критически важно публично отрабатывать любой негатив в сети. Современные языковые модели глубоко считывают контекст диалога и анализируют не только претензию клиента, но и то, насколько адекватно бизнес реагирует на возникшую проблему.
Выводы
Работа с нейросетями — не очередной скоротечный тренд. Комплексная генеративная оптимизация (GEO/AEO) уже кратно увеличивает продажи и при этом экономит рекламные бюджеты. По данным Принстонского университета и WebFX, адаптация контента под алгоритмы ИИ повышает видимость бренда до 40%, а сами нейросети приносят в два раза больше конверсий, чем классический поиск.
В этих условиях фору получат компании, которые перестанут видеть в ИИ угрозу и начнут относиться к алгоритмам как к новым, требовательным и педантичным клиентам. Формула успеха предельно проста: наведите порядок на сайте, сформируйте нужный цифровой след, сделайте описание продукта понятным для искусственного интеллекта и следите за упоминаниями компании в рекомендациях. Бизнес, который научится доходчиво объяснять свою ценность ИИ, гарантированно сохранит востребованность среди людей.