Как проверить, что бренд стал появляться в ответах ИИ

ИИ-видимость — это присутствие бренда в ответах ИИ, то есть насколько часто модель упоминает бренд.

Цитирование — это конкретная ссылка на URL бренда в ответе ИИ. Эти показатели связаны, но не равны: частота упоминаний не равна частоте цитирований. Упоминание — не то же самое, что цитирование вашего URL.

У бренда может быть высокая видимость в ИИ, но мало цитирований собственных URL. ИИ называет компанию, однако ссылается на обзорный сайт, агрегатор или Wikipedia, а не на ваш домен. Для бизнеса это означает разную задачу: упоминание нужно расширять, а цитирование собственных URL — усиливать доказательными страницами.

Проверяйте бренд на трёх уровнях:

1. Уровень 1. Упоминает ли ИИ бренд вообще.
2. Уровень 2. Бренд назван первым, вторым или просто присутствует в длинном списке.
3. Уровень 3. Как именно бренд описан, рекомендуют ли его и с какими характеристиками связывают.

Упоминание бренда — не рекомендация бренда. Если ChatGPT перечислил компанию среди десяти альтернатив, это простое упоминание, но ещё не доказательство сильной позиции в категории.

Первая проверка должна создавать базовую точку, которой доверяют. Без неё нельзя честно сказать, что услуга ИИ-видимости изменила результат: сравнивать будет не с чем.

Этап Setup из цикла SAGE отвечает на вопрос «что отслеживаем и как тестируем». В базовую точку должны войти темы, запросы, объёмы и персоны. Если поменять список промптов между периодами, цифры станут несопоставимыми.

Пакет источников нужен, когда материалы готовят спикеры, PR-подрядчик и команда контента. Иначе на звонке в 22:40 выясняется, что кейс уже устарел, а обещание на лендинге никто не согласовывал.

Проверочный запрос — это формулировка вопроса, которую регулярно задают ИИ для оценки присутствия бренда. В запрос не кладут название компании: иначе показатель видимости искусственно вырастет.

Стройте набор по иерархии: категория, затем топики, затем промпты, затем теги. Топик — агрегат промптов, не просто ярлык в Excel. Например, топик «выбор CRM для отдела продаж» объединяет вопросы о сравнении, цене, внедрении и интеграциях.

Для первого замера возьмите, например, 3—5 тем и 5—10 проверочных запросов на каждую. Для небольшого первого замера можно начать с меньшей выборки, но затем её нельзя хаотично менять.

Аналитик ведёт информационные и коммерческие промпты в разных срезах, иначе смешение интентов искусственно снижает показатель коммерческой видимости. Человек может спрашивать «что такое CDP», не выбирая поставщика. Отсутствие бренда в таком ответе не равняется провалу коммерческой ИИ-видимости.

Проверка видимости в ИИ начинается с утверждённого набора запросов и карты оценки, а не с поиска приятного вопроса, где бренд уже назвали.

Рабочий порядок простой: топик, затем промпт, затем выполнение. Сначала выберите платформу, затем прогоните весь набор запросов и только после этого переходите к следующей платформе. Не усредняйте результаты ChatGPT, Perplexity, Gemini и Google AI Overviews.

Ручная проверка состоит из семи фиксированных шагов

1. Откройте новый чат и зафиксируйте дату, язык, регион, аккаунт и наличие веб-поиска.
2. Выберите один проверочный запрос из утверждённого списка.
3. Получите ответ ИИ и отметьте уровень упоминания, позицию и контекст.
4. Запишите конкурентов, ссылки в ответе и источник, на который сослалась модель.
5. Повторите запрос несколько раз, если методика предусматривает повторы.
6. Перейдите к следующему запросу, не меняя условия теста.
7. Проведите человеческий контроль и утвердите набор промптов и таблицу оценки до публикации отчёта, потому что после публикации нельзя честно сравнить результаты с изменённой методикой.

Одного вопроса ИИ недостаточно: такой ответ не показывает статистику упоминаний бренда. Это как проверять спрос на ресторан по одному отзыву. Разговор есть, статистики нет.

Журнал мониторинга превращает ответы ИИ в управляемые данные. Каждая строка должна отвечать на вопрос: что увидели, откуда это взялось и какое действие требуется.

Отдельно считайте долю упоминаний и долю цитирований собственных URL. Доля упоминаний показывает, в какой части ответов присутствует бренд. Доля цитирований собственных URL показывает, в какой доле ответов ИИ использовал собственные страницы компании.

Цепочка цитирования влияет на долю цитирований собственных URL через доступность и убедительность источников. Поэтому нужно отслеживать, откуда ИИ берёт URL при упоминании бренда. Если он постоянно цитирует VC.ru, а не сайт компании, проблема не в отсутствии упоминания, а в цепочке доказательств.

Проверка в ChatGPT должна идти отдельным треком, потому что ChatGPT, Gemini и Perplexity устроены по-разному: у них по-разному работает поиск и отбор источников. По данным OpenAI за 2026 год, у ChatGPT более 800 миллионов пользователей в месяц. Включайте его в первую очередь, если в вашем замере он отвечает на целевые русскоязычные запросы.

Проверяйте ChatGPT на фиксированных условиях: новый чат, одинаковый язык, одна версия доступа, зафиксированный режим поиска. Если команда тестирует ответы с личных аккаунтов, сохранённый контекст может исказить результат.

Я видел проекты, где команда радовалась первому упоминанию в ChatGPT, а через две недели его уже не было. Это не обязательно провал. Возможно, изменился поиск источников или страница выпала из выборки, которую модель использует для ответа.

Рост упоминаний в ChatGPT подтверждается, когда в сопоставимых периодах увеличивается доля релевантных ответов ИИ с брендом, а не когда появился один удачный ответ. Период сравнения должен содержать одинаковый набор проверочных запросов и одинаковые условия запуска.

Доля присутствия среди конкурентов показывает, насколько часто ИИ-движок упоминает бренд относительно конкурентов на одном наборе промптов — удобная метрика для отслеживания роста. Сводный скор ИИ-видимости объединяет частоту упоминания, контекст и позицию относительно конкурентов в один показатель.

Для базовой формулы используйте: видимость равна числу ответов ИИ с упоминанием бренда, делённому на число релевантных ответов ИИ, умноженному на 100%.

AEO — не разовый проект. Без регулярного цикла результат снижается при изменениях платформ и конкурентов. Поэтому полезен еженедельный отчёт: он показывает динамику, список пробелов и карту источников. Еженедельная проверка показывает долю ответов с брендом, пробелы и источники, чтобы команда могла выбрать страницы и площадки для доработки.

Услуга ИИ-видимости даёт результат, если на согласованной выборке улучшаются позиция бренда в ответах, доля цитирований собственных URL и доля присутствия среди конкурентов, а затем меняются связанные бизнес-метрики. Трекер показывает проблему, но не решает её, потому что он фиксирует упоминания и ссылки, а исправлять страницы, источники и позиционирование должна команда.

Измерение успеха в ИИ-видимости отличается от привычного SEO. Кликабельность и позиции в выдаче важны, но здесь нужны частота упоминаний, доля цитирований собственных URL и доля присутствия среди конкурентов. Упоминание работает на узнаваемость, цитирование собственных URL — на переход к доказательной базе. Это разные механики.

Проверка результата отвечает на практический вопрос: изменились ли промпты, цитирования, трафик после публикации. Если после согласованного периода не изменились промпты, цитирования и трафик, остановите гипотезу или измените её. Текущая методика не показывает измеримого эффекта. При просадке отделяйте шум от изменений в настройках и реального сдвига рынка.

Для РФ в мониторинг нужно включать русскоязычные запросы, Yandex Neuro, Алису и локальные площадки, которые могут стать источником для цитирования. Включайте Yandex Neuro и Алису в замер русскоязычных запросов. Если в ваших ответах ИИ VC.ru регулярно появляется среди источников, добавьте площадку в список отслеживаемых.

Проверяйте, одинаковы ли регион, язык интерфейса и формулировки промптов. Русский запрос и его англоязычная калька могут дать совершенно разные ответы ИИ. Мелочь? На практике — нет.

Учитывайте источники:

• VC.ru. Подходит для бизнеса, маркетинга, AI и кейсов; редактор адаптирует публикацию для VC.ru и добавляет видимую ссылку на источник.
• Dzen. Даёт широкий охват и требует простого, читаемого объяснения.
• Habr. Релевантен технической аудитории, но только при технической глубине.
• Telegram. Работает для сообщества и анонсов, но это канал распространения, а не основной источник.
• Schema.org. Поддержан Google, Microsoft и Yandex; разметка помогает системам точнее считывать сущности страниц.

Мониторинг ИИ-видимости показывает наблюдаемый срез, а не гарантирует будущие ответы ИИ. Модель с доступом в интернет ищет доказательства в сети в реальном времени, тогда как модель без доступа в интернет синтезирует текст без источников.

Модель никогда не видит всю базу источников — только ограниченную подборку самых релевантных фрагментов. Это точка отсечения знаний: если факт стоит шестым по релевантности, а модель берёт только первые пять, для неё этот факт не существует. Отсюда и неожиданное исчезновение хорошей страницы из ответа.

Где компании ошибаются:

• Усредняют платформы, хотя ChatGPT, Gemini и Perplexity используют разную логику поиска источников.
• Считают, что упоминание равно цитированию, хотя это разные метрики и разные действия.
• Принимают уверенное, но ложное утверждение модели за факт.
• Считают AEO разовым проектом, хотя без регулярного цикла результат деградирует.

Ответ ИИ — не аудит всего интернета. Это выборка. Иногда очень убедительная.