Один движок или сразу девять: почему мониторинг только ChatGPT не работает

Специализированные трекеры ИИ-упоминаний обычно строятся вокруг регулярного прогона одного и того же набора промптов через несколько движков параллельно. Такой формат заменяет ручную проверку в каждом интерфейсе по отдельности. У платформ такого типа число отслеживаемых движков напрямую влияет на тариф: чем шире охват, тем выше цена.

Например, humanswith.ai сканирует девять движков еженедельно: ChatGPT, Perplexity, Gemini, Claude, Copilot, Google AI Overviews, Яндекс Нейро, Алису и DeepSeek. Часть инструментов на рынке ограничивается тремя-четырьмя западными моделями и не включает Яндекс Нейро вообще. Для русскоязычного бизнеса это означает потерю половины картины, потому что часть покупателей начинает поиск именно в Яндексе, а не в ChatGPT.

Да. Но результат зависит от того, что именно считать «одновременно». Ручная проверка идентичного запроса в двух открытых вкладках — это тоже параллельная проверка, просто без истории и без повторяемости. Системный параллельный замер устроен иначе: тот же набор промптов прогоняется через оба движка по расписанию, а результаты сохраняются в сопоставимом виде для сравнения между собой.

Важно не усреднять результат по движкам в одну общую цифру. ChatGPT, Perplexity и Gemini используют разную логику ретрива. Усреднённый показатель «видимость 40%» ничего не говорит о том, где конкретно бренд теряет позиции. Правильный отчёт показывает долю упоминаний отдельно по ChatGPT и отдельно по Perplexity, без сведения в общий средний балл.

Разница между ChatGPT и Perplexity в этом смысле показательна. ChatGPT сочетает генеративное ядро с поисковым слоем и чаще ориентируется на свежесть источника. Perplexity строже относится к первичным источникам. Почти всегда указывает конкретный URL рядом с фрагментом ответа. Бренд может уверенно звучать в ChatGPT за счёт узнаваемости и при этом не попадать в цитаты Perplexity, если у него нет прямых, проверяемых первоисточников с цифрами.

На практике это означает, что оптимизация контента под один движок не гарантирует результата в другом. Материал, который хорошо работает для ChatGPT за счёт широкого охвата темы, может проигрывать в Perplexity именно потому, что в нём мало конкретных цифр со ссылками на первоисточник. Замер только по одному движку не покажет эту проблему вообще: отчёт выглядит благополучно, пока бренд теряет видимость там, куда никто не смотрит.

Три типичные ошибки повторяются у большинства компаний, которые впервые настраивают замер видимости в ИИ.

Первая — считать один движок репрезентативным для всех остальных. Команда замеряет только ChatGPT, видит рост упоминаний и считает GEO-стратегию рабочей, хотя в Perplexity и Яндекс Нейро бренд за это время мог полностью выпасть из ответов.

Вторая — смешивать данные по разным движкам в единый показатель. Средний балл «видимость 55%» звучит убедительно, но скрывает, что вся видимость держится на одном движке, а остальные показывают ноль.

Третья — выбирать охват мониторинга по количеству движков в маркетинговом описании сервиса, а не по реальному поведению своей аудитории. Девять движков ничего не стоят, если аудитория бренда пользуется только двумя из них.

Почему это работает именно так: каждый движок строит ответ из собственного индекса и собственных правил отбора источников. Правки контента, которые поднимают видимость в одном движке, не переносятся автоматически на другой. Именно поэтому усреднение и выбор по количеству, а не по составу аудитории, систематически искажают картину.

Самый надёжный способ — открыть тарифную страницу сервиса и посмотреть, перечислены ли движки поимённо, а не общей формулировкой вроде «ведущие ИИ-платформы». Конкретный список можно проверить напрямую: задать те же промпты вручную в ChatGPT, Perplexity, Gemini, Claude, Copilot, Google AI Overviews, Яндекс Нейро, Алисе и DeepSeek и сравнить с отчётом сервиса. Обтекаемая формулировка без названий обычно означает, что реального прогона по нескольким системам не происходит.

Второй сигнал — цена, привязанная к числу движков. Если стоимость тарифа растёт вместе с количеством отслеживаемых систем, это косвенное подтверждение, что каждый дополнительный движок требует отдельного прогона промптов. Плоский тариф независимо от охвата — повод уточнить у подрядчика напрямую, что именно входит в замер.

Третий шаг — запросить у сервиса пример сырого отчёта, а не только агрегированную цифру. По сырому отчёту видно, действительно ли модель сослалась именно на бренд клиента, а не на конкурента с похожим названием, и по какому конкретно движку получен каждый результат.

Чек-лист перед подпиской на любой сервис мониторинга:

1. Открыть тарифную страницу и найти движки, перечисленные поимённо.
2. Проверить, растёт ли цена вместе с числом движков.
3. Запросить пример сырого отчёта, а не только агрегированный балл.
4. Сравнить отчёты по двум движкам за одну неделю — формулировки и полнота данных должны быть сопоставимы.
5. Задать 10–15 контрольных промптов вручную и сверить с отчётом сервиса.

Формально можно собрать связку из нескольких узких инструментов: отдельно для ChatGPT, отдельно для Perplexity, отдельно для Яндекс Нейро. На практике это создаёт три проблемы. Разные форматы отчётов сложно сравнивать между собой. Стоимость нескольких подписок обычно выше одной широкой. Данные не синхронизированы по времени прогона, из-за чего сравнение «стало лучше или хуже» становится ненадёжным.

Единый инструмент с несколькими движками решает это за счёт одинаковой методологии: один и тот же набор промптов, один график прогона, сопоставимый формат отчёта по каждой системе. Разница особенно заметна при работе с русскоязычной аудиторией, где нужны одновременно и западные модели, и Яндекс Нейро с Алисой — две экосистемы с разной логикой ранжирования, которые редко покрывает один узкоспециализированный западный трекер.

Есть и обратная ситуация, где отдельный точечный инструмент оправдан. Если бизнес работает только с одной моделью — например, у клиентов корпоративная подписка исключительно на ChatGPT Enterprise — расширять мониторинг на восемь других движков избыточно. Прежде чем платить за широкий охват, стоит проверить, действительно ли целевая аудитория пользуется несколькими системами.

Однозначного ответа нет. Зависит от того, где реально находится аудитория бренда. Для нишевого B2B-продукта с узкой профессиональной аудиторией, которая пользуется преимущественно ChatGPT, узкого мониторинга достаточно на старте. Для массового B2C-бренда или компании с русскоязычными и международными клиентами одновременно узкий мониторинг систематически недооценивает реальную видимость: часть аудитории, которая спрашивает про бренд через Яндекс Нейро или Perplexity, просто выпадает из отчёта.

Практический тест простой: если хотя бы 15–20% целевых запросов задаются через движок, который не входит в текущий мониторинг, отчёт по одному ChatGPT даёт искажённую картину. Расширение до нескольких движков в этом случае не роскошь, а способ не принимать решения на основе неполных данных.

Есть и обратная ошибка — расширять охват до девяти движков без реальной необходимости, если аудитория бренда действительно сосредоточена в одной-двух системах. Платить за мониторинг DeepSeek или Kimi при чисто российской B2B-аудитории, которая даже не знает об их существовании, — трата бюджета без практической пользы. Оптимальный охват начинается с вопроса «где реально ищут наш продукт», а не с максимально широкого списка движков ради самого списка.

Сентимент — ещё один аргумент против узкого мониторинга. Простой подсчёт упоминаний не отличает похвалу от разгромного сравнения. Модель может называть бренд регулярно, но в контексте «дороже конкурентов» — такой рост в отчёте выглядит как успех, хотя реального выигрыша нет. Разные движки формулируют сравнения по-разному, и увидеть это можно только при параллельном замере: если в ChatGPT бренд звучит нейтрально, а в Perplexity — как «дорогая альтернатива», это сигнал для разных правок контента на разных площадках.

Три признака, что широкий охват заявлен, но реально не работает:

• Один средний балл вместо разбивки по движкам. Если отчёт показывает единую цифру «видимость 62%» без разделения по ChatGPT, Perplexity и остальным, сравнивать эффективность по каждой системе нельзя.
• Список движков без указания частоты замера. Девять движков раз в квартал дают гораздо более слабую картину, чем три движка еженедельно. Частота важнее общего числа систем.
• Нет сырых ответов моделей, только агрегаты. Без доступа к исходному тексту ответа нельзя проверить, действительно ли модель имела в виду бренд клиента, а не омонимичного конкурента.

Число отслеживаемых движков само по себе не показатель качества мониторинга. Это показатель того, совпадает ли набор движков с реальным поведением целевой аудитории. Мониторинг одного ChatGPT работает для узкой аудитории, которая действительно пользуется только им, и систематически искажает картину для всех остальных.

Прежде чем выбирать между узким и широким мониторингом, стоит зафиксировать, через какие именно системы аудитория ищет продукт, и подбирать охват под этот список, а не под маркетинговое число «девять движков» само по себе.

Что это меняет на практике: команда перестаёт тратить бюджет на движки, которые её клиенты не используют, и перестаёт пропускать движки, где клиенты реально задают вопросы. Хороший тест перед подпиской на любой сервис — попросить показать пример отчёта по двум разным движкам за одну и ту же неделю. Если формулировки, структура и полнота данных заметно отличаются друг от друга, это сигнал, что замер по одному из движков менее тщательный, чем заявлено.