Хакатон Profound по маркетинг-инжинирингу: полевая заметка из Нью-Йорка

Маркетинг-инжиниринг отличается от маркетинговой аналитики тем, что на выходе стоит артефакт, который можно запустить: скрипт, агент, дашборд, пакет задач. Не слайд. Не бриф на разработку. Человек, который придумал метрику, сам её и считает кодом. Именно поэтому формат хакатона тут работает: за день видно, кто умеет доводить идею до запускаемого состояния, а кто умеет только формулировать.

Profound — нью-йоркская платформа для измерения видимости в нейросетях. Компания замеряет, как часто и в каком контексте бренды цитируются в ответах ChatGPT, Perplexity и Google AI Overviews. Основатели: Джеймс Кадвалладер и Дилан Баббс. В мае 2025 года компания подняла раунд Series A на 20 млн долларов (≈ 1,8 млрд рублей) под руководством Kleiner Perkins ^[1]. Продукт живёт ровно в той зоне, где классический SEO-отчёт перестал отвечать на вопрос клиента: «почему модель рекомендует не меня».

Отсюда и тема дня. Если бренд теряет видимость в средах, где нет привычной выдачи со ссылками, то и инструменты нужны новые, и собирать их приходится быстрее, чем идёт стандартный цикл разработки.

Два термина, которые дальше по тексту идут только в сокращённом виде. AEO (Answer Engine Optimization): работа над тем, чтобы страница содержала прямой, машиночитаемый ответ на конкретный вопрос. GEO (Generative Engine Optimization): работа над тем, чтобы бренд попал в сгенерированный ответ модели и в её список источников. Разные пайплайны, разная цена прогона, об этом ниже отдельный раздел.

Мой личный контекст участия был узкий. В Humanswith.ai мы уже полгода спорили внутри команды о proof-воротах: правиле, по которому агент не имеет права отдать клиенту утверждение без URL, даты и цитаты. Красиво звучит на созвоне. Хотелось проверить на живой аудитории, где рядом сидят пятьдесят человек, которые ковыряют ту же проблему, и где жюри задаёт вопросы вслух. Хакатон для этого дешевле, чем клиентский проект.

Главное правило дня: команды запрещены, 50 соло-билдеров, каждый собирает свой прототип от начала до конца. Спрятаться за чужой бэкенд нельзя. Это меняет поведение в первые тридцать минут сильнее, чем кажется.

В команде обычно происходит расширение объёма: раз есть четыре руки, берём и фронт, и модель, и интеграцию. В соло-формате первое, что ты делаешь, это вычитание. Я потратил утренние двадцать минут не на код, а на лист бумаги, где выписал восемь возможных фич и вычеркнул пять. Осталось: сбор цитирований по списку запросов, сравнение с тремя конкурентами, выдача пакета задач.

Тайминг по моим заметкам выглядел так:

На столах у соседей было предсказуемо однообразно. Claude Code и Cursor стояли почти у всех, кого я видел вокруг своего стола, часть людей деплоила на Vercel, база чаще всего Supabase. Я взял Claude Code как основной инструмент сборки, Python для пайплайна и обычный CSV на выходе. Без фронтенда вообще. Это решение сэкономило мне часа два и стоило мне баллов за презентабельность, о чём я не жалею.

По составу участников, опять же по моим заметкам за день и разговорам в очереди за обедом: примерно половина зала, около 25 человек, пришли из внутренних маркетинговых команд B2B SaaS-компаний; человек 14 представляли агентства и консалтинг; остальные, порядка 11, были основателями или продактами собственных инструментов. Точность тут ограничена: я говорил лично примерно с 30 участниками, остальных считал по бейджам и репликам во время демо. Это наблюдение одного человека, не статистика организаторов.

Что не успел. К 14:00 я вырезал две фичи. Первая: автоматическое определение конкурентов по ответам модели, вместо этого список из трёх конкурентов я задал руками. Вторая: исторический тренд цитируемости по неделям, он требовал хранилища и второго прогона по расписанию, а до демо оставалось три часа. Обе фичи выглядели эффектно на слайде и никак не влияли на главный вопрос демо: работают ли proof-ворота.

HWAI Opportunity Packet — пакет по одному бренду, который находит запросы, где бренд не цитируется в ответах LLM, и превращает их в конкретные задачи на контент с указанием источника для каждого утверждения. Не дашборд. Файл, который можно отдать контент-менеджеру в понедельник утром.

Внутри четыре блока.

Карта цитирований. Список AEO-запросов по категории бренда, прогон через модели, фиксация: цитируется бренд или нет, в какой позиции ответа, со ссылкой на какую страницу.

Дельта против трёх конкурентов. По каждому запросу видно, кто занял место, которое мог занять клиент. Три конкурента, заданных вручную, без автодетекта.

Source packs под каждую тему. Набор проверенных источников, к которым агент обязан привязывать утверждения. Подробности в следующем разделе.

Ворота проверки. Последний фильтр перед выдачей. Пункт без URL, даты и цитаты не попадает в пакет.

Цифры моего прототипа, замеренные на одном бренде в день хакатона: 96 запросов за прогон, один полный прогон занимал 11–14 минут в зависимости от того, сколько раз приходилось ретраить провайдера. Это мои собственные логи с одного прототипа, а не бенчмарк индустрии, и переносить их на чужие сборки я бы не стал.

Пример вывода, который я показывал жюри. Бренд для демо я взял из категории B2B-аналитики, с публичным сайтом и живой документацией. Запрос: «best customer data platform for mid-market SaaS». В ответе модели бренд не появился, зато трижды цитировался конкурент, у которого была отдельная страница со сравнительной таблицей и датой обновления. Рекомендация пакета звучала так: собрать страницу-ответ на этот вопрос с явными критериями выбора, привязка к источнику — конкретный URL страницы конкурента и дата её последнего обновления, вытащенная из HTML. Никакого «повысить экспертность контента». Одна задача, один адресат, один источник.

Что сломалось на демо

На третьей минуте демо прототип отдал пустой ответ. Один из провайдеров ушёл в таймаут, ретрай не помог, на экране жюри вместо карты цитирований появилась пустая таблица с шапкой.

Я не стал делать вид, что так и было задумано. Сказал прямо: провайдер лёг, у меня нет кэша прогона, потому что кэширование я вырезал из объёма в 14:00 ради ворот проверки. Показал результат предыдущего прогона из терминала, объяснил, где именно в коде происходит запасной путь, которого у меня нет. Один из судей задал следующий вопрос ровно про это: что увидит клиент, если такое произойдёт в проде. Ответ: клиент не должен видеть ничего, пакет либо собран полностью, либо не отправлен. Это, кстати, и есть логика proof-ворот, только уровнем выше.

Оценку я себе этим не улучшил. Но разговор после демо получился содержательнее, чем у людей, чей прототип отработал гладко.

Source pack — заранее собранный набор проверенных источников по одной теме, к которому агент обязан привязывать каждое утверждение. В моей сборке в один пак входило от 15 до 22 документов: страницы клиента, публичная документация, отраслевые отчёты с явной датой публикации, страницы конкурентов с зафиксированной датой сканирования. Агент не ходит в открытый веб за фактами. Он работает внутри пака.

Proof-ворота — правило, по которому вывод агента не попадает в пакет, если у утверждения нет трёх вещей: URL из source pack, даты и дословной цитаты, подтверждающей формулировку. Отклонённые пункты не удаляются молча. Они уходят в отдельный файл rejected.csv с указанием причины отсечения. Этот файл я показывал жюри так же, как и основной вывод: по нему видно, где агент пытался додумать.

Настройки, которые я поставил на хакатоне: порог совпадения цитаты с исходным текстом 0,85 по нормализованному сравнению строк, обязательное присутствие даты в формате ISO, максимум одно утверждение на источник в рамках одного пункта. В первом прогоне ворота отбраковали 31% сгенерированных пунктов: 29 из 94. После правки промпта и сужения пака доля отсечённых упала до 12% во втором прогоне. Обе цифры сняты с моего прототипа в день хакатона, на одном бренде, и я не считаю их репрезентативными ни для чего, кроме этого прогона.

Живой случай галлюцинации, ради которого всё и затевалось. Модель уверенно написала, что бренд цитируется в Perplexity по запросу про интеграции с хранилищами данных, и даже указала позицию в ответе. Цитирования не было. В source pack не нашлось ни одной строки, подтверждающей это утверждение, и ворота сняли пункт с причиной no_matching_quote. Если бы этот пункт дошёл до клиентского отчёта, он бы стоил доверия ко всему документу. Именно поэтому в Humanswith.ai мы отдаём клиенту пакет с источниками, а не скриншот дашборда: скриншот нельзя перепроверить, а строку с URL, датой и цитатой перепроверяет любой менеджер за минуту.

Отдельно про стоимость. Ворота увеличивают время прогона. У меня на 96 запросов проверка добавляла примерно 2 минуты к каждому прогону и заметно повышала расход токенов, потому что каждое утверждение прогоняется повторно против пака. Это осознанный обмен: медленнее, но без выдуманных цифр.

Разница практическая, а не терминологическая: под AEO агент читает страницу, под GEO агент опрашивает модель. Это два разных пайплайна с разной стоимостью и разной частотой запуска.

AEO-пайплайн детерминирован. Берёшь URL, парсишь, проверяешь: есть ли на странице прямой ответ на вопрос, стоит ли определение в первом абзаце, есть ли разметка, есть ли дата обновления. Прогон дешёвый, результат воспроизводится. У меня 96 страниц проходили эту проверку примерно за 3 минуты.

GEO-пайплайн вероятностный. Ты задаёшь промпт, получаешь ответ, считаешь, попал бренд в цитаты или нет. Каждый прогон стоит денег, и каждый прогон даёт немного другой результат. Отсюда требование к усреднению, о котором ниже.

Почему считать надо не только клики. По официальному анонсу OpenAI на DevDay в октябре 2025 у ChatGPT было около 800 млн недельных пользователей ^[2]. Это среда, в которой ссылка на ваш сайт может не понадобиться вообще: пользователь получил ответ и закрыл вкладку. Pew Research Center в июле 2025 показал, что доля пользователей, кликнувших по ссылке в результатах Google, падает с 15% до 8%, когда в выдаче показывается AI-сводка ^[3]. Adobe Analytics в марте 2025 зафиксировал рост трафика из генеративных AI-источников на американские ритейл-сайты более чем на 1200% за период с июля 2024 по февраль 2025 ^[4]. Трафик из этих сред растёт с очень низкой базы, а клики из классической выдачи проседают. Значит, единственная стабильная метрика присутствия: доля цитирований.

В HWAI Opportunity Packet обе метрики лежат рядом, в двух соседних колонках. Первая: AEO-готовность страницы, оценка от 0 до 4 по формальным признакам (прямой ответ, определение, разметка, дата). Вторая: GEO-цитируемость, доля прогонов, в которых бренд появился в ответе по данному запросу. Пара колонок сразу показывает диагноз. Высокая готовность и нулевая цитируемость означают, что страница есть, но модель её не видит: проблема в дистрибуции и упоминаниях на стороне. Нулевая готовность при случайных цитированиях означает, что модель тянет бренд из чужих обзоров, и достаточно собрать собственную страницу-ответ.

Пять ошибок, которые я видел в Нью-Йорке на демо и вижу в клиентских проектах.

• Заказывают дашборд AI-видимости вместо пакета задач. Минимум трое участников показали красивый дашборд и не смогли ответить на вопрос судьи: «что менеджеру делать в понедельник». Что делать вместо: требовать от инструмента строку задачи с адресатом, страницей и источником, а график считать приложением к ней.
• Считают цитируемость по одному прогону одной модели. Два прогона одного и того же промпта в моём прототипе дали разные наборы источников: пересечение по одному запросу составило 6 источников из 9. Что делать вместо: усреднять минимум по 3 прогонам и фиксировать разброс, а не одну красивую цифру.
• Ставят агента без proof-ворот. Получается отчёт с выдуманными цитированиями, который нельзя показать клиенту, и который один раз проверят при вас. Что делать вместо: завести source pack и правило «нет URL, даты и цитаты, нет пункта», плюс отдельный файл с отклонёнными утверждениями.
• Смешивают AEO и GEO в одном KPI. Меряют трафик там, где надо мерить долю цитирований, и потом объясняют совету директоров, почему трафик падает, а видимость растёт. Что делать вместо: держать две колонки и два отчётных цикла: AEO еженедельно, GEO по усреднённым замерам раз в две недели.
• Нанимают под маркетинг-инжиниринг разработчика без маркетингового контекста. На хакатоне лучше выступали не те, у кого чище код, а те, кто понимал, зачем клиенту пакет. Что делать вместо: брать маркетолога, который научился писать код с ассистентом, и давать ему час в день на сборку, а не квартальный план разработки.

Рынок инструментов AI-видимости в 2026 году уже плотный, и участники хакатона сравнивали свои сборки в основном с тремя продуктами.

Peec AI, Берлин, запуск 2024 года. Трекинг упоминаний бренда в ChatGPT, Perplexity и Google AI Mode, мультиклиентские воркспейсы ^[5]. Логика заточена под агентства: удобно выкатить клиенту еженедельный отчёт по упоминаниям. Слоя проверки утверждений вроде proof-ворот там нет, да он и не заявлен: это трекер, а не генератор задач.

Scrunch AI смотрит на сайт глазами агента: что модель видит на странице, что она не может прочитать, что переписать ^[6]. Сильная сторона в аудите страницы, слабая в замере самих цитирований в ответах моделей, где Profound детальнее.

Ahrefs Brand Radar и AI Toolkit у Semrush идут бонусом к существующей SEO-подписке ^[7]. Дешёвый вход, знакомый интерфейс, отчёт понятен людям, которые десять лет смотрели на позиции. Экспорта, достаточного для сборки собственных маркетинг-агентов, там пока не хватает.

Позиция самого Profound в этой картине отдельная. Платформа отдаёт данные о цитированиях и делает это подробно. Слой действий и слой проверки вы собираете сами. Именно этот зазор я и закрывал прототипом HWAI Opportunity Packet, и хакатон был честным сигналом, что зазор организаторы видят не хуже участников.

Четыре вопроса, которые стоит задать любому вендору до подписания:

1. Какие модели покрыты и как часто обновляется список?
2. С какой частотой идут замеры и усредняются ли они по нескольким прогонам?
3. Есть ли экспорт по API, и в каком формате отдаются сырые ответы моделей?
4. Приходит ли вместе с цитированием атрибуция источника: URL, дата, фрагмент текста?

Если на четвёртый вопрос ответа нет, вы покупаете график, а не данные.

Ответ зависит от того, кто вы. Разберу три типа.

Внутренний маркетолог без опыта кода. Ехать стоит, но не за призом. За день вы увидите вживую, как человек рядом собирает работающий конвейер голосом и промптами. Это ломает установку «сначала найму разработчика». Готовьтесь к тому, что демо у вас будет сырое.

Фаундер агентства. Самая высокая отдача. Вы за день поймёте, какой слой вашего сервиса автоматизируется полностью, а какой держится на людях. Плюс в зале сидят ваши будущие клиенты и будущие подрядчики.

Продакт с опытом сборки прототипов. Идите, если хотите проверить конкретную гипотезу, а не пополнить портфолио. Соло-формат безжалостен к широким идеям.

Чеклист подготовки за неделю до дня X:

• выбрать один бренд для демо и согласовать, что его можно показывать публично
• собрать source pack на 15–20 источников заранее, с датами и сохранёнными копиями
• прогреть API-ключи Profound и моделей, проверить лимиты и время ответа
• заготовить шаблон вывода пакета (колонки, формат файла, что видит клиент)
• написать демо-скрипт на 2 минуты и прогнать его вслух с таймером

Правило объёма, которое я вывел прямо на месте: одна метрика, один бренд, один экран вывода. Всё, что не помещается в эти три ограничения, режется до обеда. Не после обеда. До.

Что день дал практически. Два изменения в процесс Humanswith.ai я внёс на следующей неделе. Первое: файл с отклонёнными утверждениями теперь уходит клиенту вместе с пакетом, а не остаётся у нас; это оказалось лучшим доказательством того, что проверка реально работает. Второе: любой GEO-замер у нас теперь идёт минимум в трёх прогонах с фиксацией разброса, потому что разница между двумя прогонами на хакатоне была слишком заметной, чтобы её игнорировать.

Про риск соло-формата предупрежу честно. Подстраховки нет. Когда у вас падает один провайдер за три минуты до конца слота, рядом нет человека, который поднимет кэш или переключит ключ. Мой пустой экран на демо был именно этим. Кэшируйте прогоны заранее, даже если кажется, что это не нужно.

Ценность дня была не в призе. Ценность в том, что proof-ворота и source packs прошли проверку на живом демо перед 50 соло-билдерами и жюри, которое задаёт неудобные вопросы вслух. Механизм оказался рабочим: он снял 31% пунктов в первом прогоне и убрал выдуманное цитирование в Perplexity до того, как оно попало бы в клиентский документ. И он же честно показал свою цену: медленнее, дороже, требует дисциплины в сборке паков.

Если вам нужен разбор AEO и GEO видимости конкретного бренда в формате HWAI Opportunity Packet, со списком задач и источником под каждым утверждением, напишите мне или команде Humanswith.ai ^[8]. Цифры роста заранее не обещаю: обещаю пакет, который можно перепроверить строка за строкой.

[1] Profound — $20M Series A led by Kleiner Perkins — https://www.tryprofound.com/blog/series-a

[2] OpenAI DevDay 2025 (архив) — https://web.archive.org/web/20251021174654/https:/openai.com/devday/

[3] Pew Research Center, July 2025 — Google users are less likely to click on links when an AI summary appears in the results — https://www.pewresearch.org/short-reads/2025/07/22/google-users-are-less-likely-to-click-on-links-when-an-ai-summary-appears-in-the-results/

[4] Adobe Analytics, March 2025 — AI traffic to US retail sites jumps 1 200% — https://blog.adobe.com/en/publish/2025/03/17/adobe-analytics-traffic-to-us-retail-websites-from-generative-ai-sources-jumps-1200-percent

[5] Peec AI — https://peec.ai/

[6] Scrunch AI — https://www.scrunchai.com/

[7] Ahrefs Brand Radar — https://ahrefs.com/brand-radar

[8] Humanswith.ai — https://humanswith.ai/