Зачем проверять упоминания компании в нейросетях
Есть разница между «мы не продвигаемся в нейросетях» и «нейросети говорят про нас неправду». Первое — упущенная возможность, второе — активный вред, и узнать об этом можно только проверкой.
На практике встречается три сценария. Вас не называют вообще — обидно, но поправимо. Вас называют, но с устаревшими данными: старый телефон, закрытый адрес, цены трёхлетней давности. И третий, самый неприятный: модель приписывает вам то, чего вы не делаете, или путает с однофамильцем.
Ни один из этих случаев не виден в аналитике. Метрика покажет переход с chatgpt.com, но не покажет, что модель посоветовала вас как «недорогой вариант без гарантий».
Шаг 1. Составьте вопросы клиента
Главная ошибка — спрашивать «что ты знаешь о компании такой-то». Так ваши клиенты не спрашивают. Они не знают вашего названия, в этом и суть.
Спрашивать надо так, как спрашивает человек перед покупкой. Возьмите пять-семь формулировок такого вида: «посоветуй, где заказать X в Алматы», «какая компания лучше делает X в Казахстане», «сколько стоит X и к кому обратиться», «кому доверить X, если бюджет ограничен», «с кем не стоит работать при заказе X».
Последний вопрос особенно полезен. Иногда выясняется, что модель называет вас именно в этом контексте, и это стоит узнать раньше, чем ваш клиент.
Шаг 2. Задайте их четырём моделям
Разные системы отвечают по-разному, потому что берут данные из разных источников. Проверять надо минимум четыре.
ChatGPT — самая массовая, ищет в интернете и приводит ссылки. Gemini от Google — опирается на индекс Google и карты, поэтому для местного бизнеса часто самая показательная. Perplexity — всегда показывает источники, и по ним сразу видно, откуда модель о вас узнала. Алиса и Яндекс GPT — важнее всех для Казахстана и России, потому что тянут данные из Яндекс Карт и справочников.
Задавайте вопрос в новом чате и без подсказок. Если начать с «я представляю компанию такую-то», ответ будет о ней, и проверка потеряет смысл.
Шаг 3. Запишите ответы в таблицу
Возьмите обычную таблицу. Столбцы: вопрос, модель, назвали ли вас, на каком месте в списке, каких конкурентов назвали, что именно сказали про вас, на какие источники сослались.
Последний столбец — самый ценный. По ссылкам сразу видно, откуда модель берёт информацию о вашей нише: чей-то блог, каталог, карты, форум или сайт конкурента. Это готовый список площадок, где вам нужно появиться.
Через двадцать минут у вас на руках будет то, за что агентства берут деньги под названием «срез видимости бренда в ИИ».
Что делать с результатом
Если вас не называют вообще — начинать надо с технической части: пускают ли ваш сайт роботов языковых моделей, есть ли на нём текст, который можно процитировать, и файл llms.txt. Об этом я подробно писал в отдельной статье про то, как попасть в ответы ChatGPT.
Если называют, но неверно — ищите источник ошибки. Чаще всего это устаревшая карточка в справочнике или старая страница на вашем же сайте, которую забыли обновить. Модель не выдумывает — она пересказывает то, что нашла.
Если называют правильно, но последними в списке — работать надо не с сайтом, а с упоминаниями снаружи: карточки на картах, отзывы, статьи, каталоги. Модель ранжирует по тому, насколько уверенно подтверждается информация о вас, а подтверждает её не ваш сайт.
И отдельно: если модель называет ваших конкурентов, посмотрите, чем они это заслужили. Обычно ответ находится в третьем столбце вашей таблицы — там будут ссылки на площадки, где они есть, а вас нет.
Как часто проверять упоминания компании в нейросетях
Раз в месяц. Модели обновляют знания неравномерно: изменения на сайте доходят до ответов за срок от нескольких недель до пары месяцев, и увидеть динамику можно только на нескольких замерах подряд.
Держите первую таблицу как точку отсчёта. Через полгода она покажет, двигаетесь вы или стоите, гораздо честнее любых отчётов.
И проверяйте на телефоне тоже: в мобильных приложениях моделей ответы иногда отличаются от веб-версии.