Нейросеть может порекомендовать компанию в ответ на вопрос пользователя, назвать ее среди нескольких вариантов, использовать статью с корпоративного сайта как источник или вовсе не упомянуть бренд. Причем результат зависит от самого запроса, выбранной системы и конкретной генерации.
Поэтому проверить присутствие компании в нейросетях одним вопросом в ChatGPT недостаточно. Чтобы понять, насколько бренд действительно заметен в ИИ-ответах, нужно отслеживать несколько показателей: частоту и контекст упоминаний, конкурентов, источники, цитирование сайта и изменения результатов со временем.
Разберем, как проводить мониторинг упоминаний бренда, какие данные собирать и как не сделать неверные выводы по отдельным ответам нейросети.
Зачем отслеживать упоминания бренда в нейросетях
Пользователи в последнее время часто обращаются к нейросетям с просьбой подобрать сервис для определенной задачи, сравнить несколько производителей или назвать подрядчиков в своем городе. В этот момент ИИ фактически участвует в предварительном выборе: одни компании попадают в ответ, другие остаются за его пределами.
Этот этап почти не виден в обычной веб-аналитике. Она фиксирует пользователя уже после перехода на сайт, но не объясняет, какие компании нейросеть предложила ему до этого и что рассказала о каждой из них.
Мониторинг помогает:
- понять, появляется ли компания в ответах на запросы потенциальных клиентов;
- находить неверные и устаревшие сведения о бренде;
- сравнивать присутствие компании и ее конкурентов;
- видеть сайты и страницы, на которые ссылается ИИ;
- отслеживать изменения после обновления сайта, публикации новых материалов или появления внешних упоминаний.
При этом сам факт присутствия бренда в ответе нейросети еще ничего не говорит о результате. Компания может появиться в ответе как один из рекомендуемых вариантов, а может — в списке недостатков или в сравнении в пользу конкурента. Поэтому при мониторинге следует учитывать не только количество упоминаний, но и их содержание.
Что показывает мониторинг упоминаний в нейросетях
Мониторинг помогает оценить не только сам факт появления бренда в ответах, но и то, как именно нейросети представляют компанию. Для этого обычно отслеживают несколько показателей.
Показывает, в какой доле проверенных ответов появляется бренд. Например, если компания упомянута в шести из десяти генераций, частота упоминаний составляет 60%.
Показатель можно рассчитывать отдельно для разных нейросетей, запросов и периодов.
Если нейросеть перечисляет несколько компаний, можно фиксировать, где среди них появляется бренд: в начале списка, среди основных вариантов или в дополнительных рекомендациях.
Отдельно полезно отмечать роль бренда. Нейросеть может рекомендовать компанию, приводить ее как альтернативу, сравнивать с конкурентами, использовать как пример или упоминать в справочном либо негативном контексте.
Мониторинг показывает, какие характеристики нейросеть связывает с компанией: товары и услуги, преимущества и недостатки, цены, условия работы, географию присутствия и другие сведения.
Так можно увидеть в том числе устаревшую или ошибочную информацию о бренде.
По одной и той же выборке можно сравнивать, как часто нейросеть упоминает компанию и ее конкурентов, какую роль отводит каждому бренду и какие характеристики с ними связывает.
В одном ответе могут одновременно присутствовать несколько компаний, поэтому доли их упоминаний не обязаны в сумме составлять 100 %.
Если нейросеть показывает ссылки или список источников, их тоже можно учитывать при мониторинге.
Это могут быть официальный сайт компании, статьи блога, карточки организаций, каталоги, СМИ, рейтинги, сайты партнеров и другие публикации.
При регулярных проверках можно отслеживать изменения со временем: растет или снижается частота упоминаний, меняется роль бренда, появляются новые конкуренты, сведения или источники.
Так мониторинг показывает не только текущее присутствие компании в ИИ-ответах, но и то, как оно меняется от периода к периоду.
С чего начать проверку бренда в нейросетях
Ответьте на 3 вопроса и получите сценарий проверки: какие запросы использовать, что сравнивать и на какие результаты обратить внимание.
Чем упоминание отличается от цитирования сайта
При мониторинге разделяйте два показателя: упоминание бренда и цитирование его сайта. Они могут встречаться в одном ответе, но одно не обязательно означает другое.
Упоминание бренда
Упоминание фиксируют, если название компании или продукта присутствует в тексте ответа.
Например:
Для этой задачи можно рассмотреть компании «Альфа», «Бета» и «Гамма».
Все три бренда получили упоминание независимо от того, есть ли ссылки на их сайты. Этот показатель отвечает на вопрос: появляется ли сама компания в ответе нейросети.
Цитирование сайта
Цитирование фиксируют, если нейросеть указывает страницу сайта среди источников или дает на нее ссылку. При этом сам бренд не обязательно входит в рекомендации.
Например, ИИ может использовать статью корпоративного блога как источник для ответа, а пользователю предложить товары или услуги других компаний. таком случае сайт получил цитирование, но сам бренд не попал в рекомендации.
Обратная ситуация тоже возможна: нейросеть рекомендует компанию, но ссылается при этом на независимый рейтинг или обзор. Тогда бренд получает упоминание, а его собственный сайт не цитируется.
То же различие нужно учитывать в ИИ-ответах, встроенных в поисковые системы. При их мониторинге отдельно фиксируйте, упомянут ли бренд в тексте и есть ли среди источников его сайт.
Если объединить эти данные в один показатель, будет непонятно, что именно изменилось: материалы компании стали чаще появляться среди источников или сам бренд стали чаще называть и рекомендовать пользователям.
Как проводить мониторинг упоминаний
Мониторинг можно проводить вручную или с помощью специализированных сервисов. Для первоначальной проверки обычно достаточно небольшого набора запросов и таблицы, а при регулярных проверках большого объема часть работы удобнее автоматизировать.
Ручная проверка
Небольшой набор запросов можно проверить вручную. Главное — заранее определить методику и фиксировать результаты по одной схеме.
Не стоит ограничиваться вопросами, содержащими название компании. По брендовому запросу пользователь уже знает о ее существовании, поэтому такая проверка мало говорит о том, может ли нейросеть познакомить с компанией новую аудиторию.
Лучше включить несколько групп запросов:
- прямой запрос о бренде — «Что известно о компании [название]?»
- выбор услуги — «Какие компании занимаются [услуга] в [город]?»
- сравнение — «[Компания А] или [Компания Б]: что выбрать?»
- репутационный — «Какие плюсы и минусы у [бренд]?»
- запрос по проблеме — «Как решить [проблему клиента]?»
Для мониторинга не нужны сотни формулировок на старте. Лучше собрать небольшой набор действительно важных запросов и последовательно проверять именно его.
Необязательно составлять все формулировки с нуля. Мы подготовили набор готовых промптов для проверки бренда в разных ИИ-системах: от прямого упоминания компании до рекомендаций по услуге и сравнению с конкурентами
Скачайте чек-лист и используйте запросы как основу для первого аудита.
Если компания работает с российскими клиентами, логично включить отечественные ИИ-системы и те зарубежные сервисы, которыми может пользоваться ее аудитория. Для международного бизнеса набор будет другим.
Главное — не объединять результаты разных систем в один показатель. Если из десяти запусков бренд появился восемь раз в одной нейросети и только два раза в другой, среднее значение 50% скроет существенную разницу между системами.
Чтобы сравнивать ответы между собой и отслеживать изменения со временем, сохраняйте результаты каждого запуска в одной таблице.
|
Что фиксировать |
Пример |
|
Дата |
01.09 |
|
Нейросеть |
Нейросеть 1 |
|
Запрос |
Какие компании... |
|
Упоминание бренда |
Да |
|
Место и роль |
2-е место, рекомендация |
|
Конкуренты |
Компании А и Б |
|
Источники |
Сайт компании, рейтинг |
При необходимости добавьте тональность ответа, замеченные ошибки, цитируемые страницы и ссылку на полный ответ или сохраненный скриншот.
Одна генерация не дает надежной картины: даже на одинаковый запрос нейросеть может выдавать разные формулировки и наборы рекомендаций. Поэтому важные запросы стоит выполнять несколько раз.
Например, вместо вывода «компания занимает третье место» после одного ответа лучше зафиксировать результаты серии:
- в трех ответах бренд оказался среди первых рекомендаций;
- в одном появился в конце списка;
- в двух не был упомянут совсем.
Так видно не отдельную позицию, а устойчивость присутствия бренда. Через выбранный период серию можно повторить по той же методике и сравнить результаты.
Ручной мониторинг подходит для первоначального аудита и небольшого набора запросов. Сложности начинаются, когда проверки нужно проводить регулярно и в большом объеме.
Ответы могут различаться даже при одинаковом запросе. На результат влияют формулировка, предыдущий контекст диалога и другие условия проверки. Поэтому отдельную генерацию нельзя считать стабильным результатом.
Данные сложно сопоставлять. Разные нейросети могут по-разному отвечать на один запрос и указывать разные источники. Чтобы сравнение имело смысл, приходится отдельно учитывать систему, формулировку запроса и условия запуска.
Объем работы быстро растет. Например, 100 запросов в четырех нейросетях при пяти повторных запусках — это уже 2000 генераций за один период мониторинга. Их нужно не только выполнить, но и сохранить, разметить и затем сравнить с предыдущими результатами.
ВыводАвтоматический мониторинг
Специализированные сервисы становятся полезны, когда проверок слишком много, чтобы регулярно проводить их вручную.
Автоматизация особенно удобна, если нужно:
- запускать десятки или сотни промптов по расписанию;
- отслеживать несколько брендов, продуктов или конкурентов;
- сравнивать результаты по разным нейросетям и группам запросов;
- проводить проверки для разных регионов;
- сохранять историю ответов и отслеживать динамику;
- собирать данные для регулярных отчетов.
Сервисы могут автоматически запускать проверки, сохранять ответы и рассчитывать показатели по заданной выборке. При этом автоматизация не отменяет анализа самих генераций: полученные цифры все равно нужно интерпретировать с учетом запросов, систем и содержания ответов.
Возможности разных решений мы сравнили в отдельном обзоре «8 инструментов для мониторинга упоминаний бренда в ИИ-поиске и нейросетях».
Как оценивать результаты мониторинга
Независимо от того, собраны данные вручную или с помощью сервиса, показатели нужно рассматривать в контексте. Один и тот же процент упоминаний может означать разные результаты в зависимости от запросов, нейросети и содержания ответов.
Смотрите, по каким запросам появляется бренд
Допустим, компания упоминается в 80% проверенных ответов. Сам по себе этот показатель мало что говорит.
Если большинство упоминаний приходится на запросы вида «что известно о компании [название]», пользователь уже должен знать бренд, чтобы задать такой вопрос. Для привлечения новой аудитории важнее другое: появляется ли компания в ответах на запросы о выборе товара, услуги или подрядчика без указания ее названия.
Поэтому результаты стоит оценивать отдельно как минимум по брендовым и небрендовым запросам. При большой выборке можно дополнительно выделять запросы на выбор, сравнение, решение проблемы и проверку репутации.
Не ограничивайтесь средним показателем
Общий результат может скрывать отдельные проблемные зоны. Например, бренд упоминается:
- в одной нейросети — в 70% ответов;
- во второй — в 50%;
- в третьей — в 10%.
Среднее значение сгладит разницу, хотя для третьей системы проблема очевидна.
То же относится к группам запросов: высокая видимость по названию компании может сочетаться с почти полным отсутствием в ответах для пользователей, которые еще только выбирают товар или услугу. Поэтому общий показатель лучше рассматривать вместе с разбивкой по нейросетям и типам запросов.
Проверяйте исходные ответы
Сводные показатели и автоматическая классификация помогают работать с большой выборкой, но не всегда передают содержание ответа.
Например, нейросеть может упомянуть компанию в положительном контексте, но при этом использовать устаревшие сведения о ее услугах, ценах или условиях работы. В сравнительном ответе бренд может получить положительную характеристику, однако более подходящим вариантом система назовет конкурента.
При ручном мониторинге такие ответы можно просматривать по мере проверки. При автоматическом — отдельно изучать выборку генераций, ответы с заметными изменениями показателей и случаи, которые требуют уточнения.
Так можно учитывать не только факт упоминания и формальную тональность, но и то, что именно нейросеть сообщает о компании и какую роль отводит ей в ответе.
Не считайте совпадение доказательством причины
Если после доработки сайта доля упоминаний выросла с 30 до 45%, это еще не доказывает, что рост произошел благодаря внесенным изменениям.
За тот же период могли измениться внешние публикации, сайты конкурентов, источники, которые использует нейросеть, или работа самой системы.
Мониторинг позволяет увидеть динамику и определить, после каких изменений стоит изучить результаты подробнее. Но для вывода о причине одного сравнения показателей до и после недостаточно.
Что делать с результатами мониторинга
Сами показатели не увеличивают присутствие компании. Они помогают понять, где искать проблему или возможность для роста.
Если нейросеть сообщает неверные сведения
Сначала проверьте информацию на собственном сайте. Возможно, старые условия по-прежнему указаны на одной из страниц или важные новые данные нигде явно не зафиксированы.
Если на сайте информация актуальна, посмотрите внешние источники. Карточки организаций, каталоги, обзоры и другие публикации тоже могут содержать устаревшие сведения.
Если бренд отсутствует по определенной группе запросов
В этом случае полезно проверить:
- какие компании нейросеть упоминает вместо него;
- что она о них сообщает;
- на какие источники ссылается;
- насколько полно собственный сайт раскрывает эту тему;
- есть ли на сайте и внешних площадках информация о том, что компания решает такую задачу, продает этот товар или оказывает эту услугу.
Если нейросеть плохо понимает тематику сайта или не связывает бренд с нужными товарами и услугами, может потребоваться дополнительная оптимизация сайта под нейропоиск.
Если нейросеть цитирует страницы конкурентов
Отдельно стоит изучить страницы, которые нейросеть цитирует при упоминании конкурентов. Не для того, чтобы копировать их содержание, а чтобы понять, какая информация и какие типы источников используются в ответах на такие запросы.
ИИ-видимость рассматривайте вместе с бизнес-показателями. Рост числа упоминаний сам по себе еще не означает рост продаж, поэтому по возможности сопоставляйте его с переходами на сайт, брендовым спросом, заявками и обращениями.
Это важноГлавное о мониторинге упоминаний
Чтобы мониторинг давал полезную картину, учитывайте несколько правил:
Нейросеть может назвать компанию без ссылки на ее сайт или использовать корпоративный материал как источник, но не рекомендовать сам бренд.
Значимые запросы проверяйте несколько раз, а результаты сравнивайте отдельно по нейросетям и типам запросов.
Для первоначального аудита обычно достаточно ручной проверки. При регулярной работе с большим количеством запросов, конкурентов и ИИ-систем удобнее автоматизация.
Мониторинг показывает, что изменилось, но не всегда объясняет, почему это произошло. Полученные данные стоит использовать как ориентир для дальнейшей работы с сайтом, контентом и внешними источниками.
Если мониторинг показывает, что бренд редко появляется в ответах ИИ, конкуренты заметнее или нейросети не используют ваш сайт среди источников, подключим GEO-продвижение. Проанализируем ИИ-выдачу по вашей теме и доработаем сайт, контент и другие факторы, которые влияют на видимость компании в генеративном поиске
