ИИ-видимость бренда

Как возникла задача измерения

Работа Aggarwal и соавторов, опубликованная в 2024 году, «GEO: Generative Engine Optimization» предложила исследовательскую постановку повышения видимости материалов в генеративных ответах и обсуждение соответствующих метрик. В обычной выдаче можно записать место ссылки в списке. В составном ответе нужно учитывать, какая часть текста опирается на источник и насколько заметно он указан. Авторы поэтому рассматривают несколько способов измерять видимость. Результаты конкретного исследовательского бенчмарка не являются прогнозом для любого действующего продукта. ^[3]

10 февраля 2026 года Bing представил предварительный отчёт AI Performance, описав события цитирования и страницы, используемые в ответах. Текущая справка Яндекса отдельно описывает инструмент видимости сайта в Алисе AI. Эти документы показывают развитие платформенной отчётности, но не устанавливают общего стандарта с единым знаменателем для всех систем. ^{[2, 4]}

ИИ-видимость здесь объединяет две задачи: заметность источника и присутствие самого бренда в готовом ответе. История GEO объясняет первую задачу; перенос измерения на название, описание и рекомендации бренда — принятая в этой статье редакционная схема. Приписывать введение выражения AI visibility авторам GEO на этом основании нельзя. ^[3]

Суть и механизм

Генеративная система составляет ответ, соединяя сведения из источников, вместо того чтобы ограничиться списком ссылок. В исследовательской постановке GEO — оптимизации материалов для генеративного поиска — поэтому важно учитывать не только выбор источника, но и его представление в готовом тексте. ^[3]

Google описывает генеративные функции поиска как ответы со ссылками на подходящие материалы; при подготовке могут использоваться несколько связанных поисковых запросов. Это объясняет, почему один исходный вопрос способен приводить к разным типам источников и почему присутствие URL не тождественно рекомендации конкретной компании. ^[1]

OpenAI указывает, что поисковые ответы ChatGPT могут содержать цитирования, а сами результаты и ссылки следует проверять. Следовательно, для наблюдения важны одновременно текст ответа и открываемый источник: появление названия без ссылки и ссылка на сайт с похожим названием — не одно и то же. ^[5]

Для проверки редакция предлагает отдельно учитывать бренд и его сайт. Бренд может упоминаться в материале независимого издания, а собственный сайт — использоваться как источник общего определения без упоминания марки в видимом тексте. Если измерять только домен, первая ситуация исчезнет; если искать только строку названия, вторая может остаться незамеченной. Выбор зависит от исследовательского вопроса.

Отдельная трудность — совпадение названий. Учебный пример: «Север» может обозначать издательство, географическое направление или спортивную команду. Авторская процедура распознавания требует контекстного признака: отрасли, города, домена или полного наименования. Самого совпадения короткого названия недостаточно. Спорные случаи сохраняют в отдельной категории, а не автоматически записывают в успехи.

Виды и классификации

Ниже приведена авторская разметка наблюдений, не универсальная классификация платформ.

Полезно также разделять брендовые вопросы, где название уже присутствует, и небрендовые задачи выбора, где оно заранее не названо. Первые помогают проверить описание и фактические ошибки. Вторые изучают обнаружение среди возможных вариантов. Складывать оба типа в одну долю допустимо только при явном описании состава; иначе результат легко улучшить добавлением вопросов, содержащих название.

Как применяется на практике

Учебный пример: медиапроект хочет понять, появляется ли его название в ответах о региональных источниках новостей. Исследователь составляет три группы: поиск местных новостей, выбор тематической экспертизы и проверка сведений о самом проекте. Для каждой записывает конкретные формулировки и причину включения. Изменение вопросника после появления результатов допускается как новая версия исследования, а не незаметная правка старого основания.

Второй учебный случай — ответ содержит верное название проекта, но ошибочный город. Если учитывать только частоту упоминаний, результат выглядит положительным. В авторской таблице это отдельный дефект корректности: «упоминание есть, существенный факт неверен». Исправление собственной справочной страницы становится гипотезой работы с источниками, но не обещанием немедленного изменения всех ответов ИИ.

Официальные системы предоставляют неодинаковые наблюдения.

Перед сопоставлением редакция рекомендует выписать единицу, знаменатель и охват каждой выгрузки. Если в одной системе считаются события цитирования, а в другой запросы с упоминанием сайта, одинаковая подпись «видимость» не делает числа сравнимыми. Для руководителя полезнее два честно названных ряда, чем искусственная единая шкала с неясным смыслом.

Как измерить или проверить

Для собственного ограниченного теста редакция предлагает долю упоминаний: число пригодных наблюдений с однозначным упоминанием бренда разделить на общее число пригодных наблюдений и умножить на сто. Пригодность объявляется заранее. Например, техническая ошибка не является ответом без упоминания, но факт её исключения и число таких ошибок обязательно показывают отдельно.

Обозначим долю буквой D: D = M / N × 100%, где M — число ответов с однозначным упоминанием, а N — число пригодных ответов. Оба счётчика измеряются в ответах, результат — в процентах; N должен быть больше нуля, а M не может превышать N. При N = 0 результат не определён: это отсутствие данных, а не нулевая видимость.

Учебный расчёт: получено 60 попыток, из них 10 закончились технической ошибкой. Среди 50 пригодных ответов бренд назван в 20. Условная доля составляет 40%, а доля непригодных попыток — около 16,7%. Нельзя сообщить только 40% и скрыть нестабильность получения ответа. Нельзя также делить 20 на 60, а затем сравнивать этот показатель с отчётом, где ошибки исключены.

Для повторов полезна карточка: идентификатор вопроса, точная формулировка, система и режим, язык, дата, существенный контекст, ответ, ссылки и решение человека, который размечал ответ. Если доступно название версии модели, его сохраняют; если нет — не придумывают. Персонализацию и географию либо контролируют, либо объявляют ограничением. Все реальные наблюдения должны выполняться разрешённым способом, без обхода ограничений сервиса.

При сравнении периодов используют один и тот же вопросник либо явно показывают пересечение версий. Учебный пример: из двадцати старых вопросов сохранились пятнадцать, а добавленные пять касаются новой темы. Сравнение по общему набору и по неизменным пятнадцати отвечает разным вопросам. Публиковать только более выгодную из двух динамик без пояснения нельзя.

Калькулятор доли ответов с упоминанием бренда применяет эту авторскую формулу к введённым числам. Он принимает число пригодных наблюдений и количество ответов с брендом, проверяет целые неотрицательные числа и условие «упоминаний не больше наблюдений». Калькулятор не отправляет запросы в ИИ, не собирает ответы и не распознаёт названия. Если изменить любой счётчик, прежний процент исчезнет. Заполните оба поля и нажмите «Рассчитать» ещё раз. Пустое поле означает, что расчёту не хватает данных. Если пригодные ответы есть, но ни один не упоминает бренд, введите во второе поле ноль: тогда доля действительно равна нулю.

Дополнительно редакция рекомендует хранить журнал случаев, которые участники разметили по-разному. Два сотрудника независимо оценивают небольшой одинаковый набор: есть ли однозначный бренд, является ли фраза рекомендацией, подтверждена ли ссылка. Если трактовки расходятся, сначала уточняют правило, затем повторяют разметку. Спорные ответы не удаляют из истории только потому, что они ухудшают итоговую долю.

Ошибки, ограничения и спорные вопросы

Основная ошибка — назвать результат произвольного набора вопросов рыночной долей всех генеративных ответов. Вторая — считать каждое цитирование положительной рекомендацией. Bing прямо предупреждает, что счётчик цитирований не показывает важность или позицию материала внутри отдельного ответа. ^[2]

Третья ошибка — интерпретировать отсутствие данных как нулевую видимость. Яндекс описывает случаи недостаточности данных; их следует отличать от измеренного отсутствия упоминаний. Данные в этом инструменте обновляются еженедельно, поэтому ежедневное ожидание новой точки не соответствует описанному режиму. ^[4]

Четвёртая ошибка — обещать универсальный рецепт попадания. Google указывает на сохранение основных требований поисковой оптимизации (SEO), а не на обязательную специальную разметку только ради генеративного ответа. Практический вывод: улучшение источников, доступности и ясности материала разумно обсуждать как проверяемые действия, но гарантировать конкретное упоминание нельзя. ^[1]

Пятая ошибка — оценивать только тональность. Положительный текст с неверным адресом или устаревшей услугой может быть бесполезным для читателя. Поэтому редакция предлагает отдельно включать проверку ключевых фактов по действующим первоисточникам бренда. При отсутствии доказательств корректности пометка остаётся «не проверено», а не «ошибок нет». Само название компании в ответе не закрывает такую проверку.

Для медиапроекта особенно важно различать узнаваемость собственного названия и использование материалов как источников. Учебная задача «читатель узнаёт, кто мы» решается проверкой описания. Задача «наши исследования используются при ответе» требует учёта цитирований конкретных работ. Задача «люди приходят читать» относится уже к переходам. Одна кампания может преследовать все три цели, но отчёт сохраняет их раздельно.

Как подготовить понятный отчёт

Для практической передачи исследования полезен учебный пример реестра названий. У медиапроекта есть полное имя, короткое имя и старое название. Аналитик заранее записывает допустимые варианты, а совпадения со старым именем отмечает отдельно. Если после ребрендинга система продолжает верно описывать проект под прежним названием, это не отсутствие бренда, но и не полная корректность текущего представления. Без словаря вариантов разные сотрудники будут считать разные события.

Набор вопросов также проверяют на зависимость от подсказки. Формулировка «почему проект такой-то является надёжным источником» уже предполагает положительную оценку. Для исследования обнаружения лучше нейтральная задача с явным критерием выбора; брендовый вопрос оставляют для проверки сведений о самом проекте. Это авторское правило проектирования теста, а не попытка восстановить внутреннее устройство модели.

В итоговой карточке полезно сохранить не только процент, но и пределы вывода: сколько было вопросов, сколько повторов, какие системы проверены, какие темы не покрыты. Если тест касается одного города и одного языка, это ограничение выносят рядом с итогом. Читатель отчёта должен суметь понять масштаб наблюдения без просмотра всех исходных ответов и без догадок о скрытом знаменателе.

Учебный разбор двух одинаковых процентов

Предположим, редакция получила по одному ответу на десять разных вопросов; бренд появился в четырёх. В другом тесте один вопрос повторили десять раз и также получили четыре упоминания. В обоих случаях калькулятор покажет сорок процентов. Но первый результат описывает разнообразие выбранных задач, а второй — повторяемость ответа на одну формулировку. Считать второй тест подтверждением широкого присутствия по теме было бы ошибкой.

Если в учебном исследовании нужно изучить оба свойства, таблицу можно устроить так: каждая строка соответствует вопросу, а отдельные столбцы — его повторам. Тогда видно, не возникла ли вся доля благодаря одной удачной формулировке. Итоговый процент сохраняют рядом с числом разных вопросов и числом повторов. Это авторский способ описания выборки, а не методика официального отчёта платформы.

Практическое решение зависит от результата. Если бренд обнаруживается только в вопросах с его названием, сначала стоит изучить небрендовые задачи выбора. Если ссылки ведут на материалы проекта, но его название не названо, это результат для цитируемости источников. Если название есть, но описание ошибочно, задача состоит в проверке фактов. Такие выводы полезнее общего обещания «поднять видимость», потому что у каждого есть конкретное наблюдение и следующий проверяемый вопрос.

Частые вопросы

Связанные термины

• Цитируемость в ответах ИИ
• Share of Voice в рекламе