Раньше бренд мерил себя позициями в поиске и трафиком. Теперь добавился новый слой: попадаете ли вы в ответы ChatGPT, Перплексити, ЯндексGPT — и как часто. Это и есть AI-видимость: доля ответов, где звучит ваше имя или цитируется ваш контент.
Мерить её можно вручную: задаёте нейросетям типовые вопросы вашей ниши и считаете, сколько раз всплыл бренд. Растёт видимость теми же приёмами, что и GEO — фактурой, экспертностью, упоминаниями на сторонних авторитетных площадках, которые ИИ считает надёжными. Чем больше сигналов доверия, тем выше шанс быть процитированным.
Как часто ИИ называет вас в ответах ниши.
Задаёте ИИ типовые вопросы и считаете упоминания бренда.
Видимость в ИИ работает на узнаваемость даже без клика.
Из 20 вопросов про выбор CRM нейросеть назвала бренд в 8 ответах — AI-видимость 40%, что заметно выше для узнаваемости, чем строчка на второй странице поиска.
У ручного замера есть слабое место: нейросеть отвечает недетерминированно, и один и тот же вопрос в разных сессиях даёт разный набор брендов. Поэтому считать видимость по одному прогону бессмысленно — нужен повторяемый список из 30–50 вопросов ниши, прогон каждого по 3–5 раз и усреднение. Появились и трекеры (Otterly, Profound, российские аналоги на базе API ЯндексGPT), которые автоматизируют замер и показывают долю упоминаний в динамике, вместо разового снимка.
AI-видимость и позиции в поиске расходятся сильнее, чем кажется. Модель чаще цитирует тех, кого активно упоминают на сторонних авторитетных площадках — отзовиках, Хабре, отраслевых медиа, Википедии. Строчка в топ-1 Яндекса весит тут заметно меньше плотности таких упоминаний. Поэтому растить её через GEO-оптимизацию и работу с узнаваемостью бывает эффективнее, чем добивать классические позиции: для попадания в ответ ChatGPT или Перплексити плотность независимых упоминаний бренда весит больше строчки в выдаче.
B2B-сервис аналитики проверял видимость по 30 вопросам типа «лучшие сервисы сквозной аналитики». В апреле бренд называли в 6 ответах ChatGPT (20%), но в Перплексити — в 14 (47%), потому что Перплексити тянул свежий обзор с VC.ru, где сервис стоял в подборке. Вывод: одно размещение в цитируемом медиа дало больший прирост AI-видимости, чем полгода работы над позициями.
Видимость в нейросетях: чем она отличается от позиций
В поиске есть строчка: десятое место означает, что над вами девять конкурентов. В ответе нейросети строчек нет — есть факт упоминания. Бренд либо звучит, либо остаётся за кадром. Отсюда и метрика: доля вопросов ниши, в ответах на которые всплыло ваше имя.
Второе отличие — нестабильность. Один и тот же вопрос в двух сессиях даёт разные наборы брендов, потому что ответ генерируется заново каждый раз. Поэтому видимость в ИИ считают распределением: список вопросов, несколько прогонов, усреднение по всем.
Кто чаще попадает в ответы ИИ
Закономерности видны по тому, откуда ассистенты берут материал. Чаще звучат бренды, которые:
- упоминаются на площадках, куда ассистенты ходят за фактурой: отраслевые медиа, Хабр, отзовики, подборки, Википедия;
- дают конкретику — цифры, условия, сроки, — которую удобно процитировать одним предложением;
- описаны единообразно: одно название и один набор фактов везде, без разночтений между сайтом и справочниками;
- попали в свежие обзоры: ассистенты с поиском охотнее берут материалы последних месяцев.
Обратная сторона тоже понятна. Бренд без независимых упоминаний остаётся невидимым для ассистента, даже когда его сайт стоит в топе поиска: собрать ответ из обзоров и подборок модели проще, чем из одного корпоративного сайта.
Как измерить видимость бренда в ИИ
Порядок такой. Соберите 30–50 вопросов, которые аудитория задаёт при выборе. Прогоните каждый по 3–5 раз в тех ассистентах, где сидит ваша аудитория. Посчитайте две доли: в скольких ответах бренд назван и в скольких стоит ссылка на ваш сайт. Повторяйте раз в месяц — смысл замера в динамике.
Частые вопросы
Как самому измерить AI-видимость бренда?
Задай нейросетям типовые вопросы своей ниши и посчитай, в скольких ответах всплыл бренд. Ответ недетерминированный, поэтому один прогон бессмысленен — нужен список из 30-50 вопросов, прогон каждого по 3-5 раз и усреднение. Замер автоматизируют трекеры Otterly, Profound и российские аналоги на API ЯндексGPT.
Почему бренд в топе Яндекса, но ChatGPT его не называет?
AI-видимость и позиции в поиске расходятся сильнее, чем кажется. Модель чаще цитирует тех, кого активно упоминают на сторонних авторитетных площадках — отзовиках, Хабре, отраслевых медиа, Википедии. Строчка в топ-1 выдачи на попадание в ответ влияет слабо; важнее плотность независимых упоминаний бренда.
Как повысить упоминаемость в нейросетях?
Теми же приёмами, что и GEO: фактурой, экспертностью и упоминаниями на сторонних авторитетных площадках, которым ИИ доверяет. Одно размещение в цитируемом медиа вроде VC.ru даёт больший прирост AI-видимости, чем полгода работы над классическими позициями — Перплексити и ChatGPT тянут свежие обзоры именно оттуда.
Что такое видимость в нейросетях?
Доля вопросов ниши, в ответах на которые ассистент называет ваш бренд. В поиске метрикой служит позиция, в ответе нейросети строчек нет, поэтому считают частоту упоминания: имя прозвучало в 8 ответах из 20 — видимость 40%.
Кто чаще попадает в ответы ИИ?
Бренды с плотностью независимых упоминаний: отраслевые медиа, Хабр, отзовики, подборки, Википедия. Помогает конкретика, которую удобно процитировать одним предложением, единообразие фактов на всех площадках и свежие обзоры — ассистенты с поиском охотнее берут материалы последних месяцев.
Как измерить видимость бренда в ИИ?
Соберите 30–50 вопросов, которые аудитория задаёт при выборе, прогоните каждый по 3–5 раз и посчитайте две доли: где бренд назван и где стоит ссылка на сайт. Замер повторяют раз в месяц, смысл в динамике. Ответ недетерминированный, поэтому один прогон ничего не показывает.
Замер имеет смысл только на потоке. Разовая проверка ничего не показывает: ответы моделей нестабильны, и один и тот же вопрос в разные дни собирает разные источники. Рабочая схема — список из двадцати-пятидесяти вопросов, которые задаёт ваша аудитория, фиксированная формулировка, прогон раз в месяц по одним и тем же сервисам и таблица с отметками: упомянули бренд, процитировали страницу, дали ссылку. Через три-четыре прогона появляется динамика, по которой уже можно судить.
Попадание в ответы тянут те же вещи, что и цитируемость у людей. Модели охотнее берут страницы с проверяемыми числами, датами и однозначными формулировками: «стоит от 50 тысяч», «штраф по части 16 статьи 14.3», «работает с 2015 года». Второй фактор — присутствие в источниках, которые модели читают чаще: справочники, отраслевые площадки, документация. Третий — структура: раздел, который отвечает на вопрос целиком и читается без предыдущих, вынимается из текста без потерь.
У метрики есть предел применимости. Доля ответов с упоминанием бренда не переводится в трафик напрямую: часть ответов идёт без ссылок, часть пользователей не переходит никуда. Считать её стоит как показатель узнаваемости в новом канале рядом с долей брендового спроса, а решения о контенте всё равно принимать по связке с показами и кликами из Search Console.