Как отслеживать упоминания бренда в нейросетях: AI-видимость, цитирования и переходы

Что именно измерять в AI-видимости

Упоминание бренда, цитирование сайта и переход — разные результаты.

Например, нейросеть может рекомендовать компанию, но получить сведения о ней из каталога, обзора или статьи на чужом сайте. Бренд виден, а собственный сайт в формировании ответа почти не участвует.

В другой ситуации статья компании может быть источником ответа, хотя название самого бренда практически не выделено.

Поэтому один общий показатель вроде «AI Visibility — 78%» удобен для дашборда, но плохо объясняет, что именно произошло. Для анализа полезнее видеть исходные события отдельно.

Почему одного ответа ChatGPT недостаточно

У нейросети нет фиксированной выдачи, как у поисковика.

При повторении одного вопроса могут измениться формулировки, набор рекомендуемых компаний, их порядок и используемые источники.

Сегодня компания попала в рекомендации, завтра по тому же запросу её нет. Это ещё не доказывает ни рост, ни падение видимости.

Один удачный ответ — наблюдение. Для мониторинга нужна серия сопоставимых проверок.

Это особенно важно для ответов с веб-поиском. ChatGPT может показывать цитирования и ссылки на использованные источники, но OpenAI прямо предупреждает, что результаты поиска и цитирования могут быть неполными, устаревшими или ошибочными.

Поэтому задача мониторинга — не определить условное «место в ChatGPT», а увидеть, насколько регулярно бренд и сайт появляются при одинаковых условиях.

Как собрать контрольные запросы

Перед первым замером нужен постоянный набор запросов. Если каждый месяц задавать нейросетям разные вопросы, сравнивать результаты будет бессмысленно.

Запросы лучше разделить по интенту.

Брендовые запросы

Показывают, знает ли нейросеть компанию и какую информацию с ней связывает.

Например: Что известно о компании CompanionAI?

Такие запросы полезны для диагностики, но плохо показывают конкурентную видимость: название компании уже присутствует в вопросе.

Категорийные запросы

Здесь название бренда заранее не указывается.

Например: Какие компании занимаются разработкой интернет-магазинов?

Если компания регулярно появляется в таких ответах, это уже более интересный сигнал.

Сравнительные запросы

Помогают понять, как нейросеть описывает бренд относительно других компаний.

Например: Что выбрать для разработки интернет-магазина: компанию X или компанию Y?

Здесь стоит фиксировать не только факт упоминания, но и аргументы, которыми AI объясняет различия.

Рекомендательные и сценарные запросы

Они ближе всего к реальному выбору клиента.

Например: К кому обратиться за разработкой интернет-магазина для продавца Ozon?

Или: Какие компании делают интернет-магазины с интеграцией CRM и ИИ?

Для бизнеса такие запросы обычно интереснее прямых брендовых проверок: нейросеть сама решает, какие компании включить в ответ.

Контрольный набор лучше сохранить и использовать повторно. Если появились новые важные запросы, их можно добавить отдельной группой, не смешивая с предыдущими измерениями.

Какие показатели AI-видимости действительно нужны

Для первого мониторинга достаточно нескольких метрик.

Не нужно сразу превращать таблицу мониторинга в кабину самолёта. Лучше пять понятных показателей, чем двадцать цифр, происхождение которых через месяц никто не вспомнит.

Mention Rate

Mention Rate показывает долю проверок, в которых появился бренд.

Формула: ответы с упоминанием бренда / все проверки × 100%

Если компания появилась в 14 из 20 ответов, Mention Rate составляет 70%.

Но сам по себе этот процент мало что значит.

Интереснее сравнивать его с предыдущим периодом, разными группами запросов и конкурентами.

Например, общий Mention Rate может почти не измениться, но компания начнёт чаще появляться именно по рекомендательным запросам. Для бизнеса это заметно важнее роста по запросам, где название бренда уже указано.

AI Share of Voice

AI Share of Voice помогает оценить присутствие относительно конкурентов.

Допустим, по вашему набору запросов нейросети регулярно предлагают пять компаний. Можно посмотреть, какая доля зафиксированных упоминаний приходится на каждую.

Но важно правильно читать показатель.

30% AI Share of Voice — это не «30% рынка ChatGPT». Это доля присутствия внутри конкретной выборки запросов, AI-систем и повторных проверок.

Citation Rate

Отдельно стоит считать случаи, когда нейросеть использует собственный сайт компании как источник.

Здесь принципиальна разница:

бренд упомянут ≠ сайт процитирован.

Например, Mention Rate вырос с 40 до 60%, а сайт стал цитироваться реже. Бренд действительно появляется чаще, но нейросети всё меньше опираются на собственные материалы компании.

Для SEO это уже неоднозначный результат.

Ссылки и страницы

Если AI-система показывает источники, сохраняйте URL.

Так постепенно становится видно, какие страницы работают лучше:

• главная;
• услуги;
• статьи;
• исследования;
• карточки товаров;
• справочные материалы.

В ChatGPT ответы с веб-поиском могут включать цитирования и ссылки на источники, поэтому наличие цитирования и возможность реального перехода стоит учитывать отдельно.

Контекст упоминания

Не каждое упоминание означает рекомендацию.

Нейросеть может:

• рекомендовать компанию;
• включить её в список;
• сравнить с конкурентами;
• упомянуть нейтрально;
• указать ограничения или недостатки.

На первом этапе контекст лучше фиксировать словами, а не пытаться любой ценой превратить его в ещё один процент.

Как вести таблицу мониторинга

Для начала отдельный сервис не обязателен. Обычной таблицы достаточно, чтобы проверить методику.

Минимальный вариант:

На отдельном листе можно считать:

• Mention Rate;
• AI Share of Voice;
• Citation Rate;
• количество цитируемых страниц;
• изменение показателей между периодами.

Когда запросов становится несколько сотен, добавляются конкуренты, модели и частые проверки, ручная таблица начинает требовать слишком много времени. Тогда уже имеет смысл автоматизировать сбор или использовать специализированные сервисы.

Но сначала стоит понять, что именно вы хотите измерять. Иначе автоматизация просто начнёт быстрее собирать ненужные цифры.

Как перейти от AI-видимости к трафику и конверсиям

Упоминание бренда — только верхняя часть цепочки.

Для бизнеса интереснее узнать, приходит ли пользователь на сайт и что делает дальше.

Часть переходов из AI-сервисов можно увидеть стандартными средствами веб-аналитики.

В Яндекс Метрике отчёт «Сайты» показывает ресурсы, с которых посетители переходили на сайт, и использует для определения источника реферер.

В Google Analytics источники и каналы можно анализировать через Source, Medium и отчёты привлечения трафика.

Поэтому для переходов из AI имеет смысл смотреть:

• источник визита;
• посадочную страницу;
• вовлечённость;
• просмотр следующих страниц;
• клики по CTA;
• отправку форм;
• покупки и другие целевые действия.

Получается уже полноценная цепочка:

AI-ответ → ссылка → посещение → действие → заявка или продажа.

Если лиды передаются в CRM, можно анализировать и последующие этапы: квалификацию обращения, сделку и выручку.

Где ломается атрибуция

Не каждый контакт с брендом заканчивается прямым переходом из ответа нейросети.

Пользователь может попросить ChatGPT подобрать подрядчиков, увидеть название компании, а затем отдельно найти её в Яндексе. Или запомнить бренд и через несколько дней зайти напрямую.

В веб-аналитике такой визит уже может выглядеть как органический или прямой.

Поэтому отсутствие большого объёма реферального трафика из AI не доказывает, что нейросети никак не влияют на узнаваемость и выбор.

Но обратная крайность ничем не лучше. Нельзя любую заявку с неизвестным источником объявить «ассистированной ChatGPT».

Если данных нет, лучше признать ограничение атрибуции, чем дорисовать красивую воронку.