Новый KPI маркетинга: как измерять узнаваемость бренда в ChatGPT и других нейросетях

Поведение пользователя в поиске постепенно меняется. Вместо того чтобы самостоятельно составлять запрос, изучать десятки ссылок и сравнивать компании, он может описать нейросети свою задачу и получить готовую подборку вариантов.

Например: «Посоветуй сервис для управления отзывами сети с 50 филиалами» или «Какие решения помогают ресторанной сети работать с репутацией на картах?».

В таком сценарии пользователь может вообще не знать названий компаний, которые работают в нужной категории. Сначала он формулирует потребность, а уже затем знакомится с брендами, которые нейросеть считает подходящими. Получается новый механизм формирования узнаваемости: компания может попасть в поле зрения потенциального клиента не через рекламу или поисковую выдачу, а через рекомендацию AI.

Для маркетинга это означает, что привычное понятие brand awareness получает дополнительное измерение. Важно понимать не только, насколько хорошо бренд известен аудитории, но и насколько устойчиво он представлен в ответах нейросетей по запросам, связанным с его продуктом, категорией и целевой аудиторией.

AI Visibility — показатель, который позволяет оценить, как часто бренд появляется в ответах нейросетей на релевантные запросы. Для его расчета формируют набор вопросов, которые потенциальные клиенты могут задавать AI, а затем регулярно проверяют, появляется ли в ответах нужная компания.

Например, если бренд упоминается в 24 из 100 целевых запросов, его AI-видимость в рамках этой выборки составляет 24%. Однако сама по себе эта цифра не дает полной картины. Компания может присутствовать в ответах часто, но занимать в них последние позиции, получать невыгодное описание или вообще не иметь ссылок на собственный сайт.

Поэтому AI Visibility целесообразно рассматривать как базовую метрику, которую дополняют показатели позиции, конкурентной доли и цитирования источников.

Первый показатель — AI Visibility, то есть доля целевых запросов, в ответах на которые нейросеть упоминает бренд. Он отвечает на базовый вопрос: насколько хорошо AI связывает компанию с нужной категорией или задачей. При этом полезно анализировать видимость не только в целом, но и по отдельным группам запросов: продуктовым, категорийным, сценарным, локальным и сравнительным.

Второй показатель — Share of Voice, или доля присутствия бренда среди конкурентов. Если по одной и той же группе запросов нейросеть регулярно называет несколько компаний, можно сравнивать, какая часть всех упоминаний приходится на каждый бренд. Такой подход позволяет понять, насколько заметна компания относительно других игроков рынка. Причем лидерство может различаться в зависимости от формулировки запроса: бренд способен хорошо присутствовать в узкой продуктовой категории и при этом практически не появляться в более широких запросах.

Третий показатель — позиция бренда в ответе. Сам факт упоминания еще не говорит о равной ценности контакта. Компания, которую нейросеть рекомендует первой, получает больше внимания пользователя, чем бренд, который появляется в конце длинного списка. Поэтому при регулярном мониторинге имеет смысл отслеживать среднюю позицию и ее изменения во времени.

Наконец, отдельного внимания заслуживает Citation Rate — доля цитирования собственного сайта. Нейросеть может упомянуть компанию, но использовать при этом информацию из внешних источников: публикаций в медиа, каталогов, обзоров или других сайтов. В результате бренд присутствует в ответе, однако компания не становится непосредственным источником информации о себе.

Высокая узнаваемость сама по себе не означает, что бренд окажется в ответе нейросети. AI формирует рекомендацию исходя из конкретного запроса и его контекста: категории, географии, характеристик продукта, бюджета, размера компании и других условий, которые задает пользователь.

Поэтому компания может быть широко известна на рынке, но редко появляться по определенному типу запросов. И наоборот, менее известный бренд способен регулярно попадать в рекомендации в узкой категории, если информация о нем хорошо соответствует конкретным пользовательским сценариям.

Здесь особенно важен контекст, в котором бренд представлен в интернете. Если различные источники последовательно связывают компанию с определенной категорией, продуктом и задачами аудитории, нейросети проще установить эту связь. Получается, что AI-узнаваемость строится вокруг содержания и контекста упоминаний, а не только вокруг известности самого названия.

Подробнее об этом читайте в материале «Почему нейросети выбирают конкурентов: 7 причин и способы усилить бренд»

Одного сайта компании для формирования устойчивого присутствия в AI-ответах недостаточно. Нейросети могут использовать самые разные источники информации: публикации в медиа, обзоры, справочники, карточки компаний, отзывы, отраслевые площадки и другие материалы.

При этом значение имеет не просто количество упоминаний, а то, насколько последовательно они описывают бренд. У компании должна формироваться понятная информационная связь между брендом, категорией, продуктом, аудиторией и задачами, которые он решает.

Не менее важна согласованность фактических данных. Если на сайте указана одна информация, в карточке компании — другая, а в публикациях встречаются устаревшие сведения, нейросети сложнее определить, какие данные считать актуальными. Для компаний с филиальной сетью эта задача становится еще сложнее: необходимо контролировать большое количество адресов, контактов, режимов работы и другой информации на разных площадках.

Важную роль играют и конкретные факты о продукте. Характеристики, тарифы, география работы, количество филиалов, возможности сервиса, условия использования и другие проверяемые сведения помогают AI сопоставлять компанию с запросом пользователя. В этом смысле конкретное описание продукта полезнее общих рекламных формулировок вроде «лучший сервис на рынке».

Наконец, необходимо учитывать актуальность информации. Цены, ассортимент, адреса, условия работы и функциональность продуктов меняются. Если в интернете остается значительный объем устаревших сведений, они могут формировать противоречивую картину бренда. Поэтому работа с AI-видимостью — это постоянный процесс управления информационным полем, а не разовая оптимизация сайта.

Проверить один запрос в ChatGPT и сделать на его основании вывод об узнаваемости бренда недостаточно. Ответ нейросети может зависеть от формулировки вопроса, контекста диалога, режима поиска и других параметров. Чтобы получить сопоставимые данные, маркетологу нужна постоянная выборка запросов и регулярный мониторинг.

На первом этапе формируется пул вопросов, которые потенциальные клиенты действительно могут задавать нейросетям. В него стоит включать разные типы запросов.

Категорийные вопросы помогают оценить общую представленность бренда в нише: например, «Какие сервисы управления отзывами подходят для бизнеса?». Сценарные показывают, связывает ли AI компанию с конкретной задачей: «Как управлять отзывами у сети из 100 филиалов?». Сравнительные запросы позволяют оценить положение относительно конкурентов, а локальные — проверить видимость бренда в конкретном городе или регионе.

При этом название компании не следует включать в каждый запрос. Иначе измерение будет показывать скорее способность нейросети узнать бренд после прямого упоминания, а не его органическую представленность в рекомендациях.

После формирования выборки для каждого запроса фиксируют, упоминается ли бренд, какую позицию он занимает, какие конкуренты появляются рядом, как описывается компания, какие источники цитируются и есть ли ссылка на официальный сайт. Отдельно стоит отмечать фактические ошибки и устаревшие сведения.

Повторяя такой замер регулярно, маркетолог получает динамику. Например, AI Visibility может увеличиваться с 18% до 21%, затем до 24% и 27%. Если одновременно растет Citation Rate и улучшается средняя позиция бренда, можно говорить уже не просто о росте количества упоминаний, а об улучшении качества AI-присутствия.

Если конкурент чаще попадает в ответы нейросетей, важно не ограничиваться выводом «у него лучше GEO». Необходимо понять, за счет каких факторов формируется это преимущество.

Прежде всего стоит сравнить, как компании представлены в собственных источниках и на внешних площадках. Если конкурент стабильно появляется по категорийным запросам, имеет смысл изучить, насколько четко он описывает свои продукты и сценарии использования. Если у него выше Citation Rate, стоит посмотреть, какие материалы нейросеть считает источниками информации о компании.

Отдельно нужно проверить качество данных. У конкурента может быть более согласованная информация о продуктах, филиалах, характеристиках и условиях работы на разных площадках. Если же бренд упоминается часто, но описывается неправильно, проблема заключается уже не в узнаваемости, а в качестве информационного поля.

Так AI-мониторинг становится инструментом диагностики. Он помогает не просто узнать, какое место бренд занимает в ответах нейросети, но и понять, какие элементы цифрового присутствия необходимо улучшить.

Значение новой метрики определяется не самим фактом появления бренда в ответе, а тем, что происходит после этого.

Исследование «Анкетолога» показывает, что рекомендации ИИ уже переходят в реальные действия пользователей: 53% опрошенных регулярно воплощают советы нейросетей в жизнь, а 31% совершали по такой рекомендации покупку товара или услуги.

Поэтому AI-видимость логично рассматривать как один из этапов более длинной маркетинговой цепочки: упоминание бренда → рекомендация → цитирование → переход → обращение → продажа.

На первом уровне компания стремится добиться того, чтобы нейросеть знала о ее существовании. Затем задача заключается в том, чтобы бренд появлялся в нужном контексте и занимал заметное место среди конкурентов. Следующий уровень — добиться достоверного описания и ссылок на собственные источники. И уже после этого можно оценивать, приводит ли AI-присутствие к переходам, обращениям и продажам.

Таким образом, AI Visibility становится не самостоятельной целью, а новой точкой измерения эффективности маркетинга.

Появление AI в пользовательском выборе связывает между собой несколько направлений маркетинга, которые раньше часто существовали отдельно: SEO, PR, управление репутацией, работа с отзывами и контроль данных о компании на внешних площадках.

Поинтер помогает объединить эту работу в одной системе. Платформа позволяет управлять данными о компаниях и филиалах на 30+ платформах, собирать отзывы с 60+ источников, анализировать обратную связь и контролировать цифровое присутствие бизнеса. Отдельное направление — мониторинг того, как бренд представлен в ответах нейросетей.

Для сетевого бизнеса такой подход особенно важен: чем больше филиалов и площадок, тем сложнее вручную отслеживать актуальность данных, отзывы и репутацию каждой точки. При этом все эти элементы формируют общий информационный фон, на основе которого потенциальный клиент и AI-система получают представление о компании.