Как в GeoAist отличить рекомендацию нейросети от упоминания бренда

Допустим, компания занимается продвижением бизнеса в нейросетях. Маркетолог проверяет запрос «где заказать продвижение в ИИ» и обнаруживает название своей компании в ответе ChatGPT.

На первый взгляд результат положительный. Но если открыть полный текст ответа, может выясниться, что компания упоминается лишь в качестве примера одного из участников рынка. При этом непосредственно для сотрудничества ChatGPT предлагает других исполнителей.

В GeoAist для подобных ситуаций предусмотрено разделение результатов на три показателя:

1. Упоминание бренда. Нейросеть назвала компанию в своём ответе независимо от контекста.
2. Рекомендация. Компания появилась среди предложенных пользователю вариантов решения задачи.
3. Ссылка на домен. В ответе присутствует ссылка на официальный сайт компании.

Каждый показатель рассчитывается отдельно. Поэтому можно увидеть, по каким запросам нейросеть знакома с брендом, где рекомендует его и в каких ответах ссылается на сайт.

Как использовать эту функцию на практике

Начать удобнее с небольшой группы коммерческих запросов. Для примера возьмём компанию, которая оказывает услуги GEO-продвижения и предоставляет сервис AI-мониторинга.

В кабинете GeoAist можно создать проект, указать бренд и добавить несколько вопросов, которые потенциальные клиенты задают нейросетям. Например: «где заказать продвижение в ИИ», «какие компании занимаются GEO-продвижением» и «какой сервис выбрать для мониторинга упоминаний бренда в ChatGPT».

После проверки платформа сохраняет ответы выбранных нейросетей и показывает три показателя отдельно.

Теперь представим условную ситуацию. По десяти запросам ChatGPT упомянул компанию восемь раз, но рекомендовал её только в трёх ответах. Ссылка на официальный сайт появилась дважды.

Если смотреть исключительно на упоминания, результат выглядит довольно убедительно: 80 % запросов содержат название бренда. Однако доля рекомендаций составляет только 30 %. Именно это расхождение и стоит изучить.

Откройте сохранённые ответы по пяти запросам, в которых бренд назван, но отсутствует среди рекомендаций. Посмотрите, какие компании нейросеть предлагает вместо него, как объясняет свой выбор и на какие источники ссылается.

Вполне возможно, что о конкурентах опубликованы подробные материалы с описанием услуг, тарифов и примерами работ, а ваша компания представлена только короткой страницей с общими формулировками.

Это уже конкретная информация для дальнейшей работы с сайтом и публикациями.

Дополнительная проверка через несколько нейросетей

Тот же набор вопросов полезно проверить в других ИИ-системах. GeoAist поддерживает мониторинг 13 систем, включая ChatGPT, Алису, YandexGPT, Gemini, Claude и DeepSeek.

Допустим, ChatGPT рекомендует компанию по трём запросам из десяти, а Алиса — по семи. Можно сравнить сохранённые ответы, посмотреть различия в конкурентах и источниках, а затем определить, какие направления требуют дополнительного внимания.

Есть ещё один полезный приём: после доработки сайта или публикации материалов повторить мониторинг по тому же списку запросов. Сервис сохраняет результаты проверок, поэтому можно сопоставить показатели за разные периоды.

Например, если доля рекомендаций выросла с 30 % до 50 %, стоит проверить, по каким конкретно вопросам произошли изменения. Отдельно полезно посмотреть, появились ли новые ссылки на сайт и сохранились ли рекомендации при следующих проверках.

Такая проверка помогает оценивать последствия внесённых изменений. При этом рост показателя сам по себе ещё не доказывает, что его вызвала конкретная публикация: ответы нейросетей могут меняться и по другим причинам.

Когда пригодится этот приём

Разделение трёх показателей особенно полезно при подготовке отчётов о GEO-продвижении. Допустим, подрядчик сообщает, что видимость бренда достигла 80 %. Руководитель открывает детализацию и видит, что большая часть присутствия связана с обычными упоминаниями, а рекомендаций значительно меньше.

В таком случае появляется возможность оценить результат точнее и разобраться, какие запросы требуют дальнейшей работы.

Для проверки достаточно сохранить исходный список коммерческих вопросов, отслеживать три показателя отдельно и периодически возвращаться к полным ответам нейросетей. Так можно заметить изменения, которые легко пропустить при оценке одной общей цифры.