Начали приходить осторожные запросы от клиентов: как сделать так, чтобы ChatGPT, Claude или другие ИИ-инструменты чаще называли бренд в рекомендациях? На рынке уже появляются и готовые услуги из серии «повысим вашу видимость в нейросетях».
Звучит логично: если люди начинают спрашивать у ИИ, что купить, куда пойти, кого выбрать подрядчиком или как решить проблему, брендам хочется оказаться в этих ответах. И вот на эту тему вышло интересное
исследование SparkToro: авторы проверяли, насколько стабильно ИИ-инструменты рекомендуют бренды и продукты. Для этого 600 добровольцев почти 3 тысячи раз запускали одинаковые запросы в ChatGPT, Claude и Google AI.
Результат, мягко говоря, так себе:
— ИИ почти никогда не выдает один и тот же список рекомендаций дважды. Даже если вопрос один и тот же: менее чем в 1 случае из 100, независимо от запроса. А одинаковый список брендов или продуктов в одинаковом порядке встречается еще реже — фактически на уровне статистической экзотики, менее чем в 1 случае из 1000.
— В одном ответе бренд может быть на первом месте, в другом не появиться совсем, в третьем оказаться где-то в середине рядом с конкурентами, которых система в прошлый раз не называла. И это не ошибка, а природа инструмента. Нейросети не работают как справочник, рейтинг или поисковая выдача в привычном смысле. Они каждый раз собирают вероятностный ответ: из корпуса данных, контекста, формулировки запроса, настроек, истории пользователя и множества других факторов.
Поэтому обещание «выведем вас на первое место в ChatGPT» сегодня звучит примерно как «гарантируем хорошую погоду на вашем корпоративе через три месяца». Можно подготовиться, можно повысить шансы, но продавать это как точную управляемую услугу пока странно. Тем более что пользователи почти никогда не формулируют запросы одинаково, даже если у них одна и та же цель. Один спросит «какое агентство выбрать для антикризисного PR», другой — «кто умеет работать с репутационными рисками», третий — «посоветуй коммуникационных консультантов для сложного B2B-рынка». Для человека это примерно одно и то же, а для нейросети — уже разные входные данные.
При этом исследование не говорит, что темой не надо заниматься. Скорее наоборот, оно подтверждает нашу гипотезу: видимость бренда в нейросетях станет новой частью коммуникационной работы. Но измерять ее придется не как позицию в поиске, а как присутствие в поле вероятных рекомендаций. Один тест ничего не дает. Чтобы хотя бы приблизительно понять, как ИИ видит бренд, нужно много формулировок, много повторов (например, 50-100 раз), сравнение с конкурентами и понимание, из каких источников система вообще может собрать представление о компании.
И здесь мы снова возвращаемся к старой доброй базе любого коммуникатора: внятное позиционирование, сильная публичная экспертиза, нормальная представленность в медиа, понятные описания продуктов, качественный контент на собственных площадках, цитируемость, репутационный след, отсутствие противоречивого информационного мусора.
В общем, есть о чем поразмышлять.
Важная ремарка 1. Прежде чем думать о том, как повысить видимость в нейровыдаче, надо бы разобраться с параметрами оценки ИИ-выдачи. Вот
тут как раз коллеги сделали перевод принципов GEO-измерений от АМЕС.
Важная ремарка 2: Большинство исследований GEO пока сделаны на западных моделях и AI-поиске. По российским LLM сопоставимых открытых данных почти нет, а значит, YandexGPT, GigaChat или VK могут работать с другими источниками и другими приоритетами цитирования. Подозреваем, что западные выводы полезны как ориентир, но не как готовая инструкция для российского рынка.
Записки из опенспейса — канал агентства PR-Consulta