AI-видимость бренда: что это за метрика, как её считать и как повысить

Определение простое. Берётся список вопросов, которые ваша аудитория задаёт нейросетям. Каждый вопрос задаётся многократно и в разных платформах. Считается доля ответов, где ваш бренд назван. Это и есть AI-видимость.

Чем она не является. Это не позиция сайта в поиске: страница может быть в топе Яндекса и при этом не попадать в ответ модели. Это не трафик: упоминание в ответе часто не сопровождается переходом, потому что пользователь получил ответ и не пошёл на сайт. Это и не узнаваемость бренда в классическом понимании: модель может знать компанию, но не считать её релевантной конкретному вопросу.

Практическая ценность метрики в том, что она показывает долю рынка внутри нового канала, где решение о выборе фактически принимает модель, а не пользователь.

Базовая формула: количество ответов с упоминанием бренда делится на количество проверок и умножается на сто. Дальше начинаются нюансы, которые определяют, будет ли цифра иметь смысл.

Считайте по каждой платформе отдельно. Вот наши данные за 30 дней по одному бренду и одинаковому набору вопросов.

Разброс шестикратный. Любое среднее по этой таблице скроет и рост, и падение. Отчёт, в котором есть только общий балл, бесполезен для решений.

Повторяйте вопрос несколько раз. Модели недетерминированы. Три прогона одного вопроса дают три разных набора компаний. Достоверная цифра начинается от нескольких десятков проверок на вопрос.

Держите формулировки неизменными. Если между замерами вы поменяли формулировку вопроса, вы сравниваете разные вещи. Список вопросов это инструмент измерения, его нельзя править по ходу.

Разделяйте типы вопросов. Вопрос «какие есть сервисы для X» и вопрос «критерии выбора сервиса для X» дают принципиально разные ответы. На втором модель перечисляет критерии, а не компании, и ваша видимость там будет низкой независимо от качества работы. Мы проверили это на себе: по вопросу про критерии наша статья цитировалась в 74 процентах ответов, а бренд назывался только в 12 процентах.

Одной видимости мало, потому что она не отвечает на вопрос «почему».

Доля цитирования. Как часто ваши страницы оказываются среди источников ответа. Это опережающий показатель: сначала растёт цитируемость, потом упоминания. Если цитирование есть, а упоминаний нет, проблема в типе вопроса или в том, что на цитируемой странице нет явного описания компании.

Позиция в списке. Первым названным быть заметно лучше, чем пятым: пользователь редко доходит до конца перечисления.

Тональность и контекст. Упоминание с формулировкой «бюджетный вариант для простых задач» в ответе на вопрос о корпоративном внедрении работает против вас. Присутствие без разметки окраски вводит в заблуждение.

Доля голоса. Ваши упоминания относительно всех упоминаний брендов по вашим вопросам. Показывает положение относительно рынка, а не абсолютную величину, и полезно, когда меняется сама модель и видимость проседает у всех сразу.

Рычаги перечислены по убыванию отдачи, все проверены на наших данных.

Попадание в источники ответа. Главный и по сути единственный прямой рычаг. Связь измерена: в ответах с цитатой нашей страницы бренд назван в 75 до 100 процентов случаев, без цитаты в 5 до 35. Значит задача сводится к тому, чтобы ваша страница оказалась среди тех, что модель открывает по этому вопросу.

Открытый доступ для AI-краулеров. Проверьте robots.txt на запреты для GPTBot, OAI-SearchBot, PerplexityBot, ClaudeBot, Google-Extended. Это единственный служебный файл, который эти боты действительно читают: по нашим логам за две недели они запросили его 230 раз при 6 081 обращении к сайту.

Факты в HTML. Цена, состав услуги, характеристики должны быть в исходном коде страницы, а не появляться после выполнения скриптов. Иначе для краулера их нет.

Материал под конкретную формулировку вопроса. Не общая статья по теме, а прямой ответ на вопрос, который вы отслеживаете. Наш собственный провал апрельской партии материалов был именно здесь: статьи писались под широкие темы, а отслеживаемые вопросы были про другое, и модель просто не имела повода их открыть.

Внешние упоминания. Отраслевые медиа, обзоры, справочники. Работают в двух режимах: как источник, который модель цитирует напрямую, и как подтверждение фактов, которое со временем закрепляется в базе знаний.

Данные по 23 нашим материалам, опубликованным с апреля по июль.

Динамика после появления цитат: с 6 до 12 процентов стартовой видимости до 34 до 42 процентов в первые две недели и до 43 до 54 процентов к отметке 45 дней. Отсюда практическое правило: окно замера короче месяца показывает недоделанную картину, а вывод об эффективности материала имеет смысл делать не раньше сорока пяти дней.

Цифры из таблицы выше выглядят парадоксально: в Алисе AI бренд называется в 60,5 процента ответов, а в ChatGPT только в 11,9. Причина не в том, что одна модель «лучше знает» компанию, а в устройстве ответа.

Первое: количество источников. Алиса AI берёт в среднем 17,8 ссылки на ответ, Поиск с Алисой 13,2, ChatGPT 8,8. Чем больше источников, тем выше шанс, что среди них окажется ваша страница, и тем длиннее список компаний, которые модель может назвать.

Второе: формат ответа. Российские поверхности чаще отдают перечисление со ссылками, где помещается пять или семь названий. ChatGPT обычно даёт развёрнутую характеристику двух или трёх вариантов. Конкуренция за место в коротком списке жёстче.

Третье: язык и локальность источников. По русскоязычным коммерческим вопросам корпус доступных материалов у российских поисковых поверхностей полнее, они лучше видят локальные отраслевые площадки.

Что с этим делать. Не пытаться подогнать все платформы под один показатель, а поставить разные цели: в российских поверхностях бороться за долю в широком перечислении, в ChatGPT за попадание в короткий список через явные утверждения о том, для кого продукт и в чём его ограничения. Такие утверждения модель подставляет в характеристику, а если их нет, соберёт описание из чужих обзоров.

Отдельный вопрос, который стоит проговорить: приносит ли AI-видимость переходы на сайт.

Прямой трафик из ответов есть, но он меньше, чем из поиска, и устроен иначе. Пользователь получает ответ и часто не идёт дальше. Переходы случаются, когда модель приводит ссылку как источник и пользователю нужны подробности: цены, условия, документация.

Поэтому AI-видимость правильнее считать не каналом трафика, а каналом влияния на выбор. Человек, который увидел ваш бренд в ответе на вопрос «чем решить такую задачу», приходит позже: через поиск по названию компании, через прямой заход или после того, как обсудит варианты с коллегами. По нашим наблюдениям за собственным сайтом брендовые запросы дают более половины всех кликов из поиска, и часть этого спроса формируется именно в диалогах с ИИ.

Практический вывод для отчётности: не пытайтесь атрибутировать продажи напрямую к упоминанию в ответе. Смотрите на связку из трёх показателей: AI-видимость по целевым вопросам, динамика брендовых запросов в поиске и доля прямых заходов. Они двигаются с задержкой друг относительно друга, но в одну сторону.

Определите список вопросов. Двадцать до тридцати формулировок, покрывающих сценарии выбора. Обязательно включите проблемные постановки («конкуренты в выдаче, а нас нет»), сравнительные («что лучше для задачи X») и локальные, если у вас география.

Выберите платформы по аудитории. Для российского бизнеса обязательный минимум это Поиск с Алисой, Алиса AI, GigaChat и ChatGPT. Для международного добавляются Gemini, Perplexity, Google AI Overviews и AI Mode.

Зафиксируйте частоту. Ежедневно для коммерческого ядра, раз в два или три дня для широких информационных вопросов. Так вы не тратите лимит впустую и при этом ловите изменения.

Считайте объём заранее. Двадцать вопросов в пяти платформах ежедневно это 3 000 проверок в месяц. Тридцать вопросов в девяти платформах ежедневно это уже 8 100.

Храните ответы целиком. Без сохранённых текстов вы не сможете разобрать спорный случай и не поймёте, почему изменилась цифра.

Ручной способ работает на десятке вопросов и одной платформе. Дальше нужна автоматизация: Visiobrand прогоняет вопросы ежедневно по девяти платформам, хранит полные ответы и показывает по каждому вопросу упоминание, позицию, тональность, источники и конкурентов рядом. Тариф «Старт» стоит 12 990 рублей за 3 000 проверок в месяц, «Про» 29 990 рублей за 9 000. Первый замер можно сделать на бесплатном тарифе: 50 проверок хватает на десяток вопросов.

Показатель снизился. Прежде чем менять контент, разберите причину по порядку, иначе легко починить не то.

Проверьте объём выборки. Если число проверок за период изменилось, доля могла сдвинуться механически. Сравнивайте периоды с сопоставимым количеством запросов.

Проверьте состав платформ. Добавили в мониторинг новую поверхность с низкой базовой видимостью, и общий показатель просел, хотя в каждой отдельной платформе ничего не изменилось. Это самая частая причина ложной тревоги и ещё один довод против усреднения.

Посмотрите долю голоса. Если она осталась прежней, а видимость упала у всех, дело в модели или в характере ответов, а не в вашей работе.

Проверьте цитируемость. Если ваши страницы перестали попадать в источники, ищите техническую причину: изменения в robots.txt, переезд страниц без редиректов, переход контента в скрипты после релиза сайта.

Посмотрите на новых участников в ответах. Появление сильного материала у конкурента вытесняет вас из короткого списка, особенно в платформах, где модель называет две или три компании.

Общий балл вместо разреза по платформам. Шестикратный разброс, показанный выше, делает среднее бессмысленным.

Единичные скриншоты как доказательство. Один ответ показывает только то, что модель однажды так ответила.

Смена формулировок между замерами. Инструмент измерения должен быть постоянным.

Ожидание результата через неделю. Для ChatGPT средний срок до первой цитаты 18 дней, для Gemini месяцы.

Игнорирование российских платформ. Именно они дают самую быструю отдачу на нашем рынке и при этом отсутствуют во всех зарубежных обзорах.

1. Составьте список из двадцати вопросов в формулировках клиента и зафиксируйте его.
2. Сделайте исходный замер минимум по четырём платформам с несколькими повторами на вопрос.
3. Проверьте robots.txt и наличие фактов в HTML до того, как вкладываться в контент.
4. Выберите три вопроса с нулевой видимостью и напишите под каждый отдельный материал.
5. Повторите замер через 30 и 45 дней, сравнивая по каждой платформе отдельно.