Блог · Мониторинг и аудит
Видимость бренда в DeepSeek
Как проверить, называет ли DeepSeek вашу компанию, и что на это влияет. Все числа ниже получены на собственных замерах Visiobrand за последние 30 дней.
64,9%
ответов DeepSeek содержат источники
11,9
источника в среднем на один ответ
6 812
символов в среднем ответе
45,8%
ответов называют отслеживаемый бренд
Почему DeepSeek стоит замерять отдельно
Бренд редко бывает одинаково заметен во всех ассистентах. На одном и том же наборе вопросов доля ответов с упоминанием отличается в разы, и DeepSeek здесь ведёт себя не так, как западные модели: он охотно перечисляет варианты и почти всегда подкрепляет их ссылками, если включён веб-поиск.
Это меняет практический вывод. В модели, которая не показывает источники, попасть в ответ можно только через то, что уже усвоено при обучении. В модели, которая ищет по вебу, работает свежий материал: страница, опубликованная в этом месяце, способна попасть в ответ в этом же месяце.
Сколько источников приводит каждая платформа
| Платформа | Источников на ответ | Доля ответов со ссылками | Средняя длина ответа |
|---|---|---|---|
| Алиса AI | 17,4 | 99,3% | 6 636 |
| Поиск с Алисой | 14,6 | 100% | 6 527 |
| DeepSeek | 11,9 | 64,9% | 6 812 |
| Perplexity | 11,6 | 100% | 4 143 |
| Google AI Mode | 8,4 | 67,7% | 5 930 |
| Google AI Overviews | 8,2 | 84,4% | 4 214 |
| ChatGPT | 7,9 | 91,2% | 6 652 |
| GigaChat | 2,7 | 90,8% | 7 693 |
| Gemini | 0,8 | 55% | 5 785 |
Замер Visiobrand, 30 дней, 191 тысяча ответов по девяти платформам. Считаются только ответы с непустым текстом.
Что это значит на практике
DeepSeek уступает по числу ссылок только российским поисковым поверхностям и опережает ChatGPT. Если ваш материал вообще попадает в цитируемые источники, шанс увидеть его в ответе DeepSeek выше, чем в ответе ChatGPT.
Как проверить видимость бренда в DeepSeek
Ручная проверка отвечает на вопрос «называет ли меня модель прямо сейчас», но не на вопрос «насколько я заметен». Ответ ассистента не детерминирован: один и тот же вопрос в двух сессиях даёт разные списки. Поэтому одиночная проверка годится как первый взгляд, а решения принимаются по доле ответов на фиксированном наборе вопросов.
Формулируйте так, как спрашивает клиент, который вас ещё не знает: «сервис для такой-то задачи», «что выбрать для», «сравни варианты». Вопрос с названием компании проверяет не видимость, а память модели о вас.
Одна и та же выборка вопросов, один и тот же язык и регион, регулярная периодичность. Только так видно, что изменилось: сам ответ модели или ваш материал.
Базовая метрика простая: в скольких процентах ответов бренд назван. Рядом полезно держать позицию в перечислении и то, какие домены модель привела как источники.
Абсолютная доля мало о чём говорит без контекста. Значение имеет разрыв: кого модель называет вместо вас и на какие материалы при этом ссылается.
Что влияет на попадание в ответы
Работает то же, что и в остальных ассистентах с веб-поиском, но с поправкой на длину ответа: DeepSeek перечисляет много вариантов, поэтому попасть в список проще, а занять первую позицию труднее.
Если ключевые сведения о компании подгружаются на клиенте, для краулера их нет. Серверный рендеринг важнее любой разметки.
Это единственный файл, который ассистентские краулеры действительно читают. Закрытый обход отсекает вас надёжнее любых недоработок в контенте.
Organization, Product, FAQPage помогают связать текст с сущностью бренда, а не с набором слов на странице.
Модель чаще ссылается на отраслевые обзоры и площадки, чем на сайт самой компании. Разбор того, кого именно цитируют, полезнее догадок.
Про llms.txt
Файл llms.txt часто советуют как способ «объяснить себя нейросетям». Мы проверили это на логах собственного сайта: за десять дней к файлу было 14 обращений, и все они пришли от SEO-сканеров, расширений и ручных запросов, ни одного от ассистентских ботов. За тот же период robots.txt запрашивали 1 778 раз. Подробный разбор есть в отдельной статье: нужен ли файл llms.txt.
Читать дальше
Частые вопросы
Как проверить, упоминает ли DeepSeek мой бренд?
Разовую проверку можно сделать руками: задать DeepSeek десяток небрендовых вопросов, по которым вас должны рекомендовать, и посмотреть, звучит ли название. Проблема в том, что ответ модели меняется от запуска к запуску, поэтому одиночная проверка ничего не доказывает. Регулярный замер по фиксированному набору вопросов показывает долю ответов с упоминанием и её динамику.
DeepSeek показывает источники, на которые опирается?
Да, когда включён веб-поиск. По замерам Visiobrand за 30 дней источники были в 64,9% ответов DeepSeek, в среднем 11,9 ссылки на ответ. Это больше, чем у ChatGPT (7,9) и Google AI Overviews (8,2), и несопоставимо с Gemini, где на ответ приходится 0,8 источника.
Чем ответы DeepSeek отличаются от ответов других платформ?
Они длиннее среднего: 6 812 символов против 4 214 у Google AI Overviews и 5 785 у Gemini. Длинный ответ обычно перечисляет больше вариантов, поэтому шанс попасть в список выше, но и удержать первое место сложнее.
Что влияет на попадание бренда в ответы DeepSeek?
Наличие фактов о компании на индексируемых страницах без клиентского рендеринга, разметка Schema.org, открытый обход для краулеров в robots.txt и присутствие на сторонних площадках, которые модель цитирует. Файл llms.txt на это не влияет: по логам сайта его запрашивают только SEO-сканеры, а не ассистентские боты.
Нужно ли отслеживать DeepSeek, если основная аудитория в России?
DeepSeek заметен в российской аудитории как бесплатная альтернатива платным ассистентам, поэтому он входит в набор платформ Visiobrand наравне с Алисой AI, GigaChat и Поиском с Алисой. Смысл замера в том, чтобы видеть картину целиком: бренд может быть заметен в одной платформе и отсутствовать в другой на тех же вопросах.
Посмотреть, что DeepSeek отвечает про ваш бренд
Замер идёт по девяти платформам сразу, так что видно и разрыв между ними