01 / 04
Почему один запрос ничего не доказывает
Когда руководитель спрашивает у ассистента «кто лучший подрядчик», ответ кажется готовым исследованием рынка. На деле это снимок конкретного диалога. В одной формулировке система перечислит известные бренды, в другой предложит критерии выбора, в третьей честно скажет, что не может подтвердить свежие данные. Меняются язык вопроса, регион, предыдущие реплики, версия продукта и доступные в момент ответа источники. Поэтому нельзя строить вывод «нас нет в ИИ» или «нас рекомендуют все» по одному сообщению.
Практичная единица наблюдения — не отдельный чат, а матрица запросов. В ней есть коммерческие вопросы: «где заказать», «кого выбрать», «какие агентства работают с…». Есть сравнительные: «чем отличаются варианты», «какие риски у решения». Есть информационные: «как устроена услуга», «какие документы нужны». И есть брендовые: название компании, название продукта, фамилия эксперта. Каждая группа показывает свой участок цифрового следа и должна фиксироваться отдельно.
Полезно заранее записать язык, регион, дату, платформу, точный текст запроса и полный ответ. Не стоит специально подталкивать модель к нужному имени: такой тест измеряет умение написать наводящий промпт, а не реальную вероятность упоминания. Хорошая проверка допускает неудобный результат — отсутствие бренда, неточную формулировку, устаревший адрес или смешение с одноимённой компанией.
02 / 04
Соберите матрицу до начала работ
Для первого аудита обычно достаточно 30–60 запросов. Сначала выделите пять–десять задач, с которыми клиент действительно приходит в компанию. Затем для каждой задачи сформулируйте несколько естественных способов спросить: короткий, уточняющий и сравнительный. Если бизнес работает в нескольких городах или языках, не смешивайте их в одном листе: локальный контекст способен радикально изменить ответ и источники.
В таблице рядом с запросом нужны не только графы «есть бренд / нет бренда». Зафиксируйте роль бренда: рекомендован, назван среди альтернатив, приведён как пример, упомянут с ошибкой или отсутствует. Отдельно занесите тон: нейтральный, позитивный, настороженный. Отметьте доказательства, на которые ссылается ответ: сайт, карточка в справочнике, публикация, отзыв, каталог, медиа, профиль эксперта. Именно это превращает разговор об ИИ в список проверяемых задач.
Наконец, добавьте контрольную колонку «можем ли мы подтвердить факт». Если ассистент пишет о цене, географии, сроках или сертификате, эта информация должна быть видима на надёжной странице бренда. Если факт устарел или не подтверждается, цель не в том, чтобы спорить с моделью. Цель — привести собственные источники в порядок и дать рынку ясную версию данных.
03 / 04
Разделите видимость, точность и полезность
Видимость отвечает на простой вопрос: возникает ли бренд в релевантном ответе. Но сама по себе она не равна качеству. Компания может часто упоминаться в нецелевых вопросах, а в важных сравнительных сценариях отсутствовать. Поэтому второй слой — точность. Совпадают ли название, специализация, город, контакты, состав услуги и ограничения? Ошибочный ответ может быть хуже отсутствия: он создаёт ложное ожидание у будущего клиента.
Третий слой — полезность ответа для человека. Упоминание считается сильнее, если рядом есть корректное объяснение, почему вариант подходит, и если пользователь может перейти к первоисточнику. Нельзя обещать, что поисковая система или ассистент использует именно ту или иную страницу. Но можно создавать прозрачную структуру: страница услуги отвечает на вопрос об услуге, страница команды — о компетенциях, статья — о методике, а карточка компании — о контактах.
Для отчёта удобно считать долю корректных упоминаний по каждой группе вопросов, число подтверждённых источников и число критичных расхождений. Это не универсальный отраслевой KPI и не обещание роста. Это собственная базовая линия, с которой можно сравнить следующие замеры. Результат полезен только тогда, когда известно, какие именно вопросы стали понятнее рынку.
04 / 04
Как проводить повторные замеры
Повторять проверку каждый день бессмысленно: случайные различия будут выглядеть как тренд. Для первых месяцев разумнее выбрать регулярный ритм, например один раз в четыре недели, и не менять матрицу без отдельной пометки. Если вопрос перестал быть актуальным, его можно архивировать, но не подменять прошлый результат новой формулировкой. Иначе история станет несравнимой.
Повторный замер полезно сопровождать журналом изменений: какие страницы обновлены, какие профили подтверждены, где опубликованы материалы, какие неточности исправлены. Тогда команда не приписывает любой сдвиг одной публикации и не делает выводов из совпадения. Поисковые системы и ИИ не дают владельцу бренда кнопки «показать меня в ответе», а множество внешних факторов остаётся вне контроля.
Финальный вывод аудита должен быть коротким и честным: какие факты о компании доступны публично, какие вопросы пока не закрыты, какие источники нуждаются в корректировке и что проверим в следующем цикле. Такая методика полезна даже если бренд пока нигде не появляется. Она превращает неопределённое «надо продвигаться в ИИ» в управляемую карту работ.
Не публикуйте внутренний список вопросов целиком, если в нём есть коммерческие гипотезы или персональные данные. Для внешнего отчёта достаточно показать метод, диапазон тем и выводы. Исходная матрица остаётся рабочим документом клиента: в ней удобнее хранить скриншоты, ссылки, дату проверки и комментарий того, кто принимал решение.
Источники и дальнейшее чтение