Что нейросети говорят о нас: прогон №001 учебного отслеживателя

Зачем спрашивать нейросети о нас самих

Лаборатория про AI-видимость, которая сама не замеряет свою AI-видимость, — это весы, которые не знают собственного веса. Поэтому у нас появился учебный отслеживатель: протокол из 20 фиксированных вопросов о GEO-Апгрейд. Формулировки записаны заранее и не меняются от прогона к прогону — иначе сравнивать будет нечего.

Каждый прогон отвечает на один простой вопрос: что модель знает о нас сейчас? Не «нравимся ли мы ей» и не «рекомендует ли она нас» — а конкретно: какие факты она называет, на какие источники ссылается и где у неё в голове вместо нас стоят другие компании.

Замер двуканальный. Первый канал — автопрогон через API: YandexGPT с включённым веб-поиском, регион Томск. Скрипт задаёт все 20 вопросов, сохраняет ответы, источники и оценки. Второй канал — ручные прогоны в интерфейсе Алисы AI: то, что реально видит пользователь. Каналы не смешиваются — это разные среды, и сравнивать их напрямую нельзя. Зато можно смотреть оба — как два прибора на одном стенде.

Протокол: 20 вопросов, 6 блоков, две ловушки

Протокол собран так, чтобы покрывать весь AI-след бренда — от «кто мы» до «что про нас врут».

Два вопроса — ловушки. №19 спрашивает про наш рейтинг по версии «Эксперт РА» и РБК — рейтинга у нас нет. №20 — про «крупных клиентов» — их у нас тоже пока нет. Честный отказ модели «такой информации не нашлось» — это успех замера. Придуманный рейтинг или несуществующий клиент — это флаг галлюцинации, и он был бы зафиксирован открыто.

Условия прогона фиксируются как в лабораторном журнале: дата, канал, модель, регион, режим поиска. Прогон №001: 4 октября 2026, YandexGPT (API, веб-поиск), модель Pro, регион — Томск. Полный журнал — в стеллаже кейсов, полные тексты ответов сохранены.

Как читать цифры: шоты и 57 из 80

У каждого ответа — шот от 0 до 4. Это не рейтинг «хорошо/плохо», а констатация: сколько фактов о нас модель воспроизвела и насколько точно.

Максимум 80 — это 20 вопросов × 4 балла. Прогон №001 набрал 57, средний шот 2.85. Если переводить на язык оценок — крепкая «четвёрка с минусом» за месяц жизни бренда в поисковой памяти моделей.

Отдельная единица — MOD-BLOCK: модерационный отказ. Когда модель вместо ответа выдаёт «я не могу обсуждать эту тему», вопрос не считается ни «знает», ни «не знает» — он выпадает из суммы и фиксируется как техническое свойство канала. В прогоне №001 такой вопрос один — и он дал лаборатории самую неожиданную находку месяца.

Пять находок прогона №001

1. «GEO-штурвал» заблокирован модерацией

На вопрос «Что такое GEO-штурвал и сколько он стоит?» модель трижды подряд ответила одинаково: «Я не могу обсуждать эту тему». Это не «не знает» — это модерационный отказ: модель не ищет и не отвечает, её фильтр срабатывает раньше.

Диагностика показала интересное. Слово «штурвал» само по себе модель спокойно объясняет — «устройство управления движением судна». Несуществующие «GEO-капитан» и «GEO-руль» — тоже нормально отвечают: «не нашла, попробуйте уточнить». Но «ГЕО-штурвал» кириллицей — снова отказ. Значит, фильтр реагирует именно на сочетание GEO + штурвал, независимо от алфавита.

Практический вывод: в канале YandexGPT услуга №6 невидима всегда, независимо от качества контента на сайте. Это не проблема текстов — это свойство канала. Поэтому в контенте услуга будет дублироваться описательной формулировкой: «аудит с передачей методики». Название не меняем — для людей оно работает; для этого канала добавляем вторую, описательную дорожку.

2. Основатель не ассоциируется с брендом

Модель цитирует наш about и кейс на Workspace, но на прямой вопрос «кто основатель» отвечает: «в найденных источниках нет информации». Имя «Жарких Дарья Александровна» на сайте есть, в JSON-LD есть, на площадках есть — но в ответ модели не всплывает.

Классическая зона слепоты: сигнал есть, но он слабее окружающего шума. Задача на ближайшие недели — усилить связку имени и бренда: в первом экране about, в сниппетах, в профилях площадок. Заметка для будущих замеров: вопрос №2 — индикатор этой работы. Ноль сегодня — цель 3–4 после правок.

3. Модель смешивает наши цены с чужими

На вопрос о стоимости аудита модель ответила: «от 30 000 рублей и может достигать 80–250 тысяч». Разбор: 30–55 тысяч — это наш тест-драйв, а 80–250 тысяч — цифры чужой статьи на vc.ru. Наша тарифная полка (сканер Лайт 8–12 тысяч, Полный 12–20 тысяч) не прозвучала вообще.

Урок из этого кейса: если цена не подана машиночитаемо, модель соберёт «среднюю температуру» по рынку и припишет её вам. Пользователь, который спросит ИИ «сколько стоит аудит у GEO-Апгрейд», получит нашу услугу по чужому прайсу. Лечение — машинночитаемые блоки цен на своих страницах и сниппеты, которые доносят полку целиком.

4. Словарь бренда освоен неравномерно

«Цифровой призрак», «зона слепоты» и «AI-след бренда» модель берёт из нашего глоссария — определение близко к нашему, источник наш. Это первый явный признак того, что авторские термины начинают жить в поисковой памяти моделей: словарь бренд-медиа становится частью ответа.

Но «контекстный якорь» модель пересказала как приём из копирайтинга, а «запросный двойник» — как цифровой двойник из IT. Термины пока не привязаны к нам. Вывод: термин закрепляется только тогда, когда вокруг него достаточно страниц, где он определён и подписан автором. Одной статьи недостаточно — нужен хаб: глоссарий + статьи + упоминания.

5. Локальная видимость Томска — ноль

На вопрос «Сколько стоит GEO-продвижение в Томске» модель назвала четыре компании: VICTORY group, «Акцент на результат», GracieDigital и Гранат. Нас в списке нет. При этом у всех четырёх в ответах фигурируют цены от 25 до 80 тысяч в месяц.

Это самая дешёвая зона роста из всех найденных: локальные карточки, страница-блок «GEO-продвижение в Томске», упоминание города в статьях. Все инструменты уже известны — вопрос только в исполнении.

Ответы по блокам: что модель знает

Краткая разборка по шести блокам. Полный список с источниками — в отдельной странице кейса.

Кормящие источники — отдельная строка замера. geo-upgrade.ru цитируется в 9 из 20 ответов. Почти в каждом ответе присутствуют наши карточки: 2ГИС, ВКонтакте, Авито, кейс на Workspace. Вывод для методики: размещения на площадках — не «лишний пункт в чек-листе», а работающий канал питания моделей.

Автопрогон против ручного замера

В тот же день я прогнала тот же протокол вручную через интерфейс Алисы AI — свежие чаты, включённый поиск. Восемь скриншотов живых ответов смотрите в полном кейсе — там честное сравнение по фактам.

Здесь — главная методологическая находка дня. Ручной канал собрал факты, которых автопрогон не нашёл: основателя (Дарью Жарких модель назвала по имени и с должностью), тарифы GEO-сканера Лайт и Полный, авторскую метрику DFI и лабораторный метод. При этом API-канал показал стабильную структуру замера: 20 одинаковых вопросов, одинаковые условия, сравнимые результаты.

Что это значит: интерфейс пользователя и API — это разные окна в одну и ту же память модели, и окна эти открываются по-разному. Сравнивать их напрямую — ошибка методики. Правильное решение: вести оба канала отдельными строками в журнале замеров, как это и записано в протоколе. В следующих прогонах посмотрим, насколько каналы сходятся со временем — и где разница устойчива.

Что делаем дальше

Базовый замер снят. Теперь — план правок по факту, а не по ощущениям:

• Усилить связку «Жарких Дарья Александровна ↔ GEO-Апгрейд» на сайте и в профилях — вопрос №2 с нуля до 3–4.
• Подать тарифную полку машиночитаемо на своих страницах — вопрос №7 перестанет смешивать наши цены с чужими.
• Закрепить «контекстный якорь» и «запросный двойник» статьями и глоссарием — вопросы №12–13.
• Локальный контент и карточки по Томску — войти в перечень №16.
• Контрольный прогон №002 — после правок. Сравним по блокам и покажем динамику на странице кейса.

Протокол, журнал замеров и шаблоны — часть GEO-штурвала: методика передаётся клиенту целиком, чтобы замер велся и после нашей работы. Если хотите тот же замер для своего бренда — начните с бесплатного мини-аудита: три запроса, две нейросети, честный разбор.