Лаборатория AI-видимости бренда · GEO-Апгрейд
Какие нейросети мы проверяем и что важно в каждой
Нас нашли или нас назвали? Паспорта четырёх моделей: справочник, редактор, локальный навигатор и собиратель
Ghost Gap в нашем замере: у Алисы AI сайт попадал в источники без имени бренда в 25% таких ответов (5 из 20), у DeepSeek — в 27% (3 из 11), у ChatGPT — лишь в 7% (1 из 15). Данные брендов нейросети читают, но не подписывают их именем — это состояние полувидимости, и именно его мы ловим первым.
Клиент часто спрашивает: «А в какой нейросети мне нужно быть видимым?» И ждёт один короткий ответ: ChatGPT, Алиса или Perplexity. Но правильный ответ другой: не существует одной «главной» нейросети. Есть разные модели с разной логикой сбора ответа — и у каждой свой маршрут к вашему бренду.
В GEO-Апгрейд мы проверяем бренд не «где-нибудь в ИИ», а в нескольких моделях сразу. Потому что одна и та же компания может быть видна в источниках, но не названа в ответе; может стоять первой в одной нейросети и исчезать в другой; может получать точные факты в одной модели и галлюцинации — в другой. В нашем замере по типографии мы прогнали 27 реальных запросов через Алису AI, ChatGPT и DeepSeek, добавили повторные сессии, гео-прогоны и контрольный замер в Perplexity — всего 117 измерений.
Нас нашли или нас назвали?
Это главный водораздел, который обычно пропускают.
«Нас нашли» — значит, сайт или карточка бренда попали в источники ответа. Сайт технически доступен, индексируется, содержит нужную информацию. Это хорошая база, но ещё не победа.
«Нас назвали» — значит, нейросеть не просто взяла данные, а включила бренд в прямой ответ: порекомендовала, поставила в список, объяснила, кто вы и чем полезны. Потенциальному клиенту обычно не важно, кто «затесался в длинный список источников». Ему нужен прямой ответ и явная рекомендация.
Поэтому мы стремимся именно ко второму результату. GEO работает не тогда, когда сайт просто попал в источники, а когда бренд назван в самом ответе. Попадание в источники — уже хорошая база, но дальше нужно проработать информацию так, чтобы модель смогла превратить её в рекомендацию.
В замере это различие стало особенно заметным: у Алисы сайт попадал в источники без имени бренда в 25% таких ответов (5 из 20), у DeepSeek — в 27% (3 из 11), а у ChatGPT — лишь в 7% (1 из 15). Мы называем это Ghost Gap — «цифровым призраком».
Что такое Ghost Gap
Ghost Gap — это ситуация, когда данные о бренде есть в источниках, но самого бренда в ответе нет. Нейросеть берёт с сайта фактуру: услуги, цены, адрес, описание. Но имя бренда рядом с фактом не переносит. В результате польза от вашего контента уходит конкуренту, каталогу или просто «растворяется» в обобщённом ответе.
Это самый коварный сценарий AI-видимости. Со стороны кажется: «Нас цитируют, всё нормально». А на деле клиент видит ответ без вашей подписи.
Почему так происходит? Модель пересобирает ответ своими словами. Если название бренда не стоит рядом с фактом в легко извлекаемом виде, оно не переносится в текст. Что это чинит:
- название бренда в первых абзацах страниц;
- единое написание названия везде;
- осмысленные alt-описания изображений;
- og:site_name;
- llms-full.txt;
- FAQ с прямыми ответами;
- согласованность данных между сайтом, карточками и каталогами.
Каждый такой слой — это «подпись» данных. Она снижает Ghost Gap и помогает модели понять: этот факт принадлежит именно вашему бренду.
Паспорта нейросетей
Мы не сравниваем модели по принципу «какая умнее». Мы смотрим, какая модель что видит, где ошибается и какой упор нужен в стратегии для каждой.
ИНТЕРАКТИВ: ФИЛЬТР ПО СТОЛБЦАМ
| Нейросеть | Тип поведения | Что хорошо видит | Где главный риск | На чём строить стратегию |
|---|---|---|---|---|
| Perplexity | Модель-справочник | Свежие источники, разделение фактов, ссылки | Зависит от качества и доступности источников | Машинно-читаемые страницы, точные факты, корректные карточки |
| ChatGPT | Модель-редактор | Точные формулировки, сайт в ответе, стабильность | Может не назвать бренд, если сигнал слабый | Ясное позиционирование, FAQ, повторяемые формулировки |
| Алиса AI | Модель-локальный навигатор | Локальные запросы, карточки, агрегаторы, соцсети | Ghost Gap и точность фактов | Карты, каталоги, NAP, alt-описания, имя рядом с фактами |
| DeepSeek | Модель-собиратель | Глубокий поиск, дополнительные источники | Собирает ответ из осколков, может взять устаревшее или чужое | Структура сайта, первые абзацы, FAQ, разведение сущностей |
Столбец «Нейросеть» всегда виден, остальные фильтруются кнопками. Повторное нажатие на активную кнопку возвращает все столбцы.
Это не «оценка моделей», а рабочая типология из наших замеров. У каждой нейросети свой упор, но стратегии пересекаются: чем чище и согласованнее данные о бренде, тем лучше ведут себя все модели.
Perplexity: модель-справочник
Perplexity лучше других разделяет факты и делает выводы. Даже из противоречивой информации она может вытащить суть и правильно её разложить. В нашем контрольном замере модель показала 100% точность и 100% ссылок на сайт — не потому, что она «умнее», а потому, что подчинена источникам и почти не импровизирует.
Для бренда это означает: Perplexity быстрее других отрабатывает качественные правки. Если факты на сайте ясные, свежие и легко извлекаемые, модель способна превратить их в точный ответ.
Но здесь есть важная оговорка: Perplexity — не волшебная таблетка. Она отражает качество ваших источников. Если сайт противоречив, карточки устарели, а цены разбегаются между площадками, модель не «додумает за вас» — она либо не ответит, либо возьмёт другой источник.
ChatGPT: модель-редактор
ChatGPT любит точные формулировки и хорошо работает с ясной структурой. В нашем замере он чаще других называл сайт прямо в тексте ответа: Website Mention Rate составил 0,73 против 0,35 у Алисы и 0,13 у DeepSeek.
Это важно, потому что упоминание сайта в ответе — последний шаг к заявке. Клиент может увидеть название компании, но без адреса сайта не перейти к вам. ChatGPT в нашем замере чаще доводил ответ до этого шага.
Для ChatGPT особенно важны:
- одна повторяемая формулировка позиционирования;
- понятные ответы на вопросы «кто вы», «что делаете», «сколько стоит», «для кого»;
- FAQ и конкретика в первых абзацах;
- единые факты на сайте и внешних площадках.
ChatGPT хорошо проверять на видимость и стабильность: в замере его Consistency составила 0,83 — выше, чем у Алисы и DeepSeek.
Алиса AI: модель-локальный навигатор
Алиса — ключевая модель для локального бизнеса в России. Она активно опирается на карты, каталоги, агрегаторы и соцсети. В нашем анализе источников 2ГИС был заметен в 7 из 10 ответов Алисы, Яндекс Карты и Авито — примерно в каждом втором, Zoon — в четверти ответов.
Это значит: для Алисы недостаточно хорошего сайта. Нужна плотность сигнала — согласованные карточки на нескольких площадках, свежие фото, корректные категории, услуги, цены и отзывы.
В нашем замере Алиса ставила бренд на первое место в среднем на позиции 1,83, когда вообще его называла. То есть вопрос был не в том, чтобы «протолкнуться в ответ», а в том, чтобы попадать в ответ чаще и с сайтом.
Но у Алисы была и слабая сторона: точность фактов. Accuracy составила 0,52 против 0,86 у ChatGPT. При этом значительная часть ошибок возникала не потому, что модель «не умеет», а потому, что нужного факта не было на сайте: минимальный тираж, пороги цен, полное название бренда. Это самые «дешёвые» проценты роста: их закрывает контент, а не спор с нейросетью.
DeepSeek: модель-собиратель
DeepSeek может копнуть глубже и найти дополнительные источники. Но не факт, что эти источники будут свежими, точными и относящимися именно к вашему бренду.
В нашем замере DeepSeek в первых семи запросах не упомянул бренд ни разу — хотя карточка бренда присутствовала в его источниках. Модель просто не «достала» её в ответ. Кроме того, дважды подмешала к бренду чужую компанию-однофамильца из Санкт-Петербурга.
Это классический риск модели-собирателя: ответ собирается из смешанных данных, и связь «карточка в каталоге → бренд в ответе» работает хуже всего. Поэтому для DeepSeek особенно важны не только карточки, но и текст и структура сайта: правило первого абзаца, FAQ, llms-full.txt, однозначные формулировки.
DeepSeek показывает, почему нельзя проверять бренд только в одной нейросети. В одной модели вы можете быть «почти видимы», в другой — полностью выпадать из ответа.
Почему рейтинговые запросы ломают видимость
Запросы вроде «топ агентств», «рейтинг типографий», «лучшие специалисты» — самые конкурентные. Нейросеть редко строит такой рейтинг сама: она перепечатывает готовые чужие подборки, каталоги и списки.
В нашем замере на рейтинговых запросах DeepSeek в первой сессии ставил бренд в середину списков — на позиции от 6 до 12, а в повторных сессиях не назвал бренд ни разу из трёх, хотя карточка оставалась в его источниках. Это не значит, что контент бесполезен. Это значит, что для рейтинговых запросов нужны другие источники:
- присутствие в каталогах и подборках, которые любит конкретная нейросеть;
- отзывы и репутация на площадках, откуда модель берёт списки;
- собственные цитируемые подборки и методологии;
- публикации на площадках, которые попадают в источники ответов.
Для Алисы в наших замерах особенно важны Яндекс Карты, 2ГИС, Zoon, Авито, Профи.ру, Яндекс Услуги, VK и Фламп. Для B2B-запросов добавляются Рейтинг Рунета, Tagline, Workspace, vc.ru и Habr. Для Perplexity критичны свежие, доступные и непротиворечивые источники — включая сайт, публикации и карточки. Для ChatGPT и DeepSeek важнее структура и однозначность контента: чем проще модели извлечь ответ, тем выше шанс попасть в рекомендацию.
А вот в коммерческих и локальных запросах контент работает напрямую. Вы должны отражать реальные вопросы пользователей: «сколько стоит», «что входит», «как выбрать», «где находится», «какие есть ограничения». Если этих ответов нет, нейросети не из чего собрать рекомендацию.
Почему нельзя сравнивать по одной метрике
Самая опасная ошибка — посмотреть один-два ответа и сделать вывод: «ChatGPT нас видит, а Алиса нет». Или наоборот: «Алиса поставила нас первой, значит, всё отлично».
В нашем аудите, когда бренд попадал в топ-2, его средняя позиция была 1,2 — очень сильный результат. Но в топ-2 бренд оказался лишь в 40% всех ответов (сводный Presence Score по трём моделям — 0,72). То есть модель ставила нас высоко, но делала это недостаточно часто.
Поэтому мы всегда смотрим метрики парами:
| Метрика | Что показывает | С чем смотреть вместе |
|---|---|---|
| Mention Rate | Как часто бренд назван | С SoV и Presence Score |
| Position Score | На каком месте бренд, когда назван | С Mention Rate |
| Website Mention Rate | Назван ли сайт в ответе | С Ghost Gap |
| Accuracy | Насколько верны факты | С Consistency |
| SoV | Ваш вес среди конкурентов | С Brand Gap и разбивкой по категориям |
Одна цифра без контекста — это не диагностика, а красивая иллюзия. Нужно видеть картину целиком и обязательно смотреть, какие источники нейросеть использовала при формировании ответа.
Что делать дальше
Если вы хотите понять, как нейросети видят ваш бренд, не начинайте с вопроса «в какой нейросети я есть». Начните с проверки по нескольким моделям и с поиска цифрового призрака.
Мини-протокол самопроверки — отметьте выполненные шаги:
МИНИ-ПРОТОКОЛ САМОПРОВЕРКИ
Следующий материал в этой логике — «Цифровой призрак: почему ИИ берёт ваши данные, но рекомендует других». Именно там мы разберём, как появляется полувидимость и как превратить источники в прямые рекомендации.
Частые вопросы
Какие нейросети проверять в первую очередь?
Начните с двух: Алиса AI — главный канал локального бизнеса в России, и ChatGPT — модель-редактор, которая чаще других называет сайт в тексте ответа. Perplexity подключайте как контрольный замер: он показывает, как источник отражает качество ваших данных. DeepSeek добавляйте, когда нужно понять, откуда модель собирает ответ.
Что важнее: попасть в источники или быть названным в ответе?
Быть названным. Попадание в источники — только первый шаг: нейросеть может взять с сайта фактуру и не назвать бренд. Этот разрыв измеряет Ghost Gap. GEO работает, когда бренд назван рядом с фактом, а не просто «прочитан».
Почему один и тот же бренд в разных нейросетях виден по-разному?
У моделей разные источники, разное обращение с фактами и разный стиль ответа. Одна опирается на карты и каталоги, другая — на готовые подборки, третья собирает данные из множества мест. Поэтому замер по одной нейросети ничего не говорит о видимости в целом.
Как часто нужно повторять замер?
Повторные сессии обязательны: ответы нестабильны, и один прогон может быть случайной удачей. В нашем замере Consistency — согласованность повторных сессий — составила 0,83 у ChatGPT и 0,5 у DeepSeek. Опираться можно только на те результаты, которые повторяются.
Узнали свою модель в паспортах?
Замер №1 — это первый срез. Ghost Gap и точность фактов в вашей нише покажет бесплатный мини-аудит: проверим бренд в четырёх моделях и отдадим карту разрывов.
Заказать бесплатный мини-аудитТермины статьи