Как нейросети решают, какой бренд назвать в ответе — и как это измерить

Меня зовут Дмитрий Новиков. Последний год я копаюсь в том, как нейросети выбирают, какие бренды называть в ответах — и как это вообще измерять. Гайдов «10 шагов к GEO» уже хватает, повторяться не буду. Хочу дать то, чего обычно не хватает: механику изнутри простым языком и честный разбор, как за этим следить (включая инструмент, который я сделал для себя).

Поехали.

Часть 1. Как вообще работает «поиск» внутри нейросети

Сначала уберём магию. Когда вы спрашиваете ChatGPT «посоветуй CRM для магазина», он не «ищет в базе компаний». Он достраивает текст по вероятностям — слово за словом, опираясь на то, что видел. Чтобы понимать, почему он называет одних и игнорирует других, надо знать два механизма.

Механизм 1. Память обучения

Представьте сотрудника, который прочитал почти весь интернет — но пару лет назад. Всё, что часто и внятно писали о бренде к моменту обучения, «осело» у него в голове в виде статистических связей. Если о вашем продукте писали много и в связке с конкретной задачей — модель «знает» вас и выдаёт по памяти. Если почти не писали — для неё вас не существует.

Важный нюанс: модель помнит не факты, а закономерности языка. Если в текстах бренд X постоянно стоит рядом со словами «надёжный», «для маленьких команд», то на запрос «надёжная CRM для маленькой команды» X всплывёт — не потому что это правда, а потому что так чаще писали. Это и есть рычаг: вы влияете не на «мнение ИИ», а на то, в каком окружении встречается ваш бренд в текстах.

Механизм 2. Живой веб (RAG)

Второй режим — когда у модели есть доступ к интернету в момент ответа (ChatGPT Search, ответы Алисы/Нейро, Perplexity и т.п.). Тут работает подход RAG (retrieval-augmented generation): сначала система находит релевантные страницы, потом подсовывает их модели как контекст, и она генерирует ответ уже по ним — нередко со ссылками на источники.

На пальцах: в этом режиме нейросеть — как студент, который не знает тему, но быстро гуглит пару статей и пересказывает их своими словами. Кого назвали в этих статьях — того он и порекомендует. Поэтому присутствие в источниках важнее, чем красивый текст на вашем сайте: ИИ цитирует то, что о вас пишут другие.

Почему ответы «плавают»

Зададите один и тот же вопрос трижды, чуть переформулировав, — получите три разных списка. Это не баг: модели недетерминированы (есть элемент случайности в выборе следующего слова), плюс веб-выдача меняется. Практический вывод, который многие упускают: по одному ответу судить нельзя. Нужна выборка из многих прогонов — иначе вы меряете шум, а не реальность. К этому вернёмся в части про замер.

Как ИИ выбирает, ЧТО процитировать

В веб-режиме модель опирается на источники, которые система сочла авторитетными и релевантными: крупные издания, отраслевые обзоры, маркетплейсы, форумы и обсуждения, справочники. Чем чаще и качественнее бренд представлен именно в таких местах — тем выше шанс попасть в ответ. Отсюда практика GEO: экспертные статьи, обзоры, сравнения, отзывы, единое написание имени бренда (чтобы все упоминания «склеивались» в одну сущность).

Чем это отличается от SEO (коротко, но по делу)

SEO борется за позицию ссылки в выдаче — клик делает человек. GEO/AEO борется за упоминание бренда внутри готового ответа, где ссылки может не быть вовсе. SEO — зрелый и конкурентный канал; присутствие в ИИ — ранний, окно ещё открыто. При этом одно не отменяет другое: ИИ часто опирается на тот же качественный контент, что любит и поиск. (AEO — про прямые ответы/ассистентов, GEO — шире, про генеративные ответы; на практике их используют как синонимы.)

Почему это не «когда-нибудь потом»: Gartner ждёт падения объёма традиционного поиска ~на 25% к 2026 году, Adobe фиксирует кратный рост трафика из генеративного ИИ. Аудитория перетекает в ответы — и либо там есть вы, либо конкурент.

Часть 2. Где это смотреть и как мониторить

Окей, механика понятна. Теперь главный вопрос: как понять, советует ИИ вас или нет, и отслеживать это во времени? Вариантов несколько.

Вручную. Открыть ChatGPT/Алису, задать вопросы клиентов, посмотреть ответы. Бесплатно и быстро для разовой проверки. Минусы: ответы плавают, по 4 моделям и десяткам запросов это часы рутины, и нет динамики. Для системной работы не годится.

Специализированные сервисы. Появился целый класс инструментов «AI visibili / brand monitor in AI»: на западе это Profound, Otterly.ai, Peec AI и др., у крупных SEO-платформ выходят модули ИИ-видимости. Идея у всех схожая — гонять запросы по нейросетям и считать упоминания. Минусы для нас: большинство заточены под западные модели и язык, стоят ощутимо, и почти не покрывают Яндекс Алису и DeepSeek, которые в РФ/СНГ как раз важны.

Свой инструмент. Мне нужен был прозрачный замер под наши сети — поэтому я сделал НейроИндекс. Расскажу честно, как он устроен: не чтобы продать, а чтобы показать, что за «индексом» стоит реальная методика, а не одна красивая цифра.

Часть 3. Как устроен мой замер (прозрачно)

🖼 Скрин: блок «Оценка ниши» — рейтинг + переключатель сетей. Подпись: «Рейтинг ниши: кто №1 и где вы, по всем сетям и по каждой отдельно».

Рейтинг ниши — раз в месяц, как полноценное исследование. Я не задаю вопросы вручную. Система сама определяет, сколько и какие запросы задавать в нише (это вопросы, которые реально задают покупатели), и многократно прогоняет каждый из них по всем нейросетям, чтобы добрать максимальную выборку и убрать шум. Один такой замер ниши — это более 2 000 обращений к нейросетям. По сути, ежемесячное мини-исследование рынка глазами ИИ.

Подробный анализ каждой нейросети — раз в неделю, по тому же принципу. Я задаю «ожидаемые» промты (как спросил бы клиент), а ИИ генерирует много похожих по смыслу запросов с другим написанием — и каждый прогоняется многократно по каждой сети. Это даёт достаточно точный, устойчивый результат вместо случайного среза. Видно расклад отдельно по ChatGPT, Gemini, Алисе, DeepSeek — у каждой свой.

Источники — каждую неделю. Отчёт показывает, на какие источники опирается ИИ в ответах — и многие из них кликабельны, ведут прямо на материал. Я смотрю этот список и работаю над тем, чтобы быть в них заметнее: экспертные статьи, обзоры, сравнения, упоминания. Это и есть практический GEO — но теперь по карте, а не вслепую.

Остальные цифры — это прогресс. Доля упоминаний, позиция против конкурентов, тон — и главное, как растёт НейроИндекс бренда от недели к неделе. Видно, окупается ли работа над контентом.

Часть 4. Это надолго

Главное, что я понял: присутствие в ответах ИИ — не минутная задача и не разовый трюк, а работа на ближайшие годы. Канал только растёт и обостряется: конкуренты тоже учатся, а ИИ становится первой точкой выбора для всё большего числа клиентов. Бороться за место под ИИ-солнцем придётся — и делать это вслепую дорого. Нужен инструмент, который честно показывает, где вы сейчас и двигаетесь ли вы вверх.

Без обещаний: «гарантированного топ-1 в ChatGPT» не существует — ответы вероятностны. Но измерять и системно повышать вероятность — реально, и это уже половина дела.

Буду рад обсудить в комментариях — особенно ниши, где ИИ выдаёт неожиданный расклад. Если что-то измерили и удивились — пишите, разберём вместе.