Несколько месяцев назад я научил ChatGPT рекомендовать мой сервис. Проверил, что стало с результатом

Несколько месяцев назад я писал на Т-Ж о своем эксперименте с ChatGPT. Я хотел понять, можно ли добиться, чтобы нейросеть чаще рекомендовала мой сервис по нужным запросам, и тогда получил первые заметные результаты. После статьи я продолжил проверки, потому что один удачный период мало что доказывает: мне было интереснее посмотреть, сохранится ли эффект через несколько месяцев.

С тех пор я регулярно прогоняю одни и те же группы промптов и смотрю, как меняются ответы. По тем запросам, которые для меня действительно важны, картина стала лучше: сервис появляется чаще, в части ответов стоит выше, а описание продукта стало точнее. Бывают провалы, когда бренд временно исчезает из конкретного ответа, поэтому один скриншот я давно перестал считать результатом. Смотрю серию замеров и общую динамику за период.

Мониторинг я по-прежнему веду через GeoAist. Когда только начал пользоваться сервисом, основная польза для меня была в одном месте видеть ответы разных нейросетей по своим промптам. Это уже экономило время: вручную повторять десятки запросов в нескольких моделях и потом сравнивать результаты довольно быстро надоедает.

За последние месяцы сервис заметно изменился. Инструментов стало больше, при этом разбираться в проекте стало проще. Сильнее всего я почувствовал это по рекомендациям. Раньше после замера я видел проблему и дальше сам решал, куда идти: переписывать страницу, добавлять отдельный материал, искать внешние площадки или пока вообще ничего не трогать.

Сейчас рекомендаций гораздо больше и они конкретнее. В проекте видно, какие темы стоит раскрыть, где информации мало, какие внешние упоминания могут помочь и по каким запросам у конкурентов ситуация лучше. Я использую это почти как рабочий чек-лист. Быстрые вещи закрываю сразу, статьи и публикации ставлю отдельными задачами, часть советов откладываю, если затраты сейчас явно выше возможного эффекта.

Мне такой формат удобен именно из-за экономии времени. После очередного замера не приходится полчаса смотреть на таблицы и вспоминать, что я собирался делать по каждому запросу. Открыл проект, выбрал несколько рекомендаций, сделал работу, через время запустил проверку еще раз. В итоге сам цикл стал намного понятнее.

Самое интересное для меня по-прежнему находится в ответах нейросетей. Я отслеживаю запросы нескольких типов: прямой поиск сервиса, просьбы подобрать несколько решений и более широкие вопросы, где модель сама решает, какие компании включить в ответ. По части таких промптов виден рост видимости, и это совпадает с тем, что я вижу при ручных проверках.

Еще изменилось качество описаний. В начале ChatGPT мог упомянуть название довольно общо, иногда даже с формулировками, которые слабо совпадали с тем, как мы сами объясняем продукт. После серии правок на сайте и публикаций на внешних площадках ответы стали точнее. В них начали появляться детали про задачи сервиса и сценарии использования, которые мы сами последовательно описывали в материалах.

Связь здесь я вижу довольно приземленную. Когда про продукт в разных местах есть одинаковая понятная информация, модели проще собрать внятное описание. Если на сайте одно позиционирование, в каталоге другое, а во внешней статье третье, результат получается гораздо более случайным. Поэтому я сейчас внимательно слежу за тем, чтобы основные формулировки про продукт не расходились между площадками.

При этом я не жду линейного роста от каждой публикации. Иногда выпускаешь материал и ближайшие проверки вообще ничего интересного не показывают. Через пару недель ситуация меняется, хотя за это время могли обновиться источники, модель или еще несколько страниц. Поэтому я стараюсь оценивать серию действий и период целиком.

За это время у GeoAist появилась возможность заказать GEO-продвижение под ключ. Мне было любопытно посмотреть, как команда работает с проектом клиента, потому что сам я уже достаточно глубоко в теме и примерно представляю стандартный набор задач. Взял один месяц, скорее как тест. Стоимость показалась нормальной для такого эксперимента, и я хотел сравнить их подход со своим.

Сначала думал, что большую часть рекомендаций уже слышал сам от себя. Свой проект я разбирал много раз, конкурентов смотрел, промпты собирал, сайт правил. В итоге ребята все равно нашли несколько вещей, которые я раньше откладывал или считал второстепенными. Они прошлись по текущей видимости, конкурентам, сайту и внешним упоминаниям, а по приоритетным задачам объяснили, почему предлагают начинать именно с них.

Мне понравилась открытость процесса. Я видел, что делается по проекту и зачем, мог задавать вопросы и спорить с отдельными решениями. Для меня это хороший тест любой услуги в маркетинге: если спустя месяц ты понимаешь только то, что подрядчик «что-то делал», пользы от такого сотрудничества немного.

По окончании месяца команда отдала рекомендации по дальнейшей работе. Часть из них я могу закрывать сам, часть логично делать позже. Никто не пытался создать ощущение, что без постоянного сопровождения проект сразу откатится назад. Я получил выполненную работу и понятный список следующих шагов, что для меня в этой истории было особенно полезно.

После первого эксперимента мой главный вопрос был довольно простой: можно ли вообще влиять на рекомендации ChatGPT и других нейросетей. Сейчас по своему проекту я вижу, что влияние есть. Частота упоминаний меняется, описания становятся точнее, по нужным промптам растет видимость. Этого мне достаточно, чтобы продолжать работу и дальше смотреть на данные.

Теперь меня больше интересует устойчивость. Например, насколько долго бренд удерживается в рекомендациях после серии публикаций, что происходит после обновления модели и какие источники со временем начинают весить больше. Здесь у меня пока нет готовых ответов, поэтому продолжаю замеры.

Еще я стал спокойнее относиться к отдельным просадкам. Если сегодня сервис исчез из одного знакомого ответа, я ничего срочно не переделываю. Сначала смотрю следующие проверки и соседние промпты. Иногда через несколько замеров бренд возвращается сам, а общий показатель за период почти не меняется.

В работе тоже стало меньше хаоса. Обычно я сначала выбираю запросы, которые реально могут привести нужную аудиторию, потом смотрю текущую видимость и конкурентов, беру несколько рекомендаций в работу и через время сравниваю новый замер с предыдущим. Этот порядок оказался удобнее бесконечных ручных проверок ChatGPT после каждого изменения на сайте.

Эксперимент продолжаю. Пока причины есть вполне конкретные: по нужным промптам позиции растут, бренд чаще появляется в подходящем контексте, а на разбор очередного этапа я трачу меньше времени, чем несколько месяцев назад. Следующий интересный момент для меня будет через несколько месяцев, когда накопится еще одна серия замеров и станет понятнее, какие из нынешних действий действительно дают устойчивый эффект.