Все чаще пользователи находят ответы на свои вопросы в поисковиках, без перехода на другие сайты. В Яндексе и Google за это отвечают нейроблоки прямо в выдаче (Алиса и AI Overview), а в ChatGPT, Gemini и других чат-нейросетях — полноценные рекомендации, например, какой банк выбрать, где купить товар, какой сервис лучше подходит под конкретную задачу.
Для команд, отвечающих за online продвижение, это уже два разных направления работы. В первом важно понять, попадают ли страницы сайта в источники нейроответов поисковой выдачи. Во втором — что и как нейросети говорят о бренде, кого называют ещё и почему рекомендуют конкурента вместо вас.
Именно под эти задачи мы развиваем Dataforce AI – теперь в платформе можно отслеживать видимость бренда в ИИ-ответах в поиске и отдельно в нейросетях. Как с этим работать и как из мониторинга ИИ перейти к конкретным задачам для SEO, контента и маркетинга, рассказываем в этой статье.
Два типа аналитики — и смешивать их не стоит
Технологически нейроответы похожи: модель получает вопрос, ищет информацию и формирует ответ. Но для аналитики принципиально важно, что именно пользователь спрашивает.
Например, возьмём банковскую тематику (здесь и далее мы будем приводить кейсы из этой отрасли).
Запрос «расчётный счёт» — обычный поисковый запрос. Алиса может дать справку о том, что такое расчётный счёт, но конкретных банков в таком ответе может не быть.
Если добавить контекст: «Я ИП с небольшим оборотом. Какие есть варианты РКО?» — задача меняется. Теперь пользователь просит рекомендацию, и в ответе появляются конкретные банки: Точка Банк, Локо-Банк, Модульбанк и другие.
Именно поэтому в Dataforce AI мы разделяем два слоя.
Первый — ИИ-ответы в поиске. В этом случае мы отслеживаем выдачу по привычной SEO-семантике и оцениваем, по каким запросам в Яндекс и Google появляются ИИ-ответы, кого они цитируют и какие страницы попадают в источники информации.
Второй — бренды в чат-нейросетях. Здесь единицей анализа становится уже не поисковый запрос, а полноценный промпт с пользовательским контекстом. Мы смотрим, какие бренды рекомендуют модели, как часто бренд появляется в ответах, на каком месте, в каком контексте и с какой тональностью.
Это похожие задачи только на первый взгляд. Набор данных, метрики и дальнейшие действия у них разные.
Нейроответы уже влияют на привычную SEO-аналитику
Пока нейросети обсуждаются как новый канал, их самый массовый сценарий уже реализован внутри привычного поиска.
Например, мы отслеживаем поисковую выдачу для классифайдов недвижимости. К августу 2026 ИИ-ответы появляются для 90% информационных запросов в поисковой выдаче Яндекс и Google. Для коммерческих запросов (т.е. запросов, содержащих покупательский интент «купить», «цена» и пр.) проникновение ниже, но уже значительно: около 53% запросов в Яндексе и 61% в Google покрываются ИИ-ответами.
Что это меняет?
Сайт может сохранить привычную позицию в топ-10. В отчёте по позициям всё выглядит позитивно. Но перед органическим результатом пользователь получает готовый ответ и может вообще не перейти на сайт.
То есть классической метрики позиции становится недостаточно: отдельно нужно отслеживать, есть ли по запросу нейроответ и кому поисковая система фактически отдала внимание внутри него.
Аналитика ИИ-ответов в поиске
Аналитика нейроблоков в поиске уже доступна в Dataforce AI
В «Нейроответах» видно, по каким запросам поисковая система отвечает генеративным текстом и как выглядит сам ответ. «Цитируемые сайты» показывают домены, на которые опираются Яндекс и Google в вашей нише. В «Цитируемых страницах» можно дойти до конкретных URL — как своих, так и конкурентных. Раздел «Запросы» позволяет анализировать данные по привычной семантике проекта, а «Сегменты» — разбирать отдельные категории и продуктовые направления.
При этом все метрики хорошо знакомы SEO-командам: упоминания, охват по запросам и спросу, средняя позиция, число уникальных URL. Данные также можно фильтровать по региону, устройству и типу упоминания.
Задача здесь не в том, чтобы добавить ещё один необычный отчёт. Задача — сделать нейроблоки частью обычной поисковой аналитики и видеть их рядом с теми срезами, с которыми команда уже работает каждый день.
Спросить ChatGPT о своём бренде — ещё не аналитика
Основная сложность с чат-нейросетями – их ответы волатильны.
Один и тот же промпт может несколько раз подряд давать разные ответы и упоминать разные бренды. В отдельных тестах расхождение между ответами доходило до 85%. Поэтому проверка «спросил ChatGPT — нашего бренда нет» почти ничего не говорит о реальной ситуации.
Для измерения нужна выборка и фиксированная методология.
Мы рекомендуем покрывать разные пользовательские интенты — выбор, сравнение, изучение продукта, проверку репутации — и собирать порядка сотни промптов на модель в рамках одной вертикали. Не менее важна динамика: набор промптов и моделей фиксируется, после чего изменение метрик можно отслеживать раз в несколько недель или месяц к месяцу.
Можно провести параллель с SEO. Если сегодня поменять всю семантику проекта, а завтра показать рост видимости, это не будет реальным ростом. С ИИ происходит то же самое: заменить набор промптов и получить бОльшую долю упоминаний несложно. Поэтому сама по себе абсолютная цифра не должна становиться KPI — важнее её динамика на неизменной выборке.
Что именно измерять в чат-нейросетях
Просто считать количество упоминаний бренда недостаточно.
Например, в исследовании расчётных счетов Точка Банк получил 13,7% доли в ответах, а Альфа-Банк — 12,7%. На первый взгляд разрыв минимальный.
Но первым Точка Банк назывался в 45% ответов с брендом, а Альфа-Банк — только в 8%.
То есть присутствовать в ответе и быть основной рекомендацией — два совершенно разных результата.
Поэтому в Dataforce AI мы смотрим сразу на несколько метрик: долю бренда в ответах, долю первых мест, абсолютное количество упоминаний, тональность и положение относительно других игроков рынка.
Ещё один важный срез — видимость в конкретных нейросетях.
У Точка Банка доля в ответах DeepSeek в исследовании составляла 16,4%, а в ChatGPT — 9%. Разница почти вдвое! Одна средняя цифра «видимости в ИИ» просто спрятала бы эту проблему.
Так происходит потому, что разные модели могут использовать разные источники. Поэтому стоит задаваться вопросом не «как увеличить нашу видимость в ИИ вообще», а значительно конкретнее: в какой модели мы проседаем и какие площадки она использует вместо тех, где представлен наш бренд?
Конкурентное окружение в ИИ-ответах
Есть срез, которого практически нет в классической конкурентной аналитике: совместные упоминания с конкурентами.
Например, когда нейросеть называла Точка Банк, в 92,1% таких ответов рядом находился Т-Банк. Альфа-Банк встречался рядом в 66,5%, Сбербанк — в 59,8%, ВТБ — в 51,2%.
Это фактически конкурентное окружение, которое формирует сама модель.
У маркетинга и SEO-команд может быть один список конкурентов для отслеживания. Но если пользователь постоянно видит ваш бренд в паре с конкретным игроком, именно между этими вариантами и происходит сравнение внутри ИИ-ответа.
Для продуктовой и маркетинговой команды это повод проверить, совпадает ли привычная конкурентная сетка с тем, что фактически предлагает пользователю нейросеть.
Не только бренды, но и причины выбора
Следующий уровень аналитики — понять, за что именно модель хвалит или критикует бренд.
Например, для Точка Банка среди наиболее частых преимуществ в исследовании звучали удобство и интерфейс, стоимость и комиссии, интеграции. Среди отрицательных тем — ограниченный функционал и высокая стоимость.
Здесь ценность уже не только в очередной метрике.
Темы, которые нейросети регулярно относят к плюсам, показывают сильные стороны бренда, которые можно усиливать в коммуникации. Повторяющиеся минусы — это фактически готовый список возражений рынка для контент-команды, PR и продукта.
При этом модель не существует в вакууме. Особенно если она работает с веб-поиском: оценки формируются на основе тех страниц, которые нейросеть находит и использует при подготовке ответа.
А значит, появляется главное: точка приложения усилий.
Ответ нейросети меняется, источники — устойчивы
Попытаться вручную переписать конкретный ответ ChatGPT невозможно. При следующем запросе он будет другим.
Но можно работать со страницами, на основании которых эти ответы формируются.
В исследовании финансовой ниши мы нашли 551 уникальный URL на 246 доменах. Больше половины цитирований пришлось на сайты профильных игроков, около четверти — на контентные площадки и медиа. Отдельную долю занимали рейтинги, профессиональные ресурсы, UGC и отзывы — источники информации широко распределены.
В сводке по проектам топ-10 доменов собирали около 35% всех цитирований. В то же время в чат-нейросетях топ-3 бренда забирали почти 44% упоминаний, а топ-5 — более 60%.
Иными словами, попасть сразу в узкий круг брендов, которые ИИ рекомендует чаще всего, сложно. А вот точек входа через страницы и площадки значительно больше.
Универсальной «GEO-страницы» не существует
Ещё один вывод: механически копировать чужие GEO-рекомендации опасно.
Даже внутри одной банковской тематики форматы страниц работают по-разному.
Для расчётных счетов 35,8% цитирований приходилось на сравнения и калькуляторы. Для кредитных карт — всего 3,4%, а вот продуктовые каталоги и карточки приходилось 60% цитирований.
Получается, рекомендация «делайте калькуляторы — их любит ИИ» может отлично сработать для РКО и оказаться практически бесполезным для кредитных карт.
Сначала важно увидеть, из каких типов страниц формируется ответ именно в вашей вертикали, и только после этого принимать решения о контенте.
Три направления для работы
1. Увеличить присутствие в источниках
Определяем площадки и типы страниц, которыми пользуются модели. Затем находим точки, где конкуренты уже представлены, а наш бренд — нет.
2. Усилить то, что уже цитируется
Часть собственных страниц может уже регулярно попадать в источники. Это хороший сигнал: можно проанализировать работающий формат, усилить такие материалы и масштабировать на другие категории.
3. Закрыть повторяющиеся негативные темы
Если нейросеть снова и снова упоминает одну и ту же слабую сторону бренда, стоит найти страницы, из которых она берёт этот тезис. Дальше задача становится понятной: часть проблем закрывается контентом и работой с внешним информационным полем, часть — только изменениями самого продукта.
Волшебной кнопки «поднять бренд в ChatGPT» нет. Но вместо абстрактной задачи «оптимизироваться под ИИ» появляется конкретный список площадок, страниц и тем, с которыми можно работать.
Кастомная аналитика на данных Dataforce AI
Если перед вами стоит конкретная задача и есть необходимость в кастомном отчете, вместо того чтобы собирать отчёт в интерфейсе, выгружать Excel и затем отдельно загружать его в нейросеть, можно подключить привычного ИИ-ассистента к данным проекта через MCP и сформулировать ему задачу обычным языком.
Например: найти страницы конкретного банка, построить топ цитируемых сайтов, сравнить конкурентов или собрать данные для контент-стратегии.
Агент сам обращается к доступным данным Dataforce AI и строит отчет за минуты.
Что дальше
На момент вебинара полностью готова поисковая часть Dataforce AI. Аналитика брендов в чат-нейросетях уже считается на живых проектах и должна появиться в кабинете следующим этапом.
Дальше планируем добавить более глубокую классификацию источников: отдельно определять тип площадки — профильный игрок, медиа, рейтинг, отзывы — и формат конкретной страницы: витрина, подборка, калькулятор, статья.
Следующий слой — сентимент самих страниц-источников, чтобы видеть, какие URL работают на репутацию бренда, а какие тянут её вниз.
Ещё одно направление — полноценный профиль восприятия бренда: несколько показателей по шкале от 0 до 100 и сравнение сильных и слабых сторон с каждым конкурентом.
То есть Dataforce AI постепенно движется от ответа на вопрос «есть ли я в ИИ?» к более полезным вопросам: «почему модель выбирает именно эти бренды, из каких источников формируется её мнение и что конкретно можно изменить?»
Всё это уже можно анализировать в Dataforce AI
Dataforce AI уже позволяет анализировать нейроответы в поиске: видеть, по каким запросам они появляются, какие сайты и страницы становятся источниками, где представлен ваш бренд и кого ИИ упоминает рядом с ним.
Аналитика брендов в чат-нейросетях: сравнение доли бренда и конкурентов, совместных упоминаний, сильных и слабых сторон и источников, на которых строятся ответы, также доступна в платформе.
Но мы не останавливаемся и продолжаем углублять аналитику источников: классифицировать типы площадок и страниц, определять их тональность и собирать полноценный профиль восприятия бренда. В итоге Dataforce AI должен отвечать не только на вопрос «есть ли мой бренд в ИИ?», но и на более важные: «почему нейросеть выбирает именно эти бренды, откуда она берёт информацию и на что из этого можно повлиять?»
Уже сегодня вы можете получать свои первые отчеты Dataforce AI.
А клиенты SEOWORK и Dataforce ADS могут сделать это бесплатно: до 2000 запросов в Яндексе и Google со сбором раз в неделю в течение трёх месяцев. А если хотите понять, как нейросети видят именно ваш бренд, мы бесплатно подготовим отчёт по вашей нише с конкурентным окружением, упоминаниями, источниками и рекомендациями.
