Как проверить, что нейросети говорят о вашей компании

Зачем проверять и что именно искать

Клиент спрашивает у ChatGPT или Алисы «какую клинику выбрать для имплантации в Екатеринбурге» и получает короткий список. В него попадают не все и не всегда лучшие. Проверка отвечает на четыре вопроса:

• называет ли модель вашу компанию, когда спрашивают о вашей услуге без бренда;
• что она говорит, когда спрашивают о вас напрямую: адрес, цены, услуги, репутация;
• кого она называет вместо вас;
• на какие источники ссылается.

Ответ на последний вопрос самый полезный. Он показывает, какие сайты модель считает авторитетными в вашей теме, и дальше с ними можно работать.

Шаг 1. Соберите набор вопросов

Нужно 20–50 вопросов в формулировках живых клиентов. Разбейте их на три группы.

Общие вопросы про проблему: «как понять, что пора менять ГРМ», «сколько стоит лечение кариеса». Здесь модель редко называет компании, но полезно видеть, чьи материалы она цитирует.

Вопросы выбора: «какой автосервис в Митино посоветуешь для Kia», «лучшие школы английского для детей в Казани», «где заказать банкет на 40 человек недорого». Это главная группа, ради неё всё и затевается.

Брендовые вопросы: «что известно о компании X», «X отзывы», «X или Y, что лучше». Тут проверяете точность фактов.

Источники формулировок: запросы из Wordstat, вопросы, которые клиенты задают менеджерам, темы из отзывов. Пишите разговорным языком, как человек пишет в чат: полными фразами, с деталями и уточнениями.

Шаг 2. Выберите модели и правила замера

Для России имеет смысл проверять Алису, ответы нейросети в поиске Яндекса, ChatGPT, DeepSeek, GigaChat и Perplexity. Если клиенты у вас в основном из крупных городов и сферы B2B, ChatGPT и Perplexity важнее. Для локальных услуг Алиса и поиск Яндекса часто дают больше.

Правила, без которых замер ничего не покажет:

• новая сессия на каждый вопрос, без истории переписки и без входа в аккаунт, где модель уже знает про ваш бизнес;
• поиск в модели включён, если такая настройка есть: большинство рекомендаций приходит оттуда;
• каждый вопрос задаётся 2–3 раза, потому что ответы плавают;
• город указывается прямо в вопросе, иначе модель гадает по IP или отвечает про Москву.

Шаг 3. Заведите таблицу

Обычной Google-таблицы или Excel хватает. Колонки:

• вопрос и группа вопроса;
• модель и дата;
• назван ли бренд (да/нет) и на каком месте в списке;
• тон упоминания: нейтральный, положительный, с оговорками;
• какие конкуренты названы;
• ссылки-источники из ответа;
• ошибки в фактах.

Главная метрика считается просто: доля ответов с упоминанием бренда по группе «вопросы выбора». Например, из 30 вопросов по 2 прогона в одной модели бренд появился в 9 ответах из 60, значит, доля 15%. Это условный пример для понимания расчёта. Через месяц повторяете тот же набор и сравниваете.

Отдельной колонкой полезно записывать точную формулировку, которой модель описывает бренд. Через пару замеров станет видно, какие слова к вам прилипли: «недорогая», «для детей», «с парковкой». Это описание собрано из источников. Если оно не совпадает с тем, как вы хотите позиционироваться, значит, внешние площадки пишут о вас иначе, чем вы сами.

Шаг 4. Разберите источники

Выпишите все сайты, на которые ссылались модели, и посчитайте, сколько раз встречается каждый. Обычно в топе оказываются:

• Яндекс Карты и 2ГИС;
• отраслевые агрегаторы и каталоги;
• статьи-подборки на медиа и в блогах;
• сайты конкурентов с подробными страницами услуг;
• форумы и сайты отзывов.

Отметьте, где вы есть и где вас нет. Если модель пять раз из десяти ссылается на подборку «лучшие стоматологии района» на местном портале, а вас там нет, это задача номер один. Если вы там есть, но с устаревшим описанием, задача ещё проще.

Отдельно разберите конкурентов, которых модели называют чаще всего. Откройте страницы, на которые ссылается нейросеть, и посмотрите, как они устроены: есть ли цены, таблицы, ответы на вопросы, дата обновления. Проверьте, где ещё о них пишут: подборки, интервью, кейсы на vc.ru. Обычно разрыв объясняется двумя-тремя вещами, которые вполне можно повторить, например подробной страницей услуги, строчкой в местном рейтинге и сотней живых отзывов на картах.

Шаг 5. Что делать, если нейросеть говорит неправду

Типичные ошибки: старый адрес, закрытый филиал, цены трёхлетней давности, чужие отзывы, путаница с однофамильцем или компанией с похожим названием.

Написать в поддержку модели и попросить исправить ответ почти всегда бесполезно. Работает исправление источника. Найдите по ссылкам в ответе, откуда модель взяла ошибку, и обновите данные там: карточку в Яндекс Бизнесе, профиль в 2ГИС, каталог, старую статью. Если источник не ваш, напишите владельцу площадки. Параллельно поставьте правильные факты на свой сайт в явном виде: адреса, телефоны, актуальный прайс с датой.

Отдельный случай: негатив. Если на вопрос «X отзывы» модель пересказывает старую историю с жалобой, посмотрите, на какую страницу она ссылается. Часто это одна громкая ветка на форуме или отзовике. Ответьте там по существу от имени компании и соберите свежие отзывы на картах. Со временем более новые и многочисленные источники перевешивают старую историю.

Если модель без поиска повторяет старые данные по памяти, быстро это не поправить. Помогает только увеличение количества свежих и согласованных упоминаний, которые попадут в следующие версии моделей.

Как смотреть результат в аналитике

Замеры вручную показывают видимость. Трафик из нейросетей видно в Метрике: откройте отчёт «Источники, сводка» или «Сайты» и найдите переходы с chatgpt.com, perplexity.ai, chat.deepseek.com и похожих доменов. Объём там пока небольшой почти в любой нише, но динамика показательная. Второй косвенный признак: рост брендовых запросов в Wordstat, когда человек услышал о вас в ответе и пошёл искать.

Разовый замер по этой инструкции вы сделаете сами. Сложнее держать регулярность, расширять набор вопросов и превращать найденные источники в публикации и правки. Если результаты замера показали, что вас нет в ответах, а конкуренты там есть, посмотрите, как устроено продвижение в нейросетях: мы начинаем с такого же аудита, только на 50–150 вопросах и по всем моделям сразу. Если в ответах всплывает негатив из отзывов, начинать стоит с работы с репутацией.