Как попасть в ответы нейросетей: механика, а не мантры

«Создавайте качественный контент» — этим советом заканчивается девять статей из десяти про продвижение в ChatGPT. Совет не неправильный. Он бесполезный: непонятно, что делать в понедельник утром.

Чтобы понять, что делать, надо знать, откуда нейросеть вообще берёт название бренда в ответе. А берёт она его ровно из двух мест.

Коротко. Бренд попадает в ответ либо потому, что модель запомнила его на обучении, либо потому, что её поиск подтянул его прямо сейчас. На первое влияет объём и согласованность упоминаний в сети. На второе — наличие свежих, цитируемых страниц. Промпт вы не контролируете. Источники — да.

Два пути бренда в ответ

Когда вы спрашиваете «какую CRM посоветуешь для малого бизнеса», модель собирает ответ из двух источников одновременно.

Путь первый — память модели. На обучении нейросеть прочитала огромный срез интернета и «спрессовала» его в веса. Встречался ваш бренд в этом срезе десятки тысяч раз — модель его «помнит» и называет даже без интернета. Встречался дважды — не вспомнит.

Путь второй — поиск на лету. ChatGPT с поиском, Perplexity, Алиса, Gemini с грундингом не полагаются только на память. Они отправляют запрос в поиск, берут несколько страниц и отвечают по ним. Здесь решает не то, что было год назад, а то, что находится сейчас.

Как это выглядит на реальных данных

Это не теория. Вот наш прогон ниши «банки для ИП» по разным моделям. Тинькофф сменил название на Т-Банк ещё в 2024 — и модели разошлись:

Gemini, ChatGPT и Claude отвечают из памяти — и в 5 ответах из 5 называют старое «Тинькофф». Perplexity ходит в поиск — и в 5 из 5 говорит новое «Т-Банк». Один банк, два имени, и зависит это только от того, помнит модель или ищет.

Практический вывод один: оптимизировать нечего, кроме источников. Промпт пишет пользователь, договориться с моделью нельзя. Можно только сделать так, чтобы про вас было что прочитать — и в обучающих данных, и в живом поиске.

Что реально двигает упоминания

По убыванию отдачи. Не «10 лайфхаков», а то, что влияет на оба пути сразу.

1. Согласованность имени

Для модели бренд — это сущность, собранная из десятков источников. «ООО Ромашка» на сайте, «Ромашка Сервис» в каталогах, «romashka.pro» в соцсетях — для модели это три разных объекта. Сведите название и факты к одному виду везде. Скучно — и работает лучше половины «контент-стратегий».

2. Упоминания на источниках, которым доверяет поиск

Ретриверы цитируют не случайные страницы, а авторитетные: отраслевые СМИ, Habr, vc.ru, агрегаторы, отзовики, Wikipedia. Одно упоминание на vc весит больше десяти страниц на своём сайте — это внешнее подтверждение.

📊 Пример из данных. В нашем прогоне ниши «CRM для бизнеса» Битрикс24 и amoCRM называют почти в каждом ответе (5/5 у большинства моделей). А YCLIENTS — почти никогда. Разница не в продукте, а во внешнем следе: про лидеров пишут везде, про остальных — почти нигде.

3. Прямые ответы на вопросы

Модель ищет не «лендинг про нас», а абзац, который прямо отвечает на вопрос. Сравнения «X или Y», таблицы, FAQ, цифры — это удобно процитировать. Страница «О компании» с миссией — нет.

4. Структурированные данные

Разметка Organization с полем sameAs, карточка в Wikidata, согласованные справочники — всё это помогает модели уверенно связать факты с вашей сущностью. Разовая техническая работа с долгим эффектом.

5. Доступность для AI-ботов

Половина сайтов стреляет себе в ногу. robots.txt закрывает GPTBot и PerplexityBot — цитировать нечего. Сайт отдаёт боту пустую JS-оболочку — то же самое.

Мы поймали этот баг на собственном сайте: половина страниц отдавала краулерам пустую оболочку. Сервис про видимость в ИИ был невидим для ИИ. Ирония дорогая — проверьте у себя первым делом.

6. Внешний след

Отзывы на маркетплейсах, упоминания в подборках, экспертные комментарии — это сырьё сразу для обоих путей: и «запомниться», и «найтись».

7. Свежесть

Поиск на лету любит новое. Регулярные публикации дают ретриверу повод вернуться. Написать раз и забыть — стратегия для пути №1, но не для №2.

Как понять, что сработало

Главная ловушка — проверять руками. Открыли ChatGPT, спросили, увидели себя, обрадовались. Назавтра ответ другой, в другом регионе другой, у коллеги другой. Один прогон ничего не значит: ответы вероятностны.

📊 Пример из данных. В той же CRM-нише RetailCRM у ChatGPT упомянут лишь в 2 ответах из 5 (40%), а у Claude и Gemini — в 5 из 5. По одному прогону вы бы решили, что «нас не называют» или «называют всегда» — смотря на какую модель попали. Правду видно только на повторяемом срезе по всем моделям.

Поэтому нужен повторяемый замер: один набор запросов, прогон по всем моделям, регулярно, с фиксацией доли упоминаний, тональности и того, кого называют вместо вас. Это и есть мониторинг видимости в нейросетях.

С чего начать на этой неделе

1. Проверьте robots.txt и что бот видит текст, а не пустую страницу.
2. Сведите имя и факты о бренде к одному виду везде.
3. Добавьте Organization-разметку с sameAs.
4. Напишите одну страницу-сравнение под реальный вопрос клиента.
5. Поставьте базовый замер, чтобы было от чего отталкиваться.

Дальше: почему нейросети не упоминают ваш бренд — 7 причин, что такое AEO и исследование про раскол бренда на реальных данных.

Частые вопросы

Можно ли «оптимизировать промпт», чтобы нейросеть называла мой бренд?

Нет. Промпт задаёт пользователь, а не вы. Влиять можно только на источники: на то, что модель запомнила на обучении, и на то, что поиск подтягивает в момент ответа.

Почему ChatGPT знает про конкурента, а про нас нет?

Чаще всего у конкурента больше согласованных упоминаний на источниках, которым доверяют модель и её поиск. Бренд для модели — это сущность, собранная из множества внешних подтверждений.

Сколько ждать результата?

Попадание через поиск на лету (Perplexity, ChatGPT Search, Алиса) может появиться за недели после публикации цитируемого материала. Попадание в «память» модели зависит от следующего цикла обучения и измеряется месяцами.