К содержимому

Глоссарий

LLM Visibility (видимость в нейросетях)

LLM Visibility — зонтичный термин: насколько часто и в каком контексте нейросети показывают бренд. У разных вендоров разные формулы, важны промпты, модели и дата снимка.
  • Без раскрытия набора вопросов и моделей цифры разных систем несопоставимы.

  • Ближайшие аналоги в Getllmspy: LLM-Score, доля голоса, GPI.

Определение

«Видимость в нейросетях» в маркетинге обычно означает: насколько часто чаты и ассистенты называют бренд в ответах на вопросы категории. Это не единый стандарт: одни системы считают только упоминание, другие — цитаты и ссылки, третьи смешивают с трафиком из поиска. Полезный вопрос всегда прикладной: какой пакет промптов, какие модели, какая география, какая дата замера.

Пример сравнения «на глаз» и по методичке

Поставщик отчёта пишет «видимость +30%» за месяц. Без приложения вы не знаете: добавили ли новые модели в расчёт, поменяли ли список вопросов или действительно чаще называют вас. Просите файл: версия пакета, список моделей, два датированных снимка — тогда цифры сопоставимы.

Как считается

Типичный состав: набор вопросов (фиксированный или динамический), прогон по нескольким моделям, детекция упоминания бренда, оценка тональности и фактов, сводка в индекс или ранг. Если поставщик отчёта добавляет новые модели или меняет знаменатель «видимости», график может прыгнуть без изменений с вашей стороны.

Как это работает на практике

Как переговорить «видимость» в понятные KPI

  • Попросите список вопросов или метод отбора формулировок.
  • Уточните, считается ли метрика относительно конкурентов (как доля голоса) или абсолютно.
  • Требуйте датированные снимки — модели обновляются, ответы могут поменяться за ночь.

Как читать показатель

Фраза «видимость +20%» без описания знаменателя и новых вопросов малоинформативна: сравнивайте только одинаковые пакеты и одинаковый набор моделей.

Когда использовать

  • При выборе внешнего мониторинга.
  • Когда PR приносит «индекс видимости» без методички.
  • Когда нужен понятный заголовок для заинтересованных сторон, но внутри вы всё равно храните LLM-Score и долю голоса.