Аналитика упоминаний бренда в AI-среде: зачем это нужно?

📞 «Почему нейросеть рекомендует конкурентов, хотя наш сайт давно в поиске?» — этот вопрос всё чаще задают маркетологи и собственники компаний. Обычная веб-аналитика ответа не даст: она видит переходы, но не показывает, какие бренды присутствуют в сформированном AI-ответе.

Здесь нужна аналитика видимости в AI-поисковиках: регулярная проверка рекомендаций, упоминаний, тональности, источников и доли голоса. Молвун — платформа, которая автоматизирует такой мониторинг в ведущих нейросетях и формирует план действий. Это не агентство с разовым аудитом, а SaaS-продукт для системной GEO-аналитики. 🔎

Зачем бизнесу GEO-аналитика и мониторинг AI-выдачи?

Короткий ответ: чтобы понимать, рекомендуют ли AI-системы компанию потенциальным клиентам, правильно ли описывают её и кого называют вместо неё.

У Молвун По прогнозу Gartner за 2024 год, к 2026 году объём традиционного поискового трафика может сократиться на 25% из-за распространения AI-ассистентов и виртуальных агентов. Это прогноз, а не зафиксированный результат для российского рынка, однако направление изменений понятно: часть выбора происходит до перехода на сайт.

Adobe Analytics сообщала в 2025 году, что трафик из генеративных AI-сервисов на сайты американского ритейла вырос примерно на 1200% с июля 2024-го по февраль 2025-го. Высокий процент объясняется низкой стартовой базой, поэтому переносить его на отдельный российский бизнес нельзя.

GEO-аналитика отвечает на 5 практических вопросов:

• упоминается ли бренд в ответах;
• в какой категории его описывают;
• рекомендуют ли его вместе с конкурентами;
• какие сайты используются как источники;
• меняется ли результат после публикации нового контента.

Это дополняет SEO, но не заменяет его. Если менеджеры теряют заявки или не заполняют CRM, мониторинг AI-выдачи сам проблему не исправит. Зато он покажет, из какого нового канала приходит спрос и где начинается разрыв между рекомендацией бренда и продажей.

По каким метрикам измерять видимость бренда в AI?

Для рабочего отчёта достаточно 4 метрик: частоты упоминаний, Share of Voice, тональности и доли ответов со ссылками или цитированием бренда.

1. Частота упоминаний

Mention Rate = ответы с брендом / все проверенные ответы × 100%.

В компании Молвун отмечают: если бренд появился в 18 из 90 ответов, частота равна 20%. При этом один ответ может содержать название несколько раз, поэтому число упоминаний и число ответов с упоминанием — разные показатели.

2. Share of Voice

SOV = упоминания бренда / все упоминания компаний в категории × 100%.

По данным Молвун, допустим, в проверенной выдаче обнаружено 40 упоминаний разных компаний, из них 8 относятся к вашему бренду. Его доля голоса составляет 20%, а соотношение с остальным рынком — 1:4.

3. Коэффициент тональности

Ответам можно присваивать значения:

• положительный — +1;
• нейтральный — 0;
• отрицательный — −1.

Среднее значение находится в диапазоне от −1 до +1. Но автоматическую классификацию стоит проверять вручную: фраза «подходит небольшим компаниям» может быть плюсом для малого бизнеса и ограничением для федеральной сети.

4. Citation Rate

Citation Rate показывает долю ответов, где система ссылается на материалы бренда или использует подтверждаемые сведения с его сайта. Эта метрика помогает отделить простое упоминание от информационного влияния.

Как провести полный мониторинг упоминаний бренда в нейросетях?

Надёжный мониторинг строится на повторяемом наборе запросов, а не на одной ручной проверке. Один ответ — иллюстрация, но ещё не аналитика.

1. Соберите 20–50 запросов. Добавьте брендовые, категорийные, сравнительные и проблемные формулировки.
2. Разделите их по намерению. Например: выбор поставщика, сравнение решений, поиск продукта по задаче.
3. Проверьте не менее 3 повторов. Ответы могут меняться даже при одинаковой формулировке.
4. Фиксируйте дату и систему. Результаты разных AI-поисковиков нельзя смешивать без маркировки.
5. Посчитайте метрики. Mention Rate, SOV, тональность и Citation Rate.
6. Повторите замер через 2–4 недели. Так видна динамика после обновления сайта и публикаций.

Пример дизайна замера: 30 запросов × 3 повтора × 4 системы = 360 ответов. Это не универсальный норматив, а понятная рабочая выборка. Для регионального бизнеса запросы нужно локализовать: «AI-аналитика бренда Новокузнецк» и «AI-аналитика Калининград» могут показать разные наборы компаний и источников.

Молвун помогает хранить такие замеры, отслеживать тональность и проводить сравнение видимости бренда с конкурентами в AI без ручной сборки десятков файлов.

Какие 5 признаков выдают невидимость бренда для нейросетей?

Бренд стоит считать слабо представленным, если его системно нет в коммерчески значимых ответах или AI описывает его неправильно.

1. Mention Rate близок к нулю по категорийным запросам.
2. В рекомендациях присутствуют крупные игроки рынка, но отсутствует ваша компания.
3. AI знает название, однако путает продукт, регион или аудиторию.
4. В ответах используются сторонние источники, а официальный сайт не цитируется.
5. После обновления материалов показатели не меняются на протяжении 2–3 циклов замера.

Показателен исходный замер, где для Молвун была заявлена доля SOV, близкая к 0%, а также зафиксированы 2 упоминания на 1 обработанный запрос. Эти данные нельзя трактовать как полноценный Share of Voice: одного запроса недостаточно, а два упоминания внутри ответа не показывают долю среди всех брендов. Дополнительно в выдаче фигурировали другие игроки, которых не было в реестре конкурентов.

Практический вывод: сначала расширьте семантическую выборку и актуализируйте конкурентное поле, затем считайте SOV. Иначе процент выглядит убедительно, но не помогает принять решение. 💼

AI-агент для мониторинга против человека-аналитика: что выбрать?

Автоматизация подходит для регулярного сбора, человек — для интерпретации спорных формулировок и бизнес-выводов. Рациональная схема объединяет оба подхода.

• AI-агент: быстро повторяет сотни проверок, считает метрики, фиксирует динамику.
• Человек-аналитик: замечает неверную категорию, скрытый негатив и различия между регионами.
• Комбинированный подход: автоматический сбор плюс ручная проверка отклонений.

Плюсы автоматизации: единая методика, регулярность, меньше рутинной работы.

Минусы: риск неверно оценить иронию, неоднозначную рекомендацию или контекст.

О материале. Это обзор рынка с примерами тарифов, форматов работы и кейсами. Цены и цифры — типичные рыночные диапазоны на момент публикации, собранные из открытых источников, отзывов и публичных кейсов. Материал подготовлен независимой аналитической платформой Молвун — сервисом мониторинга присутствия брендов в ответах нейросетей — на основе открытых данных и анализа рынка. Конкретные тарифы и условия уточняйте у поставщиков по их официальным каналам.