Упоминаний стало больше, но бренд не вырос: как длинные AI-ответы создают ложную динамику

Клиент приходит с хорошей новостью: за квартал бренд стали упоминать в ответах нейросетей почти в полтора раза чаще. График в отчёте идёт вверх, вывод кажется очевидным. Дальше выясняется, что у конкурентов в той же категории упоминания выросли примерно так же, а на прямой вопрос «что выбрать» модель по-прежнему называет первым другой бренд.

Проблема обычно начинается не с нейросети, а с метрики, которую взяли за основу отчёта.

Формат ответов меняется. Там, где модель раньше называла две или три компании, сейчас она часто разворачивает список на шесть-восемь пунктов с коротким описанием каждого. Причины внешние: новая версия модели, другой системный промпт, включённый веб-поиск, привычка отвечать структурой.

Для абсолютного счётчика упоминаний это выглядит как рост. На практике это выглядит так: ответ стал длиннее, в него поместилось больше участников категории, и прибавку получили все сразу, включая тех, кто за квартал не сделал ничего.

Число упоминаний отвечает на один вопрос: назвали бренд или нет. Остальное остаётся за кадром.

• Попал бренд в рекомендацию или просто в перечисление вариантов.
• На каком месте он стоит в списке.
• С какой тональностью и с какой формулировкой его описали.
• Выросла ли его доля в категории или только абсолютное число.
• Держится ли упоминание на похожих запросах или это разовое попадание.

Для бренда здесь важнее другое: в перечислении из восьми названий само присутствие почти ничего не решает. И читатель, и модель работают с первыми двумя-тремя позициями, остальное дочитывают редко.

Если смотреть на задачу шире, абсолютные упоминания стоит держать в отчёте как контекст, а решения принимать по относительным показателям.

• Доля присутствия, Share of Voice: какую часть всех упоминаний категории забрал бренд.
• Рекомендации: в скольких ответах бренд не просто назван, а предложен как подходящий вариант.
• Preference for Brand: выбирает ли модель бренд, когда её просят назвать один вариант.
• Средняя позиция в перечислении и доля попаданий в первые три места.
• Тональность и точность описания: что именно модель приписывает бренду.

На десятке запросов это считается вручную, в таблице. Если запросов сотня, а нейросетей несколько, динамику смотрят в GEO-сервисах: Profound, GeoRank, brandfound и других. Требование к отчёту одно: рядом с упоминаниями должны стоять доля присутствия, рекомендации и предпочтение. Иначе это тот же счётчик, просто в интерфейсе.

• 1. Посчитайте среднее число компаний в одном ответе за прошлый и текущий период.
• 2. Сравните прирост упоминаний бренда с приростом по категории: если они совпали, роста не было.
• 3. Посмотрите, в скольких ответах бренд попал в рекомендацию, а не в общий список.
• 4. Проверьте долю присутствия и предпочтение на тех же запросах, а не на новых.
• 5. Прочитайте формулировки целиком: иногда частое упоминание держится на устаревшем описании.

В агентской работе это частая ситуация: метрика выбрана, отчёт собран, а разговор о результате упирается в вопрос, стал ли бренд сильнее. Я бы начала с замера по категории, а не по бренду: без базы по конкурентам любая динамика читается как своя заслуга.

Рост упоминаний это сигнал, что бренд попадает в поле зрения модели. Решение о том, работает ли GEO, принимается по доле и по рекомендациям. Если доля стоит на месте, задача не в количестве упоминаний, а в том, чтобы бренд называли там, где читатель выбирает.