Инструменты AI-видимости превратились в полноценную индустрию. Вендоры показывают mention rate, citation rank, share of voice — аккуратные числа на чистых дашбордах, которые обещают ответить: как часто вас рекомендуют ChatGPT, Claude, Gemini, Perplexity? Проблема не в том, что данные бесполезны. Проблема в том, что их продают с точностью, которой у них нет.
Контекст
Когда LLM стали первой точкой входа для миллионов покупательских решений, маркетологи резонно задались вопросом: нас там вообще видно? Вокруг этого вопроса выросла целая категория продуктов — и все они делают одно из двух: либо скрапят frontend ChatGPT или Claude, либо вызывают провайдерский API и записывают ответы.
Каждый подход несёт принципиальные ограничения. Скрап frontend-а захватывает один синтетический аккаунт в одной сессии — один уровень подписки, одну историю, одну геолокацию, один момент времени. Браузерная сессия из облачного датацентра и реальный покупатель, задающий запрос из Алматы, — это разные инструменты. API-вызов решает часть проблем: он повторяем и поддаётся аудиту. Но потребительское приложение и API ведут себя по-разному: там есть персонализация, история, геолокация, встроенный поиск. API — это управляемый вызов модели с ручной настройкой.
Самый фундаментальный изъян — нестабильность самих LLM. Исследователи из SparkToro и Gumshoe провели эксперимент: волонтёры повторяли одинаковые коммерческие промпты в ChatGPT, Claude и Google. Рекомендации брендов существенно менялись между прогонами. Thinking Machines Lab задокументировали техническую причину: даже при temperature=0 реальные продакшн-системы могут давать разные ответы из-за батчинга и поведения ядра под нагрузкой. Если следующий запрос той же системы называет другой набор брендов — «вы на четвёртом месте» становится одной точкой из распределения.
Аналитика
Кроме нестабильности ответов есть ещё один слой произвольности — промпт-сет. Какие именно вопросы задаёт инструмент? По данным Profound, их пользователи обычно отслеживают от 100 до 1000 промптов. Если вы трекаете «лучшая AEO-компания в Москве» — один результат. Если «digital marketing firm» — другой. Оба промпта валидны, но отвечают на разные вопросы. Headline-число полностью зависит от выбора промптов, весов и формулы агрегации.
«Если вы дадите трём инструментам одинаковые промпты, вы получите три разных ответа» — Пол Дайер, CEO /prompt.
Digital Applied наглядно показали это: один и тот же бренд, одни и те же данные — 20% share of voice по частоте упоминаний, 16.8% по взвешенной позиции, 31.4% по цитированию источников. Три headline-числа. Три конкурентные позиции. Выбор методологии — не технический вопрос, а маркетинговый.
Финальный слой — модельный дрейф. Исследование Чена, Захарии и Цзоу сравнило поведение GPT-3.5 и GPT-4 в марте и июне 2023 года: точность GPT-4 на тесте простых чисел упала с 84% до 51% при том же публичном имени модели. В апреле 2025 года OpenAI откатили обновление GPT-4o — обновлённая модель оказалась чрезмерно лестной. Внешний дашборд зафиксирует изменение в числах. Но «ваша видимость выросла» и «модель начала иначе отвечать на этот класс промптов» — принципиально разные объяснения с разными следствиями для стратегии.
Кейсы применения в бизнесе
B2B SaaS стартап. Если вы продаёте, допустим, CRM для стартапов, правильный вопрос — «нас видно на коммерческих запросах нашей ниши?». Это измеримо через повторные API-прогоны. Используйте AI-мониторинг как инструмент обнаружения пробелов: где вас нет, на каких формулировках, у каких провайдеров. Это рабочий сигнал. «Вы на четвёртом месте» — нет.
Корпорация с regional presence. Для банка, телекома или ритейлера с присутствием в нескольких городах проблема географии критична. ChatGPT может давать разные рекомендации пользователю в Алматы и в Бишкеке на одинаковый запрос. Глобальный score здесь бессмысленен. Измерение нужно сегментировать по регионам, передавая явный геолокационный контекст через API — там, где провайдер это поддерживает.
SMB и локальный бизнес в КР и СНГ. Для стоматологии в Бишкеке или строительной компании в Алматы AI-видимость уже не абстракция: всё больше покупателей начинают поиск через LLM. Инструмент, запускающий скрап с сервера в Европе, не покажет реального ответа. Правильный подход — прогонять промпты с локальной машины или с явным location-параметром и отслеживать конкретные коммерческие формулировки вашего рынка.
Кейсы в личной жизни
Разработчик или tech-специалист. Если вы строите продукт, который должен быть виден в LLM-ответах — проверьте вручную. Возьмите 10-20 реальных запросов вашего идеального пользователя, прогоните их в Claude, ChatGPT, Gemini. Без дашборда, без подписки — просто посмотрите сырой ответ и запишите. Это честный базис.
Контент-мейкер и маркетолог. Вместо дашборда с красивыми числами начните с аудита структуры собственного контента на цитируемость. LLM охотнее ссылаются на страницы с чёткой структурой, заголовками-вопросами, конкретными фактами и явным авторством. Это управляемый рычаг — в отличие от погони за позицией в инструменте, который меняет методологию каждый квартал.
Фрилансер или консультант. Если клиент просит «улучшить AI-видимость» и ссылается на конкретный дашборд, задайте четыре вопроса: сколько прогонов за число, из какой геолокации, какой список промптов, API или скрап? Если ответов нет — вы, вероятно, работаете над метрикой, которую сам вендор не контролирует. Это поможет правильно поставить задачу и не брать ответственность за неуправляемые числа.
Как применить сегодня
- Составьте список 10-20 конкретных промптов, которые реально использует ваш покупатель — не «что такое CRM», а «лучший CRM для стартапа с командой до 20 человек». Прогоните вручную в ChatGPT, Claude, Gemini. Запишите результаты.
- Если вас нет на коммерческих запросах — работайте над контентом: FAQ-страницы, структурированные сравнения, страницы с явным авторством и конкретными фактами. Это рабочий рычаг.
- Перед покупкой AI-visibility инструмента задайте вендору: какой список промптов, сколько прогонов, API или скрап, как учитывается география. Без ответов на эти вопросы число — декорация.
- Не оптимизируйте под позицию в дашборде. Оптимизируйте под то, что реально видит пользователь: ваш сайт цитируется, бренд упоминается по коммерческим формулировкам в нужной геолокации.
- Честный минимум без бюджета — повторять ручной прогон топ-10 промптов вашей ниши раз в месяц. Это даёт реальный базис без иллюзии точности.