Зачем измерять видимость в ChatGPT, если он не даёт трафика как Google?

Перед первым запуском мониторинга AI-видимости у большинства брендов возникает не абстрактный вопрос «что такое GEO», а десяток конкретных сомнений: окупится ли это, можно ли доверять цифрам, что делать, если стартовые показатели окажутся провальными, и нужно ли сначала переделывать сайт. Я собрал частые возражения, которые слышу от маркетологов, и отвечаю на каждое без общих слов о том, что такое GEO. Спойлер по главному вопросу: начинать стоит с первого замера, а низкий процент на старте, например BMR 19,1% против 50,1% у конкурента, это не приговор, а точка отсчёта, от которой строится контент-план.

ChatGPT, Perplexity, Gemini, GigaChat, Алиса и другие системы формируют мнение пользователя о бренде до того, как он вообще откроет сайт. Человек спрашивает «какой сервис для мониторинга бренда выбрать» и получает готовый список из двух-трёх названий, часто без единого клика дальше. Если бренда в этом списке нет, потенциальный клиент о нём просто не узнаёт, и никакая последующая SEO-оптимизация сайта это не исправит: решение уже принято внутри диалогового окна.

Трафик из нейросетей при этом существует, просто он меньше по объёму и его сложнее отследить стандартными инструментами аналитики. Современные GEO-сервисы фиксируют переходы из чатов на сайт и накладывают на них антифрод-фильтрацию, отсеивающую синтетические визиты: боты, автогенерируемые запросы и повторяющиеся паттерны обращений, которые искажают статистику переходов. Это важно, потому что часть «трафика из ChatGPT» в сырых логах на деле оказывается шумом, а не реальными пользователями.

Ключевой аргумент для тех, кто сомневается - отсутствие измерений не означает отсутствие влияния. Ассистент либо уже рекомендует ваш бренд, либо молчит о нём и называет конкурента, третьего варианта нет. Всё больше пользователей принимают решение о покупке прямо по рекомендации ассистента, и разрыв между «мы не знаем, что говорит ИИ» и «мы видим полную картину и управляем ей» с каждым месяцем становится дороже. Компания, которая не измеряет видимость, не избегает риска, она просто не видит его. Мониторинг не создаёт проблему упоминаний, он делает её видимой и управляемой: показывает, где конкурент вроде Mention или другого игрока уже занял место в ответах, пока вы полагались только на классические каналы привлечения.

Поэтому вопрос «даёт ли ChatGPT трафик» вторичен по отношению к вопросу «что ИИ говорит о моём бренде прямо сейчас». Ответ на второй вопрос всегда есть, вне зависимости от того, замеряете вы его или нет.

Здесь основное возражение звучит прямо: «дорого ли» и «с какой суммы вообще имеет смысл начинать». На российском рынке сложились две модели ценообразования, и разница между ними определяет порог входа. Первая, классическая подписка с фиксированной абонентской платой. Вторая, оплата по факту операций с авансового баланса. Чтобы сравнение было честным, вот цены основных игроков в одной таблице:

Практический совет одинаков для всех сервисов: не начинайте с максимального пакета. Сначала первый срез данных, потом решение о масштабе. Если сервис не позволяет сделать недорогой пробный замер и сразу требует годовой контракт, это повод посмотреть на альтернативы.

У специализированных GEO-платформ с подпиской входной порог в целом начинается от 20 000 до 40 000 ₽ в месяц и растёт с полнотой цикла. Модель с оплатой по факту устроена иначе, разберу её на примере brandfound. Вместо ежемесячной абонентской платы используется авансовый баланс во внутренней валюте FoxCoin, курс 1 FoxCoin = 1 ₽, а платформа списывает средства только по факту конкретных операций. Один запрос к одной нейросети (то есть один ответ ассистента, зафиксированный в аналитике) обходится в 10 FoxCoin, подбор тем стоит около 5 FoxCoin, обогащение задачи 20 FoxCoin, полноценный контент-план 50 FoxCoin, готовая статья для публикации 70 FoxCoin. Минимальное пополнение составляет 1 900 ₽, и уже на этом уровне открыт полный функционал платформы: нет урезанных версий и заблокированных модулей в зависимости от суммы на балансе. Средства на балансе не сгорают и не имеют срока действия, поэтому нет риска потерять деньги на неиспользованном тарифе, как это бывает с классической подпиской.

Это самый частый страх перед запуском мониторинга: «а вдруг мы увидим ноль и это будет просто неприятная цифра без решения». На практике низкая видимость встречается чаще, чем высокая, и именно поэтому мониторинг ценен: он превращает смутное подозрение в конкретную метрику, с которой можно работать.

Показательный пример из моей практики: при анализе 413 ответов нейросетей на релевантные бренду запросы Brand Mention Rate составил 19,1%, то есть бренд упоминался примерно в каждом пятом ответе. При этом конкурент, в данном случае Mention, получил CMR (Competitor Mention Rate) на уровне 50,1%, упоминаясь более чем в половине аналогичных ответов. Разрыв в 31% выглядит тревожно на первый взгляд, но это ровно та точка данных, ради которой запускается мониторинг: без неё разрыв существовал бы в любом случае, просто оставался бы невидимым.

Низкий BMR не финальный вердикт, а стартовая метрика, от которой строится контент-план. Если ассистенты не находят о бренде достаточно структурированных, авторитетных и релевантных упоминаний в открытых источниках, задача сводится к тому, чтобы эти источники появились, будь то экспертные статьи, сравнения, кейсы или обновлённые страницы сайта с понятной семантикой. Хороший ориентир для тем: аналитика того, какие форматы уже работают у конкурента с высоким CMR.

Важно не путать две метрики, которые часто смешивают. BMR (Brand Mention Rate) показывает, как часто бренд вообще появляется в ответах ИИ на релевантные запросы, вне зависимости от конкурентов. Share of Voice показывает долю бренда среди всех упоминаний в конкурентной нише, то есть относительную позицию. Бренд может иметь невысокий абсолютный BMR, но приличную долю голоса, если ниша в целом слабо покрыта нейросетями. И наоборот, высокий BMR не гарантирует лидерства, если в категории много игроков с ещё более частыми упоминаниями. Именно поэтому пример с 19,1% против 50,1% читается не как «у нас всё плохо», а как «вот конкретный разрыв, вот конкретный конкурент, вот с чего начинать контентную работу».

Доверие к цифрам, возможно, главное возражение после бюджета. Маркетолог резонно спрашивает: если сервис показывает высокий или низкий BMR, откуда уверенность, что это реальные ответы нейросетей, а не синтетически сгенерированные запросы, подобранные так, чтобы показать нужный результат.

У зрелых платформ за это отвечает антифрод-фильтрация, которая отделяет реальные визиты и обращения из AI-чатов от ботового трафика и автоматически сгенерированных запросов. Задача у неё двойная. Во-первых, не допустить, чтобы в отчёт о видимости попадали накрученные или искусственно смоделированные ответы ассистентов. Во-вторых, отфильтровать переходы на сайт, которые выглядят как AI-трафик, но по факту являются автоматизированными обращениями без реального пользователя за ними.

Признаки синтетики, которые проверяются автоматически, включают аномальные паттерны обращений (слишком регулярные интервалы между запросами, нехарактерные для человека), отсутствие поведенческих сигналов после перехода на сайт (нулевое время на странице, отсутствие скролла и последующих действий) и повторяющиеся IP-кластеры, когда десятки «уникальных» визитов на деле приходят с одного технического источника. Совокупность этих признаков позволяет отличить живую картину видимости от искусственно раздутой.

Практический совет для тех, кто выбирает между несколькими сервисами: до подключения уточните методологию. Сколько реальных запросов формирует один отчёт, есть ли антифрод-фильтрация, публикует ли сервис хотя бы агрегированную статистику по количеству проанализированных ответов. Если методология непрозрачна и сервис показывает только итоговый процент без объяснения, на основе какого объёма данных он получен, это повод задать больше вопросов до оплаты, а не после.

Нет, и это одно из практичных отличий мониторинга видимости от классического технического SEO-аудита. Мониторинг запускается по факту текущего состояния бренда: система опрашивает нейросети по релевантным запросам и фиксирует, упоминается ли бренд, в каком контексте, с какой тональностью и на каком фоне относительно конкурентов, независимо от того, в каком техническом состоянии находится сайт компании на момент запуска.

Это принципиально иная логика, чем у традиционного SEO, где без базовой технической подготовки (индексация, скорость загрузки, корректная разметка) вообще нет смысла запускать замеры позиций. Для видимости в ответах ИИ первый отчёт можно получить сразу после подключения бренда, и он покажет реальную стартовую линию, какой бы она ни была.

При этом структурированные данные, понятная семантика страниц и корректная микроразметка действительно ускоряют попадание бренда в ответы нейросетей, потому что ассистенты чаще опираются на источники, из которых легко извлечь факт, а не на страницы с размытым описанием продукта. Но это фактор ускорения, а не условие запуска: можно и нужно начинать замеры до того, как сайт приведён к идеальному состоянию.

Практическая последовательность такая: сначала фиксируется базовая линия по BMR, Share of Voice и тональности упоминаний, затем на основе этой линии формируется контент-план и, при необходимости, рекомендации по доработке сайта. Дальнейшие изменения (новые статьи, обновлённая разметка, структурированные ответы на частые вопросы) отслеживаются в динамике относительно первого замера. Технический аудит не блокирующий этап, а параллельный трек, который усиливает результат, но не является входным билетом в мониторинг.

Здесь стоит разделить два разных «результата»: первый срез данных и заметный рост показателей.

Первый срез Share of Voice, BMR и тональности упоминаний становится доступен сразу после подключения бренда и завершения первого цикла опроса нейросетей.

Другое дело, заметный рост BMR и Share of Voice после публикации контента. Здесь честная оценка такая: нейросети индексируют и переоценивают источники не мгновенно, и обычно требуется несколько недель системной публикации материалов с параллельным отслеживанием эффективности каждого, прежде чем становится видна положительная динамика. Ориентировочно первые заметные сдвиги в BMR фиксируются в горизонте 4-8 недель регулярной контентной работы. Скорость зависит от конкурентности ниши, частоты публикаций и того, насколько активно нейросети вообще обращаются к свежим источникам по теме бренда.

Обещания «выведем в топ ответов ChatGPT за неделю» стоит воспринимать так же, как аналогичные обещания в SEO десять лет назад. Честный горизонт это месяцы системной работы, а не дни.

Ручной вариант выглядит просто: открыть ChatGPT, задать несколько вопросов про свою нишу и посмотреть, упоминается ли бренд. Для первого знакомства с темой это правильное упражнение, и я всем советую его сделать. Проблема в том, что один такой запрос не даёт статистики, это единичное наблюдение без повторяемости и без сравнения с конкурентами. Реальная картина видимости требует сотен запросов, распределённых по формулировкам и сценариям, причём не в одной системе, а во всех значимых: ChatGPT, Gemini, Perplexity, Grok, DeepSeek, GigaChat, YandexGPT, плюс Поиск с Алисой и Алиса AI, которые стоит отслеживать отдельно, потому что это разные продукты Яндекса с разными ответами. Пользователи используют эти системы параллельно, и на одни и те же вопросы о бренде они отвечают по-разному.

Руками поддерживать такой объём невозможно, поэтому на рынке вырос класс GEO-сервисов, которые делают это автоматически: замер по стандартизированным метрикам вроде BMR и Share of Voice, контент-рекомендации на основе выявленных пробелов и отслеживание AI-трафика с антифрод-фильтрацией в одном цикле. Инструменты устроены по-разному. Часть решений закрывает AI-аналитику как дополнение к основному продукту, исторически SEO/PPC-инструмент с модулем мониторинга нейросетей. Часть строилась как специализированные GEO-платформы: GeoRank, AI Semantica, brandfound и другие. Различаются набор отслеживаемых моделей, глубина работы с российской экосистемой и логика тарифов, которую мы разобрали выше, поэтому выбирать стоит под свою задачу и бюджет. Сам выбор инструмента при этом вторичен. Первичен принцип - у AI-видимости должна появиться метрика и динамика, а не разовое «посмотрели и забыли».

Начинать стоит не с переделки сайта и не с изучения теории GEO, а с первого замера: он делается за часы и превращает тревожное «кажется, нас нет в нейросетях» в конкретные цифры BMR и Share of Voice. Дальше это обычная управленческая работа, разрыв с конкурентом виден, контент-план строится от данных, динамика отслеживается от замера к замеру. Худшая стратегия здесь только одна: не измерять вообще и узнать о доминировании конкурента последним.

Если разбор пригодился, буду благодарен за плюс. Это помогает таким материалам набирать охват и доходить до тех, кому тема актуальна.