«8 моделей» в шапке GEO-сервиса ничего не значат: пять параметров, по которым я сравнил семь платформ

Число поддерживаемых нейросетей давно превратилось в штамп. Почти каждая GEO-платформа на российском рынке пишет в шапке сайта «8 моделей», «9 ассистентов» или «10 LLM». За одинаковой цифрой стоит разная механика: одни сервисы опрашивают все заявленные модели по расписанию и с живым пользовательским контекстом, другие проверяют часть из них раз в неделю или вовсе по нажатию кнопки клиентом. Разница между «поддерживается» и «мониторится регулярно» прямо влияет на точность Share of Voice, глубину тональности и надёжность отчёта, который ляжет на стол маркетинговому директору.

Я свёл к пяти параметрам то, на что смотрю сам: частота опроса, число метрик видимости, глубина шкал тональности, защита от синтетических ответов и наличие обратной связи от публикации к метрике.

Список из восьми-девяти моделей в описании сервиса почти никогда не означает, что все они опрашиваются по расписанию. Часть платформ проверяет модели по запросу пользователя, а не в фоне: клиент нажимает «проверить видимость», система делает разовый прогон, и это засчитывается как поддержка модели. От непрерывного мониторинга это отличается примерно так же, как разовый замер давления от суточного холтера.

Вторая разница глубже. Не каждая платформа воспроизводит живой сценарий пользователя. Одни прогоняют статичный промпт без контекста и без доступа к веб-поиску, получая ответ модели «в вакууме». Другие воспроизводят запрос с включённым поиском, ближе к тому, что видит человек, когда спрашивает ChatGPT, Gemini или Алису. Ответы в этих двух режимах расходятся сильно: модель с доступом к поиску подтягивает свежие источники и называет игроков, которых нет в её обучающей выборке.

Отсюда третий момент: разрыв между «модель поддерживается» и «модель опрашивается регулярно с живым контекстом» способен менять итоговый Share of Voice на десятки процентных пунктов. Компания, которая ориентируется на маркетинговый список моделей, рискует принять решение по данным, снятым неполной методологией. Для отчёта совету директоров это не абстрактный риск, а цифра, которая через квартал не сойдётся с реальностью.

Разброс частоты среди российских GEO-сервисов огромный: от разового снимка в момент подключения бренда до пересчёта видимости каждый день. Именно это определяет, насколько отчёт актуален к моменту, когда его открывает маркетинговый директор.

Часть игроков держит лимит промптов в тарифной сетке. У AI Semantica базовый тариф за 40 000 рублей в месяц включает 200 промптов в неделю, расширенный за 80 000 рублей снимает часть ограничений, но цикл всё равно недельный. GeoRank построен вокруг пакетного анализа больших списков запросов, а частота повторного прогона по тому же списку как ежедневная не заявлена.

Дело не в удобстве. Чем реже опрос, тем выше шанс пропустить скачок упоминаний конкурента ровно тогда, когда он происходит. Я видел случай, когда Citation Mention Rate одного игрока вырос за квартал в десять с лишним раз, и заметен этот рост был только тем, кто пересчитывал метрику часто. При месячном цикле такое обнаруживается постфактум, когда конкурент уже закрепился в топе цитируемых источников по ключевым запросам.

В brandfound недельного лимита промптов нет: платформа списывает баланс по факту операций, а не продаёт пакет запросов, поэтому пересчитывать видимость можно так часто, как нужно задаче. Оговорюсь, что у такой модели своя цена: при большом числе запросов баланс уходит быстрее, чем предсказуемый месячный тариф, и это стоит считать заранее.

Набор метрик, на мой взгляд, и есть главный водораздел. У большинства сервисов он ограничен тремя показателями: Visibility Score, Share of Voice и тональность в виде «позитив, нейтраль, негатив». Этого хватает, чтобы увидеть тренд, но не хватает, чтобы понять, почему бренд просел именно в B2B-сегменте, а не в рознице.

Что заявлено публично у платформ, которые называют себя GEO-сервисами:

Разница между тремя показателями и четырьмя десятками это разница между «бренд стали упоминать реже» и «бренд стали упоминать реже в ответах про сравнение цен, и только в Perplexity, а не в ChatGPT». Первое в отчёте выглядит как проблема без адреса, второе уже можно передать в работу.

Отдельно стоит метрика роли бренда в ответе: выступает он главным героем или упоминается фоном в перечислении. Её считают не все. Для маркетингового директора это принципиально: упоминание в списке из пяти конкурентов и единственная рекомендация в ответе влияют на решение покупателя по-разному, хотя в упрощённом Brand Mention Rate выглядят одинаково.

Рост трафика из нейросетей дал побочный эффект: вместе с органическими переходами выросло число синтетических сценариев, тестовых прогонов и ботов, которые выглядят как переход из ChatGPT или Perplexity, но им не являются. Без отдельного антифрод-слоя отличить одно от другого почти невозможно.

В brandfound детектор синтетики встроен в модуль AI-трафика: он смотрит на поведенческие признаки и отсекает шум до того, как данные попадут в отчёт о видимости. Это не волшебная таблетка, любой такой фильтр ошибается в обе стороны, но сам слой в архитектуре есть.

У GeoRank акцент на самом факте цитирования бренда в ответе ИИ, без фильтрации искусственных сценариев на входе. Их данные от этого не становятся бесполезными, но читать их нужно с поправкой: платформа фиксирует, что модель упомянула бренд, и не берётся утверждать, что по этому упоминанию пришёл живой человек, а не парсер.

Практический риск понятный. Отчёт о росте упоминаний за квартал может включать долю шума от ботов и от чужих тестовых прогонов, когда конкуренты проверяют свою видимость через похожие промпты. Если бюджет на GEO закладывается по такому отчёту, эффект вложений легко переоценить.

Без ярлыков «лучший» и «слабый», только заявленная методология. Выводы каждый делает под свои приоритеты: кому-то нужна глубина отчёта для совета директоров, кому-то бюджет небольшой команды.

Из этого видно, что привычный список «5 GEO-инструментов» распадается на три группы: платформы полного цикла, классические SEO и PPC-инструменты с добавленным AI-модулем, и сервисы, чья методология не раскрыта настолько, чтобы её проверить. Rush Analytics тут показательна: 200 000 пользователей и развитая SERM-аналитика упоминаний в классическом поиске, а собственного мониторинга нейросетей в явном виде нет. В списки она попадает скорее по узнаваемости.

Мониторинг отвечает на вопрос «где бренд сейчас» и не отвечает на вопрос «что сделать, чтобы упоминаний стало больше». Здесь платформы расходятся сильнее, чем в частоте опроса.

В brandfound это устроено как замкнутый цикл: агенты разбирают источники, на которых обучаются нейросети по конкретной нише, собирают план под найденные пробелы видимости, готовят материалы и дальше смотрят, как изменились упоминания после публикации. Ценность тут не в числе агентов, а в последнем шаге: без замера «до и после» любая контент-фабрика остаётся генератором текста.

Rush Analytics исторически про классическое SEO: семантика, аудит, позиции в Яндексе и Google. GEO-модуль, если он есть, не основной продукт, и генерации материалов под цитирование нейросетями не предлагает. GeoRank ближе к полному циклу, но продвижение и создание контента идут как услуга на тарифах выше стартового, а не как автоматический конвейер.

AI Semantica даёт инструменты оптимизации: Query Fan-Out, Answer Capsules, FAQ-блоки. Это помогает готовить материалы под структуру ответов ИИ, но сквозного отслеживания от публикации до сдвига метрики в одной системе там нет.

Три вопроса, которые я задал бы любому сервису.

Показы в классическом поиске научились измерять до копейки за годы. Рекомендации нейросетей ещё недавно выглядели чёрным ящиком, и они тоже поддаются измерению, но только если методология платформы описана честно и её можно проверить вопросами выше.