Почему ChatGPT из Москвы и из Алматы советует разные бренды и почему средняя видимость в нейросетях ничего не значит
Один и тот же вопрос, заданный ассистенту из Москвы и из Алматы, нередко возвращает разные списки компаний. Не разный порядок, а именно разный состав: половина брендов в одном ответе во втором не упоминается вовсе. Проверить это может любой, у кого есть десять минут и возможность сменить регион: задайте нейросети вопрос вида «какой сервис выбрать для такой-то задачи», потом повторите его с указанием другого города, потом на другом языке. Разберу по порядку, почему так выходит и что с этим делать человеку, который отвечает за видимость бренда.
Что именно расходится
Расхождение идёт по трём осям сразу. Первая это регион, который ассистент определил для запроса. Вторая это язык, на котором вопрос задан. Третья это сам ассистент: ChatGPT, Gemini, Perplexity, Поиск с Алисой и GigaChat опираются на разные наборы источников, и для российского рынка разница между ними заметнее всего.
Практический вывод из этого неприятный. Одна усреднённая цифра «бренд упоминается в 18% ответов» описывает не реальность, а среднюю температуру. За ней может прятаться 40% в Москве и ноль в Алматы, или 30% в Чате с Алисой и ноль в Perplexity. Решения на такой цифре принимать нельзя, а их принимают.
Одна усреднённая цифра видимости это не показатель, а красивый градусник: она греется и остывает, но не говорит, в каком регионе бренда нет вовсе
Почему ответы расходятся
Переведу на практический язык механику. Причин всего несколько, и ни одна из них не про магию.
- Гео-сигнал запроса. Ассистент с веб-поиском передаёт в поисковый слой регион и получает локализованную выдачу. Дальше модель пересказывает то, что ей вернули, а вернули ей разное.
- Язык вопроса. Русский, казахский и английский запросы тянут разные корпуса источников. Бренд, который хорошо описан по-русски, в англоязычном ответе может не существовать.
- Состав локальных источников. В российской выдаче вес имеют отраслевые медиа, агрегаторы и площадки вроде этой. В казахстанской это другой список изданий, и попадание в него отдельная работа.
- Разные наборы поисковых партнёров у ассистентов. Отечественные модели видят Рунет плотнее, зарубежные опираются на то, что проиндексировано глобально.
- Данные обучения. Они обновляются редко и в них зафиксирована картина рынка на какой-то прошлый момент. Отсюда рекомендации сервисов, которые уже закрылись или сменили название.
Честная оговорка о том, чего я не знаю
Сразу оговорюсь: по открытым данным нельзя точно разделить, какая доля расхождения приходится на гео-сигнал, какая на язык, а какая на обычную нестабильность генерации. Один и тот же запрос, заданный дважды подряд из одного города, тоже даёт не идентичные ответы. Поэтому любой замер на одном прогоне не замер, а анекдот. Разделять эффект региона и эффект случайности можно только повторами: один и тот же набор вопросов, несколько прогонов, потом сравнение долей, а не отдельных ответов.
Ещё честно скажу, где граница метода. Смена региона через настройки или VPN воспроизводит не то же самое, что видит живой пользователь из этого города со своей историей запросов и своим аккаунтом. Это приближение, и относиться к нему надо как к приближению.
Что это значит для бизнеса
Если компания работает в нескольких регионах, у неё не одна видимость в нейросетях, а столько, сколько у неё регионов, умноженное на число ассистентов. Для федерального бизнеса это десятки отдельных картин. Вдумайтесь: отчёт, в котором стоит одно число, склеивает все эти картины в одну и прячет ровно ту, ради которой отчёт и делался.
Второе следствие касается приоритетов. Расхождение между регионами почти всегда объясняется источниками, а не самим продуктом. Если в одном городе бренд рекомендуют, а в соседней стране нет, дело обычно не в том, что продукт там хуже, а в том, что о нём нечего процитировать на местном языке и в местных изданиях.
Что сделать на этой неделе
Это работа на вечер, и начинать её стоит руками, а не с выбора инструмента.
- Соберите двадцать вопросов, которые реально задаёт ваш клиент. Без названия бренда: именно категорийные, вида «что выбрать для такой-то задачи».
- Задайте их в трёх-четырёх ассистентах, которыми пользуется ваша аудитория. Для российского рынка игнорировать Алису и GigaChat нельзя.
- Повторите каждый вопрос минимум трижды и считайте долю ответов с упоминанием бренда, а не факт упоминания.
- Повторите весь набор для второго региона и для второго языка, если бизнес там присутствует.
- Выпишите не только упоминания, но и источники, на которые ассистент сослался. Это и есть список площадок, с которыми нужно работать.
- Сравните регионы между собой и найдите тот, где бренда нет вообще. С него и начинайте.
Такой прогон по одной категории честно занимает вечер. Дальше он упирается в рутину: вопросов становится двести, регионов десять, повторять их надо регулярно, а руками это уже не повторяется. На этом месте и появляется смысл в инструментах. На российском рынке это VisioBrand, brandfound.ai и другие платформы, из международных Profound и Peec. Разница между российскими и зарубежными здесь не вкусовая: зарубежные сервисы не видят Поиск с Алисой и GigaChat, и для компании, у которой клиенты сидят в Алисе, это решающий аргумент. Из функций по этой теме важна ровно одна, региональный срез: возможность задать гео на уровне запроса и потом сравнить регионы между собой, а не смотреть на общее среднее. В brandfound это устроено как отдельный параметр каждого запроса с фильтром по региону в отчётах. Выбор конкретной платформы вторичен, и платить за мониторинг Perplexity, когда ваша аудитория в Алисе, смысла немного.
Что я бы считал главным
Если из всего текста оставить одну мысль, то вот она. Видимость в нейросетях это не число, а таблица. Строки это регионы и языки, столбцы это ассистенты, и управлять можно только теми клетками, которые вы видите по отдельности.
Три вопроса к тем, кто уже замерял. Вы считаете видимость в среднем или по регионам? Проверяли ли вы ответы на языке, на котором спрашивает ваш клиент, а не только на русском? И если расхождение между регионами нашлось, удалось ли закрыть его публикациями в местных источниках, и за какой срок?