Нейросети превращают отзывы клиентов в репутацию бренда. Кто отвечает за то, что AI рассказывает о вашей компании?
Репутация бренда долго жила в понятной системе координат: средний балл на отзовике, число отзывов, место в рейтинге категории. Теперь между покупателем и этими данными встал посредник, который читает их за человека и выдаёт один абзац.
И запрос к этому посреднику редко звучит как «назови хорошую компанию». Всё чаще он звучит иначе: «что с ними не так», «за что их критикуют», «стоит ли им доверять».
Вопрос сменился: не «кто лучше», а «что с ними не так»
Выбор через ассистента обычно идёт в два шага. Сначала человек просит варианты, потом проверяет каждый на возражения. Второй шаг и есть репутационный запрос, и отвечает на него модель не по вашему сайту.
Источники другие: отзывы на площадках, обсуждения на форумах и в профильных сообществах, публикации СМИ, посты в соцсетях и комментарии под ними, иногда реестры и судебные сводки.
Дальше происходит то, к чему репутационный менеджмент не привык. Разрозненные жалобы сжимаются в формулировку. Не «22 отзыва про сроки», а «клиенты жалуются на задержки доставки». Эта формулировка начинает жить сама и воспроизводится в следующих ответах.
Почему отдельная история может весить больше рейтинга 4,8
Средний рейтинг устроен как арифметика: масса ровных оценок перевешивает редкие резкие. Ответ нейросети устроен как пересказ, а пересказ держится на том, что вообще поддаётся пересказу.
Подробная история с суммой, сроками и развязкой пересказывается легко. Оценка «всё нормально, спасибо» не пересказывается никак.
Средний рейтинг сглаживает крайности. Ответ нейросети наоборот живёт на деталях: пересказать можно только то, у чего есть сюжет
На то, какая история попадёт в ответ, обычно влияет несколько свойств самого текста.
- Детальность: конкретика про сумму, сроки и переписку воспроизводится чаще общих слов.
- Повторяемость: один и тот же сюжет на разных площадках читается как подтверждённый.
- Авторитет источника: разбор в отраслевом издании весит больше анонимного отзыва.
- Живучесть: история трёхлетней давности держится в ответах, пока её не вытеснят свежие тексты по той же теме.
Чем такая картина отличается от среднего рейтинга
Разница не в оценке, а в формате, и из неё растут все практические сложности.
- Рейтинг это число, ответ ассистента это формулировка с объяснением причины.
- На отзовике видна вся выборка, в ответе остаются два или три аргумента.
- Рейтинг один для всех, ответ зависит от формулировки запроса, языка, региона и конкретной модели.
- Оценку на площадке можно оспорить по регламенту, у сводного ответа нейросети регламента нет.
Где здесь основной риск
Не в негативе как таковом. Риск в том, что устойчивая формулировка про бренд может держаться на устаревшем или недостоверном материале, а компания об этом не знает: в её отчётах рейтинг по-прежнему 4,8, и поводов для беспокойства не видно.
Как отличать обоснованную критику от мусора
Критика в ответах AI почти всегда распадается на четыре типа, и работа с каждым разная.
- Обоснованная и актуальная: проблема есть сейчас. Это задача для продукта и сервиса, а не для коммуникаций.
- Обоснованная, но закрытая: проблема была и решена, а текстов об этом нет. Модели не знают о закрытии, если о нём никто не написал.
- Искажённая: факт реальный, трактовка неверная. Чаще всего путают тариф, юрлицо или похожее название.
- Недостоверная: заказные отзывы, слухи, смешение с другой компанией. Спорить с такой историей в ответе модели бессмысленно, нужно разбираться с источником.
Разметить тип помогают три вопроса: есть ли у утверждения первоисточник, какого он года и воспроизводится ли сюжет независимо хотя бы в двух местах. Если первоисточника нет, а формулировка в ответах есть, скорее всего модель обобщила несколько слабых сигналов.
Что с этим делать бренду
Если смотреть на репутацию через AI-видимость, задача перестаёт быть похожей на работу с отзовиками.
- Собрать список репутационных запросов по своей категории, включая прямые «недостатки», «проблемы», «обман».
- Снять ответы по нескольким моделям и регионам, а не по одной привычной.
- Выписывать не частоту упоминаний бренда, а сами формулировки и ссылки, на которые модель опирается.
- Сравнить формулировки со своими конкурентами: часто претензия категорийная, а не персональная.
- Закрыть пробелы публично: разъяснения, разборы инцидентов, актуальные условия на своих и сторонних площадках.
Частоту упоминаний считают почти все сервисы AI-видимости. Содержание ответа, тональность и состав цитируемых источников разбирают немногие: из доступного на рынке это brandfound и западные платформы вроде Profound. Отдельная часть задачи это держать проверенные факты о компании в одном месте, чтобы публичные разъяснения не расходились между собой: в brandfound для этого есть хранилище цитируемых материалов и фактчекинг в контент-фабрике.
Что в итоге
Репутация существует теперь в двух видах. Первый это рейтинг, который вы видите в отчётах. Второй это абзац, который получает покупатель, и он собран из источников, которые вы, скорее всего, не отслеживаете.
Средний балл показывает, сколько людей остались довольны. Ответ нейросети показывает, какой именно аргумент услышит человек перед покупкой. Для решения о покупке второе сейчас весит больше, и мерить это надо отдельно.