Почему два сервиса показывают разную видимость одного бренда в ИИ: пять слепых зон замера

Вопрос «какой сервис выбрать для отслеживания бренда в ИИ-ассистентах» я слышу чаще, чем вопрос «что именно он будет считать». А расходятся сервисы не в интерфейсе, а в методике: два инструмента на одном и том же бренде спокойно выдают разные доли упоминаний, и формально оба правы.

Я снимаю такие замеры для чужих брендов и за это время собрал список мест, где цифра ломается. Ниже не рейтинг инструментов, а разбор того, как читать их отчёты и о чём спрашивать до оплаты.

Внутри у всех устроено одинаково. Сервис берёт список запросов, задаёт их ассистентам, разбирает текст ответов и считает, в какой доле ответов встретился бренд. Из этого складываются три базовые метрики.

Формулы простые, и спорить в них не о чем. Спорное начинается на входе: какие запросы взяли, как их задавали и что признали упоминанием. Каждый из этих выборов двигает итоговый процент на десятки пунктов.

Это самый недооценённый пункт. Если список запросов собран вокруг названия бренда («что такое бренд N», «отзывы о бренде N»), видимость получится высокой: бренд назван в запросе, ассистенту некуда деваться. Если список собран вокруг покупательских формулировок без названия («чем закрыть такую-то задачу», «что выбрать для такого-то случая»), та же компания может получить ноль.

Поэтому первое, что я прошу показать, это сами запросы, а не сводную цифру. Нормальный сервис отдаёт список целиком и говорит, какой запрос к какому этапу выбора относится. Если вместо списка показывают только график, обсуждать нечего.

Ответ ассистента не фиксирован. Один и тот же запрос в разные минуты даёт разные наборы брендов, и это нормальное свойство модели, а не сбой. Если сервис задал запрос один раз, он измерил не видимость, а один случайный ответ.

Разумный минимум это несколько прогонов одного запроса и усреднение, причём число прогонов должно быть указано в отчёте. Когда его не указывают, разброс между двумя сервисами объясняется уже этим: один усреднил, другой поймал удачный ответ.

Почти все ассистенты умеют работать в двух режимах: отвечать из параметров модели и отвечать, сходив в поиск. Это два разных мира. Без поиска вы измеряете, что модель запомнила на обучении, то есть прошлое. С поиском вы измеряете, что сейчас лежит в индексе и какие статьи вылезли в выдачу.

Для свежего бренда разница драматическая: в режиме без поиска его не существует, с поиском он может оказаться в каждом втором ответе. Поэтому режим обязан быть частью методики, и сравнивать между собой можно только замеры в одном режиме. Про режимы поиска у провайдеров есть открытая документация, например у Google про AI Mode и у Perplexity.

Названия в маркетинговых материалах звучат похоже, а охват у сервисов разный. Кто-то считает ChatGPT, Gemini и Perplexity и на этом останавливается, кто-то добавляет Claude, Grok, DeepSeek и Google AI Mode, кто-то отдельно учитывает российские системы: GigaChat, Поиск с Алисой и Чат с Алисой AI. Для российского бренда отсутствие российских ассистентов в замере это не деталь, а половина аудитории мимо.

Второй слой это география и язык. Один и тот же запрос, заданный с российского адреса и с европейского, даёт разные списки компаний. Если сервис не говорит, откуда он спрашивает, цифру нельзя сравнивать ни с чьей другой, включая собственную за прошлый месяц.

Здесь прячется самое обидное расхождение. Варианты, которые сервисы называют одним словом «упоминание»:

Сервис, который считает упоминанием только первый пункт, покажет вам низкую видимость. Сервис, который складывает все пять, покажет высокую. Разница между ними не в качестве, а в определении, и его надо спрашивать прямым вопросом.

Короткий список вопросов, который я задаю на демо. Ответы на них говорят о сервисе больше, чем любая презентация.

Последний пункт я считаю решающим. Сырые ответы позволяют пересчитать метрику самому и проверить сервис. Если их не отдают, вы покупаете число, которое нельзя оспорить.

Когда два сервиса дают разные цифры, спор о том, кто точнее, обычно бессмысленный. Полезнее другое: привести оба замера к одной методике и посмотреть, сохранится ли разрыв. На практике после сведения запросов, режима поиска и определения упоминания расхождение почти всегда сжимается до пары пунктов.

И ещё одно наблюдение. Абсолютное значение видимости само по себе почти не нужно: оно слишком зависит от методики. Работает динамика на неизменной методике и сравнение с конкурентами внутри одного замера. Как только меняется список запросов или набор ассистентов, прошлые цифры можно выбрасывать: это уже другая линейка.

Инструментов уже достаточно, чтобы выбирать. Свои замеры я веду в brandfound. Все они решают одну задачу и по-разному отвечают на пять вопросов выше, так что сравнивать стоит именно методику, а не число интеграций на лендинге.

Отдельно замечу, что западные платформы на российских брендах работают хуже не из-за качества, а из-за охвата: без GigaChat и систем Яндекса картина для локального бренда получается неполной.

Порядок, к которому я пришёл, выглядит так. Сначала фиксирую методику на бумаге: список запросов, число прогонов, режим поиска, регион, определение упоминания. Потом прошу сервис показать, что он делает то же самое. Потом беру первый замер как нулевую точку и больше методику не трогаю, пока не наберётся хотя бы два-три месяца динамики.

Скучно, зато после этого цифра начинает что-то значить. А видимость в ассистентах без описанной методики это просто красивый график, который нельзя ни проверить, ни защитить на отчёте.