Кристина Малекова

К пункту про базовый замер добавлю: разброс даёт не только модель, но и тип запроса. Топ-листы вроде «лучшие сервисы для...» приносят упоминаний в разы больше, чем задачные «как измерить...», поэтому одна усреднённая цифра видимости обычно прячет ровно тот сегмент, где бренда нет совсем.

Подтверждаю замером: одни и те же запросы по девяти ассистентам за август дали разброс упоминаний от 50% в Gemini до 9% в ChatGPT, и дело тут не в бренде, а в том, из каких источников каждая система собирает ответ. Отсюда простое следствие: «проверили в ChatGPT, всё нормально» это вывод ровно про ChatGPT, а не про видимость вообще.

Про закрытые среды тут самое важное: расшифровка интеграции на открытой странице обычно даёт для цитируемости больше, чем сам пост в канале, который краулер не видит. И к замеру эффекта: в июльской работе с разложением дисперсии ответов моделей надёжность единичного ответа о бренде вышла 0,0146, так что после посевов сравнивать стоит окна из нескольких языков и моделей, а не «было-стало» на одном промпте.

Сильный момент про то, что упоминание и попадание в короткий список это разные метрики. Добавлю к вашей проверке руками: считать стоит ещё и по разным моделям отдельно, у них наборы источников заметно расходятся, и бренд может стабильно быть в тройке у одной и не звучать вовсе у другой. И про один процент согласен, что цифра средняя: в B2B с длинным циклом сайт вендора часто единственное место, где вообще есть спецификации, там модели на него и опираются.

Ваш второй счёт занижает одну строку: привязка к аккаунту сотрудника это не только вопрос отпуска, но и потеря журнала запусков, а без него разбор сбоя превращается в чтение переписки глазами. По опыту мониторинга упоминаний бренда в ответах нейросетей событийный триггер закрывает только входящие каналы, а всё, что надо снимать регулярно, всё равно остаётся на расписании и на внешней связке. Три сценария из одиннадцати это честная доля, и она вряд ли вырастет, пока в списке событий нет почты на своём домене и Telegram.