Метрика в GEO: Почему SOV важно и как это доказать клиентам и директору!

Прямых переходов из нейросетей почти нет — значит ли это, что канал не измерить? Нет. Показываю рабочую методику: оцифровка видимости, корреляция с брендовым спросом и изоляция переменных.

Привет, я Максим Фомин, основатель Vverh.Digital. Чаще всего на старте работы с GEO мне задают не вопрос «попадём ли мы в ответы нейросетей», а вопрос куда неприятнее: «как я потом объясню совету директоров, что эти деньги отработали?»

И это честная боль. В классическом SEO есть позиции, трафик и лиды. В контексте - клики и стоимость заявки. А GEO работает в логике zero-click: пользователь спросил ассистента, получил ответ с упоминанием бренда - и не перешёл никуда. Ни Яндекс, ни Google не отдают данные о том, что происходило внутри нейроответа. Кажется, что канал - чёрный ящик.

Но это не так. Эффективность GEO измерима - просто не напрямую, а через связь двух метрик. Ниже - методика, которую мы применяем, чтобы переходить от «магии нейросетей» к сухим цифрам для бизнеса.

То есть мы не пытаемся поймать несуществующий прямой переход. Мы доказываем, что рост видимости в ИИ формирует отложенный брендовый спрос - и измеряем именно его. Дальше - четыре шага, как это сделать на практике.

Сначала превращаем «мнение» нейросетей в конкретный процент. Собираем матрицу из 30–50 целевых запросов, по которым клиент должен находить бренд. Раз в месяц прогоняем их через целевые модели (через API, с выключенным веб-поиском - чтобы мерить именно «знание» модели, а не свежий поиск) и считаем долю упоминаний. Или воспользуйтесь ГЕОРАНК

Пример: 50 промптов в 3 моделях - это 150 ответов. Бренд рекомендовали в 60 - значит, Share of Voice за месяц = 40%. Это и есть наша метрика видимости.

Открываем Яндекс.Вебмастер и Google Search Console. Фильтруем запросы, содержащие название бренда и его вариации (латиница, кириллица, опечатки, «купить бренд»). Выгружаем клики по ним за те же месяцы, что мерили SOV.

Главное здесь - зафиксировать baseline: средний уровень брендового трафика за несколько месяцев до старта GEO-кампании. Например, исторически стабильные ~1000 переходов в месяц. Небольшие колебания в первые месяцы (1050, 1100) - это естественный шум и фоновый рост; baseline берут именно как усреднённую доконтактную линию, а не как значение одного месяца. Относительно неё мы и измеряем прирост.

Теперь у нас два ряда чисел: SOV и брендовый трафик по месяцам. Связь между ними считается коэффициентом корреляции Пирсона - в Excel или Google Таблицах это функция =КОРРЕЛ(массив1; массив2). Значение выше 0,7 говорит о сильной связи.

Когда вы придёте к финдиректору с графиком, он спросит: «а может, трафик вырос от рекламы на ТВ или от Директа?». На этот вопрос нужно ответить заранее. Это называется анализ причинно-следственных связей, и на практике это несколько проверок - отсекаем каждый известный канал по очереди:

Для крупного бизнеса с десятком активных каналов одной-двух проверок мало - нужен слой контроля по каждому. Сильнейший приём, если он доступен: гео- или сегментный сплит - сравнить регионы или сегменты, где GEO-кампания шла, с теми, где не шла, при прочих равных. Разница между ними при идентичном остальном маркетинге — самое чистое доказательство вклада GEO, какое вообще возможно в многоканальной среде.

Если внешних драйверов не было, а кривая брендового спроса повторяет (с лагом) кривую SOV - у вас сильный аргумент, что прирост дал именно GEO.

Вот суть метода на одной картинке: видимость в нейросетях (SOV) растёт первой, а брендовый трафик догоняет её со сдвигом в 1–2 месяца. Совпадение формы кривых со сдвигом — и есть доказательство связи.

Те же данные в виде таблицы - так это ляжет в отчёт. Видно, как SOV резко вырос в мае, а брендовый трафик пошёл вверх следом - частично уже в июне, в полную силу в июле. Это и есть плавающий лаг в 1–2 месяца.

Честная оговорка

Я обязан сказать то, о чём многие агентства умалчивают, продавая «математическое доказательство». Корреляция не равна причинности. Высокий коэффициент Пирсона показывает, что две кривые движутся вместе - но сам по себе не доказывает на 100%, что одна вызвала другую.

Именно поэтому шаг 4 (изоляция переменных) - ключевой шаг. Он не превращает корреляцию в абсолютное доказательство, но резко повышает уверенность: если все остальные правдоподобные причины роста спроса исключены, GEO остаётся единственным разумным объяснением. Это честная формулировка для совета директоров — «сильное обоснованное предположение», а не «доказанный факт». Парадоксально, но именно такая честность вызывает у руководства больше доверия, чем обещание стопроцентной точности

Описанная логика - не теория. На реальных проектах мы видим, как рост видимости в нейросетях тянет за собой брендовый спрос и тёплые заявки. Подробные разборы - кофейная франшиза, которая за период вышла в топ ниши по видимости, и бренд систем охлаждения, попавший в ответы ИИ вообще без собственного сайта - я собрал с цифрами и графиками в полном гайде по GEO. Там же - методика замера видимости, разбор по движкам и принципы контента.

Косвенно: оцифровать видимость бренда в ответах (Entity Score), отслеживать рост брендового трафика в поиске и считать корреляцию с учётом лага. Если брендовый спрос повторяет кривую видимости в ИИ, а других драйверов не было - эффект канала подтверждается.

Задержка между моментом, когда нейросеть начала рекомендовать бренд, и моментом, когда пользователь созрел для самостоятельного брендового запроса. В B2B этот цикл - 1-2 месяца. Если не учесть лаг при расчёте корреляции, математика покажет, что связи нет, хотя она есть

Сама по себе - нет, лишь показывает, что два процесса меняются синхронно. Чтобы говорить о причинности, нужно исключить другие факторы (шаг 4: изоляция переменных). Если рекламу не запускали, а брендовый спрос вырос вслед за видимостью в ИИ - это и есть аргумент в пользу GEO.

Пирсон даёт значения от −1 до +1. Для бизнес-метрик хорошим считается выше 0,7 (сильная связь). Значение 0,8–0,95 делает связь между видимостью в ИИ и брендовым спросом практически неоспоримой - но и тогда причинность подтверждают изоляцией переменных.

У нас параллельно работают SEO, Директ, SERM и медийка. Как понять, что брендовый трафик вырос именно из-за GEO?

Это и есть главный вопрос атрибуции, и одной проверки мало - нужен слой контроля по каждому каналу. На практике вычленяем GEO так: (1) сверяем тайминг - рост брендового спроса должен идти с лагом 1-2 месяца после скачка SOV а не совпадать с запуском медийки или акции; (2) изолируем каждый платный канал - берём данные из сквозной аналитики и вычитаем брендовый трафик, который пришёл по UTM Директа, ретаргетинга, медийных размещений; (3) проверяем SEO-позиции по небрендовым запросам - если они не выросли, значит, прирост брендового спроса сформирован не классическим поиском; (4) по возможности ставим гео- или сегментный сплит - сравниваем регионы/сегменты, где GEO-кампания шла, с теми, где не шла, при прочих равных. Если после вычитания всех известных каналов остаётся необъяснённый прирост брендового спроса, и он повторяет кривую SOV с лагом - это и есть вклад GEO. Честная формулировка для совета директоров: «остаточный брендовый спрос после изоляции платных каналов, синхронный с ростом видимости в ИИ». Стопроцентной чистоты не даст ни один канал в многоканальной среде, но этот метод сужает неопределённость до уровня, на котором бюджет защищается.

На этом у меня все, надеюсь вам это полезно! Подписываетесь на мой Тг канал, там про GEO и жизнь студии

Vverh.Digital — агентство GEO/AEO для сложного B2B. Настроим замер видимости и покажем динамику в понятных руководству цифрах.

Обсудить проект →