Семь ошибок измерения видимости бренда в нейросетях
Александр Шерстов · 10 ноября 2026 · методический чеклист. Клиентских цифр и «результатов до/после» в тексте нет.
В блоге SherNet уже есть обзор, что такое GEO-продвижение, и разбор, что входит в работы. Здесь другой вопрос: какие решения при подсчёте делают сравнение бессмысленным. Примеры ниже учебные и помечены как таковые.
1. Выборка из одних брендовых запросов
Ошибка: все запросы содержат название компании. По ним видно, знает ли модель это имя. По ним не видно, появляется ли компания, когда человек выбирает подрядчика и бренда ещё не назвал.
Что делать: заранее разделить брендовые и небрендовые запросы и не складывать их в одну долю. Как проверить: в списке запросов есть отдельная пометка намерения, и небрендовых формулировок достаточно, чтобы выборка не состояла из названия компании.
2. Один повтор вместо серии наблюдений
Ошибка: один ответ в один момент времени принят за устойчивое состояние. Следующий ответ той же модели может отличаться без каких-либо изменений сайта.
Что делать: заранее решить, сколько повторов у запроса и как они сворачиваются: например, доля повторов, в которых событие встретилось. Как проверить: в журнале у каждого запроса больше одной сохранённой попытки, а правило свёртки записано до просмотра «удобного» ответа.
3. Нет сохранённого текста ответа
Ошибка: в отчёте осталась только отметка «бренд был» или скриншот без даты и модели. Позже нельзя проверить, это было упоминание, рекомендация или ссылка.
Что делать: хранить систему, дату, текст ответа и показанные источники. Как проверить: по спорной строке отчёта открывается исходный текст, а не только итоговая галочка.
4. Смешение упоминаний и рекомендаций
Ошибка: любое появление названия считается рекомендацией. Справочная фраза и совет «рассмотрите эту компанию» тогда попадают в один балл.
Что делать: пользоваться правилами из статьи про три разных результата. Как проверить: у двух учебных фраз — «компания N существует» и «для этой задачи можно рассмотреть компанию N» — стоят разные метки, и правило записано до разметки боевой выборки.
5. Разные условия замера до и после
Ошибка: первый замер сделан на одном списке запросов и в одной модели, второй — на другом списке или в другой системе, а разницу объясняют работой с сайтом.
Что делать: повторный замер проводить по тому же списку и тем же правилам. Если список пришлось изменить, сравнение пересчитать на пересечении, а не показывать старую и новую долю рядом как одну серию. Как проверить: в двух выгрузках совпадают идентификаторы запросов, модель и правило классификации.
6. Смешение AI-видимости с трафиком и конверсиями
Ошибка: рост доли рекомендаций в выборке ответов сразу называют ростом заявок. Ответ нейросети и визит на сайт — разные наблюдения.
Что делать: держать долю упоминаний, долю рекомендаций, долю ссылок, переходы и обращения отдельными колонками. Учебный пример, не результат клиента: в выборке стало больше рекомендаций, а в аналитике сайта за те же недели число обращений не изменилось. Это допустимая пара фактов, и она не обязана сходиться. Как проверить: в отчёте нет фразы, которая приравнивает одну колонку к другой.
7. Необоснованная причинность
Ошибка: после публикации или правки страницы следующее удачное упоминание объявляют следствием этой правки. Модель, источники и чужие страницы за это время тоже могли измениться.
Что делать: называть наблюдение наблюдением и перечислять, что ещё менялось. Причинность уместна только там, где есть заранее описанное сравнение и список альтернативных объяснений. Как проверить: в выводе есть дата обоих замеров, объём выборки и фраза об ограничениях, а не один удачный скриншот.
Общий протокол — в методике измерения. Материалы SherNet по составу работ не заменяют этот чеклист и не копируются сюда. Автор страницы — Александр Шерстов.