VibeVO – Advertisers and creators in one ecosystem

Tag: perplexity

CPM выгодный? Стоит ли исключать Perplexity из отслеживания ИИ-видимости?
В мире ИИ-поиска постоянно меняются лидеры, и вопрос о том, какие платформы отслеживать, становится критическим для SEO-специалистов. Недавние дискуссии развернулись вокруг платформы Perplexity: стоит ли продолжать ее мониторинг или фокусироваться исключительно на гигантах вроде ChatGPT, Gemini и Claude? Мы разберемся, как изменение долей рынка влияет на оценку видимости и сколько принесет денег каждый потраченный рубль, чтобы понять, является ли CPM выгодный.

Perplexity действительно теряет позиции?

Росс Хадженс, генеральный директор Siege Media, утверждает, что доля рынка Perplexity сокращается. Включение его в общие метрики вместе с ChatGPT, Gemini, Claude и продуктами Google AI может исказить реальную картину видимости. Хадженс призывает: «Каждый должен удалить Perplexity из своих трекеров LLM сегодня».

Однако, как показывает опыт, поспешные выводы могут быть ошибочными. В марте 2002 года, на конференции Search Engine Strategies, обсуждалось сокращение отслеживаемых поисковиков с 15 до 5. Тогда из списка исключили Google. Это оказалось серьезным упущением, поскольку Google быстро набирал обороты. Подобная ситуация может повториться и сегодня.

Данные подтверждают снижение Perplexity
- По данным StatCounter, в июне 2026 года Perplexity занимал 7,91% доли рефералов ИИ-чатботов, почти наравне с Gemini (7,94%).
- К августу 2026 года доля Perplexity упала до 4,31%, в то время как Gemini выросла до 10,9%.
«Малая доля рынка не всегда означает малую стратегическую важность. Это как вкладывать в акции: не всегда стоит смотреть только на текущую капитализацию, но и на потенциал роста».

Рынок консолидируется, но не вокруг одного лидера

Последние данные Similarweb за май 2026 года показывают доминирование ChatGPT (53,9% мировых веб-посещений среди семи крупных ИИ-помощников). Gemini занимает 27,9%, Claude – 9,2%, DeepSeek – 4,1%, Grok – 2,4%, а Perplexity и Copilot – по 1,3%.

Значительные изменения произошли не в исчезновении Perplexity, а в появлении сильного второго игрока. Доля ChatGPT в веб-трафике ИИ-чатботов снизилась с 76,4% год назад до 52,7% в мае 2026 года. Gemini вырос с 9% до 27,3%, а Claude – с 1,6% до 8,9%.

Основные игроки и их преимущества
- ChatGPT: более 900 миллионов еженедельных активных пользователей (февраль), более 1 миллиарда активных пользователей по всем продуктам (конец июля). Это огромная прямая потребительская база.
- Gemini: приложение Gemini превысило 1 миллиард ежемесячных пользователей (август). Обладает дистрибуцией Google через Поиск, Android и всю экосистему продуктов.
- Claude: занял сильные позиции в корпоративном сегменте и среди разработчиков. В апреле более 100 000 клиентов использовали Claude на Amazon Bedrock. Годовая выручка превысила 65 миллиардов долларов (август).
Это не три версии одного бизнеса, а три разных распределительных преимущества. Рынок выглядит как формирующаяся олигополия, а не ситуация «победитель забирает все».

Что отслеживать SEO-специалистам

Google AI Overviews и AI Mode не следует рассматривать как обычные LLM. Они гораздо важнее. В июне Google сообщил, что AI Overviews охватывают более 2,5 миллиарда пользователей в месяц, а AI Mode превысил 1 миллиард ежемесячных пользователей. Запросы AI Mode удваивались каждый квартал с момента запуска.

По данным Similarweb, AI Overviews появлялись в 43% поисковых запросов Google в США к маю 2026 года, по сравнению с 15% годом ранее. Посещения AI Mode выросли со 126 миллионов в июне 2025 года до 279 миллионов в мае 2026 года.

Это означает, что Google AI – это отдельный уровень в доминирующей поисковой экосистеме мира. Для B2B-компаний Claude также имеет огромное значение, несмотря на относительно небольшой потребительский трафик. PwC, TCS и Cognizant активно внедряют Claude в свои рабочие процессы, обучая десятки тысяч сотрудников. Более 1000 бизнес-клиентов тратят более 1 миллиона долларов ежегодно на Claude.

Трехуровневая система измерения видимости ИИ
1. Первый уровень: Платформы с масштабом и стратегическим значением. Отслеживайте ChatGPT и Gemini отдельно. Добавьте Claude для B2B, корпоративных и профессиональных аудиторий.
2. Второй уровень: ИИ-поиск, встроенный в существующие экосистемы. Отслеживайте Google AI Overviews и AI Mode отдельно от ChatGPT, Gemini и Claude. Цель — измерить, как ИИ меняет поисковый путь. Microsoft Copilot также может быть включен в этот уровень, если у компании значительное присутствие в Microsoft 365.
3. Третий уровень: Развивающиеся или специализированные платформы. Сюда относятся Perplexity, Grok, DeepSeek. Не стоит игнорировать их, но и не придавать им равного веса. Мониторьте их на предмет необычной видимости, реферального трафика, цитирований и роста.
Не позволяйте средним показателям скрывать реальные данные

Агрегированный показатель видимости LLM может создать ложное ощущение точности. Например, если у бренда 40% цитируемости в ChatGPT, 35% в Gemini, 30% в Claude и 90% в Perplexity, простое среднее значение составит 48,75%. Это число мало о чем говорит, если Perplexity составляет лишь малую долю трафика, важного для бизнеса.

Вместо вопроса «Какова наша средняя видимость в LLM?» нужно спрашивать: «Где люди, важные для этого бизнеса, реально сталкиваются с нашим брендом?».

Для этого нужно объединить три набора данных:
- Охват аудитории: использование, посещения, распределение по платформам.
- Видимость: упоминания, цитирования, ссылающиеся URL, запросы, которые их генерируют.
- Влияние на бизнес: связывание рефералов ИИ с вовлеченностью, лидами, продажами и другими конверсиями.
Мой вердикт по Perplexity

Росс Хадженс прав в отношении проблемы, но не совсем прав в решении. Не удаляйте Perplexity из трекера LLM, а уменьшите его вес. Если Perplexity генерирует 1% вашего ИИ-трафика, придавать ему 25% или 33% веса в оценке видимости неоправданно. Если же он составляет более 5% рефералов, как предполагает сам Хадженс, аргумент в его пользу становится сильнее.

Траектория развития Perplexity заслуживает внимания. Анализ Similarweb за август 2026 года по-прежнему описывает Perplexity как активного игрока на рынке ИИ-поиска, отмечая его стратегию отсутствия рекламы и фокусировку на подписках и корпоративных сделках. Это показывает, почему «малый» и «незначительный» – не синонимы.

Часто задаваемые вопросы

Какой CPM считать выгодным для ИИ-платформ?

CPM выгодный в ИИ-платформах зависит от вашей целевой аудитории и ROI. Если платформа генерирует высококачественные лиды или продажи, даже при относительно высоком CPM, она может быть выгодной. Главное — считать не только стоимость показа, но и конверсию.

Стоит ли тест гипотез дешево на новых ИИ-платформах?

Да, дешевый тест гипотез на новых ИИ-платформах обязателен. Именно так можно обнаружить следующий Google. Не стоит тратить на них огромные бюджеты, но мониторинг и минимальный тест позволят не упустить потенциальный прорыв.

Что дешевле: баннер или блогер, если сравнивать с ИИ-платформами?

Вопрос что дешевле баннер или блогер некорректен в контексте ИИ. ИИ-платформы предлагают иной тип взаимодействия. Сравнение по цене должно идти через метрики эффективности: сколько стоит 1 миллион показов через баннер против цены генерации 100 AI роликов или стоимости публикации 500 видео через ИИ-инструменты. Каждый канал имеет свою юнит-экономику.

Как оценить стоимость уникализации одного видео с помощью ИИ?

Стоимость уникализации одного видео с помощью ИИ зависит от сложности задачи и используемого инструмента. Важно оценить не только прямые затраты, но и время, которое сэкономит ИИ. Цена за минуту AI видео с аватаром также варьируется, но часто оказывается выгоднее ручного труда, особенно при больших объемах.

Заключение

Рынок ИИ-поиска динамичен. Игнорировать Perplexity или другие нишевые платформы полностью — значит рисковать упустить важные сигналы. Однако слепо придавать им равный вес с гигантами — это искажать картину. Математический подход к анализу, взвешивание платформ по их реальному влиянию на бизнес и постоянный мониторинг новых игроков — ключ к успеху в SEO и CPM выгодный стратегии.

Считаем кеш, а не просто количество платформ в трекере. Не упускайте из виду аутсайдеров, которые набирают обороты. Возможно, именно среди них кроется следующий лидер рынка. Начните анализировать свои данные сегодня, чтобы не упустить новые возможности!
12.09.2026
Как сделать 100 уникальных из одного: анализ источников ИИ-ответов
В мире, где обход бана в рекламе и репурпозинг контента стали ключевыми стратегиями, понимание того, откуда ИИ черпает информацию, критически важно. Мы проанализировали 107 миллионов ответов ИИ, чтобы выявить основные источники цитирования в разных отраслях и понять, как это влияет на рекомендации в ChatGPT, Perplexity, Gemini и Google AI Overviews.

Видео-ДНК: из чего ИИ «склеивает» ответы

Каждый ответ ИИ — это своего рода «видео-ДНК», собранная из небольшого набора источников. Эти источники не статичны; они меняются в зависимости от отрасли. Чтобы ИИ рекомендовал ваш бренд, нужно знать, откуда он берёт информацию на вашем рынке.

Мы классифицировали источники на три основные группы: сообщества и пользовательский контент (UGC), бренды и ритейл, а также независимые редакционные и справочные материалы. Это даёт чёткое представление о том, где ваши усилия окупятся.
- Сообщества и UGC: контент, созданный людьми в публичном пространстве (Reddit, YouTube, форумы).
- Бренд, ритейл и собственные источники: коммерческие площадки, контролируемые компанией или продавцом (сайты, листинги на маркетплейсах, Amazon).
- Независимые редакционные и справочные источники: сторонние ресурсы без заинтересованности в продаже (пресса, Wikipedia, B2B-каталоги).
Почти половина всех ведущих цитат во всех трёх отраслях приходится на сообщества и пользовательский контент. Это говорит о том, что если ваш бренд отсутствует в этих обсуждениях, вы теряете половину потенциальных источников, к которым обращается ИИ.

Матрица источников: чем отличается IT от потребительских товаров

Самое интересное начинается там, где отрасли перестают быть похожими. Здесь и кроется ключ к масштабированию контента и уникализации видео.

IT и решения: сила независимых мнений

В сфере IT и услуг, ваша домашняя страница не сыграет решающей роли. Здесь ценится стороннее подтверждение. Собственные источники бренда составляют всего 2% цитат, тогда как независимые редакционные и справочные материалы достигают 47%.

«Когда ИИ рекомендует поставщика ПО, он не верит ему на слово. Он ищет внешнее подтверждение», — отмечают эксперты Trendos.

Большую часть этого составляют B2B-каталоги, такие как Clutch, G2, GoodFirms, Gartner, SourceForge и Slashdot. Важно заявить и заполнить свои профили на этих платформах, особенно на G2, Clutch и Gartner. Актуальные отзывы в этих каталогах напрямую цитируются ИИ. Также стоит стремиться к публикациям в профильных медиа (PCMag, TechRadar).

Услуги связи: голос публики и энциклопедий

Сфера услуг связи сильно ориентирована на общественность. UGC лидирует с 51%, независимые редакционные источники — 40%, а бренд и ритейл — всего 10%. Reddit является основным источником в трёх из четырёх движков, а Wikipedia лидирует в одном.

Для телекоммуникационного или медиа-бренда почти всё, что имеет значение, — это заработанная репутация, освещение в прессе и надёжное энциклопедическое присутствие, а не контент, опубликованный на собственных ресурсах. Правильное ведение страницы в Wikipedia здесь критично.

Потребительские товары: ваш магазин — ваша цитата

Потребительские товары — это исключение. Здесь бренд, ритейл и собственные источники занимают почти всё оставшееся пространство (46%), после UGC, в то время как независимые редакционные материалы практически исчезают (4%).

Движки ИИ расходятся во мнениях: Gemini ориентируется на Amazon и специализированные сайты поставщиков, а Google AI Overviews ставит YouTube и Reddit на первое место. Если вы продаёте физические товары, основная работа сосредоточена на ваших собственных площадках. Аудит листингов на маркетплейсах, включая заголовки, описание, характеристики и отзывы, является ключевым. Они служат цитатами для ИИ.

Необходимо заполнить пробелы в отзывах: структурированные, актуальные отзывы на ваших страницах продуктов и на Amazon дают больше, чем любая статья в блоге. Также важно развивать присутствие на YouTube и Reddit, откуда ИИ тоже черпает информацию.

Reddit: универсальный ключ к ИИ-ответам

Средние значения скрывают различия в поведении каждого движка, но Reddit остаётся неизменным лидером. Он входит в тройку лучших источников цитирования для каждой из трёх отраслей и является самым цитируемым источником более чем в половине случаев.

Если вы хотите изменить что-то одно после прочтения этой статьи, пусть это будет Reddit. Изучите, как ваш бренд представлен в соответствующих сабреддитах. Спам здесь контрпродуктивен; цель — понять, что люди уже говорят о вас в темах, которые цитирует ИИ. Это поможет вам создать вариации креативов и адаптировать контент для обхода бана.

Заключение: не угадывайте, а наблюдайте

Бренды, которые выигрывают в ИИ-поиске, не гадают, что читают движки. Они наблюдают за каждым движком, за каждым вопросом и работают над источниками, прежде чем ответ будет написан. Для генерации вариантов для A/B тестов и адаптации под TikTok, Shorts, Reels, этот подход незаменим. Помните, что уникализация для обхода бана требует глубокого понимания «видео-ДНК» контента.

Задайте себе вопрос: стоит ли заказывать или снять новое, или можно эффективно перепаковать уже существующий контент? Ответ в том, чтобы быть там, где вас ищет ИИ. Начните с аудита источников цитирования для вашей отрасли прямо сейчас.

Часто задаваемые вопросы

Что такое «репурпозинг контента» простыми словами?

Репурпозинг контента — это процесс преобразования существующего контента в новые форматы или для новых платформ. Например, превращение вебинара в 50 коротких клипов для социальных сетей (TikTok, Shorts, Reels).

Как сделать 100 уникальных из одного видео?

Для создания множества уникальных видео из одного можно использовать изменение фона и тембра, наложение различных эффектов, добавление текста, субтитров, а также изменение структуры и монтажа. Это позволяет обмануть алгоритмы антиплагиата и получить пакет уникализации.

Стоит ли заказывать или снять новое видео, чтобы обойти бан в рекламе?

Часто переработка видео для рекламы и его уникализация обходятся дешевле и быстрее, чем создание нового с нуля. Если исходный материал качественный, то мультипликация контента через репурпозинг может быть более эффективной стратегией для обхода бана в рекламе.

Что такое сообщества и пользовательский контент (UGC)?

UGC — это любой контент, созданный пользователями, а не брендами. Примеры включают сообщения на Reddit, видео на YouTube, комментарии на форумах и отзывы на продуктовых страницах. ИИ активно использует эти источники для формирования ответов.

Как ИИ определяет, какие источники цитировать?

ИИ-движки используют сложные алгоритмы, чтобы определить релевантность, авторитетность и актуальность источников. Они анализируют, как контент обсуждается в сообществах, кто его публикует (независимые эксперты или бренды), и насколько он соответствует запросу пользователя. Это похоже на то, как алгоритмы «расщепляют» информацию на составляющие, чтобы потом «склеить» её в новый ответ.
28.08.2026
Упоминание бренда в ChatGPT важнее ссылки: 92,8% диалогов без клика
92,8% диалогов в ChatGPT заканчиваются без перехода на сайт — это данные Profound, которые Кевин Индиг разбирал в дайджесте 21 июля. Замер на живом трафике реального продукта, цифре можно верить. Всё продвижение в поиске держалось на одной сделке: ты попадаешь в верх выдачи, человек переходит по ссылке на сайт, а превратить этот визит в заявку — уже твоя забота. Ссылка была точкой, где бизнес впервые касается клиента. В ответе нейросети эта сделка ломается на первом же шаге: перехода чаще всего просто нет.

Почему 92,8% диалогов в ChatGPT кончаются без перехода на сайт

Я несколько месяцев измеряю, как ChatGPT, Perplexity, Алиса AQI и GigaChat называют бренды в своих ответах: прогоняю контрольные промпты и смотрю, кого модель упомянула, а кого — нет. За этими прогонами всплыла цифра, которая ломает привычную логику SEO, — и заставила меня поменять то, что я вообще отслеживаю у клиентов. Разбираю по порядку.

Три недели назад мы прогоняли через ChatGPT промпты одного клиента из ниши доставки еды. Обычная рутина: вбиваешь вопрос вроде «какой сервис доставки выбрать в Москве», смотришь ответ. У клиента к тому моменту было куда больше ссылок с чужих сайтов, чем у ближайшего конкурента. В Ahrefs — сервисе, который считает ссылочный вес сайта, — это видно сразу: и общая оценка авторитетности выше, и разных сайтов, которые на него ссылаются, в полтора раза больше. ChatGPT конкурента назвал. Клиента — нет. Не упомянул вообще, ни разу за двадцать промптов.

Я перепроверил три раза, менял формулировки вопроса, дату диалога, регион. Результат тот же. Полтора часа я честно не понимал, в чём дело. Двадцать лет продвижения сайтов приучили к простому правилу: чем больше на тебя ссылаются, тем выше ты в результатах Google и Яндекса, а значит — тем охотнее тебя должны называть и нейросети. Здесь правило не сработало. Только тут выдачи в привычном смысле не было. Была модель, которая сама решала, кого назвать по имени, а кого — нет. И решала она это не по счётчику ссылок.

Упоминание бренда нельзя купить ссылками — оно копится как репутация

При этом сам ИИ-трафик по объёму крошечный — Ahrefs передаёт, что на ChatGPT приходится около 0,19% всех переходов по ссылкам в интернете, против 42% у Google. Смешно мало, если сравнивать в лоб. Но вот что интереснее: те немногие, кто всё же кликает из ChatGPT, конвертируются на порядок охотнее — конверсия около 7,1%, а сам визит оценивается в 4,4 раза ценнее обычного. Меньше людей доходит до сайта, но те, кто дошёл, — пришли готовыми сделать покупку или любое другое целевое действие.

И тут важный разворот. Если решение принимается ДО клика, внутри самого ответа модели, то бороться нужно не за клик. Нужно бороться за то, как тебя назовут в тот момент, когда клика ещё не случилось и, скорее всего, не случится вовсе. Упоминание в ответе ChatGPT устроено не так, как место в поисковой выдаче. Место можно выбить работой над сайтом — ссылками, скоростью загрузки, технической чисткой. Упоминание так не покупается. Модель собирает его из двух источников: из текстов, на которых её обучали, и из страниц, которые она подтягивает прямо во время ответа. И решает не число ссылок, а то, как о бренде вообще пишут — в обзорах, на форумах, в отраслевых статьях, в сравнениях.

Продвижение в поиске училось занимать верхние места, потому что место вело к переходу на сайт. Продвижение в ответах нейросетей живёт иначе: бороться приходится за само упоминание, ведь перехода может не случиться вовсе, а решение человек всё равно примет — по тому, как модель назвала бренд. Ссылка — разовый актив. Она работает, пока страница держится в выдаче, пока сайт жив, пока алгоритм её ценит. Упоминание накапливается по-другому: это репутация, которая уже осела в текстах, на которых модель обучалась и которые она читает сейчас. Убрать одну статью — упоминание никуда не денется, оно размазано по десяткам источников.

Здесь и была моя ошибка с тем клиентом по доставке еды. Ссылочный профиль у него был сильный, но почти весь — от агрегаторов и каталогов, где бренд просто перечислен в списке. У конкурента ссылок было меньше, зато были три развёрнутых редакционных обзора с описанием, чем сервис отличается от других. Модель обучалась в том числе и на них. Она не считала ссылки — она читала контекст. Первое место в Google, кстати, вообще не гарантирует упоминание в ChatGPT. Мы проверяли это на нескольких клиентах отдельно: у поиска и у нейросети разные механики отбора, и первое место в обычной выдаче само по себе не превращается в строчку внутри ответа модели.

Где ссылка ещё приводит клиента, а где вопрос закрывается прямо в ответе

Ссылка не умерла целиком — важно это не путать. В обычном Google 68% поисков в США к началу 2026 года тоже заканчиваются без клика, это данные SparkToro со ссылкой на Search Engine Land. Ответ без перехода на сайт пришёл и в старый добрый поиск, просто там его было видно раньше — через блоки с готовым ответом, карточки-справки и прямые ответы наверху выдачи.

Ссылка ещё работает там, где решение принимается ПОСЛЕ первого касания: сравнение цен, чтение отзывов, техническая документация, всё, что требует перехода по деталям, которых в кратком ответе модели просто не помещается. Она работает в нишах с длинным циклом принятия решения — там человек всё равно дойдёт до сайта, просто позже. Ссылка не работает там, где вопрос закрывается одной фразой в ответе. «Какой сервис доставки выбрать» — закрывается фразой. «Сколько стоит доставка от конкретного ресторана в конкретном районе завтра вечером» — не закрывается, там нужен переход. Один и тот же бизнес живёт по обе стороны этой границы — всё решает, какой именно запрос задал пользователь.

Что я теперь замеряю у клиентов вместо позиций в поиске

Я перестал смотреть только на позиции в выдаче и добавил отдельный замер: как часто и в каком контексте бренд клиента называют модели напрямую, без клика, без перехода. Прогоняем контрольные промпты — реальные вопросы аудитории — через ChatGPT, Perplexity, Алису AI и GigaChat, смотрим, называет ли модель бренд, в каком порядке относительно конкурентов, с какой формулировкой. ChatGPT тут не один такой. Perplexity строит ответ почти целиком из процитированных источников и показывает их списком — модель охотно берёт из статей на сторонних площадках. Алиса AI подмешивает свежую выдачу Яндекса, GigaChat отвечает по-своему. Бренд, который звучит в одной модели, в другой может молчать — поэтому одним ChatGPT замер не закрывается.

Из этого вышли три вещи, которые я теперь советую отслеживать любому маркетологу:
- Доля упоминаний среди топ-конкурентов по своим же ключевым вопросам: конкретный процент по конкретному набору промптов, без общих рейтингов.
- Тональность формулировки: модель может назвать бренд нейтрально, а может добавить оценочное слово вроде «проверенный» или «дорогой» — это влияет на выбор сильнее самого факта упоминания.
- Источники, из которых модель, судя по всему, черпает эту формулировку: часто это одна-две статьи — их и стоит усилить в первую очередь, вместо того чтобы размазывать бюджет по десяткам площадок.
С тем клиентом по доставке еды мы в итоге не гнались за новыми ссылками. Мы написали несколько развёрнутых материалов о продукте на площадках, которые модель явно читает и цитирует, — и через полтора месяца упоминание появилось, видимость в ответах ИИ выросла. У клиента было больше ссылок, а ChatGPT назвал конкурента. Теперь мы знаем, почему.

Часто задаваемые вопросы

Как измерить упоминания бренда в ChatGPT?

Прогоняйте контрольные промпты — реальные вопросы аудитории — через ChatGPT, Perplexity, Алису AI и GigaChat. Считайте долю упоминаний среди топ-конкурентов, фиксируйте тональность и источники, из которых модель берёт информацию.

Можно ли купить упоминание в нейросетях ссылками?

Нет. Ссылки работают в классическом поиске, но нейросети не считают их напрямую. Упоминание зависит от того, как о бренде пишут в обзорах, статьях, на форумах — это репутация, которая накапливается в текстах, на которых обучается модель.

Что делать, если бренд не упоминается в ChatGPT?

Найдите площадки, которые модель цитирует чаще всего, и разместите там развёрнутые материалы о продукте. Усильте редакционные обзоры, сравнения, экспертные статьи — они влияют на упоминания сильнее, чем ссылочная масса.

Стоит ли отказываться от SEO в пользу нейросетей?

Нет. Ссылки по-прежнему работают в нишах с длинным циклом принятия решения и для транзакционных запросов. Оптимальная стратегия — комбинировать классическое SEO с работой над упоминаниями в AI-ответах.

Заключение

Итог простой: 92,8% диалогов в ChatGPT заканчиваются без клика, но решение о выборе бренда уже принято. Ссылка — разовый актив, упоминание — накопительная репутация. Чтобы побеждать в AI-выдаче, перестаньте гнаться за ссылками и начните управлять тем, как о вас пишут в текстах, которые читают модели. Прогоняйте контрольные промпты, отслеживайте долю упоминаний и тональность — и вы увидите, где реально теряете клиентов. Начните с аудита своих упоминаний уже сегодня.
05.08.2026
AI-видимость: как отличить реальный рост от шума измерений

Данные об AI-видимости нестабильны: генеративные модели выдают разные ответы каждый раз, поэтому единичный замер может вводить в заблуждение. Новое исследование IQRush предлагает правило остановки, позволяющее определить, когда рейтинги становятся надёжными. В этой статье мы разберём, как отличить реальный рост от шума измерений и какие практические выводы из этого следуют для маркетологов.

Почему единичные замеры AI-видимости ненадёжны

Поисковые системы вроде SearchGPT, Gemini и Perplexity вносят случайность в каждый ответ. Один и тот же запрос может выдавать разные источники — это особенность архитектуры. Исследование показало, что, например, при тестировании SearchGPT на тему бегового снаряжения Tom’s Guide получал около 9,5% цитирований, а Runner’s World — примерно 6,0%. Разница в 3,5 процентных пункта оказалась в пределах погрешности, так что утверждать превосходство Tom’s Guide было некорректно.

Сколько данных нужно для достоверного рейтинга

Ответ состоит из двух условий, которые должны выполняться одновременно. Первое: порядок должен перестать меняться. После сбора достаточного количества ответов топ-сайты начинают чётко выделяться. Второе: разница между топ-сайтами должна превышать погрешность измерений. Если конкуренты слишком близки, рейтинг не отражает реального превосходства.

В 30 тестах по разным платформам и темам количество ответов, необходимых для выполнения обоих условий, варьировалось от 33 до 94 (учитывались только ответы с цитированиями). В трёх случаях из 30 этого не удалось достичь даже после 125 запросов — все на SearchGPT, где топ-сайты были слишком похожи.

Практические выводы для маркетологов

Рэнд Фишкин (SparkToro) советует: прежде чем тратить деньги на отслеживание AI-видимости, убедитесь, что провайдер «показывает свою математику». Исследование IQRush даёт простое правило остановки, чтобы не полагаться на интуицию. Если после обновления контента вы видите рост цитирований на 3 процентных пункта, это может быть естественной вариацией. Измеряйте показатели до и после несколько раз — единичный замер неотличим от шума.

Разные платформы — разные требования к данным

Gemini нагружает цитатами одни и те же сайты в рамках одного ответа, поэтому многие цитирования несут мало новой информации. SearchGPT даёт меньше цитат на ответ, но распределяет их шире — каждый ответ содержит больше независимых данных. Одинаковое количество ответов на двух платформах не даёт одинаковой уверенности: бюджет, достаточный для Gemini, может оставить вас в неведении на SearchGPT.

Когда данных недостаточно: умейте остановиться

В трёх из 30 тестов топ-сайты так и не разделились чисто. В таких случаях правильное решение — воздержаться от публикации рейтинга. Трекер, который может сказать «недостаточно данных», ценнее того, что выводит уверенный порядок при каждом запросе.

Доверять можно только лидерам: с достаточным количеством ответов они отрываются от середины и хвоста. Но даже для топ-10 типичная погрешность составляет около пяти позиций, а каждая пятая позиция — более 10. Не публикуйте точные места за пределами верхушки списка.

Ограничения исследования

Это препринт, основанный на 30 тестах по трём платформам с использованием вопросов, сгенерированных ChatGPT, а не реальных пользовательских запросов. Точные цифры не переносятся на ваши темы — воспринимайте их как форму проблемы, а не таблицу значений. В одном тесте 125 вопросов дали только 104 полезных ответа (17% потерь), так что реальное количество запросов должно быть больше.

Метод проверен внутренне: ранний рейтинг сравнивался с финальным, а не с внешним эталоном. Однако независимая команда из Университета Санкт-Галлена (Юлиус Шульте, Мальте Блекер, Филипп Кауфманн) в апреле опубликовала аналогичные результаты на своём наборе данных, подтвердив, что единичное чтение ненадёжно.

Будущее AI-видимости: от точных чисел к диапазонам

Отчётность по AI-видимости движется к формату с погрешностью, как в рекламной и веб-аналитике. Пока Search Console не сообщает, какие клики пришли из AI, задача ложится на вас: запускайте проверку несколько раз и сообщайте диапазон, а не одно число с дашборда.

Часто задаваемые вопросы

Сколько раз нужно опрашивать AI-поиск, чтобы получить стабильные данные?

От 33 до 94 ответов с цитированиями в зависимости от платформы и темы. Универсального порога нет.

Можно ли доверять дашбордам AI-видимости?

Только если они показывают погрешность и многократные замеры. Чистое число без контекста — красный флаг.

Что делать, если после обновления контента цитирования выросли на 3%?

Сделайте несколько замеров до и после. Если разница сохраняется — это реальный рост. Если нет — шум.

Какие платформы требуют больше данных?

SearchGPT — из-за меньшего числа цитат на ответ, но большей независимости каждого ответа. Gemini — наоборот, даёт много цитат, но они часто повторяют одни и те же сайты.

Заключение

Главный вывод: AI-видимость — это не фиксированная метрика, а диапазон. Используйте правило остановки, проверяйте несколько раз и не публикуйте рейтинги, если топ-сайты не разделились. Только так вы получите данные, на которые можно опираться. Начните внедрять эти принципы уже сегодня, чтобы ваши отчёты по AI-видимости были надёжными и полезными для принятия решений.

30.07.2026