Прежде чем проверять ИИ на фактах: что он на самом деле говорит о брендах

Рекомендация — не вершина лестницы

Мы измеряем видимость в ИИ как лестницу из пяти ступеней: ИИ читает ваш сайт, цитирует ваши страницы, упоминает ваш бренд, рекомендует вас и корректно вас описывает. Большинство инструментов и большинство маркетинговых команд перестают считать на четвёртой ступени. Если ИИ вас рекомендует, работа кажется выполненной.

1. 4
   Рекомендация

   ИИ ставит вас на первое место или представляет как наиболее подходящий вариант.

2. 5
   Корректное описание

   То, что ИИ говорит о вас, правда: верные цены, продукты, рынки и сильные стороны.

Но рекомендация, построенная на неверных фактах, может обойтись дороже, чем её отсутствие. Покупатель приходит, ожидая старую цену, несуществующую функцию или не ту страну доставки, и продажа срывается на последнем шаге. Ничто в вашей аналитике не показывает почему. Поэтому мы рассматриваем «корректное описание» как отдельную ступень со своим измерением.

Что мы увидели в первом анализе

Каждый ответ ИИ-модели о бренде содержит небольшие фактические высказывания: «стоит X в месяц», «доступен в Y», «интегрируется с Z». Мы называем их утверждениями. Утверждения с одинаковой формулировкой считаются один раз.

4,010Ответы ИИ

754ответов, в которых назван бренд

31,447процитированных источников

4 ИИ-модели

6 рынков4 языка

31 деньсбора ответов

Период исследования7 авг. 2026 – 19 сент. 2026

Мы собрали 4,010 ответов ChatGPT, Gemini, Perplexity и Google AI Overviews на вопросы покупателей на шести рынках: приключенческий туризм, маркетинг в архитектуре, электронная коммерция, CRM-системы, онлайн-терапия и ИИ-инструменты. Вместе эти ответы процитировали 31,447 источников. ИИ упомянул соответствующий бренд в 754 из 4,010 ответов (18.8%). Это среднее скрывает большой разброс: на двух рынках ИИ называл бренд более чем в половине ответов. На остальных четырёх он называл бренд примерно в 2–11% из них. Утверждения могут появиться только в ответах, где назван бренд, поэтому для анализа утверждений используется их часть:

Проанализированные ответы получены от ChatGPT, Gemini и Google AI Overviews на вопросы покупателей на четырёх из шести рынков: CRM-системы, электронная коммерция, приключенческий туризм и маркетинг в архитектуре. В среднем один ответ содержал 3.8 утверждения о бренде (2,166 упоминаний утверждений в 567 ответах). В зависимости от рынка ИИ сделал от 48 до 985 уникальных утверждений о бренде.

Упоминание утверждения — это одно утверждение в одном ответе. Одно и то же утверждение может встречаться в нескольких ответах, поэтому упоминаний (2,166) больше, чем уникальных утверждений (2,084). 13 утверждений встречаются в двух ИИ-моделях, поэтому строки по ИИ-моделям в сумме дают 2,097 уникальных утверждений, а не 2,084.

Немногие маркетинговые команды смогли бы перечислить всё, что ИИ говорит о них. Почти никто этого не проверял.

Три вердикта, а не два

Чтобы проверить утверждение, нужно с чем-то его сверять: с вашими собственными фактами. Что вы продаёте, кому, где и по какой цене. Затем каждое утверждение сравнивается с этими фактами и получает один из трёх вердиктов:

Третий вердикт важен. Простая проверка «верно/неверно» загоняет каждое утверждение в одну из двух ячеек. На практике многое из того, что ИИ говорит о бренде, не подтверждается и не опровергается ничем из того, что бренд записал.

Главный пробел: то, что вы никогда не записали

Если бренд что-то не излагает чётко, ИИ не молчит. Он заполняет пробел отзывами, старыми страницами, сравнительными статьями, написанными конкурентами, или собственным обучением. Утверждение «не охвачено» в примере может даже оказаться правдой. Но бренд его не выбирал и не увидит, пока не посмотрит.

Это меняет задачу. Исправлять то, в чём ИИ ошибается, — лишь половина дела. Вторая половина — чётко изложить факты, о которых ИИ продолжает гадать, простыми словами, на страницах, которые ИИ может найти.

Хвалят, но неверно

ИИ-модели в основном благосклонны к брендам. В нашем исследовании 68.8% из 2,084 утверждений были позитивными, 27.5% нейтральными и лишь 3.7% негативными. В отчёте о тональности это выглядит как хорошая новость. Но позитивное утверждение — не обязательно верное:

Тональность показывает, как ИИ относится к вам. Она не показывает, прав ли ИИ. Нужно и то, и другое — по каждому утверждению, а не одной средней оценкой.

У каждой ИИ-модели своя история

Чтобы честно сравнить ИИ-модели, мы разбили 2,084 утверждения по смыслу на 157 тем, например: цены бренда, простоты использования или зоны доставки. Затем мы подсчитали, какие ИИ-модели поднимали каждую тему:

Около трети тем встречались во всех трёх ИИ-моделях. Но 41.4% встречались лишь в одной. Покупатель, который спрашивает ChatGPT, и покупатель, который спрашивает Gemini, могут услышать о разных сторонах одного и того же бренда.

Источники различаются ещё сильнее. В ответах, на которых основаны утверждения, процитировано 952 разных сайта. 83.8% этих сайтов были процитированы только одной ИИ-моделью, 11.8% двумя и всего 4.4% (42 сайта) всеми тремя. Каждая ИИ-модель строит представление о вашем бренде из собственного набора страниц.

Примечание к этим цифрам. Автоматический шаг группировки распределяет утверждения по темам, поэтому границы между темами не точны. Две ИИ-модели, поднимающие одну и ту же тему, всё равно могут говорить о ней разное. А сайт, процитированный только одной ИИ-моделью, может быть известен и остальным.

Это важно для точности, потому что одна ИИ-модель может называть актуальную цену, а другая повторять старую. В таком случае ошибка не в «ИИ вообще». Обычно она кроется в конкретных страницах, на которые опирается одна ИИ-модель, или в том, чему эта модель научилась при обучении. Поэтому её можно отследить: проверяйте каждую ИИ-модель отдельно и смотрите на источники, которые цитируют её ответы.

Актуальная страница или память?

Ответы ИИ опираются на два слоя: то, что ИИ-модель находит в интернете прямо сейчас (Онлайн), и то, чему модель научилась при обучении (Память). От того, откуда взялось неверное утверждение, зависит, как его исправлять. Первую подсказку даёт ответ, за которым оно стоит: ссылался ли он на источники или нет?

В нашем исследовании 78% ответов, на которых основаны утверждения, ссылались хотя бы на один источник. Вместе они сослались на 6,504 источника: 3,785 разных страниц на 952 разных сайтах. Доля сильно различалась по ИИ-моделям:

Для большинства утверждений есть страница, до которой можно докопаться. У Gemini почти половина ответов ни на что не ссылалась, поэтому его утверждения сложнее отследить до страницы.

Примечание к этому разделению. Ответ без процитированных источников не доказывает, что ИИ-модель не использовала веб-страницы. Кроме того, ИИ-модели по-разному показывают источники, а ответы ChatGPT в этой выборке собирались с включённым веб-поиском. Воспринимайте эти два случая как направления для проверки, а не как точные причины, и не читайте таблицу как рейтинг ИИ-моделей.

Что с этим делать

Для точности мы используем те же четыре шага, что и для любой другой части видимости в ИИ:

1. 1
   Видеть

   Запишите свои факты: продукты, цены, рынки, кого вы обслуживаете. Затем соберите то, что ИИ на самом деле утверждает о вас, по всем ИИ-моделям, из реальных ответов.

2. 2
   Понимать

   Отнесите каждое утверждение к категории: подтверждено, опровергнуто или не охвачено. Проверьте, какая ИИ-модель его произносит и какие источники использовал ответ.

3. 3
   Действовать

   Исправляйте опровергнутые утверждения у источника: сначала на своих страницах, затем на сторонних страницах, которые цитируют ответы. Превращайте частые утверждения «не охвачено» в чёткие факты, которые легко найти.

4. 4
   Измерять

   Продолжайте проверять. Исправление на актуальной странице может проявиться быстро. Пробел в памяти закрывается медленно, по мере обновлений моделей.

Vosapio выполняет эти четыре шага за вас: собирает ответы, извлекает утверждения, сверяет их с введёнными вами фактами и хранит источники за каждым ответом. Смотрите: как Vosapio отслеживает видимость в ИИ, или сравните тарифы для брендов и тарифы для агентств.

Для агентств

Проводите одну и ту же проверку для каждого клиента. Покажите каждому клиенту, какие утверждения ИИ делает о нём, какая ИИ-модель их произносит и какие источники за ними стоят. Это быстрый способ начать разговор с клиентом с данных, а не с мнений, и договориться, какие страницы исправлять в первую очередь.

Методика и ограничения

• Полный набор данных. 4,010 ответов ChatGPT, Gemini, Perplexity и Google AI Overviews на 297 отслеживаемых вопросов покупателей на шести рынках и четырёх языках (английском, немецком, французском и румынском), собранных с 7 августа по 19 сентября 2026 г. (за 31 день). В ответах было процитировано 31,447 источников.
• Показатель 19% — это среднее значение, а не ориентир. Оно объединяет шесть рынков очень разного размера, а у самого крупного рынка был один из самых низких показателей. Высокая или низкая доля упоминаний зависит от рынка, бренда и заданных вопросов.
• Анализ утверждений. 567 ответов ChatGPT, Gemini и Google AI Overviews на 79 вопросов на четырёх из шести рынков и на четырёх языках. Утверждения извлекались автоматически с 24 сентября по 10 октября 2026 г. Все цифры об утверждениях, тональности и источниках в этой статье получены из этих 567 ответов.
• Как отбирались 567 ответов. Утверждения о бренде могут содержать только ответы, в которых он упомянут: таких было 754 из 4,010. Для каждого бренда анализ берёт самые новые ответы с его упоминанием, которые ещё не анализировались, и останавливается после 500 ответов или 500 утверждений за запуск. Эти 567 — ответы, давшие хотя бы одно утверждение. Это не случайная выборка: она смещена в сторону самых новых ответов и брендов, которые ИИ упоминает чаще всего.
• Небольшая выборка. В анализ утверждений вошли четыре рынка и три ИИ-модели. Цифры описывают именно эту выборку. Они не являются оценкой для всех брендов или всех ИИ-моделей.
• Группировка. В итогах по утверждениям два утверждения считаются одинаковыми только при совпадении формулировки, поэтому итоги выше, чем при подсчёте по смыслу. Для сравнения ИИ-моделей автоматический шаг дополнительно сгруппировал все 2,084 утверждения по смыслу в 157 тем.
• Автоматическое извлечение. Модель извлекает из каждого ответа утверждения и их тональность. Некоторые утверждения могут быть разделены, объединены или помечены неверно.
• Показателей точности пока нет. Бренды не вводили собственные факты, поэтому ни у одного утверждения нет вердикта. Мы не публикуем процентов верных и неверных утверждений и обновим эту статью, когда они появятся.
• Факты берутся у бренда. Утверждение можно проверить только по тому, что бренд записал. У бренда с малым числом фактов больше вердиктов «не охвачено».
• Без названий брендов. Наши цифры агрегированы. Ни один бренд, стоящий за ними, не называется.