Традиционный подход к измерению доли голоса бренда — фиксированный набор ключевых слов и прозрачный знаменатель — утратил смысл. На смену пришли решения по «AI share of voice», которые выглядят убедительно, но опираются на скрытый и субъективный знаменатель. Для SEO‑специалистов это сигнал пересмотреть метрики видимости в условиях разговорного и персонализированного поиска.
Основные детали новости
Рынок аналитики быстро подстроился под изменения в поведении поиска: вместо статичных позиций появились панели, которые обещают измерить присутствие бренда в ChatGPT, Gemini, Claude, Perplexity и других LLM‑платформах единым процентным показателем. Проблема — в методологии. В традиционной SOV маркетологи работали с фиксированным списком ключевых запросов: это давало прозрачный знаменатель и возможность аудита. В мире LLM такой знаменатель отсутствует — набор возможных промптов фактически бесконечен.
Поставщики аналитики берут небольшую, произвольно выбранную подвыборку промптов, прогоняют их через модели и агрегируют результаты. Полученный показатель описывает не «открытую сеть», а поведение в закрытом песочном окружении — и при этом подается как глобальная метрика видимости. Из‑за этого цифры выглядят точными, но проверить их невозможно.
Грубая демонстрация хрупкости таких метрик появилась после обновления ChatGPT до версии 5.0 в сентябре 2025 года: платформа уменьшила число исходящих цитирований и ссылок, и у компаний, полагавшихся на LLM‑дашборды, внезапно упала «видимость». Причина не в падении релевантности брендов, а в том, что модель изменила представление источников — и метрика, завязанная на внутреннем поведении движка, тут же дала ложный сигнал.
Дополнительные факты
Современные SERP и интерфейсы поиска перестали быть статичным пространством: AI‑суммаризации, локализация, бесконечная прокрутка, интерактивные сетки товаров и ленты соцсетей формируют уникальный опыт для каждого пользователя. Даже при одинаковом запросе два человека могут увидеть разные блоки и разные источники.
В таких условиях попытка измерить «долю экрана» по позициям теряет смысл — ранжирование и формат выдачи меняются в режиме часов, а не дней. Поставщики LLM‑видимости часто не раскрывают свою выборку промптов, превращая метрику в «черный ящик», который нельзя ни расширить, ни корректно сопоставить с конкурентами.
Это не значит, что разработчики аналитики не пытаются решить сложную задачу. Но текущие дашборды дают скорее направляющие сигналы, чем строгие KPI для руководства. Поэтому переход к новым метрикам обязателен для корректных отчетов и принятия решений.
Три метрики, которые важнее классической AI SOV
Переработать отчётность нужно вокруг того, как бренд встроен в смысловые модели, которыми оперируют ИИ, а не вокруг количества «всплываний» в ограниченном наборе промптов. Три практических метрики:
- Share of mentions — доля упоминаний бренда, продуктов и ключевых руководителей в ответах и источниках, которые модели используют для генерации. Важно не только количество упоминаний, но и их распределение по доверенным площадкам: форумы разработчиков, отраслевые СМИ, репозитории знаний.
- Share of recommendations — насколько часто модель явно рекомендует ваш продукт в запросах на сравнение или подбор решений. Это уже не про трафик, а про попадание в consideration set покупателя, который спрашивает AI: «что посоветуешь для X?»
- Share of narrative — качественная метрика, показывающая, в каком контексте модель упоминает бренд: «премиум», «популярный», «бюджетный», «сложный/унаследованный» и т.п. Высокая видимость в негативной рамке может вредить конверсии сильнее, чем отсутствие упоминаний.
Каждая из этих метрик требует работы с контентом и экосистемой: не достаточно улучшать SEO‑страницы, нужно целенаправленно генерировать органические упоминания в тех источниках, которые попадают в обучающие наборы и в механизмы реального времени.
Почему это важно для SEO
SEO в эпоху разговорного поиска перестаёт быть только про позиции и трафик. Видимость в LLM — это видимость в концептуальных связях: словарных ассоциациях, рекомендательных матрицах и нарративной репутации. Перекладка отчётности на три вышеописанные метрики позволяет:
- представлять руководству осмысленные и проверяемые KPI вместо «чёрных» процентов;
- сфокусироваться на владинге семантического пространства, а не на борьбе за позицию в постоянно меняющемся интерфейсе;
- избежать ложных паник при обновлениях LLM, понимая различие между изменением формата выдачи и реальной потерей рыночных позиций.
Практика: пересмотрите отчётность, объясните лидерам проблему скрытого знаменателя и переводите KPI с абсолютных процентов на метрики упоминаний, рекомендаций и нарратива — это даст более стабильную и управляемую картину видимости бренда в эпоху AI‑поиска.
