Что покажет предаудит видимости в нейросетях?

Предаудит видимости в нейросетях — это разовое измерение до старта работы. Он демонстрирует, сколько раз бренд упоминается в ответах ChatGPT, Perplexity, Gemini, Claude, Yandex Neuro и других движков, кто из конкурентов упомянут чаще, и какие технические барьеры мешают ИИ вообще заметить сайт. По данным Semrush, 45% маркетинг-лидеров не могут точно измерить видимость бренда в ответах ИИ, и лишь 9% располагают инструментами для отслеживания всех нужных метрик сразу по нескольким платформам.^[1] Предаудит закрывает именно этот пробел. Он превращает смутное ощущение "нас, кажется, нет в ChatGPT" в конкретный список цифр, пробелов и приоритетных действий.

Дальше расскажем, что именно должен показать такой предаудит, если он сделан правильно, а не сведён к одному общему проценту на слайде.

Работа над видимостью в ИИ-поиске начинается не с публикации контента, а с базовой линии: без неё нельзя понять, стало лучше или хуже после правок. В операционном цикле AEO это первая из шести работ — Measure, и по методологии Profound без неё не с чем сравнивать результат месяц спустя.

Проблема в том, что деньги в эту область уже идут, а измерение за ними не поспевает. По данным Conductor, 56% руководителей маркетинга и цифровых направлений сделали значительные инвестиции в AEO уже в 2025 году, а 94% планируют увеличить бюджет в 2026-м.^[2] Сопоставьте это с той же цифрой Semrush: 45% лидеров не могут точно измерить результат этих инвестиций.^[1] Получается разрыв: бюджет растёт, а понимание того, что именно он купил, — нет. Предаудит закрывает этот разрыв до, а не после подписания контракта на продвижение.

• Зафиксировать, сколько раз бренд упоминается в ответах по ключевым запросам сегодня, до любых правок.
• Сравнить эту цифру с упоминаниями двух-трёх главных конкурентов по тем же запросам.
• Определить, какие технические барьеры уже сейчас мешают ИИ-краулерам увидеть сайт.

Технический блок предаудита отвечает на вопрос "а сайт вообще может попасть в ответ ИИ", прежде чем разбираться в содержании. Диагностика идёт через три последовательных условия, и если первое не выполнено, дальше проверять нечего.

Предаудит почти всегда начинают именно с этой таблицы, потому что она самая дешёвая по времени и часто вскрывает причину, о которой в компании вообще не подозревали: не низкое качество текста, а заблокированный краулер или скрытый за JS блок с ответом.

Больше одного, и с разбивкой по каждому отдельно, а не усреднённой цифрой. Разница между движками системная, а не случайная. Независимое исследование SurfacedBy, проанализировавшее 127 198 цитирований на 11 647 доменов сразу в пяти системах — ChatGPT, Claude, Gemini, Perplexity и Google AI Mode, — показало, что движки совпадают в выборе источника лишь в 2,7% случаев, а 69,6% доменов процитированы только одной системой из пяти.^[3] При такой степени расхождения средний процент "видимости по ИИ вообще" не показывает почти ничего. Он усредняет системы, которые ведут себя по-разному и требуют разных правок.

Полноценный предаудит на платформе Humanswith.ai закрывает это через агента Hermes, который еженедельно сканирует ответы девяти движков — ChatGPT, Perplexity, Gemini, Claude, Grok, DeepSeek, Kimi, Google AI Overviews и Yandex Neuro, и присваивает каждому упоминанию трёхуровневый скоринг: упомянут ли бренд вообще, на каком месте среди вариантов, и как сформулирован контекст упоминания. Для русскоязычного бизнеса отдельная строка обязательна: Yandex Neuro и Alice ведут себя иначе, чем западные системы, и пропуск этой строки в предаудите означает пропуск заметной части реальной аудитории.

• Проверить упоминания раздельно по каждому движку, включая Yandex Neuro для русскоязычной аудитории.
• Не усреднять итоговый процент по всем системам сразу.
• Убедиться, что в отчёте показана доля цитирования именно вашего домена, а не просто присутствие имени бренда. То же исследование SurfacedBy отмечает и разницу в масштабе: Gemini цитирует источники примерно в три раза чаще, чем ChatGPT, при сопоставимом наборе запросов.^[3] Для предаудита это значит, что низкая цифра по одному движку не обязательно говорит о проблеме с брендом — иногда это особенность самого движка, и сравнивать стоит не абсолютные числа, а относительную позицию среди конкурентов на этой же системе.

Это два разных числа, и предаудит обязан их разделить. Visibility — упоминается ли бренд в ответе вообще, пусть даже без ссылки. Citation — процитирован ли именно ваш URL как источник. Модель вполне может назвать компанию по имени, а в качестве источника указать агрегатор, обзорный сайт или прямого конкурента, тогда переход и доверие достанутся не вам.

Хороший предаудит хранит не только сводный график, а карточку конкретной находки: реальный промпт, статус ответа (отсутствует / упомянут / процитирован / рекомендован / описан неверно), какой URL оказался в источниках и чей он. Именно эта карточка, а не общий процент, превращается дальше в конкретную задачу: что чинить и кому.

Без структуры промптов результат предаудита превращается в случайный набор наблюдений, а не в измерение, которое можно повторить через месяц. Правильная иерархия выглядит так: сначала категория, внутри неё топики, внутри топиков промпты, а на промптах уже висят теги. Топик — это агрегат промптов вокруг одной бизнес-темы. На один бизнес обычно приходится 10–25 топиков и по 10–25 промптов на каждый, при этом информационные запросы держат отдельно от коммерческих. Если смешать их в одном топике, итоговый процент просядет без реальной причины.

Есть и обратная ловушка: нельзя вписывать название бренда прямо в тестовый промпт. Если бренд уже в вопросе, результат покажет только то, что его туда вписали руками, а не то, что модель выбрала его сама, и весь дальнейший отчёт строится на искажённом основании с первого дня.

• Разделить промпты на топики по 10–25 штук, не смешивая информационные и коммерческие запросы.
• Проверить, что название бренда не вписано напрямую в тестовые формулировки.
• Сохранить набор промптов как baseline, к которому вернутся при следующем измерении.

Кроме собственных цифр, предаудит обязан показать долю ответов, где вместо вас упомянут конкурент — метрику иногда называют Share of Model. Само по себе упоминание конкурента не проблема. Проблема — систематическая рекомендация конкурента там, где у вашей компании есть сопоставимый кейс или продукт, но нет опубликованного сравнения или разбора этого сценария.

Типичная находка предаудита — список тем, где бренд отсутствует полностью, список тем, где упомянут, но не процитирован, и список тем, где вместо вас стабильно всплывает конкурент. Каждая строка этой карты соответствует конкретному пробелу в контенте или в технической доступности, а не абстрактному "нужно больше присутствия".

Отдельно стоит смотреть на то, как именно модель формулирует упоминание бренда, а не только сам факт упоминания. Нейтральное перечисление среди пяти вариантов и формулировка "лучший выбор для X" — разные результаты с одинаковой пометкой "упомянут", и предаудит обязан их различать, иначе карта пробелов получится грубее, чем реальная картина.

Технический блок и первый прогон промптов по всем движкам обычно занимают несколько дней. На выходе — таблица по каждому движку отдельно, карта пробелов по темам и конкурентам, и список технических блокеров с указанием, что именно чинить в первую очередь.

Дальше эта карта передаётся в работу: находка "бренд отсутствует" превращается в задачу на новую canonical-страницу, находка "упомянут, но не процитирован" — в задачу на источник фактов, доступный для цитирования, а находка "конкурент рекомендован вместо вас" — в задачу на сравнение или кейс. Предаудит не решает эти задачи сам, он только показывает, какие из них стоит решать первыми.

Q: Чем предаудит отличается от обычного SEO-аудита?

A: SEO-аудит смотрит на позиции в поисковой выдаче и обратные ссылки. Предаудит видимости в нейросетях смотрит на другое: упоминается ли бренд в синтезированном ответе ИИ, и цитируется ли именно ваш URL как источник. Это разные метрики и разные точки приложения усилий.

Q: Можно ли ограничиться проверкой одного ChatGPT?

A: Нет. Данные независимого анализа показывают, что пять основных ИИ-движков совпадают в выборе источника лишь в 2,7% случаев.^[3] Проверка одного движка не показывает картину по остальным, а для русскоязычного бизнеса отдельно нужен Yandex Neuro.

Q: Сколько промптов нужно для честного предаудита?

A: Ориентир — 10–25 топиков и по 10–25 промптов на топик, при этом информационные и коммерческие запросы держат раздельно, чтобы не искажать итоговый процент.

Q: Почему нельзя вписывать название бренда прямо в тестовый промпт?

A: Потому что тогда результат покажет только то, что бренд там есть, потому что его вписали руками, а не то, что модель выбрала его сама. Это искажает baseline с первого измерения.

Q: Что делать, если предаудит показал высокую видимость, но низкое цитирование?

A: Это значит, что бренд узнаваем, но источником в ответах служит не ваш сайт, а сторонняя площадка. Задача здесь не в том, чтобы стать заметнее, а в том, чтобы подготовить источник фактов, который ИИ сможет процитировать напрямую.

Q: Как часто нужно повторять измерение после первого предаудита?

A: Предаудит задаёт единичную точку отсчёта. Дальше измерение становится еженедельным циклом, а не разовым проектом, потому что видимость смещается вместе со сменой платформ и активностью конкурентов.

Q: Оправданы ли инвестиции в AEO, если компания ещё не проводила предаудит?

A: Рискованны. Судя по данным Conductor, 94% руководителей маркетинга планируют увеличить бюджет на AEO в 2026 году,^[2] но при этом почти половина маркетинг-лидеров, по данным Semrush, не может точно измерить результат уже вложенных денег.^[1] Предаудит — самый дешёвый способ не повторить эту статистику на собственном бюджете.

Возьмите три артефакта предаудита — разбивку по движкам, карту пробелов и список технических блокеров — и присвойте каждой строке владельца и срок, прежде чем переходить к производству контента. Технические блокеры обычно закрывают первыми. Они самые дешёвые в исправлении и без них любой новый текст всё равно не станет видимым. Дальше — пробелы, где бренд отсутствует полностью, и только затем — точечные доработки там, где бренд уже упомянут, но не процитирован.

1. Semrush. Semrush Releases Expanded 2026 AI Visibility Index, Analyzing 126 Million AI Search Prompts, 26 июня 2026. https://www.semrush.com/news/463141-semrush-releases-expanded-2026-ai-visibility-index-analyzing-126-million-ai-search-prompts/
2. Conductor. The 2026 State of AEO/GEO: CMO Investment Report, 13 января 2026. https://www.conductor.com/academy/state-of-aeo-geo-report/
3. SurfacedBy. We Analyzed 127,198 AI Citations Across 5 Engines, 27 июня 2026. https://surfacedby.com/blog/ai-citation-study-engine-overlap