Диджитал-агентство «Айnet» запустило «Айnet Радар» — сервис, который измеряет видимость брендов в ответах нейросетей, а не в привычной поисковой выдаче. Для компаний это еще один неприятный, но полезный KPI: пользователь все чаще получает рекомендацию прямо в ChatGPT, Gemini или Perplexity и не доходит до сайта, лендинга и аккуратно вылизанной SEO-страницы.
О разработке сообщает CNews. По данным издания, инструмент проверяет, появляется ли бренд в нейроответах по заданным запросам, сравнивает его с конкурентами и показывает, где компания теряет присутствие в ИИ-поиске. Речь идет о GEO, Generative Engine Optimization, то есть оптимизации под генеративные поисковые системы и ассистентов.
Механика выглядит приземленно: пользователь задает набор запросов, а «Айnet Радар» прогоняет их через нейросети и собирает аналитику. Запросы могут быть разными: поиск продукта или услуги, сравнение решений, выбор поставщика, рекомендации, информационные вопросы. На выходе формируется отчет с общей оценкой GEO-видимости, средней позицией бренда, сравнением с конкурентами, индексом отставания от лидера, источниками, которые повлияли на ответ, тональностью упоминаний и зонами для роста.
Главный сдвиг здесь не в том, что маркетологи получили еще один дашборд. Сдвиг в поведении пользователя. В классическом поиске бренд боролся за место в списке ссылок: органика, контекст, сниппеты, карты, маркетплейсы. В ИИ-поиске пользователь может спросить: «какую CRM выбрать для малого бизнеса», «какая платформа подойдет для найма разработчиков» или «сравни поставщиков облачной инфраструктуры» — и получить готовый список рекомендаций. Если бренда в этом списке нет, формально сайт может жить, трафик может капать, но в момент выбора компания уже выпала из разговора.
Руководитель GEO-направления «Айnet» Ярослав Домбровский объясняет это именно через изменение поискового поведения: потенциальный клиент способен принять решение, не переходя на страницу продукта. Для бизнеса это болезненная мысль. В SEO десятилетиями оптимизировали страницы под ранжирование, а теперь приходится смотреть, как языковая модель пересобирает рынок в несколько абзацев и выбирает, кого упомянуть, кого забыть и на какие источники опереться.
У «Айnet Радар» заявлены две отдельные метрики: средняя позиция бренда в ответах нейросети и лидер-индекс, то есть отставание от лидера в нише. Еще одна важная деталь — тонкая настройка сбора данных. Это нужно, чтобы смотреть не абстрактную «узнаваемость», а конкретные разрезы: нишу, продукт, категорию или группу запросов. Для IT-компаний это может означать разные картины внутри одного бренда: например, сильное присутствие в запросах про enterprise-внедрение и почти нулевое — в запросах про open source, интеграции или альтернативы западным сервисам.
Сервис также оценивает потенциальные точки роста в процентах. В источнике нет примеров с реальными компаниями и численными результатами, поэтому воспринимать это лучше как методику аудита, а не как публичный рейтинг рынка. Но сама идея понятна: если конкурент стабильно появляется в ответах по одной группе запросов, а ваш бренд там отсутствует, маркетингу и PR есть куда копать. Причем копать придется не только в тексты на сайте, но и в упоминания в медиа, обзоры, документацию, отраслевые рейтинги, пользовательские обсуждения и другие источники, из которых модели могут собирать контекст.
Отдельная проблема — различия между нейросетями. Один и тот же запрос может дать разные ответы в ChatGPT, Gemini, Perplexity и других системах. Где-то бренд окажется в первой тройке, где-то не появится вообще, где-то будет упомянут нейтрально, а где-то рядом с ограничениями и критикой. Поэтому проверка одной платформы мало что говорит о полной картине. Для продактов и IT-директоров это похоже на старую историю с браузерами и мобильными платформами: нельзя протестировать в одном окружении и считать, что пользовательский опыт везде одинаковый.
Основатель и гендиректор «Айnet» Руслан Миняжетдинов говорит, что агентство пришло к собственному инструменту из внутренней боли: рыночные решения давали разные данные по одинаковым запросам, а проверка результатов съедала слишком много времени. Это важная ремарка для тех, кто уже смотрит в сторону GEO-аналитики. Рынок еще сырой, методики не стандартизированы, ответы моделей нестабильны, а «позиция бренда» в нейросети не равна позиции сайта в поисковой выдаче. Здесь много вероятностной статистики и мало привычной SEO-механики с красивой колонкой «место 3».
Для разработчиков прямой вывод тоже есть. Контент, документация, публичные API, страницы интеграций, changelog, GitHub-репозитории, база знаний и технические статьи становятся не только материалами для пользователей, но и сырьем для генеративных систем. Если продукт невозможно нормально понять по открытым источникам, модель либо промолчит, либо перескажет его через чужие материалы. А это уже не только маркетинговая проблема, но и риск для позиционирования продукта.
«Айnet Радар» можно использовать для первичного аудита и регулярного мониторинга после публикаций, PR-кампаний и других событий в инфополе. Если сервисы такого класса приживутся, у маркетинга появится еще одна регулярная рутина рядом с SEO, аналитикой трафика и бренд-мониторингом. Вопрос только в том, кто быстрее научится работать с новой метрикой трезво: компании, которые увидят в ней инструмент конкурентной разведки, или продавцы отчетов, которые начнут рисовать «магические» проценты видимости брендов без внятной методологии.