Разработчик создал систему для отслеживания видимости брендов в основных поисковых инструментах на базе ИИ: ChatGPT, Claude, Perplexity, Gemini и Google AI Overviews. Проект показывает, что нескольких вызовов API недостаточно, чтобы понять, видит ли пользователь название бренда на самом деле, так как «сырой» ответ модели часто отличается от доработанного результата, который отображается в пользовательском приложении, а сами ответы варьируются от одного запроса к другому.

Почему видимость бренда в ИИ-поиске имеет значение

ИИ-чат-ассистенты становятся основным интерфейсом для поиска информации в сети.

Два пробела, превративших простой парсинг в инженерный марафон

1. API — это не сам продукт. Вызов OpenAI API (или эндпоинта любого другого провайдера) возвращает внутренний ответ модели. Однако приложение ChatGPT добавляет собственную систему поиска (retrieval), системные промпты и дополнения веб-поиска перед тем, как пользователь увидит окончательный ответ. То же самое происходит с Claude, Gemini и другими сервисами. Вызов API говорит о том, что знает модель; пользовательское приложение показывает то, что на самом деле видит клиент. Игнорирование дополнительных уровней означает, что вы измеряете другой продукт.

2. Ответы нестабильны. Запустите один и тот же промпт пять раз, и вы, скорее всего, получите пять разных ответов. Упоминания бренда смещаются, порядок меняется, а URL-адреса источников перемещаются. Один ответ API — это, по сути, подбрасывание монетки, а не надежные данные для отчета о видимости. В одном исследовании, упомянутом в заметках к разработке, было обнаружено, что более половины цитируемых источников меняются от дня к дню.

Что на самом деле дают API в 2026 году

  • Perplexity: Самый удобный для разработчиков. Его API возвращает цитаты в простом формате, но список цитат все равно расходится с тем, что отображается в веб-приложении Perplexity.
  • Google Gemini: Предлагает функцию заземления (grounding) через Vertex AI, однако логика ранжирования и представления данных в пользовательском приложении Gemini отличается от «сырого» вывода API.
  • OpenAI и Anthropic: Предоставляют надежные модели с опциональными инструментами веб-поиска, но они не раскрывают точный алгоритм ранжирования, используемый в публичных интерфейсах ChatGPT или Claude.
  • Google AI Overviews: Публичного API не существует. Отслеживание требует парсинга страниц результатов поиска, что является хрупким и дорогостоящим обходным путем.

Видимость — это показатель частоты, а не ранг

Большинство существующих инструментов сводят проблему к бинарной проверке «упомянуто / не упомянуто». Такой подход игнорирует вероятностную природу ответов LLM. Поскольку каждый запрос может дать разный результат, вам нужен статистический взгляд, а не разовый снимок.

Практическое правило, выработанное при проектировании системы, заключается в том, чтобы рассматривать видимость как показатель частоты (rate): запускайте один и тот же промпт несколько раз в разных географических регионах и на разных типах устройств, а затем рассчитывайте доверительный интервал. Если бренд появляется в большинстве запусков, вы можете сообщить о высоком уровне видимости с соответствующей погрешностью, вместо того чтобы давать однозначный ответ «да» или «нет».

Как был построен инструмент мониторинга

  • Множественные запуски на один промпт: Как минимум семь-восемь выполнений для сглаживания случайности.
  • Географическая выборка и выборка по устройствам: Запросы отправляются из разных регионов и имитируют мобильные и десктопные устройства, чтобы учесть персонализацию, специфичную для платформы.
  • Акцент на обнаружении изменений: Вместо фиксированной схемы, предполагающей статичные ответы, система фиксирует изменения частоты упоминаний, разнообразия источников и позиций в рейтинге с течением времени.

За чем следить дальше

  • Прозрачность платформ: Пока провайдеры не опубликуют точную логику поиска и ранжирования, используемую в их пользовательских приложениях, сторонние инструменты мониторинга будут по-прежнему полагаться на приближенные значения.

Итог

Отслеживание присутствия бренда в поиске на базе ИИ — это не просто получение одного ответа через API. Это требует многократных запросов из разных географических точек, понимания того, что API — это лишь часть пользовательского продукта, и статистической модели отчетности, которая рассматривает видимость как показатель частоты. Пока провайдеры ИИ-поиска не раскроют всю свою логику, ориентированную на конечного пользователя, всем, кому нужны надежные данные о видимости бренда, придется продолжать создавать тщательные аппроксимации.