Что такое «авторитет бренда» для нейросети и почему он не равен авторитету в поиске
Авторитетность в ИИ — это консистентная работа бренда: системное наполнение данных, согласованное позиционирование и устойчивое смысловое присутствие в текстах и источниках, на которых обучаются модели.
По прогнозу Gartner, к 2026 году традиционный объём поисковых запросов сократится на 25% — пользователи переходят к диалоговым интерфейсам: ChatGPT, Perplexity, Google AI Mode и другим. Это не просто перераспределение трафика. Это смена самой механики, по которой бренды попадают в поле зрения покупателя. Бренд, которого нет в ответе ИИ, для части аудитории попросту не существует — исследователи из Princeton и Georgia Tech называют это «Existence Gap»: качественный продукт, которого нет в обучающих данных модели, невидим вне зависимости от реальных достоинств.
Дело в том, что поисковые системы и языковые модели оценивают авторитет принципиально по-разному. В одном случае это набор измеримых технических сигналов, в другом — результат накопленного смыслового присутствия в данных. Разберем обе системы.
Как языковая модель понимает авторитет
Языковые модели не ранжируют сайты и не считают ссылки. Они обучаются на огромных массивах текста и запоминают закономерности: какие сущности с чем связаны и насколько устойчива эта связь.
Исследования Стэнфордского университета показывают: модели значительно лучше воспроизводят информацию, которая многократно встречается в разных источниках и формулируется схожим образом. Повторяемость в обучающих данных — буквально необходимое условие для того, чтобы информация закрепилась в модели. Это не метафора: эксперименты демонстрируют, что последовательность, встретившаяся всего один раз, практически не запоминается даже большими моделями.
Это важно понять как принцип. Если спросить ChatGPT «какой сервис управления проектами лучше всего подходит для небольшой команды» — модель воспроизведёт то, что многократно встречала в текстах о проектном менеджменте: скорее всего, это Notion, Linear или Basecamp, потому что именно они фигурируют в тысячах обзоров, статей и обсуждений. Модель не спрашивает «кто главный» — она ищет ответ на другой вопрос: какой бренд чаще всего упоминается в контексте этой задачи?
Согласно исследованию Georgia Tech, на то, какой бренд попадает в рекомендации LLM, влияют три ключевых фактора: актуальность данных в обучающей выборке, заметность бренда в авторитетных источниках и распределение тональности упоминаний по всему вебу.
Как формируется авторитет бренда в глазах нейросети
Авторитет в логике ИИ складывается из трех составляющих:
Консистентность позиционирования. Если бренд в разных источниках описывается по-разному, его образ в модели размывается. Когда же одни и те же формулировки повторяются — в медиа, в обзорах, в пользовательских обсуждениях — модель начинает воспринимать это как устойчивый факт. Практический вывод: формулировка «[Бренд X] — это лучшее решение для [задача Y]» должна звучать одинаково в колонке на Forbes, в отзыве на G2 и в посте отраслевого блогера.
Широта внешнего контура. Нейросеть учитывает не только то, что бренд говорит о себе, но и независимый информационный слой: медиа, исследования, обзоры, обсуждения. Присутствие в авторитетных внешних источниках весит больше, чем плотный корпоративный блог.
Контекстуальная связанность. Бренд должен регулярно появляться рядом с конкретными задачами и сценариями. Не просто «мы крутая компания», а «[Бренд] используют, когда нужно [сделать X]». Именно такие паттерны формируют в модели «быстрые ответы», которые она затем воспроизводит. Это то, что в GEO называют entity optimization — обучение модели уверенно описывать бренд в конкретном контексте.
Чтобы помочь бизнесу адаптироваться к этим изменениям, мы с командой AIMonitor.pro разработали новую систему координат. По сути, речь идет о попытке зафиксировать и измерить то, что раньше считалось «черным ящиком» — логику рекомендаций ИИ.
Чтобы помочь бизнесу ориентироваться в новой среде, команда AIMonitor.pro предложила собственную систему координат — попытку зафиксировать и измерить видимость брендов в ответах нейросетей.
В основе подхода лежит анализ реальных пользовательских сценариев. Команда проанализировала более 40 000 запросов и на их основе сформировала первый в России Индекс ИИ-видимости брендов. Данные агрегируются в метрику Share of Voice (SoV), которая учитывает не только частоту упоминаний, но и позицию бренда в ответе, а также контекст, в котором он появляется.
Результаты показывают, насколько сильно логика рекомендаций ИИ отличается от привычной рыночной картины:
- В электронике выбор зависит от типа устройства. При поиске смартфона ИИ чаще всего советует Samsung (24,3%), в то время как доля Apple в этой категории составляет всего 12%. Однако в категории наушников именно Apple становится безоговорочным фаворитом, забирая более четверти всех рекомендаций.
- Борьба ритейлеров. Нейросети не только выбирают гаджет, но и советуют, где его купить. Основная борьба здесь разворачивается между М.Видео (18,9%) и Ozon (17,8%).
- Банковский сектор. В Алисе AI Сбер доминирует с показателем 41,3%, но в DeepSeek разрыв сокращается: 23,1% у Сбера против 18,8% у Т-Банка. В специфических сценариях (кредиты и займы) Т-Банк и вовсе выходит на первое место (23,0%), обходя Сбер.
Индекс полностью независим: бренды не участвуют в формировании данных, а платформа анализирует реальные паттерны ИИ.
Почему PR становится ключевым инструментом
На этом фоне PR меняет свою роль. Если раньше он работал преимущественно на имидж и репутацию, то теперь становится частью механики попадания в ответы ИИ.
Публикации в медиа, экспертные колонки, исследования и комментарии формируют тот внешний слой данных, из которого модели учатся. Причем речь идет не только о будущих обновлениях: модели периодически дообучаются, а системы типа Perplexity и Google AI Mode работают с живым поиском в реальном времени — актуальные публикации влияют на ответы прямо сейчас.
Edelman Trust Barometer фиксирует устойчивый рост доверия к экспертным источникам и брендам с чёткой позицией. Это коррелирует с тем, какие бренды закрепляются в ответах нейросетей: авторитетная внешняя пресса — это одновременно и доверие аудитории, и сигнал для модели.
Агентство iProspect, одно из первых перестроивших свои KPI под LLM-видимость, уже отслеживает не только реферальный трафик и ссылочный капитал, но и то, как бренды клиентов представлены в ответах ChatGPT, Perplexity и других моделей. Это новое измерение репутации — и PR-команды оказываются в нем в центре.
Что это меняет для брендов
Чтобы быть заметным в новой среде, недостаточно оптимизировать сайт. Нужно управлять тем, как бренд представлен в информационном поле в целом. Это означает:
- более явную и повторяемую формулировку своей роли («мы — решение для X»),
- системную работу с независимыми источниками: медиа, аналитика, экспертные площадки,
- мониторинг того, что именно ИИ говорит о бренде — и коррекцию, если он ошибается или молчит.
Фокус смещается с «занять позицию в выдаче» на «закрепиться в коллективном знании».
Два типа авторитета — две стратегии
Поисковые системы и нейросети оценивают бренды через разные модели. В поиске авторитет определяется структурой, ссылками и технической оптимизацией. В нейросетях — частотой упоминаний, контекстуальными связями и устойчивостью смыслов в независимых источниках.
Это не просто новая точка роста, а смена самой логики присутствия. Бренд больше нельзя просто продвинуть — его нужно «встроить» в знание. И чем последовательнее он там повторяется, тем выше шанс, что искусственный интеллект назовет именно его.