Привет! Это команда theLUMA.
Чтобы понять, кого AI рекомендует вместо вашего бренда, нужен не один вопрос к ChatGPT, а стабильный набор запросов и повторные замеры. В каждом цикле важно фиксировать не только упоминание бренда, но и сам факт рекомендации, список конкурентов, контекст ответа и источники.
Такой подход превращает наблюдение «конкурент снова появился» в управляемый мониторинг конкурентов.
Чем эта задача отличается от вопроса «почему AI рекомендует конкурента»
Причины конкурентного разрыва и его измерение — разные задачи. В статье «Почему нейросети рекомендуют конкурентов, а не вас?» мы разбираем возможные объяснения. Здесь задача операционная: как регулярно находить сам разрыв и видеть, растёт он или сокращается.
Шаг 1. Соберите запросы, где пользователь реально выбирает
Наиболее полезны запросы, в которых AI должен назвать варианты: «какой сервис выбрать», «лучшие поставщики», «альтернативы X», «что лучше для задачи Y», «сравни A и B». Именно здесь становится видно, входит ли бренд в набор рассматриваемых вариантов.
Добавьте проблемные запросы: пользователь может не знать категорию продукта, но описывать задачу. Такие запросы часто открывают конкурентов, которых маркетинговая команда не считала прямыми.
Шаг 2. Разделяйте упоминание и рекомендацию
Бренд может присутствовать в ответе, но не быть рекомендованным. Например, AI может назвать компанию как известного игрока, а затем предложить пользователю другие варианты.
Поэтому для каждого ответа полезно фиксировать как минимум:
- бренд упомянут — да/нет;
- бренд рекомендован — да/нет;
- какие конкуренты рекомендованы;
- каким аргументом AI объясняет выбор;
- есть ли ссылки и на какие источники.
Шаг 3. Не задавайте список конкурентов только заранее
У компании обычно есть известные рыночные конкуренты. Но AI может регулярно включать в ответы альтернативы из соседней категории. Такие новые конкуренты полезно фиксировать отдельно.
Если новый бренд появляется в одном ответе, это ещё не тренд. Если он повторяется по нескольким важным запросам и сохраняется в следующих замерах, это уже сигнал для анализа.
Шаг 4. Считайте разрыв по группам запросов
Средняя цифра по всем запросам может скрывать важную проблему. Например, бренд может хорошо выглядеть в брендовых вопросах и почти не появляться в сравнительных запросах.
Разделите набор минимум на смысловые группы: категорийные, сравнительные, рекомендательные, проблемные и брендовые/репутационные. Затем сравнивайте себя с конкурентами внутри каждой группы.
Для общего контекста метрик можно использовать материал про AI Share of Voice.
Шаг 5. Смотрите на источники рядом с конкурентом
Если AI показывает цитирования, зафиксируйте, какие домены и страницы появляются в ответах, где конкурент выигрывает. Semrush в текущем Competitor Research отдельно выделяет отсутствующие запросы и источники как сигналы возможностей.
Это не означает, что конкретная ссылка «причинила» рекомендацию. Но повторяющийся источник помогает сформулировать гипотезу: какой тип информации AI находит и использует в нужном контексте.
Шаг 6. Сохраняйте исходный замер
Первый замер нужен как точка отсчёта. Сохраните:
- дату;
- набор запросов;
- AI-системы;
- регион и язык, если применимо;
- список основных конкурентов;
- правила подсчёта.
Не переписывайте исходный замер задним числом, если в следующем месяце изменили методику. Лучше отметить разрыв методологии.
Шаг 7. Повторяйте замер после изменений
Самый полезный цикл выглядит так:
Измерить → найти разрыв → диагностировать → внести изменение → измерить повторно.
Изменением может быть новая продуктовая страница, контент, PR, внешняя публикация, SEO/GEO-работа или корректировка позиционирования. После этого проверяйте именно те группы запросов, где был разрыв.
Как интерпретировать конкурентную динамику
| Наблюдение | Что проверить дальше |
|---|---|
| Конкурент растёт только в сравнительных запросах | Аргументы выбора, сравнительный контент, источники |
| Конкурент появляется в проблемных запросах | Соответствие категории реальной задаче пользователя |
| Ваш бренд упоминают, но не рекомендуют | Контекст, доказательства соответствия задаче, восприятие бренда |
| Появился новый неожиданный игрок | Повторяемость в следующих замерах и соседние категории |
| Изменился набор источников | Связано ли изменение с новым контентом или информационным событием |
Почему одного запуска недостаточно
AI-ответы могут меняться. Поэтому единичный результат разумнее считать наблюдением, а не стабильной позицией. Для решений важны повторяемость и одинаковая методика.
Текущие продукты для анализа AI-видимости также строят отслеживание вокруг множества запросов и исторических данных. Semrush, например, предлагает отслеживание запросов и сравнение конкурентов, а Ahrefs Brand Radar отдельно считает упоминания, цитирования и AI Share of Voice.
Где здесь theLUMA
theLUMA помогает смотреть на видимость бренда рядом с конкурентами, источниками и динамикой. Это естественный сценарий для регулярного мониторинга: вместо ручного списка скриншотов сохраняется повторяемая система наблюдения.
Если после нескольких замеров виден устойчивый конкурентный разрыв, следующий этап — диагностика и GEO: определить, какие страницы, сообщения или внешние источники стоит улучшить, а затем повторить измерение.
CTA: начните с 20–30 действительно важных запросов выбора и зафиксируйте исходный замер бренда и трёх–пяти конкурентов. Затем используйте тот же набор после следующего содержательного изменения.
Частые вопросы
Нужно ли считать любое упоминание конкурента поражением?
Нет. Важен контекст: AI может перечислять рынок или использовать бренд как пример. Для коммерческой задачи сильнее сигнал, когда конкурент входит в рекомендуемый короткий список, а ваш бренд — нет.
Как часто обновлять список конкурентов?
По событию или по устойчивому сигналу. Основной список лучше сохранять ради сопоставимости, а новых конкурентов добавлять отдельным слоем.
Можно ли доказать, что конкретный источник вызвал рекомендацию?
Обычно нет. Цитирование показывает связь источника с конкретным ответом, но само по себе не доказывает причинность. Используйте повторяющийся набор источников как диагностическую гипотезу.
