[ Кейсы ]

Сдвиг AI-видимости — в цифрах

Разбираем каждый кейс: с чего начали, что нашли, что переписали и к чему это привело. Нажмите «Подробнее», чтобы раскрыть. Значения иллюстративны и показывают формат отчёта.

ВсеФинансыE-commerceОбразованиеТелеком
Финансы · лизинг

Газпромбанк Автолизинг

срок: 4 месяца
Бренд почти не попадал в ответы нейросетей на сравнительные запросы по автолизингу. На «где выгоднее оформить лизинг» ИИ называл федеральных конкурентов, а условия продукта в ответах искажались.
+19 пт
Упоминаемость
+14 пт
Доля голоса
+11 пт
Цитируемость сайта
×1,8
Попадание в шорт-лист

Контекст и задача

Стартовый замер показал долю голоса ниже 5% в категории «автолизинг» и систематические ошибки ИИ в ставках и условиях. Сравнительные запросы (8% объёма) обрабатывались хуже всего — оценка качества 3.9/10.

Результат. За 4 месяца бренд вошёл в шорт-лист ИИ по ключевым сравнительным запросам, ошибки в условиях исчезли, доля голоса в категории выросла в полтора раза.
модели в замере: ChatGPT · YandexGPT · GigaChat · Gemini · DeepSeek

Что сделали

  • Собрали единый источник фактов по продуктам и условиям
  • Переписали страницы продуктов под механику ответа ИИ
  • Добавили сравнительные таблицы и FAQ-блоки с разметкой
  • Запустили перехват сравнительных запросов конкурентов
  • Настроили ежедневный замер и алертинг на искажения фактов
E-commerce · техника

Ритейл-бренд электроники

срок: 3 месяца
Товары бренда не попадали в AI-рекомендации на запросы «что купить», а описания в ответах нейросетей расходились с реальными характеристиками и ценами.
×2,3
Товары в рекомендациях
+27 пт
Корректность описаний
−40%
Вялые упоминания
+12 пт
Доля голоса

Контекст и задача

Карточки были написаны «для людей», но не структурированы для ИИ: не было чётких атрибутов, FAQ и единых фактов. Нейросеть либо игнорировала товар, либо путала линейку.

Результат. Товары стали вдвое чаще появляться в рекомендациях ИИ, описания выровнялись с реальностью, доля «вялых» упоминаний упала на 40%.
модели в замере: ChatGPT · YandexGPT · GigaChat · Perplexity

Что сделали

  • Стандартизировали карточки: атрибуты, «для кого», ключевые факты
  • Добавили FAQ-блоки и Product Schema
  • Свели противоречия в данных к единому источнику
  • Закрыли контент-гэп по топовым запросам категории
  • Проверили сдвиг на повторных симуляциях
Образование

Учебное заведение

срок: 5 месяцев
На рекомендательные запросы «куда поступить» ИИ называл конкурентов, а о самом заведении в сети было мало структурированных данных — нейросети нечего было сказать.
+22 пт
Точность фактов
+9 тем
Покрытие тем
−31%
Негатив в тоне
+15 пт
Доверие

Контекст и задача

Низкое покрытие тем и устаревшие данные о программах. В рекомендательных запросах заведение почти не фигурировало, а старые репутационные истории «застревали» в тоне ответов.

Результат. Точность фактов о заведении выросла на 22 пункта, покрытие тем — на 9, тон ответов выровнялся, заведение стало появляться в рекомендациях.
модели в замере: ChatGPT · YandexGPT · GigaChat

Что сделали

  • Создали экспертный контент по программам и направлениям
  • Внедрили авторство и био преподавателей (E-E-A-T)
  • Закрыли пробелы по программам и условиям поступления
  • Усилили присутствие в источниках, которые цитирует ИИ
  • Отработали негативный нарратив актуальными фактами
Телеком

Региональный оператор

срок: 4 месяца
В сравнении тарифов нейросеть ставила федеральных конкурентов, а тарифы оператора описывала неполно — без ключевых преимуществ.
×1,9
Попадание в шорт-лист
+24 пт
Полнота тарифов
+8 пт
Доля голоса
−28%
Негатив

Контекст и задача

Массовый интент «какой оператор выгоднее» обрабатывался не в пользу бренда: ИИ не видел деталей тарифов и опирался на жалобы из соцсетей.

Результат. Тарифы стали почти вдвое чаще попадать в сравнительный шорт-лист ИИ, полнота описаний выросла, негативный фон снизился.
модели в замере: ChatGPT · YandexGPT · GigaChat · Алиса

Что сделали

  • Структурировали описания тарифов под нейровыдачу
  • Добавили сравнения по ключевым параметрам
  • Подключили бренд-алертинг на всплески негатива
  • Усилили позитивный фактический контент
  • Перепроверили сдвиг по регионам
Финансы · банк

Региональный банк

срок: 6 месяцев
Средний уровень видимости и заметное отставание от федеральных банков. Коммерческие и сравнительные ответы — слабые, ссылок на сайт почти нет.
58 → 74
AI Quality Score
+3,1 пт
Доля упоминаний
+18 пт
Ссылки на сайт
+12 пт
Полнота

Контекст и задача

AI Quality Score 58/100, доля упоминаний 3.2%, только 26% ответов со ссылкой на сайт. Свободная ниша — региональная экспертиза, которую крупные банки не закрывают.

Результат. AI Quality Score вырос с 58 до 74, доля упоминаний — на 3 пункта, доля ответов со ссылкой на сайт — почти вдвое.
модели в замере: ChatGPT · YandexGPT · GigaChat · Gemini

Что сделали

  • Заняли нишу региональной экспертизы в контенте
  • Детализировали продукты с уникальными преимуществами
  • Завели бренд в Wikipedia и Knowledge Panel
  • Внедрили Schema и machine-readable отчётность
  • Подняли цитируемость официальных источников
E-commerce · маркетплейс

FMCG-бренд

срок: 3 месяца
На маркетплейсах ИИ путал линейку бренда и не выделял его среди аналогов в рекомендательных ответах.
+16 пт
Узнаваемость
+33 пт
Корректность линейки
×2,0
Рекомендации ИИ
−35%
Путаница

Контекст и задача

Разрозненные данные по линейке на разных площадках приводили к тому, что нейросеть смешивала продукты бренда с чужими и не давала рекомендаций.

Результат. Узнаваемость в категории выросла на 16 пунктов, корректность линейки — на 33, частота рекомендаций ИИ удвоилась.
модели в замере: ChatGPT · YandexGPT · GigaChat

Что сделали

  • Свели единые факты по всей линейке
  • Прописали атрибуты и УТП в карточках
  • Закрыли контент-гэп по запросам категории
  • Стандартизировали описания под нейровыдачу
  • Проверили сдвиг по площадкам

Значения иллюстративны и показывают формат отчёта; на проекте фиксируются ваши реальные срезы до/после.

Узнайте, что нейросети говорят о вашем бренде

Бесплатная демо-аналитика →