Как мы измеряем видимость в ИИ-поиске

WhoCanFindMe измеряет две разные вещи, и важно понимать обе:

1. AI-готовность (бесплатный аудит). Детерминированный, эвристический показатель на основе сигналов, которые мы извлекаем прямо с вашей публичной страницы: правила robots.txt, структурированные данные, извлекаемость контента, сигналы свежести и техническое состояние. Это занимает секунды и ничего не стоит, потому что не требует живых обращений к API ИИ. Показатель говорит, готова ли ваша страница к тому, чтобы её нашли AI-краулеры и парсеры.
2. Измеренная видимость (платный тариф). Живые запросы с веб-поиском к ChatGPT, Perplexity и Gemini, плюс запрос на воспроизведение по памяти обучения к Claude (у которого пока нет собственного API веб-поиска) — чтобы измерить, действительно ли ваш бренд появляется в ответах. Три нейросети работают на основе поиска; Claude — это проверка по памяти обучения. Подробности — в разделе 4.

Это различие важно. Показатель готовности говорит о технических предпосылках для видимости в ИИ; измеренная видимость показывает реальный результат. Готовность — это «дверь не заперта?», а измеренная видимость — «люди действительно через неё проходят?»

Показатель готовности объединяет шесть категорий сигналов. Каждую можно измерить независимо, прямо с вашей публичной страницы, без обращений к API ИИ.

Каждая нейросеть по-своему взвешивает шесть категорий сигналов, потому что у них действительно разная архитектура поиска. Вместо единого «показателя ИИ» мы считаем показатель готовности отдельно для каждой нейросети, а затем усредняем их для общей итоговой цифры.

ChatGPT сильно взвешивает доступ краулеров, потому что 87% его цитирований приходят из топ-10 Bing, а Bing требует доступа OAI-SearchBot. Perplexity больше всего ценит свежесть и авторитетность, потому что его шестиэтапный RAG-конвейер жёстко фильтрует по актуальности и плотности фактов. Gemini больше всего ценит структурированные данные и сигналы авторитетности, отражая подход Google к E-E-A-T. Claude ставит извлекаемость на первое место, потому что это самая избирательная нейросеть: 97.8% её цитирований приходятся на устоявшиеся, чётко структурированные источники.

Любая нейросеть, заблокированная в robots.txt, получает штраф 55% к своему смешанному показателю (показатель умножается на 0.45) — это отражает то, что заблокированные нейросети вообще не могут проиндексировать или процитировать страницу.

Общий показатель готовности — это среднее арифметическое четырёх показателей по нейросетям, каждый из которых ограничен диапазоном [0, 100].

Показатель готовности — необходимое, но не достаточное условие для видимости в ИИ. Измеренная видимость идёт дальше: мы отправляем настоящие запросы настоящим нейросетям и измеряем, появляется ли ваш бренд в ответах с веб-поиском и цитированием.

Почему запросы с веб-поиском, а не проверки по памяти обучения

У большинства основных потребительских нейросетей (ChatGPT Search, Perplexity, Google AI Overviews и Copilot) ответы опираются на живой поиск по вебу в момент запроса. Память обучения определяет, «знает» ли ИИ о существовании бренда; живой поиск определяет, процитирует ли он этот бренд в ответе. GEO — это в первую очередь задача поиска, поэтому мы предпочитаем запросы с веб-поиском везде, где нейросеть их поддерживает.

Для ChatGPT, Perplexity и Gemini мы не используем запросы к базовой модели (когда ИИ спрашивают, что он «знает» о бренде, без веб-поиска). Такой способ проверяет застывшую память обучения, крайне недетерминирован, склонен к галлюцинациям для менее известных брендов и не отражает того, что пользователи реально видят в потребительских нейросетях с веб-поиском. Единственное исключение — Claude: на данный момент у Claude, согласно API Anthropic, нет собственного инструмента веб-поиска, аналогичного тем, что есть у OpenAI или Google, поэтому его показатель неизбежно основан на проверке по памяти обучения, а не на измерении с веб-поиском. Мы отмечаем это в каждом показателе Claude и переключимся на запросы с веб-поиском, как только Anthropic выпустит API веб-поиска.

Как устроен набор запросов

Мы составляем отобранный набор запросов, охватывающий три группы: запросы на обнаружение (по категории, без названий брендов), сравнительные запросы (этап оценки) и прямые запросы с упоминанием бренда. Пропорция примерно 60/30/10: запросам на обнаружение отведён наибольший вес, потому что именно там захватывается новая аудитория. Минимум 30 запросов на аудит дают значимый сигнал; полный стандартный аудит использует 50.

Повторы и статистическая обработка

Один-единственный прогон одного запроса почти ничего не значит. Недетерминированность LLM означает, что один и тот же запрос может дать разные цитирования от прогона к прогону, даже при temperature=0 (разброс из-за размера батча на уровне GPU устранить нельзя). Статья Принстона о GEO показала, что для стабилизации процентов видимости нужно от 60 до 100 повторов.

Каждый повтор отправляет тот же самый запрос заново. Мы не меняем и не перефразируем промпт между повторами. Стандартные платные аудиты делают 3 повтора на запрос для каждой нейросети; бесплатный/анонимный предпросмотр и плановые перезапуски Agency делают 1 (снимок из одного образца, без интервала). Частота цитирования рассчитывается как доля прогонов, где бренд был процитирован (brandCited = true). Мы используем интервал Уилсона, чтобы рассчитать 95%-й доверительный интервал для этой доли. Это отражает согласованность от прогона к прогону при разбросе на стороне провайдера в рамках идентичных вызовов, а не то, как цитирование может меняться в зависимости от формулировки одного и того же запроса.

Точность API против потребительского интерфейса

Для ChatGPT, Perplexity и Gemini мы используем программный API каждой нейросети с включённым веб-поиском. Это отраслевой стандарт и единственный масштабируемый подход, но он создаёт известные расхождения:

• Потребительский ChatGPT.com может учитывать персонализацию и историю просмотров, которые API не воспроизводит.
• У Gemini API с поиском Google и Google AI Overviews совпадает лишь около 38.5% топ-цитируемых доменов — структурное расхождение, которое мы прямо раскрываем в каждом показателе Google.
• Perplexity документирует возможное расхождение между своим API и потребительским интерфейсом.
• У API Claude вообще нет инструмента веб-поиска, поэтому его показатель использует воспроизведение по памяти обучения модели вместо живого обращения к API — самое большое расхождение из четырёх, которое мы раскрываем в каждом показателе Claude.

Мы отмечаем эти ограничения в каждом отчёте, где есть показатель измеренной видимости. Мы считаем, что прозрачность в отношении ограничений измерения ценнее ложной точности.

Показатели видимости в ИИ — это оценки, а не факты. На любое измерение влияют три источника волатильности:

1. Недетерминированность LLM. Даже при temperature=0 ответы API отличаются из-за разброса размера батча на уровне GPU. Точечный показатель без повторов может отклониться на ±30% при повторном прогоне. Наш движок измеренной видимости повторяет каждый идентичный запрос несколько раз и указывает доверительные интервалы Уилсона для итоговой частоты цитирования. Это измеряет согласованность от прогона к прогону при разбросе на стороне провайдера, а не изменение в зависимости от формулировки запроса, — так вы видите, насколько стабильна каждая цифра.
2. Обновления моделей и алгоритмов. OpenAI, Google и Perplexity постоянно обновляют свои модели, часто без публичных анонсов. Показатель шестинедельной давности может уже не отражать текущее положение дел. Мы указываем дату измерения при каждом показателе и отмечаем показатели старше 30 дней.
3. Географические различия и персонализация. Один и тот же запрос даёт разные ответы в зависимости от местоположения, языка и типа аккаунта. Наши измерения проводятся из стандартизированных локаций. Результаты для других регионов могут отличаться.

Показатель готовности (бесплатный аудит) намного стабильнее измеренной видимости, потому что он проверяет детерминированные сигналы (robots.txt, структурированные данные, HTML-контент), а не стохастические ответы ИИ. Изменение показателя готовности отражает реальное изменение на вашей странице.

Мы считаем, что интеллектуальная честность в вопросе границ измерения — это то, что отличает полезный инструмент от убедительно выглядящего генератора показателей. Вот что этот инструмент прямо не может вам сказать:

Наша методика опирается на опубликованные академические исследования и первичные практические работы. Область меняется быстро: мы перепроверяем ключевую статистику каждый квартал. Обозначения силы доказательств: Доказано = контролируемое исследование или подтверждено в нескольких исследованиях; Вероятно = отдельное исследование или сильный консенсус практиков при правдоподобном механизме; Молва = широко повторяется, но не подтверждено исследованием.