Что нейросети говорят о вашем бренде: как проверить упоминания в Алисе AI, GigaChat и ChatGPT

Мониторинг упоминаний бренда в ChatGPT и других ИИ-ассистентах — это регулярная ручная проверка того, что нейросеть отвечает на вопросы, которые о вашей категории задаёт живой человек. В отличие от мониторинга публикаций, здесь нет ленты источников: есть фиксированный список запросов, несколько прогонов на каждой поверхности и таблица, куда ответ записывается целиком — вместе со ссылками, которые ассистент показал, датой проверки и названием поверхности. Ниже — метод, который агентство заводит один раз и повторяет раз в месяц.

Почему ответ нейросети нельзя проверить как публикацию

У публикации есть всё, на чём держится мониторинг СМИ: постоянный адрес, дата выхода, издание с редакционной ответственностью и текст, который завтра будет тем же самым. Именно поэтому пресс-клиппинг вообще работает как процесс — найденное можно сохранить, предъявить клиенту и проверить через год.

У ответа ИИ-ассистента нет ни одного из этих свойств. Он собирается в момент запроса, живёт внутри сессии и не имеет адреса, по которому его можно открыть повторно. Даже если поверхность показала ссылки, эти ссылки — не место публикации ответа, а материал, из которого ответ собран в этот конкретный раз.

Второе отличие практичнее первого: воспроизводимость. Два прогона одного и того же вопроса дают разные формулировки, разный порядок аргументов, а иногда и разный набор названных компаний. Это не сбой, а свойство генеративной системы, и метод проверки обязан его учитывать — иначе агентство будет ежемесячно спорить с клиентом о том, «правда ли модель так сказала».

Отсюда сдвиг предмета работы. В мониторинге СМИ вы ищете упоминание и сохраняете ссылку. Здесь вы задаёте заранее оговорённый вопрос и сохраняете ответ целиком — как показание, снятое в известный день на известной поверхности. Все выводы дальше строятся на сравнении показаний между собой, а не на попытке доказать, что ответ существует «вообще».

Спрос на такую проверку уже видно в поисковой статистике: по данным Яндекс Вордстата (вся Россия, выгрузка 5 сентября 2026 года), запрос «мониторинг упоминаний бренда в chatgpt» набирает 87 показов в месяц, а более широкий «мониторинг упоминаний бренда» — 157. Цифры небольшие, но формулировка выдаёт профессиональный запрос: так спрашивают о методе, а не о том, что такое ChatGPT.

Четыре поверхности: Алиса AI, Нейро, GigaChat и ChatGPT

Прежде чем составлять список запросов, надо понять, чем поверхности отличаются механически. Разница проходит по одной линии: берёт ли система данные из веба в момент ответа и показывает ли, откуда взяла.

Российский контекст здесь задаёт приоритет. По данным StatCounter за август 2026 года, доля Яндекса в российском поиске составляет 70,35 %, и это единственная причина, по которой яндексовые поверхности в таблице ниже стоят первыми, а не потому, что они лучше отвечают.

Источники таблицы, проверено 6 сентября 2026 года: «Нейросети Яндекса», Алиса AI, документация GigaChat API. Публичного API для Нейро на дату проверки найти не удалось. Страницы справки OpenAI в этот день не открывались, поэтому поведение ChatGPT в таблице описано осторожно и подлежит проверке в вашей собственной сессии. Веб-версию giga.chat в этот день загрузить не удалось — про условия входа в неё мы ничего не утверждаем.

Отдельно стоит держать в голове ориентир, по которому удобно калибровать ожидания. Perplexity описывает свой продукт как «web-grounded answers with built-in citations» — ответы, собранные из веба со встроенными цитатами. Это верхняя планка прозрачности: видно, что именно система прочитала. Даёт ли каждая из четырёх поверхностей выше такую же полноту, надо проверить в своей сессии, а не обещать клиенту заранее, — чтобы «почему тут нет ссылок» не стало открытием на защите отчёта.

Вопрос доступности ChatGPT из России в этом методе намеренно вынесен за скобки — он не про мониторинг, а про инфраструктуру, и разобран отдельно в материале о том, можно ли использовать ChatGPT в России. Здесь достаточно правила: проверяет тот, у кого доступ уже есть, и фиксирует условия своей сессии в той же таблице.

Метод: фиксированный список запросов, три прогона, одна таблица

Процедура целиком укладывается в пять шагов, и её сила именно в том, что она не меняется от месяца к месяцу.

1. Составить список из 10–15 запросов по клиенту и его категории. Список утверждается один раз и дальше только пополняется.
2. Выбрать поверхности. Минимум — Алиса AI и GigaChat как российские, ChatGPT как международная. Нейро добавляется там, где клиенту важна видимость внутри Яндекса.
3. Прогнать каждый запрос три раза на каждой поверхности, одинаковой формулировкой, в отдельных сессиях.
4. Записать каждый прогон отдельной строкой: текст ответа, показанные источники, скриншот, дату, поверхность.
5. Сравнить с прошлым месяцем по трём вопросам: бренд назван или нет, что именно про него сказано, откуда это взято.

Три прогона — не суеверие, а минимальная защита от случайности. Один ответ ничего не доказывает: если бренд не назван однажды, это может быть особенностью формулировки, а если назван однажды — совпадением. Три прогона дают картину «два из трёх» или «ноль из трёх», с которой уже можно работать.

Мониторинг упоминаний бренда в ChatGPT: что попадает в таблицу

В таблицу попадает ответ целиком, а не вывод о нём. Соблазн записать «нас упомянули нейтрально» надо гасить сразу: через месяц вы не сможете проверить, что именно скрывалось за этой строчкой, и весь смысл фиксации пропадёт. Пересказ делается в отчёте, а в журнале лежит сырой текст.

Схема ниже показывает цикл целиком — от списка запросов до сравнения с предыдущим замером.

Мы ведём такой журнал по себе с лета, и приводить его стоит именно как доказательство работоспособности процедуры, а не как повод для гордости. В журнале 13 фиксированных запросов, формулировки с первого замера не менялись, ответы сохраняются целиком по каждой поверхности; правило трёх прогонов появилось позже первых замеров, так что они сделаны по одному прогону на запрос. Базовый замер 29 июля 2026 года по ChatGPT и Perplexity дал 26 ответов, и Kelva не была названа ни в одном из них. Второй замер, 2 августа 2026 года, по ИИ-ответам в поисковой выдаче Google охватил восемь запросов — Kelva не была названа ни в одном. Третий, 4 августа 2026 года, на уровне подбора источников — ноль из тринадцати. Три нулевых замера на трёх разных срезах — это не приятный результат, но это рабочая база: следующий замер по тем же формулировкам покажет изменение, если оно будет.

Как составить список запросов для клиента

Запросы делятся на три типа, и хороший список содержит все три. Возьмём для примера условного клиента — производителя детского питания.

Категорийные — без названия бренда. Это главный тип: он показывает, попадает ли бренд в ответ, когда о нём не спрашивали. «Какие российские производители детского питания есть на рынке», «Кто выпускает детские каши в России», «Какие марки детского пюре считаются надёжными». Именно такие вопросы задаёт человек, который ещё не выбрал.

Брендовые — с названием. Они показывают, что система знает о клиенте и не путает ли его с однофамильцами. «Что известно о компании N», «Кому принадлежит бренд N», «Где производится продукция N». Здесь чаще всего вылезают устаревшие данные: прежний владелец, закрытый завод, старая линейка.

Сравнительные и проблемные. Они показывают, в какой рамке бренд появляется рядом с конкурентами и претензиями. «N или конкурент — что лучше для первого прикорма», «Были ли претензии к качеству продукции N». Проблемные запросы неприятно задавать, но именно их первыми задаст журналист.

Правило, которое делает список рабочим: запросы не выбывают. Даже если формулировка кажется неудачной, а бренд по ней три месяца подряд не появляется — она остаётся в списке. Как только вы начинаете чистить список от «неинтересных» запросов, сравнимость с прошлыми замерами исчезает, и журнал превращается в набор разрозненных наблюдений.

Разумный размер — 10–15 запросов на клиента. Это моя рекомендация как автора метода, а не измеренная величина: меньше десяти не покрывают категорию, больше пятнадцати превращают ежемесячную процедуру в работу, которую команда начнёт откладывать. Новые запросы добавляются, когда у клиента появляется продукт, регион или инфоповод, — и с этого момента тоже остаются навсегда.

Как фиксировать ответы, чтобы сравнить их через месяц

Протокол простой, и вся его ценность в том, что он соблюдается буквально.

Формулировка запроса не меняется между месяцами — ни одного слова, ни одного знака. Сессия чистая: там, где поверхность это позволяет, спрашивайте без входа в аккаунт, чтобы персонализация не подмешивалась в ответ. На 6 сентября 2026 года веб-чат Алисы AI открывался без авторизации; для остальных поверхностей условие входа фиксируется в таблице как есть, без предположений.

Каждый запрос прогоняется трижды, и каждый прогон — отдельная строка. Сохраняется текст ответа целиком, список показанных источников, скриншот, дата и название поверхности. Скриншот здесь не украшение: он единственный артефакт, который вы сможете предъявить клиенту, если через месяц ответ поменяется, а спор о том, что там было раньше, начнётся всерьёз.

Строка ниже — образец заполнения, а не реальный замер.

Хранить журнал лучше там же, где живёт остальная клиентская отчётность, — в общей таблице с доступом у аккаунт-команды. Отдельный файл на ноутбуке одного сотрудника переживает ровно один отпуск.

Что делать с результатом: три типичные картины

Бренд не назван вовсе. Самая частая картина у среднего бизнеса и самая спокойная: паниковать не из-за чего, но и делать вид, что это временно, не стоит. Работа здесь идёт в сторону источников, на которые поверхность реально опирается. Для Нейро это, по описанию самого Яндекса, страницы, которые находятся в поиске, — значит, разговор смещается к обычной публикационной и поисковой работе, а не к «настройке нейросети». Никакого обещания, что после трёх публикаций бренд появится в ответе, я не дам: связь здесь непрямая, и честнее измерять её тем же журналом.

Бренд назван, но с ошибками. Устаревший состав владельцев, неверный год основания, чужой продукт в списке. Это самая понятная по действиям картина: фактические страницы на собственном сайте клиента — «о компании», «история», «продукция» — должны существовать, быть полными и однозначными. Плюс правки в тех сторонних источниках, где ошибка живёт: карточки в отраслевых каталогах, энциклопедические страницы, справочники. Это скучная работа, но она единственная, которая находится под вашим контролем.

Бренд назван, но со ссылкой на неудачные источники. Ответ верный, а опирается на форум трёхлетней давности или на пересказ пересказа. Здесь задача — дать поверхности материал получше: свежие публикации в тех изданиях, которые ассистент уже цитирует по вашей категории, и внятные страницы на собственном домене. Список цитируемых изданий вы к этому моменту уже собрали — он лежит в колонке «показанные источники» вашего же журнала.

Во всех трёх случаях действие одно по типу: улучшать то, что читает система, а не пытаться воздействовать на саму систему. То, что можно назвать ИИ-репутацией, пока управляется ровно теми же инструментами, что и обычная медийная репутация, — просто с другой точкой замера.

Чего этот метод не делает

Он ручной. Никакой автоматизации здесь нет: человек открывает поверхность, задаёт вопрос, копирует ответ и делает скриншот. Оценочно это два-три часа в месяц на одного клиента при списке в 10–15 запросов и трёх поверхностях — и эти часы надо закладывать в план, а не надеяться, что кто-то найдёт их между делом.

Он ежемесячный, а не непрерывный. Между замерами ответ может измениться несколько раз, и вы этого не увидите. Он не считает тональность, не строит долей упоминаний между конкурентами и вообще не даёт метрик — только сравнимые показания. Он не покрывает соцсети и не заменяет мониторинг публикаций.

Наш собственный сервис Kelva Brand Monitor эту задачу не закрывает: он раз в неделю сканирует федеральные СМИ по белому списку, классифицирует найденное с помощью YandexGPT и присылает отчёт на email с дублированием в Telegram, работая в Yandex Cloud. Ответы ИИ-ассистентов в его периметр не входят, и описанная выше процедура остаётся ручной.

Ещё одно ограничение стоит назвать прямо: на 6 сентября 2026 года в публичной справке Яндекс Вебмастера мы не нашли отчёта, который показывал бы упоминания сайта в ответах Алисы AI. Это утверждение о состоянии документации на конкретную дату, а не о продукте — загляните в свой аккаунт перед тем, как обещать клиенту такой источник данных.

Что читать дальше

Ответы ассистентов — это третий срез картины, и он не отменяет двух первых. Что уже написали о бренде, разбирает материал про мониторинг бренда в СМИ; какую платформу под это купить и сколько она стоит — сравнение Медиалогия, Brand Analytics и СКАН для агентства.

Если же вопрос стоит уровнем выше — какие процессы агентства переводить на ИИ и в каком порядке, — начните с полного руководства по ИИ в PR 2026, где эта проверка стоит на своём месте в общей карте.

Если хотите завести такой журнал на своих клиентах — список запросов, поверхности и формат отчёта, — поговорим.