Промпты для мониторинга GEO: как составить пул запросов для замера
Как собрать пул промптов для мониторинга GEO: источники формулировок, три типа запросов, fan-out механика (5-11 подзапросов), количество прогонов, шаблон протокола, 24 готовых формулировки и красные флаги подгонки пула.
Автор - Дмитрий Руднев, редакция про-рейтинг.рф. Обновлено 29 сентября 2026. Все цифры в статье ведут к первоисточникам.
- Пул промптов фиксируется документом до первого замера; правки - только расширением с датой.
- Рабочая пропорция пула: треть брендовых, треть категорийных, треть тематических промптов плюс доля «живых» вариаций.
- Google AI Mode разворачивает один запрос в среднем в 5-11 подзапросов: страница работает на десятки формулировок сразу.
Промпты для мониторинга GEO - это фиксированный список запросов, по которым вы регулярно замеряете видимость бренда в нейросетях. Именно пул, а не отдельные проверки, превращает «посмотрели в ChatGPT» в измеримый процесс: с пулом появляется динамика, конкурентный контекст и доказуемость любого вывода. Статья разбирает источники формулировок, три типа промптов, механику fan-out, число прогонов на запрос, структуру протокола и типовые искажения пула.
Здесь - операционный слой замера: как выбирать и фиксировать формулировки. Общая система метрик описана в статье как измерить видимость в нейросетях, а концепция доли голоса - в материале о доле голоса в ИИ-системах.
Пул промптов фиксируется документом до первого замера; правки - только расширением с датой.
Рабочая пропорция пула: треть брендовых, треть категорийных, треть тематических промптов плюс доля «живых» вариаций.
Google AI Mode разворачивает один запрос в среднем в 5-11 подзапросов: страница работает на десятки формулировок сразу.
Исследование Gemini 3: в среднем 10,7 fan-out запроса на промпт, разброс от 3 до 28.
Около 80% важных подзапросов проявляются уже в 4 прогонах - минимум прогонов на контрольный промпт.
AI-ответ меняет поведение: клик по традиционной ссылке падает с 15% до 8%, сессия завершается после 26% визитов.
Топ-1% доменов собирает 47% всех цитирований: замер должен показывать и нишевых соседей, и гигантов категории.
AI Mode разворачивает запрос в 5-11 подзапросов
Анализ механики fan-out: Google AI Mode в типовом случае выполняет от 5 до 11 подзапросов, в среднем около девяти - один пользовательский промпт в реальности проверяет десятки формулировок.
Gemini 3: в среднем 10,7 fan-out на промпт
Исследование Seer Interactive: среднее число fan-out запросов - 10,7 на промпт, минимум 3, максимум 28. Разброс подтверждает: глубина раскрытия зависит от темы.
80% важных подзапросов видны уже в 4 прогонах
Методический замер fan-out: около 80% значимых подзапросов (появившихся хотя бы дважды за 50 прогонов) проявляются уже в первых 4 прогонах - практичный минимум для контрольных промптов.
Клик по обычной ссылке: 8% с AI-ответом против 15% без
Pew Research: при появлении AI-сводки пользователь кликает традиционную ссылку в 8% визитов против 15% без неё - половина переходов исчезает на уровне интерфейса.
Сессия заканчивается после 26% визитов с AI-ответом
То же исследование: после AI-сводки пользователь завершает browsing-сессию в 26% визитов против 16% без неё - ответ заменяет не только клик, но и дальнейший поиск.
Генеративные платформы: 226,8 млн визитов на сторонние сайты
Similarweb: в январе 2026 года генеративные платформы отправили 226,8 млн американских визитов на сторонние сайты - на 15% меньше, чем несколькими месяцами ранее. Поток переходов нестабилен - отслеживать нужно и его.
AI-трафик: отказы на 27% ниже, визиты на 38% длиннее
Adobe Analytics (май 2025): у трафика из ИИ bounce rate на 27% ниже, время на визит на 38% дольше, страниц за визит на 10% больше - качество переходов растёт вместе с каналом.
Разрыв растёт: отказы были на 23% ниже ещё в феврале
Более ранний замер Adobe (февраль 2025): отказы на 23% ниже, визиты на 41% длиннее, страниц на 12% больше. Динамика трёх месяцев показывает: метрики качества AI-трафика - предмет регулярного замера, а не разового отчёта.
Конверсия AI-трафика: 1,66% против 0,15% у органики
Исследование Microsoft Clarity на 1200 издательских сайтах: посетители из ИИ регистрировались в 1,66% визитов против 0,15% у обычной органики - разрыв в 11 раз.
Половина AI-сессий сразу на товарной странице
Данные Shopify (Q2 2026): около половины сессий из ИИ попадают прямо на страницу товара - в 2,5 раза чаще, чем из традиционного поиска. Промпты «сравни и выбери» работают на эти переходы.
Топ-1% доменов собирает 47% цитирований
Анализ 1000 AI Overviews: верхний процентиль доменов получает почти половину всех цитирований - концентрация высока, и замер обязан учитывать гигантов категории наравне с прямыми конкурентами.
12 000 промптов, 8 отраслей: слабая корреляция 0,42
Исследование State of AI Search 2026: датасет из 12 000 промптов, 8 отраслей и 150+ брендов показал слабую корреляцию бренд-упоминаний с цитированиями (0,42) - присутствие бренда и цитирование страниц расходятся, мерить нужно оба уровня.
YouTube - 31,8% цитирований соцмедиа
Исследование на 100+ млн цитирований: среди социальных площадок доминирует YouTube - подсказка для внешнего контура, который пул должен учитывать наравне с сайтами.
Именные авторы: 87,8% цитируемых URL
Исследование цитирований LinkedIn: у подавляющего большинства цитируемых материалов есть именной автор - авторские страницы цитируются чаще корпоративных без атрибуции.
ChatGPT - 64,5% визитов чат-ботов, Gemini - 21,5%
Трекер Similarweb за январь: распределение визитов между чат-платформами показывает, где сначала собирать данные замера, - но состав систем всё равно шире одного лидера.
Контраргумент: у AI-трафика больше отказов и меньше страниц
Исследование Ahrefs на своей аудитории даёт противоположную картину: AI-посетители просматривают меньше страниц и чаще отказываются. Вывод для замера: поведение трафика зависит от ниши - решения принимаются по своим данным.
Пул промптов: единица измерения нового канала
В классическом SEO единицей измерения была позиция по запросу. В AEO такой единицы нет: вместо «позиции» - присутствие в ответе, а вместо списка запросов - пул промптов, фиксированный набор формулировок, по которому замер повторяется. Пул выполняет три функции сразу: даёт динамику (одни и те же промпты в разные месяцы), даёт сравнение (конкуренты по тем же формулировкам) и защищает от самообмана (нельзя «случайно» замерить только удачные запросы).
Отсюда и главный принцип: пул - это актив, а не расходник. Он собирается один раз вдумчиво, ведётся версионно и переживает смену подрядчиков. Всё, что написано дальше, - про то, как собрать пул, который не стыдно показать через год.
Не забывайте и про язык возражений: формулировки «почему так дорого», «чем вы лучше», «а не проще ли своими силами» - это тоже промпты, только с отрицательным интентом. Модели получают такие вопросы постоянно, и умение бренда появляться в ответах на возражения - недооценённый слой видимости, который стандартные пулы почти никогда не покрывают.
Полезный источник, о котором забывают, - рекламные кабинеты: поисковые кампании уже содержат отобранные конверсионные фразы. Возьмите группы с лучшей конверсией и нарастите формулировки до промптов - так пул сразу связывается с деньгами: эти вопросы уже доказали, что приводят клиентов.
Ещё приём - карта пути клиента: выпишите пять стадий выбора (проблема, осведомление, сравнение, решение, использование) и по две-три формулировки на каждую. Такой каркас защищает от перекоса в одну стадию - чаще всего в «сравнение», где всем удобно замеряться, а реальный выбор начинается раньше.
Собранные источники стоит документировать: у каждой формулировки пула полезно знать происхождение - из звонков, консоли или подсказок. Это дисциплинирует отбор и помогает при ревизии: формулировки с живого происхождения почти никогда не оказываются лишними, а «придуманные за столом» - почти всегда.
Источники формулировок: где брать живые промпты
Лучший источник пулов - не SEO-сервисы, а язык клиентов. Практичный чек-лист сбора: выгрузка поисковых запросов из консоли (там, где фразы длинные и вопросные), вопросы из продаж и поддержки (дословно, в формулировках покупателей), обсуждения в отраслевых чатах и сообществах, подсказки поисковых систем, формулировки сравнений из обзоров и подборок. Каждому источнику - своя папка; из пяти источников собирается черновой список в сотню-полторы формулировок.
Второй источник - модели сами подсказывают: спросите у системы «какие вопросы задают клиенты про категорию» - получите список тем; «как бы вы искали исполнителя» - получите живые формулировки. Это исследовательский приём, а не замена реальным данным: используется для расширения списка, но не для выбора финального пула.
Третий источник - коммерческий: вопросы сделок. Что спрашивает клиент перед покупкой, на чём сравнивает, какие возражения звучат. Эти формулировки самые ценные: именно на них замер покажет связь канала с деньгами. Как связать замер с выручкой - подробно в статье о доле голоса.
Финальный отбор из чернового списка: сгруппировать по интенту (узнавание, выбор, сравнение, готовность купить), внутри групп оставить представителей с проверкой частотности (где доступна - через поисковые данные), отсеять дубли по смыслу. Остаток - 30-60 кандидатов - становится базой для финального пула.
Пропорция - ориентир, а не догма: у бренд-медиа тематические промпты займут большую долю, у нишевого монополиста - брендовые. Важно другое: состав пула отражает структуру спроса, а не структуру комфорта команды. Перекос в удобные формулировки - самый мягкий и самый частый способ подгонки, который не ловится никакими проверками, кроме честного взгляда на доли статусов.
Каждому типу - своя интерпретация результата. Брендовые промпты мерят знание - их динамика растёт медленно и от сущностей. Категорийные мерят победу в выборе - они самые волатильные. Тематические мерят цитируемость - они реагируют на контент быстрее всего. Смешивать интерпретации - значит объяснять рост цитируемости работой над сущностями.
Три типа промптов и рабочая пропорция
Тип первый - брендовые: «что известно о компании N», «кто основатель N», «отзывы о N». Мерят сущность: пересказ, признаки, ошибки. Тип второй - категорийные: «лучшие исполнители X», «как выбрать Y», «сравнение A и B». Мерят попадание в выбор. Тип третий - тематические: проблемные вопросы аудитории, на которые отвечает ваш контент. Мерят цитируемость статей.
| Тип | Доля пула | Что мерит | Пример формулировки |
|---|---|---|---|
| Брендовые | ~30% | Пересказ сущности, признаки, ошибки | «Что расскажешь об агентстве N?» |
| Категорийные | ~30% | Попадание в списки рекомендаций | «Посоветуй студию X для задачи Y» |
| Тематические | ~30% | Цитируемость контента | «Сколько стоит настройка рекламы в 2026?» |
| Живые вариации | ~10% | Устойчивость к разговорным формулировкам | «А если бюджет маленький - куда обратиться?» |
Живые вариации - специальные промпты с разговорными оборотами, опечатками, сленгом ниши. Они мерят устойчивость: узнаваем ли бренд, когда клиент формулирует «не по учебнику». Доля невелика, но именно эти строки протокола чаще всего дают ранние сигналы - от изменения сленга ниши до появления нового конкурента.
Для наглядности веер можно увидеть самому: задайте модели сложный вопрос по своей нише и попросите «перечисли, какие подвопросы ты бы уточнила для полного ответа». Полученный список - готовая карта подзапросов кластера. Три-четыре таких упражнения по ключевым темам - и у команды появляется интуиция о том, как именно модели разбирают нишу на части.
Практический предел веера тоже важен: у сложных тем подзапросы уходят в смежные области - цены, отзывы, сравнения с чужими категориями. Пул не обязан покрывать весь веер: достаточно, чтобы ключевые ветви были представлены. Полное покрытие - работа автоматических платформ с сотнями промптов, а не ручного замера.
Fan-out: один промпт - это много промптов
Механика fan-out меняет саму логику охвата. Когда пользователь задаёт вопрос, генеративная система не ищет по нему одному: запрос разворачивается в серию подзапросов - по определениям, сравнениям, ценам, отзывам - и ответ собирается из результатов всех ветвей. В AI Mode это в среднем 5-11 подзапросов, в исследовании Gemini 3 - в среднем 10,7 с разбросом от 3 до 28.
Следствие для пулов: страница конкурирует не «по промпту», а по вееру скрытых формулировок. Отсюда же - критика узких пулов: замер по одному «головному» запросу видит одну ветвь веера из десятка. Рабочее решение - покрытие темы, а не точек: для каждого кластера берутся 2-3 формулировки с разных сторон вопроса - определение, выбор, цена.
И практический методический факт: 80% значимых подзапросов проявляются уже в четырёх прогонах. Для контрольных промптов (эталонных, по которым вы отслеживаете «здоровье» методики) четырёх прогонов достаточно, чтобы увидеть состав веера и заметить его изменение после обновления модели. Полноценный замер по всему пулу - это другая задача: там важна серия прогонов по месяцам, а не кратность внутри дня.
Нестабильность имеет и временную составляющую: модели обновляются без объявлений, и «средний ответ» квартальной давности может отличаться от сегодняшнего. Поэтому полезно вести короткий журнал среды: даты обновлений интерфейсов, смен форматов ответов, появления новых кнопок и блоков. Журнал занимает минуту в неделю, а при разборе странного замера экономит часы гаданий.
Отсюда же - правило интерпретации внешних «замеров»: скриншот одного прогона - это лотерея, а не факт. Если клиент или коллега приносит «доказательство» отсутствия бренда в ответах, первый вопрос - сколько прогонов и по какому пулу. Пока ответа нет, цифра не считается опровергающей: один прогон равен одному броску игральной кости.
Нестабильность ответов и число прогонов
Ключевое отличие от поискового замера: каждый прогон - новая генерация. Один и тот же промпт в разных сессиях даёт разные списки рекомендаций и источники - расхождения между прогонами - это свойство канала, а не ошибка инструмента. Что из этого следует для пулов: единичный прогон - не данные. Данные начинаются с серии: замер месяца против месяца, тренд против тренда.
Рабочая кратность: в регулярном замере - один прогон по каждой строке пула в фиксированный день (стоимость контроля) плюс перепроверка спорных строк вторым прогоном (уже знакомый стандарт из регламента замера). В исследовательских задачах - серия прогонов: сколько раз прогнать, чтобы увидеть разброс, подсказывает тот же принцип четвёртого прогона: до 80% устойчивых паттернов видно за 4 запуска.
Отдельное правило для спорных строк: «рекомендован/не рекомендован» в двух прогонах подряд - уверенный статус; «то да, то нет» - статус «переменный» и отдельный список наблюдения. Переменные позиции - самая интересная часть данных: там идёт реальная борьба, и малейшее усиление (свежая публикация, обновлённая страница) меняет исход.
И не пытайтесь фиксировать всё: протокол из двадцати столбцов не заполняется дольше месяца и умирает. Рабочий стандарт - семь-восемь полей, из которых два-три добавлены после первого квартала работы. Рост протокола должен идти за счёт реальных вопросов, возникших при анализе, - тогда каждое поле используется, а не существует для вида.
Хранение версий промптов не сложнее таблицы: лист «пул v1» заморожен, лист «пул v2» добавлен с датой, динамика считается по каждому листу отдельно. Электронная таблица с историей версий закрывает вопрос целиком; отдельные инструменты тут не нужны, пока замеров меньше сотни в месяц.
Протокол промпта: что фиксировать по каждой строке
Протокол был подробно разобран в регламенте замера; здесь - промпт-специфичные поля. Помимо даты, системы и статусов полезно фиксировать: дословную формулировку (промпты не «примерные»), позицию бренда в списке рекомендаций, цитируемый URL (какая именно страница заработала), формулировку пересказа (дословно) и контекст сессии. Позиция в списке - отдельное поле: различие «третьим из пяти» и «последним из пяти» - это разный бизнес-эффект при одинаковом статусе «упомянут».
Полезное дополнение - поле «кто рядом»: конкуренты из того же ответа. Через несколько замеров этот столбец собирает карту ниши в изложении моделей: кто звучит в связке с вами, кто вытесняет, кто появился недавно. Для задач контента это готовые ассоциации: модели связывают бренды по общим источникам - а значит, попадание в одну подборку с сильным игроком работает на сущность обоих.
И контрольные промпты: 3-5 формулировок с известным устойчивым поведением, которые прогоняются каждый раз первыми. Они ловят обновления моделей и смены поведения платформ: если контрольные строки резко сменили характер - в протоколе делается пометка о событии среды, чтобы не записать чужой релиз в свои «успехи» или «просадки».
Пустые строки первого замера - норма: часть формулировок модель отрабатывает обзором без рекомендаций. Не выбрасывайте их сразу: пометьте статус «нет рекомендаций» и посмотрите через квартал - по мере роста публичной фактуры бренда эти промпты оживают первыми. Их динамика «пусто - упоминание - рекомендация» - самая наглядная иллюстрация прогресса для руководства.
Шаблон намеренно универсален, и это стоит превратить в силу: пройдите по списку и пометьте формулировки, которые «продаются» в вашей нише на переговорах. Эти пометки - мост между замером и продажами: когда замер покажет прогресс именно по тем промптам, которые звучат в сделках, аргументация бюджета станет простой арифметикой.
После первого месяца замените шаблонные примеры на формулировки из вашей аналитики - шаблон лишь каркас, и чем быстрее он обрастает вашей лексикой, тем ценнее данные. Полная замена шаблона рабочим пулом - ориентир первых двух замерных циклов.
Готовый стартовый пул: 24 формулировки
Шаблон ниже закрывает стандартный старт для компании с 2-3 продуктовыми линиями. Формулировки намеренно обобщённые - замените N, X и нишу на свои значения; структура сохранится.
- «Что расскажешь о компании N?»
- «Кто основатель компании N и чем она известна?»
- «Чем занимается N и чем отличается от конкурентов?»
- «Где работает агентство N и с какими клиентами?»
- «Отзывы о N - что пишут клиенты?»
- «Посоветуй исполнителя X для задачи Y»
- «Топ студий X в городе Z»
- «Как выбрать подрядчика в нише X - на что смотреть?»
- «Сравни N и M - кому что подойдёт?»
- «Альтернативы N - кого ещё рассмотреть?»
- «Сколько стоит X в 2026 году?»
- «Что входит в стоимость услуги X?»
- «Сроки реализации проекта X - от чего зависят?»
- «Какие подводные камни есть у X?»
- «Чем отличается подход A от подхода B?»
- «Как измерить результат работы в нише X?»
- «Какие документы проверять при договоре на X?»
- «Нужен ли X маленькому бизнесу?»
- «Как не ошибиться при выборе исполнителя X?»
- «Что чаще всего спрашивают перед заказом X?»
- «Подскажи студию X - бюджет небольшой» (живая)
- «А если сроки горят - кто делает X быстро?» (живая)
- «Посоветуй народу» - сленговая вариация ниши (живая)
- «X это вообще что? объясни простыми словами» (живая)
Двадцать строк из этого списка - базовые (брендовые, категорийные, тематические), четыре - живые вариации. После первого же замера список переживёт ревизию: половина формулировок просядет «пустыми» (система отвечает списком без рекомендаций), часть - дублируется по смыслу. Останется ядро из 15-20 устойчивых промптов - оно и станет рабочим пулом, а отбор по факту данных честнее любого кабинетного выбора.
Сравнение колонок хорошо читается и в деньгах: рабочий пул превращает спор «работает ли канал» в расчёт «упоминаний на затраченный час». Левая колонка не даёт даже знаменателя: если непонятно, по каким промптам и как часто мерили, невозможно оценить ни стоимость, ни результат. Прозрачная методика - это не бюрократия, а единственный способ считать эффективность.
Частый вопрос - с чего начать, если и чек-лист не пройден, и пула нет. Ответ: одновременно, но с разными темпами - пул и первый замер делаются за вечер и не зависят от техники, а технический блок идёт своим ходом параллельно. Единственное, что нельзя делать, - откладывать замер до «когда всё будет готово»: тогда не будет точки «до», и прогресс будет нечем доказать.
И о скорости: рабочий пул окупается уже на третьем замере. Первый - точка отсчёта, второй - проверка методики, третий - первая динамика, ради которой всё затевалось. Дальше процесс сам себя содержит: полчаса анализа в месяц против таблиц, которые защищают бюджет канала на переговорах.
До и после: пул «с листа» против рабочего пула
| Аспект | Пул «с листа» | Рабочий пул |
|---|---|---|
| Происхождение | Придуманы за час из головы | Собраны из продаж, консоли, чатов, подсказок |
| Состав | Одни головные запросы категории | Бренд/категория/тема + живые вариации |
| Фиксация | «Вроде эти были» | Документ с версиями и датами правок |
| Прогоны | Один прогон «для галочки» | Регулярные серии + перепроверка спорных |
| Контроль среды | Не предусмотрен | Контрольные промпты, пометки о событиях |
| Судьба | Забыт после первого отчёта | Живёт кварталами, переживает подрядчиков |
Разница в колонках - разница в судьбе данных: левая колонка через квартал не оставит даже следов для сравнения, правая - накопит тренд, карту конкурентов и доказуемые «до/после». А по стоимости различие минимально: правильный пул собирается за два вечера, из которых один - на черновой список, второй - на ревизию по данным первого замера.
Последний флаг - обещание «большой базы промптов» как продукта. База формулировок без вашего контекста бесполезна: промпт живёт связкой «бренд - продукт - рынок - конкурент», которая у каждой компании своя. Продажа универсальных списков - маркер имитации: полезен не список, а процесс его составления, и передавать нужно именно процесс.
И контрольный вопрос подрядчику, который мгновенно проясняет зрелость: «покажите, как выловили пустые промпты». Исполнитель с опытом расскажет про ревизии и доли статусов; имитатор начнёт объяснять, что у него «все промпты рабочие». Пустые строки есть у всех - признак профессионализма в том, как с ними работают.
Красные флаги: подгонка и имитация пулов
Пул - самое уязвимое для манипуляций место методики: он невидим для заказчика, а «правильные» промпты легко выбрать задним числом. Признаки, по которым пул подгонялся.
- Слишком лёгкие промпты. Запросы, где бренд всегда звучит (узкие брендовые с точным названием), при подаче как «видимость в нише». Проверка: доля категорийных промптов - должна быть треть пула.
- Пул меняется под отчёт. Сравнение месяцев на разных пулах - нонсенс. Проверка: версии пула с датами; любое «изменение» - расширение.
- Одна система вместо набора. «Видимость в ChatGPT» как вся картина. Проверка: минимум 3-4 системы в протоколе.
- Прогон без фиксации контекста. Замеры из разогретых сессий с историей диалогов. Проверка: стандарт чистой сессии в регламенте.
- Статусы без определений. «Упомянуты» на глаз, без границ. Проверка: словарь статусов - что считается упоминанием, цитированием, рекомендацией.
- Средние без распределений. «Средняя позиция 2,1» без долей «не упомянуты». Проверка: в отчёте - доли статусов, а не только среднее.
Контрпризнак зрелости - обратная сторона: исполнитель сам показывает пул, версии, контрольные промпты и доли статусов, не дожидаясь вопроса. Это занимает одну страницу протокола и экономит обеим сторонам недели взаимных проверок. Такой же прозрачности просите и в смежных вопросах - например, в репутационном контуре, о котором подробнее в статье о SERM и репутации для GEO.
И финальная аналогия для запоминания: пул промптов - это весы канала. Без весов можно худеть или толстеть, но говорить об этом можно будет только словами. С весами появляется линия, цели и решения. Всё, что нужно для первых весов, - два вечера и шаблон из седьмого раздела.
Если из всей статьи останется одна мысль: промпты - это не техническая мелочь мониторинга, а язык, на котором ваша компания разговаривает с рынком моделей. Собранный с уважением к живым формулировкам клиентов, пул возвращает вложения с каждого замера; собранный для отчёта - тихо обесценивает всю работу.
Выводы
Пул промптов - то место, где AEO либо становится измеримым процессом, либо остаётся набором впечатлений. Четыре решения определяют судьбу замера: источники формулировок (язык клиентов, а не кабинет), пропорция типов (треть-треть-треть плюс живые вариации), фиксация (документ с версиями) и кратность (серии прогонов с перепроверкой спорных строк). Всё это - дешёвые решения, но задним числом они не делаются: пул, собранный после первого отчёта, уже подогнан.
Механика канала подтверждает строгость подхода: один промпт разворачивается в 5-11 подзапросов, модели нестабильны между прогонами, топ-1% доменов забирает почти половину цитирований, а поведение трафика из ИИ различается от ниши к нише настолько, что даже авторитетные исследования расходятся знаками. В такой среде работает только собственная статистика на собственном пуле - чужие цифры дают фон, а не решения.
Начните с шаблона из седьмого раздела: 24 формулировки под вашу нишу, два вечера на сбор и ревизию, первый замер - по регламенту из соседней статьи. Через квартал у вас будет то, чего нет у большинства рынка: сопоставимая динамика на неизменном пуле. Дальше система масштабируется - план на 90 дней подскажет, как встроить замер в работу компании, а граф сущностей - что чинить, если пересказы далеки от реальности.
И последнее: пул промптов удобно хранить рядом с чек-листом готовности и планом внедрения - эти три документа образуют стартовый комплект канала. Чек-лист отвечает «что проверить», план - «в каком порядке», пул - «чем измерять». Вместе они закрывают первые недели работы без внешних консультаций.
Тем, кто хочет пойти глубже в механику отбора источников, полезно перечитать статью о том, как модели выбирают, кого цитировать, - промпты покажут, «где мерить», а та механика объяснит, «почему выпадает». Два взгляда вместе дают полную систему координат замера.
И напоследок: этот пул - не единственный вход в методику. Зрелые команды добавляют в него сезонные формулировки, региональные вариации и вопросы из клиентских чатов - пул растёт вместе с бизнесом и остаётся живым инструментом, а не формальностью из первого месяца.
01Чем промпт для мониторинга отличается от поискового запроса?
Поисковый запрос - это обычно два-три слова; промпт - законченная фраза или вопрос с контекстом. Пользователь нейросети формулирует задачу целиком: не «квартирники москва», а «подскажи студию, которая организует корпоративный вечер на 80 человек в Москве». Пул из коротких запросов мерит не то, что реально спрашивают у моделей, - формулировки нужно наращивать до живой длины.
02Сколько промптов должно быть в пуле?
Для ручного замера - 20-50: этого достаточно для устойчивой динамики. Для автоматических платформ - 100 и больше: они держат объём. Принцип тот же, что в выборке исследований: важен не размер, а репрезентативность - пул должен покрывать все продуктовые линии, регионы работы и этапы выбора клиента.
03Нужно ли включать брендовые запросы?
Нужно, но не только их. Брендовые промпты отвечают на вопрос «что модель знает о вас» - пересказ, признаки, ошибки. Категорийные - «вспоминают ли вас при выборе». Тематические - «какой контент цитируется». Замер только по брендовым даёт самоуспокоение: упоминания будут почти всегда, а картина выбора клиента останется невидимой.
04Как часто менять пул?
Базовый пул стабилен минимум квартал - иначе динамика несравнима. Расширение допустимо в любой момент: новые промпты помечаются датой и живут со своей точкой отсчёта. Ревизия - раз в квартал: убрать промпты умерших продуктов (с пометкой, не удалением), добавить формулировки новых.
05Почему ответы на один промпт разные?
Модели генерируют ответ заново при каждом прогоне: состав источников и порядок рекомендаций меняются от запуска к запуску - исследования фиксировали совпадение списков реже чем в одном случае из ста. Поэтому замер - это статистика по прогонам, а не единичный снимок: один прогон - намётка, серия - данные.
06Можно ли взять промпты у конкурентов?
Идеи формулировок - да: видно, под что ниша оптимизирует контент. Копировать пул целиком - нет: у конкурента другая продуктовая линия и другой географический охват. Пул должен отражать ваш бизнес, а не чужой; пересечения по категории - нормальны, полное совпадение - признак слепого копирования.
- WebSearchAPI, «What Is Query Fan-Out? How AI Search Works»https://websearchapi.ai/blog/what-is-query-fan-out-and-insights
- Seer Interactive, «Initial Research: Gemini 3 Query Fan-Outs»https://www.seerinteractive.com/insights/gemini-3-query-fan-outs-research
- QueryTool, «What is Query Fan Out Technique?»https://querytool.ai/query-fan-out
- Pew Research Center, «Google users are less likely to click on links...»https://www.pewresearch.org/short-reads/2025/07/22/google-users-are-less-likely-to-click-o…
- Institute for PR, «Do AI Summaries Reduce Clicks on Google?»https://instituteforpr.org/do-ai-summaries-reduce-clicks-on-google/
- DataReportal, «Similarweb 2026 Generative AI Visibility Index»https://datareportal.com/reports/similarweb-2026-generative-ai-visibility-index
- Adobe, «AI-driven traffic surges ahead in Q2»https://business.adobe.com/blog/ai-driven-traffic-surges-ahead-in-q2
- Adobe, «The explosive rise of generative AI referral traffic»https://business.adobe.com/blog/the-explosive-rise-of-generative-ai-referral-traffic
- TapClicks, «How to Track AI Referral Traffic» (по данным Microsoft Clarity)https://www.tapclicks.com/blog/how-to-track-ai-referral-traffic-and-fix-your-marketing-att…
- elmohq, «AI Referral Traffic Conversion Rates: 2026 Data» (по данным Shopify)https://www.elmohq.com/blog/ai-referral-traffic-conversion
- Digital Applied, «1000 AI Overviews Analyzed: Citation Pattern Study»https://www.digitalapplied.com/blog/we-analyzed-1000-ai-overviews-citation-pattern-study
- 79 Development, «State of AI Search 2026»https://79dev.com/state-of-ai-search-2026/
- Yahoo Finance, релиз исследования цитирований (100+ млн)https://finance.yahoo.com/news/first-large-scale-study-ai-150000909.html
- OtterlyAI, «LinkedIn AI Search Citations Study 2026»https://otterly.ai/blog/linkedin-ai-search-citations-study/
- Search Engine Journal, обзор январского трекера Similarwebhttps://www.facebook.com/SearchEngineJournal/posts/similarwebs-january-global-ai-tracker-s…
- Ahrefs, «AI Visitors Visit Fewer Pages and Bounce More Often Than...»https://ahrefs.com/blog/ai-traffic-quality-study/
Материал носит информационный характер и отражает состояние рынка на сентябрь 2026 года. Цифры исследований приведены по указанным первоисточникам.
Q047Какие типы запросов люди задают нейросети перед покупкой?
Это сценарии, а не ключевые слова: «что выбрать для задачи», «чем X отличается от Y», «сколько стоит», «какие риски», «кому доверить». Один вопрос раскрывается в несколько подзапросов. Пул для замера собирается именно из таких формулировок, а не из частотных ключей.
Q109Сколько промптов нужно для честного замера?
Рабочий минимум - 20-30 вопросов, и они должны охватывать сценарии, а не быть вариациями одной фразы. Меньше двадцати даёт слишком грубую картину, больше пятидесяти усложняет регулярные замеры. Важнее количество, а постоянство пула: одни и те же вопросы от замера к замеру.
Q110Как составить пул промптов: правила отбора?
Собирайте не ключевые слова, а вопросы: как клиент описал бы задачу голосом. Пул разбивается по сценариям выбора - понимание задачи, сравнение, цена, сроки, риски, доверие. Минимум 20-30 вопросов, зафиксированных на весь период замера. При расширении пула начинается новый цикл, а не продолжение старого.
Q108Как замерить стартовую видимость своими силами?
Замер делается за один рабочий день и не требует платных сервисов: нужны несколько нейросетей и таблица. Смысл - зафиксировать точку «ноль», без которой через полгода невозможно доказать ни рост, ни провал. Замеряется не позиция, а доля упоминаний на закреплённом пуле из 20-30 вопросов, прогнанных трижды в разные дни.
Как измерить видимость в нейросетях: метрики и регламент замера
Регламент замера видимости в нейросетях: различие упоминаний, цитирований и пересказов, сбор пула промптов, поля протокола, ручной и автоматический замер, частота, сравнение с конкурентами и превращение данных в задачи.
Доля голоса в ИИ (AISoV): главная метрика генеративного поиска
Что такое доля голоса в ИИ и Brand Mention Rate, как правильно замерять видимость бренда в ответах нейросетей, сколько нужно промптов и прогонов, почему позиция в ответе - ловушка и какие инструменты делает замер.
План 30/60/90: с чего начать внедрение AEO и GEO
Пошаговый план 30/60/90 для внедрения AEO: неделя ноль и нулевой замер, технический фундамент в первый месяц, контент и сущности во второй, масштабирование и отчёт в третий - с таблицами задач, бюджетами и метриками каждого периода.