SERM и GEO-репутация: как нейросети формируют мнение о бренде

Классический SERM вырос из простого наблюдения: покупатель, ищущий название компании по поиску, видит страницы отзовиков, карты и статьи. Управление репутацией означало работать с этим списком - отвечать на отзывы, вытеснять негатив, следить за картинками в выдаче. У формата было два удобных свойства: результат можно было увидеть глазами (открой запрос - смотри) и правки были локальными (договорились с площадкой - страница изменилась).

Генеративный ответ ломает оба свойства. Во-первых, пользователь больше не смотрит список: он читает сводку из двух-пяти предложений, где у компании нет «позиции» - есть только формулировка. Во-вторых, сводка собирается не из одной страницы, а из десятка источников сразу: сайт компании, площадки отзывов, СМИ, форумы, документация. Правка одного источника меняет ответ лишь тогда, когда меняет консенсус корпуса. Репутация стала вычислимой величиной: у ответа есть тон, у тона - источники, у источников - владельцы.

Отсюда рабочее определение GEO-репутации: это характеристика того, как нейросети описывают бренд, когда их о нём спрашивают. Она складывается из четырёх измеримых вещей: упоминается ли бренд в категорийных и брендовых вопросах, в каком тоне, насколько точны атрибуты (цены, адреса, условия) и звучит ли бренд в вопросах о конкурентах. Все четыре показателя считаются по одной и той же процедуре - прогон пула вопросов с фиксацией ответов и их источников. Отличие от классического SERM в том, где живёт «правда» модели: не в модерации отдельной площадки, а в согласованности всего корпуса источников. Это делает репутацию в ИИ ближе к контентной аналитике, чем к «работе с отзывами» в привычном смысле.

Состав корпуса удобно держать в виде простой таблицы: источник, тип (сайт, площадка, СМИ, форум), владелец, последний аудит, статус. Пять колонок, пятнадцать строк - и вместо абстрактного «следим за репутацией» у компании появляется документ, по которому видно, что просрочено. Обновлять его стоит после каждого замера: источники под ответами меняются медленно, но не стоят на месте, и новый игрок в списке - сигнал, что тематическое окружение сдвинулось.

Первый шаг управления - инвентаризация. Замер «Звонко» даёт по этому поводу самую практичную статистику: собственный сайт компании остаётся самым частым источником о ней - он стоит под четырьмя ответами из десяти, причём в чистых и проблемных ответах почти одинаково (42% против 39%). Это переворачивает привычную логику SERM, где главным «врагом» считались отзовики: значительная часть репутационных проблем рождается на собственных страницах, потому что модель доверяет им как первоисточнику. Производитель заборов получил завышенный срок гарантии в ответе, который ссылался только на сайт самой компании; гончарная мастерская с противоречащими друг другу страницами о возрасте учеников получила ответы, «наполовину верные» при любом вопросе о ценах и записях.

Второй контур - площадки отзывов и каталоги. По замеру SE Ranking на 30 000 коммерческих ключей, 34,5% AI Overviews цитируют хотя бы одну ревью-платформу, при этом пять площадок собирают 88% всех таких цитат. Картина концентрированная: достаточно знать свою «пятёрку» по нише, чтобы понимать, где держать профили в порядке. Формулировка запроса смещает контур: явные вопросы про отзывы тянут площадки почти в половине случаев, а списочные «лучшие» - втрое реже, там работают блоги и рейтинги.

Третий контур - СМИ, форумы и соцсети, то есть всё, что формирует внешние упоминания бренда. Здесь репутация сливается с классическим PR: исследование AirOps показало, что 85% бренд-упоминаний в AI-ответах приходят со сторонних страниц, а не с сайтов вендоров. Практический вывод для инвентаризации: составьте список из десяти-пятнадцати источников, которые модель называет под ответами о вашей компании, и раздайте каждому владельца и статус. Сайт - контент-команде, профили - клиентскому сервису, упоминания в СМИ - PR. Без этой раздачи «работа с репутацией» остаётся общим пожеланием, на которое никто не подписан.

При разметке тона полезно правило одного свидетеля: осторожная формулировка считается проблемой только тогда, когда её источник найден. Без этого правила замер превращается в ловлю тумана: половина «осторожности» моделей - нормальный язык неопределённости, а не репутационная рана. Проблема с найденным источником получает владельца и срок; осторожность без источника - просто фон, который уходит после укрепления консенсуса. Это же правило защищает от перекупки: команда перестаёт писать жалобы на «нелюбовь нейросетей» и начинает править то, что модели читают.

Второй измеримый показатель - тон. Замер 200+ брендов раскладывает упоминания на четыре полосы: явное одобрение - 28%, нейтральное описание - 41%, осторожные формулировки с оговорками - 19%, галлюцинации с неверными атрибутами - 12%. У этой картины есть два следствия для ожиданий. Первое: сплошной позитив - не база, а исключение; даже у видимых брендов большинство ответов описательные. Второе: самая выгодная цель - не «сделайте, чтобы хвалили», а «нейтрально и точно», потому что точность правится источниками, а похвала - только репутацией этих же источников.

У каждой платформы свой почерк оговорок, и это стоит учитывать при разметке. ChatGPT любит осторожные конструкции «в зависимости от задач» и «часть пользователей отмечает»; Claude чаще прямо называет недостатки; Perplexity вообще не «говорит» тон - он его показывает позицией в списке рекомендаций, и третье-четвёртое место в такой выдаче стоит читать как смягчённый негатив. У Google AI Overviews тон наследуется от поисковой выдачи: то, чем дышит топ по вашему бренду, то и звучит в ответе.

Галлюцинации - отдельная полоса, потому что они самые поврежденные и самые ремонтопригодные. Российский замер зафиксировал те же 12%, что и международный: работающая клиника «закрыта» в ответе Google, цены мастерской завышены вдвое, срок гарантии производителя заборов назван длиннее, чем на его же сайте. Все эти ошибки лечатся одинаково: найти противоречие в первоисточниках, устранить, перезапустить вопрос через несколько дней. Модель не «обижается» и не помнит старую ошибку отдельно от источников - она пересобирает ответ из того, что ей оставили. Поэтому каждый факт о компании должен иметь одну каноническую страницу, с которой согласуются остальные.

Отдельно про «альтернативы». Вопрос «чем заменить X» задают чаще всего недовольные клиенты конкурента - самая тёплая аудитория из возможных: боль уже есть, бюджет выделен, поиск замены начался. Если бренд не звучит в этих ответах, он пропускает не «охваты», а готовые заявки. Замер обязан считать такие ответы отдельно: у них своя динамика, свои источники и свой порог терпимости - отсутствие упоминания здесь равно проблеме, тогда как в брендовых вопросах отсутствие может быть вопросом масштаба.

Третий показатель - самый недооценённый. Пользователь спрашивает не только «расскажи о бренде X», но и «какие есть альтернативы X» и «кто лучше - X или Y». В этих ответах решается судьба брендов, которых в вопросе не было. Исследование Trustpilot и SEER Interactive дало цифру: компании с проработанными профилями отзывов упоминались в 9,5 раза чаще именно в вопросах о конкурентах. Иными словами, сильный репутационный профиль работает как вечная реклама на чужом брендовом спросе - и это бесплатная часть эффекта, о которой обычно не думают, планируя работу с площадками.

Соупоминание меняет и логику брифов на контент. Если модель описывает вашу нишу через устойчивую тройку «сильных игроков», то попадание в тройку зависит от того, насколько часто и насколько согласованны ваши совместные появления с этими игроками в сравнениях, подборках и обзорах. Отсюда два практических шага. Первый - замер: пул вопросов обязан включать вопросы о конкурентах и «альтернативах», иначе вы не увидите, где вас не называют. Второй - контент: страницы сравнений и страниц-альтернатив на собственном сайте, о которых подробнее написано в материале про контент для нейросетей, дают модели легальную причину назвать вас рядом с лидерами ниши.

Тон здесь особенно важен: соупоминание в осторожном ключе («X тоже рассматривают, но…») закрепляет второстепенность. Разметка замера должна фиксировать не только факт упоминания, но и его позицию и тон - тогда динамика «нас стали называть в ответах о лидерах» становится наблюдаемой метрикой, а не ощущением.

Форма разметки не сложнее таблицы из четырёх колонок: вопрос, платформа, вердикт (чистый, с проблемой), тип проблемы. К ней - столбец примечания для деталей: какой именно факт неверен, какой источник назван. Такая форма проходит по глазам за пятнадцать минут и делает замер повторимым: второй прогон тем же человеком даёт тот же результат, а значит, динамика на квартале - не артефакт методики, а реальное движение.

Замер репутации собирается из тех же элементов, что и замер видимости, описанный в статье о видимости в нейросетях, - с одной разницей: разметка ответов детальнее. Процедура на старте выглядит так. Собирается пул из двадцати вопросов покупателя: из Вордстата по имени бренда, из отзывов, с форумов и из обращений к менеджерам - «сколько стоит», «как записаться», «что делать, если не устроило», «можно ли доверять». Формулировка «расскажи о компании» не годится - покупатель так не спрашивает, и ответы на неё не показывают проблемные сюжеты.

Двадцать вопросов прогоняются по двум-трём платформам - получается 40-60 ответов. Под каждым фиксируются источники, и каждый ответ размечается по трём осям: есть ли проблема (и какая: плохая оценка, неверный факт, путаница с тёзкой, бренд пропал из ответа), тон (одобрение, нейтрально, осторожно) и полнота атрибутов. Границы удобно взять из практики «Звонко»: до 5% ответов с проблемой - норма, 5-15% - зона внимания, выше 15% - плохой результат. Важная оговорка про статистику: на двадцати вопросах доверительный интервал широкий, поэтому компании на границе перепроверяют вторым прогоном, прежде чем бить тревогу.

Частота замера подбирается под скорость бизнеса. Внутримесячная вариативность цитирований достигает десятков процентов - по оценкам сборок инструментов, до 40-60% от месяца к месяцу, - поэтому оперативный контур смотрит по факту появления новых сюжетов (новый отзыв, новая страница, релиз), а тренды считают на квартале. Автоматизация прогонов - вопрос второй очереди: на старте замер руками дешевле и честнее, потому что разметка тон и проблемы пока не решается инструментами лучше человека. Связка промптов и регламента описана в статье о промптах для мониторинга.

Практичное следствие для приоритетов: в российской связке сначала выравнивается брендовая выдача Яндекса, затем ставится замер ответов. Компания, у которой по имени бренда в топе устаревшие страницы и чужие обзоры, платит дважды: сначала теряет клики в классике, потом кормит этими же страницами ответ Алисы. Обратное тоже верно: вычищенная брендовая пятёрка работает на оба канала сразу, и это одна из самых дешёвых синергий в интернет-маркетинге.

Российская картина репутации в ИИ имеет два узнаваемых акцента. Первый - роль Алисы AI. По исследованию «Ашманов и партнёры» «Коммерческий поиск с Алисой», ответ Алисы строится из страниц, стоящих в топе обычной выдачи Яндекса: без топ-20 попасть в ответ почти невозможно, а после пятой позиции шансы резко падают. Для репутации это означает, что в российском контуре SERM и SEO не разъехались: то, что компания не вытеснила из топа Яндекса по своему имени, с высокой вероятностью станет источником ответа Алисы. Классическая работа с брендовой выдачей здесь остаётся фундаментом GEO-репутации.

Второй акцент - портрет проблем. В замере «Звонко» средние доли проблемных ответов составили 23% у Google AI Overviews и 16% у Алисы AI, а отзовики и карты попадали в источники проблемных ответов у 13 компаний из 20. При этом спрос на новую услугу почти не оформлен: по всей теме «мониторинг репутации в нейросетях» Вордстат даёт 33 показа в месяц. Ниша в положении, когда проблема уже массовая (13 из 20 компаний выше порога 15%), а рынок ответов ещё не собрался - окно для тех, кто ставит замер раньше конкурентов.

Спрос на сам формат покупательского поиска подтверждён и макроуровне: «Ашманов и партнёры» в исследовании «Поиск 2026» фиксируют, что около половины опрошенных в 2025 году уже пробовали искать товары через нейросети. Российский бизнес в среднем отстаёт от этой кривой своими внутренними процессами: репутационные ответы пока почти никто не проверяет, хотя проверка стоит двух дней работы маркетолога, описанных в регламенте выше.

Колонки таблицы удобно использовать как чек-лист приёмки на первом цикле: если через месяц после старта хотя бы одна строка правой колонки не закрылась, у цикла есть узкое место - обычно не «нейросети», а согласование правок внутри компании. Опыт замеров показывает: дольше всего занимает не сам аудит фактов, а утверждение одной версии цены или условия у всех, кто её упоминает. Поэтому правку фактов стоит начинать с самых цитируемых страниц - они дают эффект быстрее остальных.

Разница между колонками не в бюджете, а в наличии учёта. Компании из правой колонки не «повезло с алгоритмом» - они просто знают свои цифры: сколько ответов с проблемой, откуда берётся оценка, какие факты модель пересказывает неверно. Всё остальное - техника исполнения.

Про сроки шагов. Инвентаризация и аудит фактов - первая неделя. Пул вопросов и базовый замер - вторая. Правки фактов и профили площадок - вторая-третья, с ожиданием переиндексации до двух-четырёх недель. Страницы сравнений - третья-четвёртая, потому что они требуют согласования позиций с продуктом. Первая контрольная точка с полным перегоном пула - конец первого месяца: фактические ошибки к этому сроку уже снимаются, тон сдвигается медленнее, на горизонте квартала.

План собирается в восемь шагов и занимает первый месяц при одном выделенном человеке. Шаг первый - инвентаризация корпуса: десять-пятнадцать источников, которые модель называет под ответами о компании, с владельцами и статусами. Шаг второй - аудит собственного сайта на противоречия: цены, условия, сроки, адреса, ФИО руководителей - по одной канонической странице на факт. Шаг третий - пул из двадцати вопросов покупателя, включая вопросы о конкурентах и «альтернативах».

Шаг четвёртый - базовый замер по регламенту из пятого раздела, с фиксацией ответов, источников и разметки. Шаг пятый - правки фактов: галлюцинации убираются через первоисточники, и это самая быстрая победа плана. Шаг шестой - профили на площадках своей «пятёрки»: полнота карточек, актуальность, ответы на свежие отзывы, включая негатив - модель читает и ответ компании, не только оценку. Шаг седьмой - контентные страницы сравнений и альтернатив, замкнутые на граф сущностей бренда, о котором написано в отдельном материале о графе сущностей.

Шаг восьмой - цикл: ежемесячная проверка фактов по пулу, квартальный полный срез тона, ревизия корпуса источников раз в полгода. Техническая база цикла - доступ краулеров и извлекаемость страниц - описана в статьях про AI-краулеров и robots.txt и в чек-листе готовности сайта: закрытый для ботов сайт не участвует ни в видимости, ни в репутации. После первого полного цикла у компании появляется то, чего нет у большинства рынка, - цифры своей репутации в ИИ и список правок с датами.

И про язык договора. В соглашении с исполнителем должно стоять, что считается результатом: не «улучшение тона» словами, а снижение доли проблемных ответов по зафиксированному пулу с зафиксированными порогами. Всё, что не выражено в этих терминах, превращает приёмку в спор вкусов. Методика замера прикладывается к договору приложением - тогда обе стороны читают одни и те же цифры, и разговор о результате занимает минуту вместо месяца.

Новая услуга быстро обросла мифами, и большинство из них опознаётся по формулировкам. «Удалим негатив из ChatGPT за неделю» - красный флаг: у моделей нет механизма точечного удаления ответа, работает только правка источников, а она имеет сроки индексации. «Гарантируем положительный тон во всех ответах» - второй флаг: замер 200+ брендов показывает, что и у лидеров одобрение звучит в меньшинстве упоминаний; гарантия сплошного позитива означает либо накрутку, либо подмену понятий. «Прокачаем отзывы так, что модель сама начнёт хвалить» - третий: накрутка отзывов видна агрегаторам и моделям, а площадки за неё банят профили, после чего repairing репутации начинается заново.

Со стороны отчётности флаги зеркальные. «Мониторинг по пяти платформам и пятистам промптам» без описания разметки - объём вместо методики: считать без правил разметки проблем и тона нельзя, сравнение периодов не имеет смысла. Скриншоты красивых ответов вместо динамики долей - то же самое в картинках. Подробный разбор манипуляций в отчётах подрядчиков собран в статье о красных флагах подрядчика GEO.

Проверка исполнителя занимает один вопрос: покажите методику разметки и пороги. У честной команды ответ занимает минуту: что считается проблемой, как кодируется тон, какие границы «нормы» и почему, как считается доверительный интервал на малом пуле. У продающей команды этого документа нет - потому что нет и замера.

И про ожидания от тона: факты выправляются за недели, тон - за квартал, потому что он держится на согласии внешних источников, которые компания не контролирует напрямую. Самый быстрый путь к сдвигу тона - закрыть фактические ошибки и довести профили площадок до порядка: после этого осторожные формулировки естественно замещаются описательными. Чуда на этом пути не бывает - бывает управляемая траектория с наблюдаемыми цифрами, и это единственный вид чуда, который здесь работает.

GEO-репутация - не новая метафизика, а четвёртый измеримый слой канала наряду с видимостью, трафиком и конверсией. Её показатели: доля проблемных ответов, структура тона, точность атрибутов и присутствие в соупоминаниях. Пороги известны: до 5% проблемных ответов - норма, выше 15% - плохой результат; одобрение в 28% упоминаний - средний уровень рынка, нейтральная точность - реалистичная цель. Цифры российского замера совпали с международными по главной строке: каждый восьмой факт о компании в ответах неверен, и почти всегда ошибка восходит к противоречию в источниках компании.

Порядок действий вытекает из карты источников: сначала собственный сайт (самый частый источник и самый дешёвый в правке), затем профили на «своей» пятёрке площадок отзывов, затем внешние упоминания. Замер ставится за неделю и стоит двух дней работы маркетолога - на фоне 73% B2B-покупателей, доверяющих рекомендациям ИИ больше рекламы, это самая дешёвая страховка воронки из доступных.