1. Зафиксировать prompt set
Я собираю набор вопросов по этапам выбора: проблема, категория, сравнение, бренд, спецификация, локальный запрос. Для каждого фиксируются язык, география, продукт и цель. Без стабильного набора повторные замеры невозможно сравнивать.
Не стоит создавать тысячи искусственных prompts. Лучше начать с 30–100 сценариев, которые действительно похожи на вопросы клиентов.
2. Разделить mention, citation и source share
| Метрика | Что показывает |
|---|---|
| Mention rate | В какой доле релевантных ответов упомянут бренд. |
| Citation rate | В какой доле сценариев есть ссылка на ваш источник. |
| Source share | Какая доля цитируемых источников принадлежит вашему домену. |
| Competitor SOV | Как часто конкуренты появляются в тех же сценариях. |
| Accuracy | Насколько корректно система описывает цену, свойства, условия и бренд. |
3. Измерять источники, а не только бренды
Если бренд упоминается без ссылки, нужно понять, откуда взят факт и можно ли улучшить первичный источник. Если цитируется маркетплейс, каталог или медиа, а не официальный сайт, это отдельный сигнал для контентной и PR-стратегии.
Для каждой цитаты полезно хранить URL, тип источника и тезис, который он подтверждает.
4. Связать GEO с веб-аналитикой
Переходы из AI-поиска нужно сегментировать по source/referrer/UTM там, где платформа их передаёт. Дальше считаются не только сессии, но и целевые действия и качество лидов.
AI Visibility — leading indicator. Для бизнеса важнее, приводит ли дополнительная видимость к квалифицированному трафику, обращениям или сокращению пути к выбору.
Что проверяет Владимир Николаев
- Собрать небольшой, но реальный prompt set.
- Фиксировать mention и citation как разные события.
- Записывать конкретный URL источника.
- Сравнивать с выбранным набором конкурентов.
- Повторять замер на одинаковой методике и отдельно смотреть referral/conversion.