Мониторинг видимости в нейросетях: почему одного сервиса недостаточно

Лишь около 11% доменов, на которые ссылается ChatGPT, встречаются и в ответах Perplexity. Поэтому мониторинг видимости в нейросетях с помощью одного сервиса по определению не показывает большую часть площадок, где вас рекомендуют — или обходят стороной.

Почему мониторинг видимости в нейросетях нельзя строить на одном сервисе

Пересечение доменов — 11%. Именно это число должно определять бюджет на инструменты LLM SEO, хотя ни один вендор не захочет вынести его на первый экран страницы с тарифами. Сравнив наборы доменов, которые ChatGPT и Perplexity цитируют в ответах, исследователи обнаружили лишь примерно такую долю совпадений. Иными словами, ~89% источников, которые рекомендует одна система, отсутствуют у другой. Если добавить Google AI Overviews, Gemini и Copilot, картина становится еще более фрагментированной.

Именно об этом умалчивают подборки в духе «13 лучших инструментов ИИ-видимости 2026». Их авторы обращаются с разными системами так, будто это взаимозаменяемые витрины одного и того же интернета. Но это не так. У каждой системы собственный механизм поиска, предпочтительные источники и свои искажения. Например, в профессиональных B2B-запросах к крупнейшим ассистентам LinkedIn оказывается самым цитируемым доменом — и этот факт почти ничего не говорит о позициях тех же запросов в обычной выдаче Google.

Покупая «трекер ИИ-видимости», вы приобретаете не набор функций, а окно в часть поисковых систем. Все, что остается за этим окном, — те самые 89% — для вас невидимо. Если сервис отслеживает ChatGPT, а ваши покупатели пользуются Perplexity, дашборд уверенно расскажет о видимости, которая никак не связана с выручкой.

Рабочий подход выглядит так: выбирать инструменты как задачу на охват, считать стоимость каждой отслеживаемой системы и ежемесячно проверять результат через перераспределение бюджета. Все остальное — AI Visibility Score™, генератор запросов и эффектный бенчмарк конкурентов — лишь украшение дашборда.

Что видит и упускает каждый сервис

По набору отслеживаемых систем и частоте обновления инструменты можно условно разделить на три типа.

В этой матрице по-настоящему важны только два параметра. Первый — какие системы доступны именно на вашем тарифе. Многие вендоры обещают «полный охват» на маркетинговой странице, но незаметно делят его по уровням на странице цен: Gemini или AIO оказываются платным дополнением. Второй — размер набора запросов в вашем тарифе. Для небольшого бизнеса сервис, который отслеживает 50 запросов на начальном плане и 500 на корпоративном, фактически представляет собой два разных продукта.

Большинство дашбордов сводится к одному набору базовых метрик: доле присутствия или цитирования, позиции в ответе, совместным упоминаниям с конкурентами и детализации по запросам. Визуально они различаются сильнее, чем аналитически. То, что в сравнительной таблице кажется разницей функций, почти всегда оказывается разницей охвата: один сервис видит Perplexity, другой — нет, а третий фиксирует AIO лишь тогда, когда эта функция срабатывает по ключевому слову.

Частота обновления — второе неочевидное различие. Ежедневные данные звучат привлекательнее еженедельных, пока не вспомнишь, что ответы LLM меняются медленнее позиций в Google. Для анализа достаточно обновления раз в неделю; ежедневное в основном увеличивает цену.

Стек мониторинга для разных бюджетов

Правильное число сервисов — не «чем больше, тем лучше», а ровно столько, сколько нужно для охвата систем, которыми, по подтвержденным данным, пользуются ваши покупатели. Есть три разумных уровня.

Уровень 0 — $0

Вручную проверяйте ChatGPT и Perplexity по 10-20 самым важным запросам, поставив напоминание в календаре. Используйте Google Search Console для традиционного поиска и запросов, на которые влияет AIO. В GA4 создайте отдельную группу каналов, разделяющую переходы с chat.openai.com, perplexity.ai, claude.ai и gemini.google.com.

Так можно приблизительно понять, цитируют ли вас вообще по небольшому набору запросов и приводят ли ИИ-ассистенты хоть какой-то трафик. Чего вы не увидите: долю присутствия, цитирования конкурентов и динамику. Для проекта без выручки этого достаточно; этот же подход позволяет проверить, важен ли ИИ-поиск вашим покупателям, прежде чем тратить деньги.

Уровень 1 — ~$100-200 в месяц, один сервис

Выберите один инструмент с широким охватом — Otterly, LLMrefs или ИИ-модуль SE Ranking, если вы уже пользуетесь SE Ranking. Сначала сравнивайте охват систем, затем лимит запросов и лишь после этого дашборд. Продолжайте ручные проверки уровня 0 в той системе, которую сервис отслеживает хуже всего: именно там находится ваша слепая зона.

Этот уровень подходит ~80% независимых специалистов и небольших агентств. Вы покупаете одно окно — пусть оно выходит на ту систему, где ваши клиенты задают вопросы.

Уровень 2 — ~$400-600 в месяц, два сервиса

Такой стек оправдан, только если (a) у вас больше ~50 активных запросов, (b) вы можете выделить две разные аудитории по системам — например, B2B-покупателей в ChatGPT и специалистов, ориентированных на исследования, в Perplexity — и (c) контент производится в объеме, при котором его перераспределение действительно экономит деньги.

Главная ошибка — купить два перекрывающих друг друга инструмента. Profound + Otterly дают два окна примерно в один и тот же набор систем. На уровне 2 нужен взаимодополняющий охват: один инструмент должен лучше всего отслеживать ту систему, которую другой видит хуже всего. Считать следует стоимость каждой охваченной системы. Все сверх этого — плата за список функций, а не за охват.

Стек перестает окупаться примерно тогда, когда месячная цена второго сервиса превышает расходы на контент, которые он способен перераспределить за месяц. Если вы выпускаете четыре статьи в месяц по $300, пространство для перераспределения составляет $1,200. Второй трекер за $200 не может оправдать себя при таком бюджете. Подождите.

Интеграция: как свести сервисы в единую картину цитирования

Два сервиса с двумя разными дашбордами хуже, чем один сервис с одним дашбордом. Именно интеграция определяет, окупится ли второй инструмент.

Нужно решить три задачи.

Нормализация набора запросов. Каждому сервису нужен собственный список. Если списки разойдутся, вы будете сравнивать разные вопросы, называя результат «межсистемной видимостью». Храните единый эталонный набор запросов в таблице или Notion. Раз в месяц синхронизируйте его со всеми инструментами. Добавьте к каждому запросу этап принятия решения и тематический кластер, чтобы затем агрегировать данные.

Согласование доли присутствия. Здесь скрывается ловушка: каждый вендор рассчитывает показатель по-своему. Одни учитывают любое упоминание. Другие присваивают вес в зависимости от позиции в ответе. Третьи делят результат на общее число процитированных доменов по запросу. Три вендора покажут три разных значения для одного запроса в одной системе в один день. Не пытайтесь свести их к одной цифре. Вместо этого рассматривайте показатель каждого сервиса как динамику внутри этого сервиса и игнорируйте абсолютный уровень. Сигналом служит изменение, а громкий процент — лишь метрика тщеславия.

Связка с GA4. Доля цитирования превращается в бизнес-показатель, только когда ее сопоставляют с сессиями из ИИ-источников и последующими конверсиями. Выгружайте из сервисов долю цитирования по каждому URL раз в неделю, объединяйте ее в небольшой таблице с трафиком GA4 из группы каналов ИИ-ассистентов и анализируйте корреляцию по URL в скользящем окне 8-12 недель. Если доля цитирования страницы растет, а реферальный трафик стоит на месте, обычно страницу цитируют внутри краткого ответа без ссылки. В Perplexity такое встречается часто, в ChatGPT — реже. Это все равно полезно, но работает на узнаваемость бренда, а не на привлечение аудитории.

Если у команды есть инженерные ресурсы, весь конвейер — выгрузки из сервисов, синхронизация запросов и объединение с GA4 — сводится к двум скриптам и планировщику. Остальным вполне подойдет таблица, которую обновляют утром в понедельник. (DVNC.dev реализует скриптовую версию для клиентов, использующих такой стек в больших масштабах.)

Ежемесячное перераспределение контент-бюджета

Только эта часть стека дает накопительный эффект. Без нее вы платите $100-600 в месяц за дашборд, который порождает мнения. С ней — направляете расходы на контент к страницам и запросам, где растет доля цитирования.

Тридцать минут в первый рабочий день месяца:

1. Выгрузите изменение доли цитирования по каждой системе и каждому URL относительно прошлого месяца. Добавьте данные в таблицу. Отсортируйте по возрастанию и убыванию изменения.
2. Найдите три URL, которые сильнее всего потеряли долю цитирования. Прочитайте их. Затем изучите материалы, которые цитируют вместо них.
3. Выберите для каждого URL одно из трех действий:

• Переформатировать. Страница посвящена нужной теме, но уступила более структурированному материалу конкурента. Перепишите вводную часть, добавьте сравнительную таблицу или блок характеристик в формате, который теперь предпочитает ИИ-система. Затраты на контент — ~$200-400.
• Снять с поддержки. Тема или покупательская аудитория изменились либо конкурирующий источник структурно лучше подходит для ответа — например, публикация в LinkedIn, ветка Reddit или официальная документация. Настройте редирект, пометьте материал устаревшим и больше в него не вкладывайтесь.
• Усилить. URL быстро набирает долю в одной системе, но не растет в другой. Создайте связанную страницу в формате, который предпочитает система с более слабым результатом.

1. Передайте три решения в очередь контента. На этом все.

Почему раз в месяц, а не раз в неделю: после структурных изменений паттерны цитирования LLM меняются за 2-4 недели. Недельная динамика — в основном шум. Месячная уже дает сигнал, на основании которого можно действовать.

Почему накопительный эффект возникает только здесь: все остальные элементы стека — дашборд, набор запросов, охват систем — представляют собой фиксированные расходы ради моментального снимка. Только цикл перераспределения превращает снимок в изменение бюджета. Три URL в месяц на протяжении двенадцати месяцев дают 36 осознанных перераспределений расходов на контент. Это и есть актив.

Что не дало результата

Вот честный список вещей, которые казались важными, но не повлияли на результат.

AI Visibility Score. Почти у каждого сервиса есть своя версия единого сводного показателя. В моих данных ни одна не демонстрирует ясной корреляции с реферальным трафиком или выручкой. Показатель растет, когда вы публикуете материалы, падает, когда перестаете, и ничего не говорит о том, читает ли нужный покупатель нужную страницу. Я его игнорирую. Вместо него использую долю цитирования по каждому запросу с весом по этапу принятия решения.

Погоня за цитированиями в Gemini на раннем этапе. Оптимизировать материалы под цитирование в Gemini до того, как аудитория начинает конвертироваться, — значит нарушить последовательность действий: вы наращиваете видимость в системе, которая пока не влияет на важную для вас метрику.

Ежедневное обновление. Я оплатил его в одном сервисе, но не пользовался. Решения принимаются раз в месяц. Данные оказались более шумными, а не более качественными.

Общая оговорка о корректной атрибуции: доля цитирования — опережающий индикатор реферального трафика из ИИ, а такой трафик — опережающий индикатор выручки. Связь существует, но она неплотная. Я могу связать изменения трафика с динамикой доли цитирования на уровне URL. При нынешних инструментах связать выручку с конкретными случаями цитирования нельзя. Тот, кто утверждает обратное, пытается вам что-то продать.

Когда такой стек не нужен

В четырех случаях все описанное выше не имеет смысла и покупать сервисы не стоит.

Нет выручки. Пока вы не знаете, какой покупатель готов платить, невозможно определить, какую систему отслеживать. Потратьте $200 в месяц на доработку оффера, а не на дашборд.

Меньше ~20 целевых запросов. Серьезный сервис для набора из 12 запросов — неоправданная трата. Оставайтесь на уровне 0 и проверяйте вручную.

Аудитория пользуется одной системой. Если покупатели остаются исключительно в Google и у вас нет признаков, что они вообще задают вопросы LLM, достаточно классического трекинга позиций и GSC. Вернитесь к этому вопросу, когда доля переходов из ИИ в GA4 превысит ~2% органического трафика.

Нет системы производства контента. Главная ценность — цикл перераспределения. Если вы выпускаете одну статью в квартал, перераспределять нечего, и сервисы превращаются в имиджевую статью расходов. Сначала наладьте выпуск контента, потом стройте измерительный стек.

Можно ли одним сервисом одновременно отслеживать ChatGPT, Perplexity и Google AI Overviews?

Некоторые вендоры обещают полный охват, однако опубликованное исследование показывает, что домены, цитируемые ChatGPT и Perplexity, пересекаются лишь на ~11%. Поэтому результаты каждой системы нужно проверять независимо, прежде чем доверять единому дашборду. Считайте заявления о «полном охвате» отправной точкой и проводите аудит по каждой системе.

Сколько небольшой команде тратить на мониторинг видимости в ИИ?

Большинство команд получает основную часть полезных данных от одного сервиса с широким охватом за $100-200 в месяц, дополнив его бесплатными GSC и группой каналов GA4 для переходов из ИИ. Второй инструмент окупается лишь примерно после 50 активных запросов и только в том случае, если хорошо отслеживает системы, с которыми первый справляется хуже.

Нужен ли мониторинг видимости в ИИ, если я уже отслеживаю позиции в Google?

Да, если значимая доля ваших покупателей обращается к ИИ-ассистентам вместо поиска в Google. Обычные трекеры позиций вообще не видят долю цитирования, а наборы доменов в ответах LLM почти не совпадают с органической выдачей. Поэтому, ограничившись Google, вы пропустите большую часть площадок, где бренд рекомендуют или обходят стороной.

Когда оптимизация начинает влиять на цитирование в ИИ?

По имеющимся данным, после структурных изменений или правок schema-разметки на странице проходит примерно от двух до четырех недель. Поэтому ежемесячный цикл перераспределения работает, а еженедельный в основном заставляет реагировать на шум. Прежде чем оценивать, повлияла ли переработка страницы на долю цитирования, дождитесь одного полного цикла.