Механика выбора брендов в ChatGPT
Вычитал интересное исследование про то как ChatGPT формирует выборку брендов по запросу. Оказывается, что модель формирует список брендов сама, до открытия хотя бы одного внешнего сайта. То есть, в большинстве случаев, ЧатГПТ опирается на внутренние базы (обучение), а не на поиск по внешним источникам.
Так, в 21 из 27 случаев ChatGPT добавил в свой первый поисковый запрос бренды, которых пользователь не называл. В 11 из 13 категорий модель самостоятельно вписала конкретные компании ещё до получения результатов поиска. Например, для запроса про приложения для заметок с ИИ она сама вспомнила некие компании Granola, Notion AI, Otter и Fireflies. Это было видно в сетевых данных браузера: запросы модели находятся в JSON-ответе под ключом search_queries.
Всё это проверялось в интересномрасширении для Хрома, которое анализирует подобные запросы ЧатГПТ.
Если бренд был назван моделью в её собственном запросе, он попадал в финальный ответ в 68,9% случаев. Если бренд находился поиском, но заранее моделью не упоминался, только в 2,1%!
Автор исследования позже уточнил: поиск иногда всё же добавляет бренды, которых не было в исходном списке. Механику точнее описывать так:
- Модель сначала формирует список известных кандидатов.
- Поиск этот список проверяет и иногда расширяет.
то есть, если вы не попали в обучающую выборку, попасть в выдачу ChatGPT на порядок сложней. И все приемы оптимизации под LLM, которые расписывают псевдогуру - зачастую полная ерунда.
‼️ Можете потестить и без всяких расширений. Откройте ChatGPT, включите DevTools в Хроме, перейдите в Network и задайте вопрос вроде:
Какая CRM лучше для небольшой компании?
Найдите запрос к conversation, откройте ответ и поищите search_queries. Посмотрите, какие бренды модель добавила сама.
Повторите это пять раз. Не один раз, а пять.
В одной категории список может быть устойчивым, в другой он будет меняться после каждой переформулировки.
Если вашего бренда нет в этих запросах,никакие page speed или там Schema.org проблему не решат. Сайт может быть идеально технически подготовлен, но модель просто не станет проверять домен, о котором она не вспомнила.
Поискал еще исследования на эту тему.
Нашел дополнительно несколько значимых работ. Например, ребята проверили 12 моделей от шести провайдеров на выборе новостных источников и продавцов. При одинаковом содержании модели систематически предпочитали одни источники другим, даже после прямой инструкции не быть предвзятыми. Предпочтение переносилось между названием бренда, доменом и соцсетями.
Хотя не все однозначно с этими LLM. Работа Incumbent Advantage показала: известный бренд выигрывал у равного по характеристикам конкурента в 100% из 670 испытаний. Но эффект пропадал, если у конкурента появлялся хотя бы небольшой объективный сигнал качества, разница в рейтинге на 0,075 балла. Разложение вариативности показало: характеристики товара определяли выбор на 82,4%, позиция в списке на 6,5%, сама узнаваемость бренда всего на 1,2%.
Узнаваемость работает как решающий сигнал при примерном равенстве. Опять же всё меняется в различных тематиках: d B2B SaaS, где решение принимает один человек и сравнивает функции построчно, этот эффект обычно слабее. В категориях с эмоциональным выбором, вроде фитнес-приложений или подарков, узнаваемость может значить больше, чем в исследовании.
Итак, потестите расширение Хрома со своим брендом. Посмотрите на результаты. Подумайте и прикиньте что к чему. А потом попробуйте сделать так:
- Запросите промпт у самого ChatGPT. "Какой поисковый запрос он бы сформировал для вашей категории/ниши" (прежде чем реально искать). Вы увидите список кандидатов напрямую. Оттестируйте его в расширении.
- Закрепите за брендом один конкретный числовой факт и твердите именно его во всех внешних публикациях. Например, не "инновационный сервис", а "единственная CRM с нативной интеграцией WhatsApp дешевле 20 долларов". Разрозненные формулировки на разных площадках мешают модели собрать бренд в одну устойчивую сущность.
- Давнишний и избитый (но рабочий) прием. Опубликуйте на странице блок со списком, для кого продукт не подходит. Исследования (и практика) показывет, что LLM чаще использует страницы с ограничениями и конкретными условиями, чем страницы только с бахвальством.
- Проверьте, упоминает ли вас Reddit и профильные форумы. Оптимизация под Reddit из за их спам политики нынче сложна, но это не значит что её нужно забрасывать.
- Соберите карту противоречивых утверждений о продукте по всему интернету: разные цены, разные лимиты тарифа, разные версии описания функций на партнёрских сайтах. Модель хуже цитирует бренд, если находит противоречащие друг другу версии одного факта. Устранение этих противоречий работает быстрее, чем производство нового контента.
Задание на дом ))
Проверьте десять главных запросов по своей категории. Не только финальные ответы, а именно первые поисковые запросы ChatGPT, как я описывал выше. Если вашего бренда там нет, не начинайте с переписывания Title или еще какими то приемами оптимизации. Сначала добейтесь, чтобы рынок и независимые источники связали ваш бренд с нужной категорией и конкретным сценарием (то есть нужны достоверные и массовые упоминания вашего бренда в прямой связи с этим сценарием).
Прежде чем вкладываться в структуру страниц под цитирование, проверьте, попадает ли бренд в список кандидатов вообще. Если не попадает, даже совершенная и вылизанная в плане оптимизации страница может просто не дойти до модели.
Ну и не забывайте глянуть, что я выложил новенького в нашем спецпромптканале )))
🔔 Узнайте как поддержать развитие канала.
📔 DrMax: Доказательное SEO 2026 + Введение в Промптоведение
📚️ 25 PRO промптов + Pocketbook DrMax: Промптоведение для SEO-стратегов 2026
#DrMax #SEO #GEO