Как проверить, рекомендуют ли нейросети вашу B2B-компанию

Почему я начал проверять рекомендации нейросетей

В B2B-сфере клиент далеко не всегда начинает поиск с названия конкретного поставщика.

Допустим, производственному предприятию необходимо приобрести оборудование. У заказчика есть определённые технические требования, сроки поставки и, возможно, ограничения по бюджету.

Сначала ему нужно разобраться, какое оборудование подходит под его задачу, какие решения существуют на рынке и кто может их поставить.

Раньше для этого в основном использовали Яндекс или Google. Теперь у потенциального заказчика появился ещё один вариант - обратиться к нейросети, описать свою задачу и попросить подобрать подходящие решения или поставщиков.

Причём пользователь может вообще не переходить в поисковую выдачу. Он получает ответ непосредственно от ИИ и уже на его основе решает, какие компании стоит рассмотреть.

Для меня как специалиста по продвижению B2B-компаний здесь возникает отдельная задача. Если нейросети становятся ещё одним способом поиска поставщиков, нужно понимать, какие компании они рекомендуют и на основании какой информации формируют ответы.

Поэтому я начал исследовать, как нейросети представляют мой собственный проект DZDirect.

Как я организовал первое исследование

Для первой проверки я подготовил 41 вопрос и использовал пять ИИ-систем. В общей сложности получил 205 ответов.

Вопросы разделил на две группы: тематические и брендовые.

Разница между ними принципиальная, поэтому остановлюсь подробнее.

Тематические вопросы - это запросы, в которых пользователь описывает свою задачу, но не называет конкретную компанию.

Например, человек ищет специалиста, который занимается настройкой Яндекс Директа для производственных предприятий.

В таком случае нейросеть самостоятельно определяет, кого предложить пользователю. И здесь мы можем проверить, появляется ли DZDirect среди возможных исполнителей.

Брендовые вопросы - это запросы непосредственно о компании или специалисте.

Например, пользователь интересуется, кто такой Дмитрий Западнов, чем занимается DZDirect и какие услуги предоставляет.

Здесь мы проверяем уже другое: знает ли нейросеть компанию, правильно ли определяет её специализацию и не приписывает ли ей услуги или сведения, которые к ней не относятся.

Почему я разделяю эти вопросы?

Потому что нейросеть может достаточно подробно рассказывать о вашей компании, когда пользователь спрашивает о ней напрямую. Но при этом совершенно не упоминать её, когда кто-то ищет подходящего поставщика или исполнителя.

И обратная ситуация тоже возможна: компания появляется в тематических рекомендациях, но отдельные сведения о ней оказываются неточными.

Это разные проблемы, и разбирать их необходимо отдельно.

На что обращать внимание при проверке ответов ИИ

Просто посчитать количество упоминаний компании недостаточно.

Предположим, вы задали нейросети десять вопросов и в трёх ответах обнаружили название своей организации.

Что это нам говорит? Пока немногое.

Нужно посмотреть, что именно нейросеть сообщила пользователю и почему вообще упомянула компанию.

Я предлагаю оценивать ответы по пяти направлениям.

1. Соответствие специализации компании

В первую очередь смотрим, на какие тематические вопросы нейросеть рекомендует вашу организацию.

Если предприятие производит промышленное оборудование, имеет смысл проверять его присутствие в ответах на вопросы о выборе такого оборудования и поставщиков.

Само по себе упоминание названия ещё не означает, что компания рекомендована по соответствующему направлению.

2. Точность информации

Дальше проверяем, насколько правильно ИИ описывает компанию.

Какие услуги или товары она предлагает? В какой сфере работает? Не приписывает ли нейросеть ей направления деятельности, которых в действительности нет?

Для B2B это особенно важно. Потому что потенциальный заказчик может выбирать поставщика под конкретные технические требования, а ошибка в описании специализации способна повлиять на его решение.

3. Контекст упоминания

Здесь необходимо разделять две ситуации.

Первая - нейросеть просто упомянула компанию в ответе.

Вторая - предложила её как одного из подходящих исполнителей или поставщиков для решения конкретной задачи.

Это не одно и то же.

Поэтому при анализе я смотрю не только на наличие названия, но и на то, какую роль компания занимает в ответе.

4. Источники информации

Следующий вопрос: откуда нейросеть получила сведения?

Если в ответе присутствуют ссылки, их необходимо проверить. Посмотреть, ведут ли они на официальный сайт, сторонние публикации или другие ресурсы.

При этом нужно учитывать, что не все ИИ-системы показывают источники. А если ссылки присутствуют, это ещё не доказывает, что ответ полностью основан именно на них.

Поэтому здесь мы оцениваем доступные для проверки материалы, а не пытаемся по одному ответу восстановить весь процесс работы нейросети.

5. Повторяемость результата

Последний момент - устойчивость рекомендаций.

Допустим, сегодня нейросеть включила вашу компанию в список поставщиков. Означает ли это, что завтра другой пользователь получит такой же ответ?

Нет.

Результат может зависеть от формулировки вопроса, используемой ИИ-системы и контекста диалога.

Поэтому единичное упоминание я бы не рассматривал как подтверждение устойчивого присутствия компании в рекомендациях.

Почему нельзя ограничиваться одним-двумя вопросами

Здесь есть одна особенность, которую необходимо учитывать.

В отличие от привычной поисковой выдачи, ответы нейросетей могут заметно меняться даже при небольшом изменении формулировки вопроса.

Предположим, мы хотим проверить компанию, которая занимается поставками складской техники.

Один пользователь может спросить, где приобрести вилочный погрузчик для склада. Другой - попросить подобрать поставщика погрузчиков для производственного предприятия. Третий - уточнить, какие компании поставляют технику с определёнными характеристиками.

По сути, все три пользователя ищут оборудование. Но задачи и условия выбора у них отличаются.

Соответственно, отличаются и вопросы, которые мы задаём нейросети.

Поэтому я считаю неправильным делать вывод о представленности компании на основании одного удачного или неудачного ответа.

Перед исследованием необходимо составить набор вопросов, зафиксировать их формулировки и использовать одинаковые условия проверки там, где это возможно.

А уже при последующих исследованиях сравнивать полученные результаты.

Так мы сможем увидеть, какие изменения произошли, а не просто сопоставлять между собой случайные ответы.

Как самостоятельно провести предварительную проверку

Для первого знакомства с ситуацией необязательно сразу готовить несколько десятков вопросов.

Я предлагаю начать с десяти: пяти тематических и пяти брендовых.

Пять тематических вопросов должны соответствовать реальным задачам ваших потенциальных клиентов.

То есть мы пытаемся понять, в какой ситуации человек начинает искать поставщика, что ему необходимо приобрести или какую проблему решить.

При этом название вашей компании в вопросе не указываем.

Пять брендовых вопросов посвящаем непосредственно организации.

Здесь проверяем, что нейросеть знает о компании, какие направления деятельности ей приписывает, правильно ли определяет специализацию и какие сведения использует.

Дальше собираем ответы в одну таблицу. Для каждого вопроса сохраняем название ИИ-системы, формулировку запроса, полученный ответ и ссылки, если они присутствуют.

После этого уже можно сравнивать результаты.

Возможно, выяснится, что нейросети хорошо знают вашу компанию, но практически не предлагают её при поиске поставщиков.

Или наоборот: рекомендуют организацию по профильным вопросам, но допускают ошибки в описании её деятельности.

Важно понимать: десять вопросов - это предварительная диагностика, а не полноценное исследование видимости компании во всех возможных сценариях поиска.

Но даже такая проверка позволяет определить, какие направления стоит изучить подробнее.

Что делать с полученными результатами

Допустим, проверку провели и выяснили, что компания практически не появляется в тематических рекомендациях.

Первое желание - начать срочно публиковать новые статьи, переписывать сайт и добавлять везде упоминания компании.

Я бы не торопился.

Потому что пока мы не знаем, почему нейросеть не рекомендует организацию.

Возможно, ей недостаточно информации о специализации компании. Возможно, сведения на сайте не позволяют однозначно связать её с определёнными товарами или услугами. А возможно, в конкретных ответах нейросеть просто выбрала других поставщиков.

Без дополнительной проверки утверждать что-либо нельзя.

Другая ситуация - когда ИИ знает компанию, но сообщает о ней неправильные сведения.

Здесь уже необходимо разбираться, какая информация представлена на официальном сайте, насколько она согласована и что сообщают о компании внешние источники.

То есть сначала выясняем, в чём именно заключается проблема, и только потом определяем, какие изменения имеют смысл.

Иначе можно потратить время и деньги на подготовку большого количества материалов, так и не разобравшись с причиной.

С чего начинается GEO-продвижение

На мой взгляд, начинать GEO-продвижение необходимо с диагностики.

Прежде чем пытаться добиться появления компании в рекомендациях ChatGPT, Алисы или других нейросетей, нужно выяснить, как они представляют её сейчас.

Какие сведения сообщают? По каким направлениям рекомендуют? На какие вопросы вообще не упоминают? Есть ли ошибки в описании бизнеса?

И уже на основании полученных данных определять дальнейшие действия.

При этом сам факт проведения GEO-аудита не гарантирует, что компания начнёт появляться в рекомендациях. А одна удачная рекомендация ещё не подтверждает стабильную видимость.

Если вы хотите выяснить, как нейросети представляют вашу B2B-компанию потенциальным заказчикам, начните с предварительной проверки.