Методология ·
Индекса видимости в ИИ

Как мы измеряем видимость брендов в нейросетях — и почему этим данным можно доверять.

Индекс AIMonitor.pro измеряет, как часто и в каком контексте бренд появляется в ответах генеративных ИИ-систем.

Методология разработана с участием специалистов по машинному обучению, ИИ и аналитике рынка. В основе — статистически значимая выборка, а не отдельные запросы.

К содержанию

Анализ нейросетей
Рейтинг источников
Валидация
Независимость и воспроизводимость
Обновление
Ограничения
Вывод

1. Как считается индекс

Индекс каждого бренда рассчитывается на основе нескольких факторов, которые взвешиваются и агрегируются в единый показатель.

Факторы, использующеся, для рассчета:

Visibility — доля ответов, в которых присутствует бренд,

Rank — позиция бренда в списке рекомендаций,

Sentiment — тональность упоминания бренда,

Word Count Share — доля слов ответа, посвящённых бренду относительно конкурентов,

Influence — степень влияния упоминания на итоговую рекомендацию, чем выше тем более ИИ рекомендует бренд

1.2 Формула для оценки видимости

Голос бренда $i$ рассчитывается по формуле:

$$\text{Voice}_i = \omega_v \cdot \text{visibility}_i \;+\; \omega_r \cdot \frac{1}{\text{rank}_i} \;+\; \omega_s \cdot \bigl(\text{sentiment}_i + 1\bigr) + \omega_w \cdot \text{wcs}_i \; + \omega_i \cdot \text{influence}_i \;$$

$\text{visibility}_i$ доля ответов с упоминанием бренда, $\text{visibility}_i \in [0;\; 1]$

$\text{rank}_i$ средняя позиция бренда в списке рекомендаций, $\text{rank}_i \in [1;\; \infty)$

$\text{sentiment}_i$ тональность, $\text{sentiment}_i \in [-1;\; 1]$

$\text{wcs}_i$ среднее доля слов, посвященных бренду относительно конкурентов, $\text{wcs}_i \in [0;\; 1]$

$\text{influence}_i$ степень влияния в итоговой рекомендации ИИ, $\text{influence}_i \in [0;\; 1]$

$\omega_v,\; \omega_r,\; \omega_s,\; \omega_w,\; \omega_i$ весовые коэффициенты,

При оценке средних значений параметров $\text{sentiment}_i$, $\text{rank}_i$, $\text{wcs}_i$, $\text{influence}_i$ учитываются только те запросы в которых действительн оыбло упоминание бренда

Весовые коэффициенты задаются на основе экспертной оценки, нормируются внутри модели и обеспечивают устойчивость распределения.

Подробнее про каждую метрику — в разделе 7.

1.3 Нормализация

Итоговый рейтинг составляется на основе оносительных значений, долей видимости (Share of Voice, далеe — SoV) :

$$\text{Share of Voice}_i = \frac{\text{Voice}_i}{\displaystyle\sum_{j=1}^{N} \text{Voice}_j}$$

где $j \in [1, 2, \ldots, N]$ — индексы всех брендов, участаствующих в рейтинге

Это позволяет получить сопоставимые значения, долю видимости (SoV) и распределение рынка.

2. Доля видимости (SoV)

SoV показывает вероятность того, что бренд окажется в ответе нейросети, когда пользователь делает выбор в категории.

Важная особенность: ответы без упоминания брендов не игнорируются — они учитываются в расчёте. Это снижает видимость всех участников пропорционально и отражает реальную модель поведения ИИ. Нерелевантных ответов не существует — каждый ответ влияет на итоговое распределение.

3. Природа данных

Ответы нейросетей не фиксированы — они меняются в зависимости от контекста запроса, профиля пользователя и формулировки. Один и тот же вопрос может дать разные результаты.

Поэтому индекс измеряет не позицию, а распределение — как часто и в каком контектсте бренд появляется в ответах при многократных замерах в реальных сценариях.

4. Формирование выборки

Выборка строится на репрезентативной модели реальных пользовательских диалогов, а не синтетических запросах. В пул включаются: реальные поисковые интенты, сценарии выбора и сравнения, продуктовые запросы.

Вес каждого запроса определяется на основе данных поисковых систем пропорционально популярности. Анализируются все сценарии — включая те, где нейросеть не называет бренды. Это часть реального пользовательского опыта и учитывается в расчёте индекса.

Масштаб выборки:

40 000+ запросов к нейросетям — обеспечивает статистическую устойчивость

3 500+ пользовательских сценариев — покрывает реальное разнообразие запросов

4 000+ источников и ссылок — позволяет анализировать, какие источники формируют рекомендации ИИ

5. Эмуляция пользователей

Запросы выполняются от лица когорт пользователей с разными характеристиками — полом, возрастом, профессией и поведенческим профилем. Распределение равномерное, без перекосов в сторону какой-либо группы. Это позволяет учитывать влияние пользовательского контекста на ответы нейросетей и приблизить результаты к реальной картине поведения ИИ.

6. Множественные замеры

Каждый запрос выполняется многократно — до достижения статистической значимости. Количество повторов не фиксировано: оно зависит от стабильности ответов конкретной нейросети. Результаты агрегируются через усреднение. Это исключает влияние случайных ответов и единичных отклонений на итоговый индекс.

7. Подсчет метрик

7.1 Упоминания брендов

Для распознавания используется словарь брендов с учётом синонимов и вариантов написания.

Повторные упоминания в одном ответе не учитываются. Коммерческие вставки исключаются из анализа.

7.2 Позиция

Если ответ содержит список брендов — фиксируется порядок упоминания и рассчитывается средняя позиция по всем замерам.

7.3 Тональность

Определяется ML-классификатором c помощью специально обученной модели. При низкой уверенности модели подключается ручная проверка.

7.4 Доля слов ответа

Определяется c помощью специально обученной ML модели. При низкой уверенности модели подключается ручная проверка.

7.5 Influence

Определяется ML-классификатором на обученной модели. При низкой уверенности модели подключается ручная проверка.

8. Работа с ошибками ИИ

Ответы нейросетей не фильтруются и не корректируются перед обработкой. Галлюцинации, ошибки и ответы без упоминания брендов включаются в расчёт.

Причина: именно такие ответы получают реальные пользователи. Индекс измеряет действительность — не идеальную картину того, как должны работать нейросети.

9. Анализ нейросетей

В индексе используются 7 нейросетей, наиболее популярных среди российских пользователей.

Яндекс Поиск с Алисой Alice AI ChatGPT DeepSeek Gemini Google AI Overviews Perplexity

Принцип отбора — публичные исследования популярности LLM-систем в России. Список регулярно обновляется по мере изменения рынка. Все модели учитываются с равным весом.

10. Рейтинг источников

Помимо брендов, индекс оценивает влияние источников на ответы нейросетей — какие сайты, медиа и платформы формируют рекомендации ИИ. Каждый источник оценивается по трём факторам: охват в нейросетях, доля уникальных ссылок и частота упоминаний. Все показатели нормируются и агрегируются в единую оценку влияния. Это позволяет понять не только кто упоминается — но и почему.

11. Валидация

Результаты индекса проверяются по трём направлениям: сравнение с поисковым спросом, сопоставление с рыночными данными и проверка устойчивости при повторных замерах.

Результат валидации: индекс демонстрирует корреляцию с рыночными данными, что подтверждает его применимость как инструмента измерения реального рынка.

12. Независимость и воспроизводимость

AIMonitor.pro не продаёт позиции в индексе, не аффилирован с брендами и не корректирует результаты. Распределение формируется исключительно поведением нейросетей. При одинаковых условиях — выборке, сценариях и параметрах — результаты статистически воспроизводимы. Это означает, что индекс можно верифицировать независимо.

13. Обновление

Данные собираются на протяжении отчётного периода. Индекс фиксируется ежемесячно и обновляется по мере накопления статистически значимой выборки.

14. Ограничения

Текущая версия индекса не учитывает мультимодальные ответы, голосовые интерфейсы и закрытые ИИ-системы без публичного API. Индекс фиксирует текущее состояние рынка — он не является прогнозным инструментом.

Вывод

Индекс AIMonitor.pro строится на математической модели, статистически значимой выборке и независимом расчёте. Результаты воспроизводимы при одинаковых условиях.

Это не рейтинг мнений. Это измерение реального поведения нейросетей.

Что нейросети говорят о вашем бренде прямо сейчас?

Индекс показывает распределение. Расширенное исследование объясняет причины — какие сценарии вас продвигают, какие источники на вас ссылаются, где конкурент обходит вас и что с этим делать.

ООО «Карамбола Лабс», ОГРН: 1257700400462 ИНН/КПП: 9724227348/772401001

117405, г. Москва, вн.тер.г. Муниципальный округ Чертаново Южное, ул. Кирпичные Выемки, д.2, корп. 1, помещение 48/13