Сразу отвечу: тональность важнее. Но не полностью. Смотрите, ИИ не просто сканирует текст на наличие вашего бренда. Он анализирует контекст, оценивает эмоциональную окраску и сопоставляет информацию из разных источников. Одно негативное упоминание на авторитетном ресурсе может перевесить десять нейтральных на малоизвестных блогах. Но и количество играет роль — если о вас вообще не говорят, ИИ вас просто не заметит.
За три года работы с GEO я видел десятки ситуаций, когда бренд упоминался сотни раз, но нейросеть всё равно либо игнорировала его в рекомендациях, либо выдавала с такой формулировкой, что клиент сам отказывался. И наоборот — компании с меньшим числом упоминаний, но с правильным sentiment, стабильно попадали в топ рекомендаций.
Исследование Нила Пателя 2025 года на 600 ответах ChatGPT это подтверждает: нейтральные упоминания модель часто просто игнорирует. А негативные — снижают видимость. Позитивные — повышают шанс на рекомендацию.
В GEO нет простого правила «чем больше говорят, тем лучше». Нейросеть — это не счётчик. Это интерпретатор.
Смотрите. Когда вы спрашиваете ChatGPT «какой сервис аналитики выбрать для малого бизнеса», модель не ищет, кого чаще упоминали в интернете. Она собирает контекст: кто хвалит, кто ругает, с какими словами, на каких площадках. И на основе этого строит ответ.
Если о вашем бренде 500 раз написали «средненький, но сойдёт» и 50 раз — «дорогой и сложный», нейросеть сделает вывод. И он будет не в вашу пользу.
С другой стороны, если вас упомянули всего 30 раз, но каждый раз — в контексте «надёжный», «быстрый», «рекомендую», модель запомнит именно это. И выдаст вас в ответе.
Это не магия. Это работа языковой модели, которая обучена понимать смысл, а не считать вхождения.
Я за три года вывел для себя простое правило: 10 позитивных упоминаний на авторитетных площадках дают больше GEO-эффекта, чем 1000 нейтральных на форумах.
И сейчас разберу — почему так, как это проверить и что с этим делать.
Почему тональность рулит: что говорят исследования
В 2025 году несколько крупных исследований подтвердили то, что мы, практики GEO, чувствовали интуитивно.
Первое. Анализ BrightEdge AI Catalyst (десятки тысяч промптов через ChatGPT, Perplexity и Google AI) показал: нейросети не просто считают бренды, они их ранжируют по-разному в зависимости от платформы. ChatGPT упоминает бренды в 99,3% eCommerce-ответов, Google AI Overview — всего в 6,2%. Но важнее другое: даже если бренд попадает в ответ, контекст может быть любым — от «лидер рынка» до «неплохой вариант, если бюджет ограничен».
Второе. Исследование NP Digital (Нил Патель) на 600 ответах ChatGPT прямо зафиксировало: sentiment outweighs raw mention volume — тональность перевешивает объём упоминаний. Модель оценивает не только факт упоминания, но и авторитетность источника, контекст, релевантность.
Третье. Данные по eCommerce за июль 2025 года: продукты с более высокими sentiment scores стабильно занимали более высокие позиции в ответах ИИ. Корреляция — около r ≈ 0,44. Не идеальная, но устойчивая.
И вот что интересно: нейросети в целом более позитивно настроены, чем традиционные медиа. Исследование AMEC показало: ответы LLM содержат меньше негатива и критики, чем статьи в СМИ. Это значит, что ИИ не просто отражает реальность, а немного «причёсывает» её. Но если в источниках есть явный негатив — он всё равно просочится.
Как нейросеть «читает» упоминания: взгляд изнутри
Я не разработчик LLM, но за три года работы с GEO накопилась понятная картина того, как модель принимает решение.
Представьте, что нейросеть — это не поисковик, а человек, который читает всё, что пишут о бренде, и запоминает не факты, а общее впечатление.
Когда вы задаёте промпт, модель:
- Ищет релевантные источники в своей базе или через поиск (если включён browsing).
- Извлекает из них упоминания брендов.
- Оценивает тональность каждого упоминания — через языковые маркеры.
- Оценивает авторитетность источника — условный РБК весит больше, чем комментарий на форуме.
- Формирует ответ, взвешивая всё это вместе.
Нейросеть не хранит таблицу «бренд X упомянут 547 раз». Она хранит векторные представления, в которых sentiment «зашит» так же глубоко, как и сам факт упоминания.
Поэтому две новости с одинаковым количеством упоминаний могут дать совершенно разный GEO-эффект.
Пример из моей практики. В 2024 году работал с B2B SaaS-компанией. У них было около 200 упоминаний в месяц — в основном в отраслевых блогах и на профильных форумах. Но 70% этих упоминаний были нейтральными: «используем такой-то сервис», «интеграция с таким-то». ChatGPT практически не выдавал их в рекомендациях.
Мы изменили стратегию: сократили общий объём публикаций, но сфокусировались на кейсах с конкретными результатами и отзывах клиентов с позитивной тональностью. Через четыре месяца количество упоминаний упало до 120 в месяц, но доля позитивных выросла с 30% до 80%. И — внимание — видимость в ChatGPT по ключевым промптам выросла в 2,3 раза.
Это не значит, что количество не важно. Оно важно. Но только если оно подкреплено качеством.
Когда количество всё-таки работает
Было бы нечестно сказать, что количество вообще не имеет значения. Имеет. В трёх случаях.
Случай 1. Высокая конкуренция в нише. Если о ваших конкурентах говорят в 10 раз чаще, даже с нейтральной тональностью, нейросеть просто не найдёт достаточно информации о вас, чтобы включить в ответ. В GEO есть понятие «порог заметности» — минимальный объём данных, при котором модель вообще начинает учитывать бренд.
Случай 2. Разные модели — разное поведение. Данные BrightEdge показывают: Perplexity цитирует в среднем 8,79 источников на ответ, ChatGPT — меньше, но чаще упоминает конкретные бренды. Google AI Overview вообще упоминает бренды всего в 6,2% eCommerce-ответов. Для разных моделей нужен разный подход: где-то важнее частота, где-то — качество источников.
Случай 3. Запросы с явным коммерческим намерением. Если пользователь спрашивает «где купить», «сколько стоит», «скидки на», модели чаще перечисляют несколько брендов. BrightEdge фиксирует: промпты со словами «budget», «affordable», «cheap» дают 6,3–8,8 брендов в ответе. В таких сценариях количество упоминаний играет большую роль.
Но даже в этих случаях тональность не уходит на второй план. Она просто делит пьедестал с частотой.
Метрики, за которыми стоит следить
Если вы всерьёз занимаетесь GEO, забудьте про «сколько раз нас упомянули» как единственную метрику. Вот что я отслеживаю в своей практике:
| Метрика | Что показывает | Почему важна |
|---|---|---|
| Частота упоминаний | Сколько раз бренд появляется в ответах ИИ | Базовый уровень заметности |
| Тональность (sentiment) | Позитивный / нейтральный / негативный контекст | Прямо влияет на рекомендацию |
| Share of Voice в ИИ | Доля упоминаний бренда среди конкурентов | Позиция относительно рынка |
| LLM Recommendation Rate | % промптов, где бренд именно рекомендуют | Конечная цель GEO |
| Источники цитирования | Откуда модель берёт информацию | Где усиливать присутствие |
LLM Recommendation Rate (LLMR) — метрика, которую активно развивают в 2026 году. Она измеряет процент релевантных запросов, в которых ИИ активно рекомендует бренд, а не просто упоминает его. Вот это — главный KPI.
Я видел компании с отличной частотой упоминаний, но нулевым LLMR. Потому что модель упоминала их в контексте «есть такой вариант, но есть и лучше».
Как проверить свой бренд прямо сейчас
Сделайте простой тест. Займёт 15 минут. Результат может вас удивить.
Шаг 1. Откройте ChatGPT, Perplexity или ЯндексGPT. Задайте промпт: «Порекомендуй [ваша категория] для [ваша аудитория]».
Шаг 2. Зафиксируйте: попали ли вы в ответ? Если да — в каком контексте? Какие слова использовала модель рядом с названием бренда?
Шаг 3. Задайте прямой промпт: «Что ты знаешь о [ваш бренд]? Расскажи подробно».
Шаг 4. Проанализируйте тональность ответа. Позитив? Нейтрально? Есть ли негативные нотки?
Шаг 5. Повторите то же самое для 2–3 конкурентов.
Это грубый, но показательный срез. Он не заменит полноценный GEO-аудит, но даст понимание текущей картины.
В своей работе я использую более системный подход — с фиксированным набором из 5–7 промптов, ежедневным или еженедельным трекингом и анализом динамики. Но для старта хватит и этого.
Практические выводы: на чём фокусироваться
Исходя из всего, что мы обсудили, вот мой практический фреймворк.
1. Сначала — sentiment, потом — масштаб. Прежде чем гнаться за количеством, убедитесь, что существующие упоминания работают на вас, а не против. Проведите аудит: какие публикации, отзывы, статьи о вас есть в интернете? Какая у них тональность?
2. Авторитетные источники важнее массовых. Одно упоминание на РБК или в отраслевом рейтинге даст больше GEO-эффекта, чем 50 комментариев на форумах. Нейросети обучены доверять проверенным источникам.
3. Работайте с негативом системно. Если в сети есть негативные отзывы или статьи — они попадут в ответы ИИ. Не пытайтесь их «задавить» количеством позитива. Работайте с причинами негатива и публикуйте конструктивные ответы.
4. Адаптируйтесь под конкретные модели. ChatGPT, Perplexity, Google AI Overview, ЯндексGPT — у каждой свои особенности цитирования. То, что работает для одной, может быть бесполезно для другой.
5. Измеряйте не только упоминания, но и LLMR. Частота — это входная метрика. LLM Recommendation Rate — выходная. Ваша цель — чтобы бренд не просто упоминался, а рекомендовался.
FAQ: коротко о главном
Тональность правда важнее количества?
Сколько нужно упоминаний, чтобы нейросеть начала замечать бренд?
Универсальной цифры нет. Всё зависит от ниши, конкуренции и модели. В высококонкурентных нишах порог выше. Но практика показывает: даже 30–50 качественных упоминаний в авторитетных источниках могут дать заметный GEO-эффект.
Какие источники нейросети считают авторитетными?
Можно ли удалить негативное упоминание из ответа нейросети?
Напрямую — нет. Нельзя «попросить» ChatGPT забыть информацию. Можно работать с первоисточником (удалить или изменить публикацию) и создавать новый позитивный контекст, который со временем перевесит старый.
Как часто нужно отслеживать упоминания в ИИ?
Для старта — еженедельно в течение 1–2 месяцев, чтобы увидеть динамику. Затем — раз в 2–4 недели. При активных изменениях (запуск продукта, ребрендинг) — чаще.
Можно ли «купить» хорошие упоминания для ИИ?
Технически — да, но это рискованно. ИИ учится распознавать манипуляции. Лучше инвестировать в реальный экспертный контент и работу с репутацией.
Что важнее для локального бизнеса: упоминания в СМИ или отзывы на картах?
Для локального бизнеса отзывы на картах и в геосервисах часто весомее. ИИ учитывает гео-контекст. Но если есть возможность попасть в локальные СМИ — это усилит эффект.
Как выстроить стратегию упоминаний для GEO оптимизации
Алгоритм из 5 шагов, который поможет сбалансировать количество и тональность упоминаний вашего бренда в ответах генеративных поисковых систем.
Общее время: 45 дней
Шаг 1. Аудит текущего положения (неделя 1)
Проверьте, как ИИ видит ваш бренд. Задайте вопросы в 3-5 популярных нейросетях. Зафиксируйте: упоминают ли вас, в каком контексте, какие источники цитируют.
Шаг 2. Анализ источников (неделя 2)
Составьте список площадок, где вас упоминают. Оцените каждую по двум параметрам: авторитет (1-10) и тональность (позитив/нейтраль/негатив). Выделите приоритетные для работы.
Шаг 3. План контента (неделя 3)
Создайте 2-3 экспертных материала, которые стоит цитировать: исследование с цифрами, подробный гайд, кейс с результатами. Разместите на своих ресурсах и предложите профильным изданиям.
Шаг 4. Работа с репутацией (недели 4-5)
Отреагируйте на негативные упоминания: опубликуйте ответы, исправьте ошибки, предложите обновления. Не спорьте, а предлагайте решения.
Шаг 5. Мониторинг и корректировки (неделя 6 и далее)
Настройте регулярные проверки (раз в 1-2 недели). Отслеживайте изменения в ответах ИИ. Корректируйте стратегию на основе данных.
Что я вынес за три года работы с GEO
Я начал заниматься GEO в 2023 году, когда само понятие только формировалось. Тогда многие думали, что это просто «SEO для ChatGPT» — вставил ключевые слова, и готово. Сейчас, в 2026 году, очевидно: это отдельная дисциплина с собственной логикой.
Главный урок, который я усвоил: нейросеть — это не алгоритм ранжирования, а интерпретатор смыслов. Она не считает вхождения. Она понимает язык.
И в языке тональность всегда была важнее частоты. Если вам сто раз скажут «ты неплохой», а один раз — «ты лучший», что вы запомните? Скорее всего, второе. С нейросетями работает та же логика.
Поэтому мой совет: не гонитесь за количеством упоминаний. Гонитесь за качеством. За тем, чтобы о вас говорили хорошо, в правильных местах и с правильными словами.
Это сложнее. Это дольше. Но именно это даёт результат в GEO.