NP Digital, агентство Нила Пателя, пересобрало методологию измерения видимости в AI-поиске с нуля. Старые подходы не работали: абстрактные промпты измеряли гипотетических пользователей, аудиты пытались объять необъятное. Новая система - SPIV-фреймворк - завязана на реальные данные: сегменты, персоны, интенты и переменные. Мы перевели и адаптировали главное.

Проблема старого подхода была проста: generic-промпты дают generic-данные. Если вы спрашиваете ChatGPT «Что вы знаете о CRM-системах?» - ответ будет общим. Но если запрос содержит контекст - отрасль, город, должность пользователя - ответ становится конкретным и полезным. Разница между «посоветуй CRM» и «я владелец интернет-магазина во Владивостоке, какой CRM лучше для малого бизнеса?» - это разница между нулём и реальной видимостью.

SPIV-фреймворк: четыре переменные

Segment (Сегмент) - отрасль, размер компании, география. Например: «малый бизнес, Владивосток, розничная торговля».

Persona (Персона) - роль пользователя, его задачи и боли. «Маркетолог в e-commerce, которому нужно автоматизировать отчёты».

Intent (Интент) - что человек хочет сделать: сравнить, купить, изучить, внедрить.

Variable (Переменная) - что меняется от замера к замеру: канал, модель AI, время.

Почему старые метрики не подходят

Раньше AI-видимость измеряли так: задавали один промпт, смотрели, упомянут ли бренд в ответе. Проблема в том, что AI-модели (ChatGPT, Gemini, Perplexity, Claude) дают разные ответы на один и тот же запрос. Результат - не число, а распределение вероятностей. И это нормально.

NP Digital предлагает измерять видимость не как бинарный флаг (есть/нет), а как распределение: на какой доле запросов бренд появляется в ответе. Добавляют вторичные метрики: длину пробега (run length) - как часто бренд встречается подряд, энтропию Шеннона - насколько равномерно распределены упоминания, коэффициент Джини - концентрация видимости у одного-двух игроков.

«Generic-входные данные дают generic-результаты. Когда вы заземляете промпты на реальных пользовательских данных - вариативность ответов AI становится не шумом, а сигналом. Видимость превращается в распределение вероятностей.»

- NP Digital, методология AI Visibility

Два уровня метрик

Первичный уровень - то, что собирает платформа отслеживания: частота упоминаний, тональность, ссылки. Вторичный - расчётные метрики, которые показывают динамику: как меняется видимость неделя к неделе, насколько стабильно бренд присутствует в ответах разных моделей.

Для бизнеса это означает, что оценка видимости в AI-поиске перестаёт быть абстрактной. Компании во Владивостоке, которые хотят знать, как их бренд видят ChatGPT и Gemini - могут получить конкретные цифры: на 27% запросов с интентом «купить CRM» бренд виден, на 14% - нет, на 8% - вытесняется конкурентом.

Что это значит для SEO и бизнеса

Методология NP Digital - это не просто про «как мерить», а про то, как связывать измерения с бизнес-приоритетами. Становится сложнее оправдывать отслеживание низкоинтентных запросов, которые никак не связаны с тем, как покупают ваш продукт.

Это особенно важно для компаний на Дальнем Востоке, где AI-поиск только начинает влиять на поведение потребителей. Те, кто сейчас настроят правильные метрики - через полгода будут в отрыве от конкурентов, которые продолжают мерить «среднюю температуру по больнице».

«Измерение видимости в AI-поиске - это не про 'проверил и забыл'. Это про то, чтобы понимать: по каким запросам ваш бизнес видят AI-помощники, а по каким - нет. И что с этим делать.»

- Нил Пател, NP Digital

NP Digital уже использует новую методологию в аудитах для клиентов. Результаты показывают: даже компании с сильным SEO в Google могут быть невидимы для ChatGPT и Gemini - просто потому, что их контент не отвечает на вопросы так, как AI-модели ожидают.