Клиенты всё реже переходят по ссылкам в поиске. Они сразу спрашивают у нейросетей: «Стоит ли доверять этой компании?».

Раньше управление репутацией сводилось к работе с поисковой выдачей (SERM). Сегодня алгоритмы генерируют готовые ответы. Клиенту не нужно изучать десяток сайтов. Нейросеть сама собирает информацию, анализирует тексты и выдаёт резюме за секунды.

Это изменение породило новое направление: управление репутацией в генеративных ответах или GERM (Generative Engine Reputation Management). Задача бизнеса теперь — влиять на то, что ИИ пишет о компании в своём ответе.

Мы изучили работу пяти нейросетей на российском рынке. Разбираемся, какие данные они используют, как формируют выводы и как попасть в «хорошую» сводку.

Что именно сканирует искусственный интеллект

Ни одна нейросеть не формирует ответ только на основе среднего рейтинга. Рейтинг — это сигнал обратить внимание на источник или количество оценок, но сам ответ строится на трёх других ключевых параметрах.

1. Тексты отзывов

ИИ читает содержимое. Ему важно не просто числовое значение оценки, а смысл. Что конкретно пишут люди о сервисе, продукте или условиях работы. Анализируются как общие площадки, так и профильные отзовики.

2. Карточки компаний

Алгоритм проверяет справочную информацию. Услуги, адрес, график работы, ассортимент. Если данные указаны в карточке, нейросеть использует их как факт при формировании ответа.

3. Повторяющиеся паттерны

Нейросеть ищет совпадения: бытовые сценарии, упоминания цен, сроки оказания услуг. Чем чаще встречается определённая формулировка, тем выше шанс, что она попадёт в сводку.

Мы проанализировали десятки запросов в разных нишах и выявили общие правила.

• Длина имеет значение. Чаще всего цитируются тексты объёмом 300–500 символов. При этом модели вроде DeepSeek и Perplexity способны обрабатывать длинные обзоры.

• Структура «идеального» отзыва. Бытовая ситуация и чёткий однозначный вывод. Два и более опорных аспекта повышают шансы на цитирование.

• Разнообразие формулировок. Чтобы закрепить нужный аспект в выдаче, клиенты должны описывать его разными словами. Не просто «хороший сервис», а «менеджер подобрал модель за 5 минут».

• Приоритет «свежести». Большинство моделей ранжируют информацию по дате. При этом полезность часто ассоциируется с негативом. Поэтому старая жалоба может висеть в ответах месяцами.

• Сила фактов. Один отзыв с конкретикой ценится больше, чем общая похвала. Как показало исследование, Алиса AI и DeepSeek могут вывести в топ негатива одну и ту же подробную жалобу на медцентр.

Сравнение нейросетей: кто на что опирается

В России почти половина пользователей (по данным Markway и «Анкетолога») изучает отзывы через ИИ. И каждый третий в нейросетях сравнивает компании с конкурентами.

Каждая нейросеть использует разные источники и алгоритмы. Например, Алиса AI больше опирается на экосистему Яндекса, а Gemini — на гибридный анализ. Это значит, что стратегия работы с репутацией должна адаптироваться под каждую платформу.

Стратегия защиты репутации должна учитывать эти различия. То, что работает для Яндекса, может не сработать для Google.

Алиса AI: доминирование экосистемы

Для российского бизнеса это главный приоритет. Основной упор нейросеть делает на топ-10 поисковой выдачи. Первичны карточки компании в Яндекс Картах, далее идут агрегаторы, отзовики и обзорные статьи. Алгоритм подстраивается под форматы, которые уже лидируют в поиске.

В новостной ленте нейропоиска саммари выглядит так:

1. общая оценка (смешанная, позитивная или негативная);

2. блок с положительными моментами;

3. блок с жалобами;

4. итоговый вывод или обращение;

5. баннер с адресом или похожими предложениями.

В расширенной вкладке логика меняется. Если тональность однородная, система показывает больше примеров (в основном до 9 материалов). При противоречивых данных Алиса AI чередует позитив и негатив. В позитиве модель перечисляет преимущества (2–3 пункта подряд). В негативе приоритет у проверенных откликов с документами, точными суммами и датами. Иногда в блок минусов попадают и позитивные отзывы, если в них упомянуты недостатки.

Важно, что нейросеть собирает повторяющиеся аспекты. Конкретика в приоритет: врач, скорость, цена, чистота. 90% ответов ранжируются по дате, при этом новый отзыв попадает в выдачу примерно через два месяца.

Обратите внимание, что нейросеть из раза в раз выбирает типичные для ниши параметры, например:

• МФО: скорость, ставка, одобрение;
• еда: вкус, доставка, упаковка;
• медицина: врачи, ожидание, сервис;
• HR: зарплата, график, руководство;

Gemini: гибридный подход Google

Здесь логика иная: ответ строится на смеси отзывов, данных с сайта и блогов. Геосервисы используются реже, а профильные отзовики, напротив, чаще.

• Финансы: banki.ru, 1000bankov.ru.
• Медицина: napopravku.ru, prodoctorov.ru.
• Работа: dreamjob.ru, otzivisotrudnikov.ru.

Цитаты встраиваются прямо в текст ответа нейросети. Фразы подсвечиваются на страницах-источниках. Сначала идёт общая оценка, затем основные аспекты (без деления на плюс/минус), юридическая информация или адреса.

Отзывы, которые выбирает нейросеть, по объёму не превышают 100–300 символов. Главное для ИИ — наличие популярного аспекта и описание ситуации: «цены выше среднего», «сделали быстро». Gemini берёт конкретное свойство и самостоятельно расширяет его до тезиса.

Google чаще ссылается на статьи и карточки компаний. Для GERM это значит, что одного отзовика мало. Влияют микроразметка, тексты на сайте, товарные блоки и соцсети. Источником данных может стать даже ВКонтакте.

ChatGPT: осторожный аналитик

Эта модель демонстрирует наиболее взвешенный подход, сводка получается более сглаженной. Нейросеть часто рекомендует перепроверить информацию и связаться с менеджерами.

В обычном режиме мы видим около 15 источников. В ответе используются 2–3 самых активных (крупные отзовики и геосервисы). Один отзыв может быть разобран на несколько параметров — их у ChatGPT больше, чем у других моделей. Уникальная фишка — выделение нейтральных аспектов. То, что другие модели пишут в разделе «Что улучшить», здесь может стать отдельным пунктом.

Типичная структура ответа состоит из вступления, плюсов, минусов, общей картины со сбором рейтингов и рекомендациями. Нейросеть предпочитает тексты до 500 знаков, причем хорошо структурированные, так как тезисы она берёт из заголовков и списков «преимущества/недостатки».

Новые отзывы нейросеть «видит» не сразу. Фильтрация идёт только по умолчанию (новизна/доверие ресурса). Это подтверждает необходимость работы со старым негативом.

Также ИИ часто отражает в ответах бытовые сценарии: зачем обратился, что получил, итог. Модель может предложить сравнить компанию с конкурентами в виде таблицы. Учитывайте, что геолокация пользователя влияет на выдачу (для РФ — регион по VPN).

DeepSeek: баланс в таблицах

Нейросеть редко пишет короткие сводки и часто раскладывает выводы по таблицам и категориям, показывая баланс позитива и негатива.

Перед итогом может быть детальный разбор или советы пользователю. В конце — ссылки на карточки филиалов с высоким рейтингом. К каждому аспекту прикрепляются несколько ссылок на источники.

Нейросеть предпочитает длинные структурированные обзоры, в том числе с фотографиями. А также цитирует отзывы с тезисом в начале: «понравился выбор», «беседовал директор».

При этом модель не сортирует данные по датам. Отзыв 2013 года может появиться в ответе наравне с откликом за 2026 год. Новым публикациям придётся конкурировать содержательной плотностью.

Perplexity: исследовательский режим

ИИ в качестве источников данных выбирает популярные отзовики, геосервисы и сайт компании. Анализирует около десяти источников, цитирует 2–3.

Ответ строится как исследование. Если есть сайт с понятной структурой, он используется для дополнения общей информационной картины. Влияет в том числе контентная упаковка: описание услуг, гарантии, цены.

Иногда вместо вывода нейросеть показывает рейтинг или сравнивает оценки. Вопросы формируются на базе негатива: «почитать жалобы», «сравнить с брендами». Это может подорвать уверенность пользователя.

Что важно, ИИ вычленяет ключевые фразы, а не цитирует отзывы целиком. Он часто описывает бытовые ситуации и использует цифры. Минусы может взять из граф «Недостатки» даже в положительных отзывах.

Есть риск смешения: при неуникальном названии и неточном запросе модель с легкостью подтягивает отзывы другого бренда из смежной ниши. Это путает пользователя и вредит позиционированию.

Как настроить ответ нейросети по отзывам

Разобрав механику, переходим к практике. Эти правила помогут оптимизировать отображение отзывов о компании.

1. Стимулируйте подробные отклики. Мотивируйте своих клиентов писать подробно, потому что короткие фразы ИИ игнорирует. Следите за тем, чтобы покупатели делились мнением на профильных площадках (banki.ru для финансов, napopravku.ru для медицины).

2. Добавляйте конкретику. Внедряйте в брендовый контент цифры: цены, кейсы, модели. Факты для нейросетей весомее эмоций.

3. Формируйте аспекты. Чётко прописывайте нужные смыслы в позиционировании. Клиенты перехватят слова-маркеры: «быстро», «качественно», «удобно».

4. Поощряйте разнообразие. Просите у клиентов разных формулировок. Не «хорошие консультанты», а «помогли выбрать размер». Это создаёт необходимую плотность темы для ИИ.

5. Заполняйте карточки. Указывайте услуги, адреса, время работы, фото. Если данные есть, ИИ их использует. А несогласованная информация на разных сайтах путает алгоритм, который сделает неверные выводы.

6. Обновляйте контент. Чем чаще появляются новые отклики о компании, тем актуальнее информация в ответах нейросетей.

Что делать бизнесу прямо сейчас

Проверьте нейровыдачу: введите название бренда в нейросетях и зафиксируйте, какие отзывы видят клиенты. Проверьте карточки компаний и запустите сбор мнений клиентов с акцентом на бытовых ситуациях и конкретике.

Если вы хотите передать эту задачу профессионалам, команда Markway готова провести полный аудит и настроить репутационный контур. Напишите нам, чтобы обсудить стратегию защиты вашего бренда в эпоху ИИ.