Как AI100 измеряет видимость бренда в ИИ

Что мы измеряем

AI100 измеряет, насколько естественно бренд появляется в нейтральных ответах ИИ по своей категории и региону. Методология разделяет основной слой оценки (нейтральные сценарии) и диагностический слой (запросы с именем бренда) и использует нелинейную шкалу 0–100.

Единица измерения: один ответ модели на один стандартизированный сценарий вопроса.

Как устроен запуск

1. Подготовка рамки исследования

Сначала мы читаем сайт, определяем категорию и уточняем, с каким рыночным окружением вообще имеет смысл сравнивать бренд. Пользователь выбирает язык исследования (Visibility Language) — язык, на котором модели будут задаваться вопросы. Это важный параметр: один и тот же бренд может получить различное конкурентное окружение в зависимости от языка промптов. Модель формирует ассоциативное поле категории отдельно для каждого языка: бренды, доминирующие на одном языке, могут уступать место другим конкурентам на другом. Для международных брендов рекомендуется отдельное исследование на каждом языке целевого рынка.

2. Набор сценариев вопросов

Дальше собирается корпус вопросов: часть из них проверяет естественное появление бренда, часть помогает понять репутацию и характер ответа модели.

3. Подсчёт главной оценки

Главный балл строится только по нейтральным сценариям, где бренд ещё нужно заслужить самим ответом модели. Отдельно считается диагностический балл (по прямым упоминаниям), веб-усиление (разница между ответом из памяти и ответом с поиском) и доверительный интервал результата.

4. Объяснение и отчёт

В финале мы переводим массив ответов в понятный отчёт: показываем итоговую оценку, её устойчивость, сильные стороны бренда и зоны роста.

Как считается и читается оценка

Разница между слабой и средней видимостью ощущается резко: бренд либо почти не существует для модели, либо уже появляется в части ответов. А вот путь от сильной видимости к почти доминирующей всегда сложнее. Поэтому мы используем логарифмическое преобразование.

S = 100 × ln(1 + r / 12) ln(1 + 100 / 12)

S — итоговый балл (0–100) r — сырой балл видимости (0–100) 12 — параметр калибровки шкалы

Что такое raw. Это сырой сигнал видимости: насколько часто бренд появляется, как высоко держится в ответе и насколько убедительно выглядит в наборе нейтральных сценариев.

Почему используется логарифм. Логарифм делает нижнюю и среднюю часть шкалы более чувствительной. Так редкие удачные ответы не превращаются слишком быстро в высокий итоговый балл.

Как читать результат. Рост с 20 до 40 означает реальное усиление присутствия. Рост с 80 до 90 тоже важен, но достигается гораздо труднее — именно этого эффекта мы и добиваемся нелинейной шкалой.

Доверительный интервал. Каждый результат сопровождается доверительным интервалом — диапазоном, в котором балл, вероятно, окажется при повторном запуске с тем же корпусом вопросов. Узкий интервал означает стабильную видимость, широкий — что присутствие бренда колеблется в зависимости от сценария.

Веб-усиление. Исследование проводится в двух режимах: только на знаниях модели и модель + веб-источники. Разница между баллами показывается как веб-усиление. Положительное значение означает, что веб-источники подтверждают бренд, отрицательное — ослабляют.

Корпус и оценка

Основной слой

Тип сценария	Что проверяет
Expertise	Видит ли модель у бренда признаки авторитетности в теме
Comparison	Удерживается ли бренд в сравнительных вопросах без подсказки имени
First appearance	Называет ли модель бренд, когда пользователь ещё только ищет решение
Ranking	Как высоко модель ставит бренд в явном рейтинге категории
Shortlist	Попадает ли бренд в короткий список при готовности сравнивать
Trust	Связывает ли модель бренд с надёжностью и разумностью выбора

Веса основной оценки

Метрика	Что показывает	Доля
Mention Rate	Как часто бренд появляется в ответе	24.0%
Top-3 Rate	Как часто бренд в верхней части ответа	14.0%
Top-1 Rate	Как часто бренд назван первым	10.0%
Avg Position	Средняя позиция бренда в ответах	15.0%
Prompt Coverage	В какой доле сценариев бренд фигурирует	14.0%
Response Share	Как часто бренд упоминается в тексте ответа	10.0%
Text Share	Какая доля текста ответа посвящена бренду	5.0%
Domain Citation	Как часто модель ссылается на домен бренда	8.0%

Диагностический слой

Этот слой не подменяет главный балл. Он нужен для объяснения: что происходит, когда бренд уже назван, когда его прямо сравнивают с конкурентом и как он выглядит в разговоре о собственной репутации.

Тип сценария	Что проверяет
Alternative	Вспоминается ли бренд как альтернатива уже названному решению
Reputation	Как модель описывает бренд, когда имя уже названо
Direct comparison	Что происходит при прямом сравнении с конкурентом

Веса диагностической оценки

Метрика	Что показывает	Доля
Recommendation Rate	Доля ответов с явной рекомендацией бренда	30.0%
Recommendation Strength	Насколько убедительно модель формулирует рекомендацию	25.0%
Centrality	Является ли бренд главной темой ответа	20.0%
Positive Tone	Доля ответов с явно положительной тональностью	15.0%
Argument Quality	Подкрепляет ли модель рекомендацию аргументами	10.0%

Охват и ограничения

AI100 использует модели OpenAI (GPT-5.4) в двух режимах: на собственных знаниях модели и с привлечением веб-источников. Корпус формируется для любого языка и региона.

Что AI100 измеряет

Насколько естественно бренд появляется в нейтральных ответах ИИ по своей категории.
Насколько высоко бренд удерживается в ответе и усиливается ли за счёт веб-источников.
В каких сюжетах вопросов бренд теряется, а в каких — выглядит сильнее конкурентов.

Что AI100 не измеряет

Продажи, конверсию, силу отдела маркетинга или качество продукта сами по себе.
Все модели и все возможные режимы интернета одновременно. На текущем этапе методика сфокусирована на наиболее важном прикладном контуре и совместима с дальнейшим расширением.
Абсолютную истину о рынке. Любое измерение зависит от даты запуска, языка, категории и набора вопросов.