←Блог о маркетинге
AI · Основатель и стратег

Как проверить, знает ли ChatGPT о вашем бизнесе: 10 промптов

Прежде чем вкладываться в GEO, стоит узнать отправную точку: называют вас нейросети или нет. Проверка занимает полчаса, требует только браузера и даёт число, с которым через квартал можно будет сравнить.

Что именно мы проверяем

У «видимости в нейросетях» три разные составляющие, и путать их не стоит: лечатся они разным.

  • Узнаваемость — модель вообще знает, что такая компания существует
  • Рекомендация — модель называет вас, когда человек ищет подрядчика и вашего названия в вопросе нет
  • Точность — то, что модель о вас говорит, совпадает с действительностью

Первое без второго бесполезно: знать о вас и советовать вас — разные вещи. Третье важнее обоих: если модель советует вас, но называет цены трёхлетней давности, клиент придёт с чужими ожиданиями.

Пять правил, без которых проверка ничего не значит

  1. Новый чат на каждый промпт. В одном диалоге модель помнит предыдущие вопросы и подстраивается под вас.
  2. Выключите память и персонализацию в настройках или проверяйте в режиме инкогнито. Иначе модель вспомнит вас из прошлых разговоров, и вы проверите свою же историю, а не знания модели.
  3. Три прогона каждого промпта. Ответы нестабильны, и вывод делается по повторяемости, а не по одному удачному случаю.
  4. В первых трёх промптах не называйте себя. Клиент тоже не знает вашего названия — именно поэтому он спрашивает.
  5. Запишите дату, модель и ответ дословно. Через квартал вы будете сравнивать не впечатления, а тексты.

Десять промптов

Подставьте свою услугу, город и название. Первые три проверяют рекомендацию, следующие четыре — узнаваемость и точность, последние три — репутацию и доступ к сайту.

  1. «Посоветуй маркетинговое агентство в Тель-Авиве» — базовый вопрос клиента. Есть ли вы в списке и на каком месте.
  2. «Кто в Израиле занимается [услуга] для [ниша]?» — тот же вопрос, но уже: так спрашивает человек, который уже знает, что ему нужно.
  3. «К кому обратиться малому бизнесу в Израиле, если реклама не окупается?» — формулировка по задаче, а не по названию услуги. Именно так люди чаще всего и пишут нейросети.
  4. «Что ты знаешь о компании [название]?» — здесь впервые называем себя. Есть ли вы в открытых данных вообще.
  5. «Перечисли услуги и цены [название]» — проверка точности. Сверьте каждую строку с сайтом.
  6. «Кто основатель [название]?» — связан ли человек с компанией. Если нет, рассыпается половина экспертности.
  7. «Сравни [ваша компания] и [конкурент]» — на что модель опирается, когда вас сопоставляют, и что она считает вашей сильной стороной.
  8. «Какие есть отзывы о [название]?» — откуда модель берёт репутацию. Здесь чаще всего и всплывают выдуманные факты.
  9. «Дай ссылку на страницу [название] про [услуга]» — доходит ли модель до нужной страницы сайта или видит только главную.
  10. «Каким компаниям в Израиле стоит доверить [ваша узкая тема]?» — ниша, на которую вы претендуете. Здесь шансы выше всего.

Что делать с каждым типом ответа

Ответ моделиЧто это значитЧто делать
«Не знаю такой компании»Вас нет в открытых данныхКарточка Google Business, каталоги, упоминания на сторонних сайтах
Называет конкурентов, вас — нетВы есть, но вас не выбираютСтраницы с прямыми ответами, блоки FAQ, разметка
Называет, но путает услуги или ценыМодель нашла устаревший источникНайти его и обновить; свести данные к одному виду везде
Придумывает факты о васДанных мало, модель достраивает по обрывкамБольше однозначных фактов на сайте: цифры, даты, адреса, имена
Называет без ссылки на источникИнформация из обучающей выборкиПроверить, что она верна: быстро переучить модель нельзя
Называет и ссылается на ваш сайтКанал работаетЗаписать ответ и повторить проверку через квартал

Как превратить это в цифру

Чтобы через три месяца было с чем сравнивать, поставьте каждому ответу оценку:

  • 0 — не назвали
  • 1 — назвали в общем списке
  • 2 — назвали первым или со ссылкой на ваш сайт

Сравнивать цифры разных моделей между собой бессмысленно. У ChatGPT своя динамика, у Perplexity своя.

Среднее по трём прогонам, сумма по десяти промптам. Максимум — 20.

Это не отраслевой стандарт, а рабочая шкала. Смысл не в абсолютной цифре, а в том, куда она двинется через квартал при тех же десяти промптах.

Чего эта проверка не покажет

  • Сколько людей реально задавали эти вопросы. Статистики запросов нейросети не отдают никому.
  • Что увидит конкретный клиент. На ответ влияют его история, язык и местоположение.
  • Приведёт ли упоминание клиента. Человек может прочитать ваше название и не перейти никуда.

Поэтому проверка — это термометр, а не отчёт по продажам. Она говорит, есть ли вы в канале, а не сколько он приносит.

Где ещё проверить, кроме ChatGPT

  • Perplexity — показывает источники под каждым утверждением. Самый полезный из всех: видно не только что сказали, но и откуда взяли.
  • Google AI Overviews — введите свой запрос в обычный поиск и посмотрите блок с ответом над ссылками.
  • Gemini и Claude — те же десять промптов, ответы часто расходятся с ChatGPT.
  • Своя карточка в Google Business — не нейросеть, но именно оттуда модели берут адрес, телефон и часы работы.

Частые вопросы про проверку

Нужен ли платный ChatGPT для проверки?

Нет, бесплатной версии достаточно. Важно другое: убедитесь, что включён поиск в интернете. Без него модель отвечает только из обучающей выборки, и картина будет неполной.

Почему ответы каждый раз разные?

Модель собирает ответ заново при каждом запросе, и на него влияет формулировка, история чата и даже то, какие страницы она успела подтянуть. Поэтому проверка делается в три прогона: вывод по повторяемости, а не по одному ответу.

Модель назвала нас, но перепутала цены. Что делать?

Найти источник. Чаще всего это старая страница вашего же сайта, карточка в каталоге или чужая статья с устаревшими данными. Пока источник жив, модель будет его цитировать.

Можно ли попросить ChatGPT исправить информацию о компании?

Нет. Ваш диалог ни на что не влияет: он не меняет модель и не виден другим людям. Меняется только то, что модель находит в интернете.

Как часто повторять проверку?

Раз в квартал. Чаще нет смысла: между публикацией материала и тем моментом, когда модель начнёт на него опираться, проходят месяцы.