Нейросеть для создания бренда и логотипа бесполезна, если ИИ вас не помнит: разрыв в 3,2 раза

Издание Search Engine Land (принадлежит компании Semrush) разобрало отчёт geoSurge «AI Searches What It Remembers». Исследователи впервые разделили два процесса: что модель помнит о бренде из обучающих данных (training data, корпус текстов, на которых нейросеть училась) и что она потом ищет в интернете. Выяснилось, что память модели предсказывает её поисковое поведение, хотя авторы подчёркивают: корреляция доказана, причинно-следственная связь пока нет.

Что именно измеряли?

Исследователи взяли 66 типичных покупательских промптов (prompt, текстовый запрос к нейросети), сформулированных так, как их задал бы реальный покупатель из США: «какой сервис онлайн-платежей выбрать», «где лучше забронировать отель» и подобные.

Каждый промпт прогоняли через модели 60 раз. Отдельно замеряли «память» модели: насколько хорошо она знает конкретный бренд до обращения к поиску. Затем смотрели, какие бренды модель сама подставляет в поисковые запросы при ответе.

Такое разделение важно. Обычно мы видим только финальный ответ нейросети. Здесь впервые вскрыли промежуточный этап: что именно модель ищет в интернете, прежде чем сформировать рекомендацию.

Три главных вывода из данных

• Знакомые бренды доминируют в поиске. Модели искали знакомые бренды 55,7% времени, незнакомые (вне топ-10 «памяти») только 17,4%. Разрыв в 3,2 раза, по данным geoSurge.

• Большинство поисковых запросов модели не содержат названия бренда вовсе. Только 31% веерных запросов (fan-out search, когда модель сама формирует дополнительные поисковые запросы для уточнения ответа) включали имя компании. Но когда включали, 63% приходились на пятёрку самых знакомых брендов.

• Разброс по отраслям заметный. В зависимости от индустрии доля запросов по знакомым брендам варьировалась от 41% до 82%, по незнакомым от 9% до 23%. Исследовали девять отраслей: путешествия, автомобили, финансы, бизнес-софт, образование, еда и рестораны, люкс, фитнес и велнес, мода.

При этом исследователи приводят и контрпример. Модель Gemini при ответе на вопрос об онлайн-платежах нашла сервис Lemon Squeezy, которого не было в её «памяти». Живой поиск может обнаружить незнакомый бренд, особенно в категориях, где модель меньше полагается на заученное.

Что делать с этим прямо сейчас?

Автору Дзена. Если вы пишете обзоры товаров или услуг и рассчитываете на трафик из ИИ-поисковиков (Perplexity, Bing Chat, будущие функции «Яндекса»), упоминайте бренд клиента в контексте, понятном нейросети. Нейросеть для создания бренда и логотипа подскажет визуал, но узнаваемость в ИИ-выдаче строится на текстовом присутствии: чем больше качественных упоминаний бренда в открытых источниках, тем выше шанс попасть в «память» модели при следующем обучении.

Маркетологу. Привычная SEO-логика «оптимизируй страницу и жди трафик» для ИИ-поиска недостаточна. Модель решает, какие бренды искать, до того как прочтёт вашу страницу. Нужно наращивать присутствие бренда в тех источниках, на которых модели обучаются: авторитетные медиа, отраслевые каталоги, публичные обзоры. Нейросеть для создания бренда и логотипа полезна на старте, но дальше критичен именно текстовый след.

Предпринимателю из РФ и СНГ. Исследование проводилось на англоязычных промптах для рынка США. Но русскоязычные модели (YandexGPT, GigaChat) обучены на русскоязычном корпусе, и та же механика, вероятно, работает: модель ищет то, что помнит. Для локальных брендов это означает, что попасть в «память» российской модели проще, чем в память GPT-4 или Gemini, просто потому что конкуренция за русскоязычный корпус ниже. Но начинать нужно сейчас, пока обучающие данные ещё формируются.

Каждый цикл обучения моделей фиксирует расстановку сил на рынке. Бренд, который сегодня не попал в обучающие данные, завтра не попадёт и в ответ нейросети. Для тех, кто строит бизнес в РФ, это аргумент не откладывать работу над текстовым присутствием: окно, пока русскоязычные модели ещё учатся, не будет открыто вечно.

По данным Search Engine Land