Доля голоса в нейросетях: как измерить Share of Voice

Доля голоса в нейросетях (Share of Voice, SoV) — это процент упоминаний вашего бренда от всех упоминаний в нише, которые делают языковые модели (ChatGPT, Gemini, Perplexity, YandexGPT, GigaChat, Claude) в ответах на типичные пользовательские запросы по вашей категории.

Если по запросу «лучший сервис для X» нейросети называют 200 брендов суммарно за 50 промптов, и ваш бренд там 24 раза — ваша доля голоса 12%. Это базовая метрика конкурентной видимости в нейросетях, без которой LLM-мониторинг не имеет смысла.

1. Что такое доля голоса в нейросетях

TL;DR. Доля голоса в LLM — это процент случаев, когда нейросети называют именно ваш бренд из всех брендовых упоминаний в нише по фиксированному набору запросов. Метрика берёт привычное понятие медиа-аналитики и переносит его в среду, где ответ даёт языковая модель, а не журналист.

В традиционной медиа-аналитике доля голоса считалась по упоминаниям в СМИ: вы и пять конкурентов попадали в публикации, и тот, про кого пишут чаще, доминирует в категории. В нейросетях работает та же логика, но «голос» — это ответ ChatGPT, Gemini, YandexGPT или GigaChat пользователю, который спросил совет.

Метрика отвечает на четыре вопроса бизнеса:

• Кого нейросети рекомендуют по нашей категории чаще всего?
• Какую долю «эфира» занимаем мы и сколько занимают конкуренты?
• Как эта доля меняется месяц от месяца?
• Где разрывы между нами и лидером — в каких типах запросов, в каких моделях?

Без замера доли голоса невозможно понять, дала ли результат публикация на vc.ru, новый раздел в блоге или серия упоминаний в подкастах. Все эти усилия должны двигать конкретный процент. Если процент не двигается — усилия в нейросетях не работают, какими бы качественными ни были по другим метрикам.

2. Почему доля упоминаний важнее одиночного упоминания

TL;DR. Одно упоминание ничего не говорит — модели недетерминированы, ответы меняются от запроса к запросу. Доля голоса — это статистически устойчивый показатель, который покрывает все вариации формулировок одного интента.

Когда маркетолог в первый раз заходит в ChatGPT и спрашивает «лучший сервис для X», он видит один из десятка возможных ответов. Тот же запрос через час даст другой набор брендов, через неделю — третий. Это не баг — это устройство языковой модели: ответы вероятностные, и в каждом запуске разыгрывается одна из вероятных формулировок.

Из этого следует, что измерять надо не «упомянули или нет», а долю случаев из большой выборки. Если из 50 разных формулировок одного интента вас упомянули в 20 — доля упоминаний 40%, и эта цифра устойчиво воспроизводится между замерами. Если упомянули в 3 формулировках, доля 6%, и это тоже стабильный сигнал.

Сравнение подходов к измерению видимости в LLM:

Одиночный запрос                Доля голоса
─────────────────────           ────────────────────
один промпт → один ответ        50 промптов → 50 ответов
бинарный сигнал                 процент от выборки
случайный шум                   статистически устойчиво
не сравнимо во времени          можно сравнивать по месяцам
ничего нельзя планировать       можно ставить цели и считать ROI

По нашим замерам, разброс между двумя последовательными прогонами одного промпта составляет 15-25% — без видимых причин. Это нормально для языковых моделей. Доля голоса по 50 промптам даёт разброс между прогонами 2-4% — этого хватает, чтобы ловить реальные изменения, а не шум.

3. Как считается доля голоса: формула и переменные

TL;DR. Доля голоса = количество упоминаний вашего бренда / общее количество упоминаний всех брендов в нише × 100%. Считается по фиксированному набору промптов, по фиксированному списку конкурентов, на основе замера хотя бы по 5 моделям одновременно.

Формула простая:

                  Упоминания вашего бренда
SoV (%)  =  ───────────────────────────────────  ×  100%
              Сумма упоминаний всех брендов
                       в нише

Где:

• Упоминания вашего бренда — сколько раз нейросети назвали ваш бренд в ответах на промпты из пака. Если в одном ответе бренд назван дважды — это два упоминания.
• Сумма упоминаний всех брендов — общее число вхождений всех брендов категории во всех ответах. Сюда входят ваш бренд, конкуренты и соседи по нише, которых нейросеть тоже называет.

Пример расчёта. Промпт-пак из 50 запросов, замер по 6 моделям. В сумме получено 850 упоминаний разных брендов. Ваш бренд назван 112 раз. Доля голоса = 112 / 850 × 100% = 13,2%.

Промпт-пак       :  50 запросов
Моделей          :  6 (ChatGPT, Claude, Gemini, GigaChat, YandexGPT, Perplexity)
Всего ответов    :  300 (50 × 6)
Брендов в нише   :  12

Распределение упоминаний:
Лидер ниши       █████████████████████████  295  (34,7%)
Второй игрок     ██████████████████          184  (21,6%)
Ваш бренд        █████████                   112  (13,2%) ◀
Конкурент 4      ███████                      82   (9,6%)
Конкурент 5      ██████                       69   (8,1%)
Прочие 7         █████████                   108  (12,8%)
────────────────────────────────────────────────────────
ИТОГО                                        850  (100%)

Важно учитывать при расчёте

Считаем только бренды, не общие термины. Если нейросеть пишет «вам нужна CRM-система», это не упоминание Bitrix24, amoCRM или RetailCRM. Считаем только конкретные названия.

Один ответ — несколько упоминаний. Если ChatGPT в одном ответе сравнивает три бренда — это три упоминания, не одно. Каждое называние идёт в общий счёт.

Учитываем разные написания. «Тинькофф», «Т-Банк», «Т‑Банк», «T-Bank» — всё это один бренд. На этапе подсчёта надо нормализовать варианты.

Список брендов фиксируется заранее. Перед замером вы определяете, какие бренды считать частью ниши. Иначе доля голоса будет прыгать каждый раз, когда модель назовёт новое имя.

4. Доля голоса в LLM против доли голоса в SEO и PR

TL;DR. SoV в SEO считает позиции по ключам, SoV в PR — упоминания в СМИ, SoV в LLM — упоминания в ответах нейросетей. Это три разные среды с разной механикой попадания и разной экономикой.

Понятие «доля голоса» используется давно, но в каждой среде считается по-своему. Понять различия — значит правильно распорядиться усилиями.

Главный практический вывод: SoV в LLM не заменяет старые метрики, а дополняет картину. Если в SEO вы лидируете, а в LLM ваша доля голоса 8% при доле лидера 35% — у вас структурная проблема, которую не видно без отдельного замера. Эта проблема приведёт к падению лидов через 6-12 месяцев, потому что треть аудитории уже спрашивает совет у нейросетей, а не у поиска.

5. Шесть метрик рядом с долей голоса

TL;DR. Только SoV недостаточно. Минимальный рабочий набор — шесть метрик: доля голоса, частота упоминаний, средняя позиция в перечислении, тональность, частота фактических ошибок и карта совместных упоминаний.

Доля голоса — основная, но не единственная метрика LLM-мониторинга. Вместе с ней меряются ещё пять, без которых полная картина не складывается.

Шесть метрик LLM-мониторинга:

┌──────────────────────────┬──────────────────────────────────────────┐
│ Доля голоса (SoV) ★      │ Доля ваших упоминаний от всех в нише     │
│ Частота упоминаний       │ В каком % промптов вас называют          │
│ Средняя позиция          │ На каком месте в перечислении в среднем  │
│ Тональность              │ Позитив / нейтрал / негатив              │
│ Фактические ошибки       │ % упоминаний с неверными данными         │
│ Карта совместных         │ С какими брендами вас называют рядом     │
│ упоминаний               │                                          │
└──────────────────────────┴──────────────────────────────────────────┘

Связь между метриками:

• Доля голоса = частота упоминаний × средний размер списка / количество брендов в нише. Если конкуренты называются в более длинных перечислениях, ваша доля будет ниже даже при равной частоте.
• Средняя позиция влияет на восприятие. Бренд с долей голоса 15% при первой позиции в большинстве ответов сильнее, чем бренд с долей 22% в позициях 4-6.
• Тональность модифицирует ценность доли голоса. Если 60% ваших упоминаний негативные, высокая доля становится проблемой, а не достижением.
• Карта совместных упоминаний показывает реальных конкурентов. Если вы делите долю с теми, кого считаете прямыми конкурентами — это здоровая ситуация. Если делите с непохожими брендами — нейросеть позиционирует вас не так, как вы планировали.

6. Промпт-пак: основа измерения

TL;DR. Доля голоса считается по фиксированному паку из 30-50 разговорных запросов, разделённому на 4 типа интентов. Без такого пака замер не воспроизводится между прогонами, и метрика теряет смысл.

Промпт-пак — единственный источник данных для расчёта доли голоса. Если пак слабый, метрика бесполезна. Если пак сильный — можно ставить количественные цели и измерять результат.

Из чего состоит рабочий пак

Минимум 30, оптимально 50 промптов. Меньше — не хватает статистики, доля прыгает на 5-10 процентных пунктов между прогонами. Больше — расходы на API и время разметки растут быстрее, чем точность.

Распределение по типам интентов:

Структура промпт-пака на 50 запросов:

Подборки и рейтинги         ████████████████████  40%  (20 запросов)
«лучший X», «топ Y для Z»

Сравнения брендов           ████████████          25%  (12-13 запросов)  
«X или Y», «чем отличается»

Проблемные запросы          ██████████            20%  (10 запросов)
«у меня X, что делать»

Узкосегментные              ███████               15%  (7-8 запросов)

Пример пака для ниши «онлайн-английский»

ПОДБОРКИ (20 запросов)
1. Где учить английский онлайн в 2026?
2. Лучшая школа английского для взрослых
3. Топ-5 онлайн-курсов английского с нуля
4. Какие есть онлайн-школы английского в России?
...

СРАВНЕНИЯ (13 запросов)
21. Skyeng или EnglishDom — что лучше?
22. Сравни Lingualeo и Puzzle English
23. Чем отличается Skysmart от Skyeng?
...

ПРОБЛЕМНЫЕ (10 запросов)
34. Хочу выучить английский с нуля, что выбрать?
35. Нужно подтянуть английский для работы в IT
36. Бюджет 5000 в месяц, как учить английский?
...

УЗКОСЕГМЕНТНЫЕ (7 запросов)  
44. Где учить английский для собеседования в международной компании?
45. Английский для детей 8-10 лет — варианты
46. Подготовка к IELTS онлайн в России
...

Что важно при составлении

Разговорные формулировки, не ключевые слова. Если пользователь так не говорит — нейросеть не получит такой запрос. Промпт «онлайн английский язык курсы недорого» — это шаблон из Wordstat, а не реальная фраза.

Не подсказывать бренд в промпте. «Расскажи про Skyeng» — это не замер видимости, это самоподсказка. Меряем органическое называние.

Несколько формулировок одного интента. «Лучшие школы английского», «топ онлайн-курсов английского», «где учить английский в интернете» — три разных промпта, один интент. Это даёт устойчивость к формулировке.

Один язык на пак. Если ниша российская — все 50 промптов на русском. Если глобальная и российская — два отдельных пака, каждый считается независимо.

Когда обновлять пак

Никогда между двумя соседними замерами — сравнимость сломается. Раз в полгода — обязательная ревизия: на рынке появляются новые игроки, меняется лексика пользователей. Старые промпты остаются, новые добавляются как расширение пака. Сравнение двух прогонов делается только по общему ядру промптов.

7. Где ловится «настоящая» доля голоса: 12 моделей и зачем все

TL;DR. Замер только в ChatGPT покрывает половину картины. Полная доля голоса считается по 6-12 моделям параллельно, потому что у российской аудитории разные точки контакта с ИИ: ChatGPT, YandexGPT, GigaChat, Алиса, Gemini, Claude, Perplexity.

Российская аудитория общается с ИИ через несколько каналов. Замер только в ChatGPT даёт смещённую картину — пропускается видимость в Алисе, GigaChat и YandexGPT, через которые приходит значительная часть нативной русскоязычной аудитории.

Доля голоса в каждой модели отдельно — отдельный показатель. Например, типичная картина для российского EdTech-бренда:

Доля голоса в нише «онлайн-английский» по моделям:

ChatGPT       ███████████████████████   28%
Perplexity    ████████████████████████  29%
Gemini        ██████████████████        22%
Claude        ███████████████           18%
YandexGPT     ████████████              15%
GigaChat      ██████████                12%
Алиса         █████████                 11%

Сводная доля голоса (все модели):        20,7%

Разрыв между ChatGPT (28%) и Алисой (11%) — типичная ситуация. Бренд хорошо представлен в международных моделях, потому что попал на западные обзорные ресурсы, но недопредставлен в российских моделях, потому что мало упоминаний на vc.ru, Хабре, Дзене. Без замера по обоим контурам это незаметно.

8. Доля голоса по типам запросов

TL;DR. Доля голоса в подборках, в сравнениях, в проблемных запросах и в узкосегментных — это четыре разные метрики. Одна может расти, другие падать. Сводная цифра скрывает реальные сдвиги.

Когда подборка-пак из 50 промптов делится на 4 типа интентов, доля голоса считается отдельно по каждому типу. Это даёт диагностическую информацию: где сильны, где слабы, куда направлять усилия.

Доля голоса бренда «X» по типам запросов:

Подборки и рейтинги    ██████████████████████    24%
Сравнения              ████████████              13%
Проблемные             ████████████████████      22%
Узкосегментные         █████                      6%
─────────────────────────────────────────────────────
Сводная доля голоса    ████████████████          17%

Из такой картины видно:

• Бренд хорошо представлен в подборках и проблемных запросах. Видимо, попадает в обзорные статьи и в материалы «как выбрать».
• Доля в сравнениях ниже сводной — в материалах формата «X vs Y» бренд упоминается реже. Возможно, нет своих сравнительных статей, и нейросети не на что опереться.
• Узкосегментная доля 6% — самая слабая точка. Бренд не воспринимается как решение для конкретных подсегментов. Это сигнал писать страницы «для кого» и узкие use-case.

Сводная цифра 17% маскирует эти разрывы. Без разбивки по типам нельзя ставить точные задачи на контент.

9. Эталонные показатели по нишам

TL;DR. «Хорошая» доля голоса зависит от ниши и роли. Доминирующий лидер — 30-45%. Сильный игрок второго эшелона — 12-20%. Новый бренд — 3-8%. Цели надо ставить относительно текущего распределения в категории, а не в абсолюте.

Базовые ориентиры для разных позиций в категории:

Уровни доли голоса в зрелой нише с 8-15 игроками:

ЛИДЕР НИШИ                30–45%   ────────────────────
Доминирующий бренд, который называется первым в большинстве 
ответов. На этом уровне рост идёт за счёт удержания позиции.

СИЛЬНЫЙ ИГРОК             15–25%   ──────────────
Стабильно входит в топ-3 ответов. Конкурирует с лидером 
в части подсегментов. Это рабочая цель для большинства брендов.

УВЕРЕННЫЙ ПРЕТЕНДЕНТ       8–14%   ────────
Регулярно появляется в ответах, но чаще на 3-5 позиции. 
Базовая видимость есть, нужна работа над контекстом.

НАЧИНАЮЩИЙ                 3–7%    ████
Заметен в нише, но в большинстве запросов нет. Стартовая 
точка для бренда с хорошим SEO.

НЕВИДИМЫЙ                  <2%     ▎
Нейросети практически не знают бренда. Требуется работа 
над технической доступностью и внешними упоминаниями.

Эти диапазоны не работают одинаково во всех нишах. В категориях с очень сильной концентрацией (поисковики, мессенджеры в России) у лидера может быть 70-80%, остальные борются за 1-3%. В фрагментированных категориях (онлайн-курсы, локальная недвижимость) лидер забирает 18-22%, и второй эшелон 8-15%.

Примерные распределения по российским нишам

Данные основаны на наших клиентских замерах в первом квартале 2026 года. Распределения меняются от месяца к месяцу на 1-3 процентных пункта, но порядок величин устойчивый.

10. Как растить долю голоса: 6 рычагов

TL;DR. Шесть рабочих рычагов роста: технический доступ для ИИ-краулеров, контент с прямыми ответами, публикации на внешних ресурсах, попадание в подборки и рейтинги, страницы сравнений «X или Y», работа с FAQ-страницами.

Доля голоса не растёт от одной правки — она растёт от системной работы по нескольким каналам одновременно. Вот шесть рычагов, отсортированных по соотношению «эффект / усилия».

Рычаг 1. Технический доступ для ИИ-краулеров

Что проверить:
☐ В robots.txt разрешены GPTBot, OAI-SearchBot, ClaudeBot, 
  anthropic-ai, PerplexityBot, Google-Extended
☐ На сайте есть статический HTML, а не только JS-рендеринг
☐ Главные страницы (продукт, цены, обзоры) индексируются 
  без JavaScript
☐ Файл llms.txt в корне сайта описывает структуру ресурса
☐ Schema.org Article и FAQPage добавлены в шаблоны

Сколько даёт: от 0 до текущей видимости. Если краулеры заблокированы — бренд невидим, и никакая контент-работа не работает, пока не открыты двери. По нашим оценкам, 35% российских сайтов всё ещё блокируют ИИ-краулеры с 2023 года.

Рычаг 2. Контент с прямыми ответами

Языковые модели вытаскивают из текстов прямые формулировки. Если страница начинается с описательного введения «в современном мире цифрового маркетинга...» — модель не находит ответ и не цитирует. Если страница начинается с фразы «доля голоса в нейросетях — это процент упоминаний бренда от всех упоминаний в нише» — у модели готовая цитата.

Что менять на ключевых страницах:

• Каждый раздел начинается с прямого ответа на вопрос-заголовок в первых двух предложениях.
• H2-заголовки сформулированы как вопросы пользователей.
• Цифры и факты вместо обобщений.
• FAQ-блок в конце каждой страницы с микроразметкой FAQPage.

Срок отклика: 3-6 недель в моделях с активным поиском (ChatGPT, Perplexity, Gemini). Месяцы — в моделях без браузинга.

Рычаг 3. Публикации на внешних авторитетных ресурсах

Главный недооценённый рычаг. Корреляция количества обратных ссылок с долей голоса в LLM — всего 0.11 (исследование Seer Interactive, 2025). Зато упоминания на крупных площадках — vc.ru, Хабр, РБК, Forbes, Коммерсантъ, Дзен — дают устойчивый сигнал авторитета.

Что делать:

• 2-3 публикации в месяц на крупных профильных ресурсах.
• Не пресс-релизы, а содержательные материалы с экспертизой.
• Получение упоминаний в сравнительных обзорах независимых авторов.
• Участие в подборках «лучших X» у профильных медиа.

Рекомендуемый темп: одно упоминание на новой авторитетной площадке в неделю. Это даёт прирост доли голоса на 1-2 процентных пункта в квартал в зрелой нише.

Рычаг 4. Попадание в рейтинги и подборки

32,5% упоминаний в ответах нейросетей приходится на сравнительные материалы и подборки (данные GenOptima, 2026). Это самые лакомые источники с точки зрения генеративных моделей.

Конкретные форматы:

• Списки «топ-N» на профильных ресурсах.
• Сравнительные обзоры «X против Y» от независимых авторов.
• Рейтинги пользователей на агрегаторах.
• Подборки «лучших инструментов для X» у инфлюенсеров.

Рычаг 5. Свои страницы сравнения

Если у вас нет собственных материалов «X или Y», нейросеть берёт формулировки сравнений из чужих источников. Чужие источники могут не показывать вас в выгодном свете.

Что писать:

• «Bitrix24 или amoCRM» (если вы amoCRM).
• «X для интернет-магазина» (если вы CRM с фокусом на e-commerce).
• «X vs Y по конкретным параметрам» (цена, скорость внедрения, набор функций).

Каждая страница сравнения должна быть честной — выделять, в чём вы сильны и где конкурент лучше. Промо-формулировки нейросети распознают и снижают вес источника.

Рычаг 6. FAQ-страницы с микроразметкой

FAQ-блоки оформляются как готовые цитаты для нейросетей. Каждый вопрос-ответ — это отдельная единица знания, которую модель берёт целиком.

Что важно:

• 6-10 реальных вопросов от ваших клиентов.
• Ответы по 50-80 слов, в формате «прямой ответ + один пример».
• Микроразметка FAQPage в JSON-LD.
• Обновление дважды в год.

По нашим замерам, FAQ-блоки дают 40-60% всех цитирований страницы в ChatGPT при правильной разметке.

11. Типичные ошибки в замерах

TL;DR. Семь повторяющихся ошибок: слишком маленький пак, замер только в ChatGPT, игнорирование российских моделей, ручные замеры без фиксации настроек, замер с включённой памятью, манипулятивные промпты, доля голоса без разбивки по типам запросов.

1. Промпт-пак из 5-10 запросов. Доля голоса прыгает на 8-15% между прогонами, и нельзя понять, реальное это движение или шум. Минимум 30 промптов, для серьёзных замеров — 50.

2. Замер только в ChatGPT. Покрывает 50% картины. На российском рынке надо обязательно мерить YandexGPT, GigaChat, Алису — у них своя картина и свои лидеры.

3. Игнорирование российских моделей. Если ваша целевая аудитория — Россия, и вы меряете только западные модели — вы видите половину видимости. Российские модели цитируют другие источники, у них другие правила игры.

4. Замеры в личном чате ChatGPT. Память включена, история разговоров влияет на ответы, регион настроен, версия модели может быть Plus или Free. Один и тот же запрос в личном чате не воспроизводится — для замера нужен API с фиксированными настройками.

5. Манипулятивные промпты. «Расскажи про X», «лучший ли X для Y» — это самоподсказки, а не замер. Нейросеть будет говорить про бренд, потому что вы его назвали. Меряем только органические упоминания.

6. Расчёт без нормализации брендов. «Тинькофф», «Т-Банк», «T-Bank», «тинькоф» — для скрипта это четыре разных бренда. Перед подсчётом надо собрать словарь синонимов и привести варианты к одному имени.

7. Сводная доля голоса без разбивки. 17% сводной может быть 24% в подборках и 6% в узкосегментных. Без разбивки нет приоритетов для контента. Всегда смотрите доли по типам интентов отдельно.

12. Кейсы по российскому рынку

TL;DR. Три кейса показывают, как доля голоса меняется при разных стартовых ситуациях: молодой бренд, лидер с эрозией, бренд после ребрендинга.

Кейс 1. Бренд CRM для интернет-магазинов

Стартовая ситуация (январь 2026): RetailCRM — доля голоса 8% в нише «CRM для российского малого бизнеса». Bitrix24 — 31%. amoCRM — 22%. Остальные 39% делят 8 игроков.

Что сделали за 2 квартала:

• Опубликовали 3 материала на vc.ru про сравнения CRM для интернет-магазинов.
• Открыли GPTBot и PerplexityBot в robots.txt.
• Добавили FAQ-блок с микроразметкой на 12 ключевых страниц сайта.
• Получили упоминания в 4 подборках «топ-CRM для e-commerce» на профильных ресурсах.
• Опубликовали 2 страницы сравнения: «RetailCRM или Bitrix24» и «RetailCRM или amoCRM».

Результат (май 2026):

Доля голоса в нише «CRM для интернет-магазинов»:

ЯНВАРЬ 2026
RetailCRM   ████████             8%
amoCRM      █████████████████   22%
Bitrix24    ██████████████████████████ 31%

МАЙ 2026
RetailCRM   █████████████████   18%  (+10 п.п.)
amoCRM      ████████████████    19%  (-3 п.п.)
Bitrix24    ████████████████████████  29%  (-2 п.п.)

Сводный прирост 10 процентных пунктов за 4 месяца. В подсегменте «CRM для интернет-магазинов» (узкосегментные запросы) рост ещё сильнее — с 12% до 38%.

Кейс 2. Эрозия позиций EdTech-лидера

Стартовая ситуация (январь 2024, исторические данные): Skyeng — доля голоса 42% в нише «онлайн-английский в России». Стабильный лидер, классическое SEO в топ-3 по всем целевым запросам.

Что произошло за 24 месяца:

• Яндекс.Практикум зашёл с языковыми курсами, начал агрессивную контент-стратегию.
• EnglishDom вложился в публикации на vc.ru и Дзене.
• Lingualeo обновил визуальный контент и стал чаще появляться в обзорах.
• Сам Skyeng снизил темп публикаций, сосредоточился на performance-маркетинге.

Результат (май 2026):

Доля голоса в нише «онлайн-английский»:

ЯНВАРЬ 2024              МАЙ 2026
Skyeng         42%       Skyeng         24%   (-18 п.п.)
EnglishDom     14%       EnglishDom     19%   (+5 п.п.)
Лингвалео      10%       Lingualeo      11%   (+1 п.п.)
Skysmart        7%       Skysmart       12%   (+5 п.п.)
Я.Практикум     0%       Я.Практикум    14%   (+14 п.п.)

Эрозия лидерства не была видна в SEO-аналитике — позиции по ключам остались высокими. Но в нейросетях аудитория получала всё более конкурентный список вариантов. Через 12-18 месяцев это конвертировалось в падение лидов из брендового поиска. К моменту, когда команда заметила проблему по конверсии, доля голоса упала на 18 пунктов.

Кейс 3. Восстановление после ребрендинга

Стартовая ситуация (после ребрендинга, июль 2024): Тинькофф переименовался в Т-Банк. В нише «банки для ИП» в первый месяц после ребрендинга:

• ChatGPT в 96% упоминаний использовал старое имя «Тинькофф».
• YandexGPT — в 91% случаев.
• Алиса — в 84% случаев.
• GigaChat — в 78% случаев.

При этом доля голоса бренда (новое и старое имя суммарно) — 32%, второй после Сбера.

Что сделали:

• Массовая публикация обзоров с новым именем на vc.ru, РБК, Хабре.
• Обновление всех страниц своего сайта под новое название.
• Работа с агрегаторами и подборками.
• Запрос обновления данных через формы обратной связи к ChatGPT, Perplexity, Anthropic.

Результат через 12 месяцев (июль 2025):

Использование нового имени «Т-Банк» в упоминаниях бренда:

МЕСЯЦ          ChatGPT  YandexGPT  Алиса  GigaChat
0 (ребрендинг)    4%       9%      16%     22%
1                14%      19%      27%     38%
3                42%      35%      48%     61%
6                73%      58%      72%     84%
12               94%      82%      89%     96%

Доля голоса бренда за этот период практически не изменилась — потерь не было. Но было важно отслеживать долю упоминаний с правильным именем, потому что иначе пользователи получали запутанные ответы про «Тинькофф, который теперь Т-Банк», что снижало доверие.

13. Чек-лист готовности к замеру доли голоса

TL;DR. Перед первым замером проверьте 12 пунктов: пак, бренды, модели, нормализация, фиксация настроек, регулярность.

ПОДГОТОВКА ПРОМПТ-ПАКА
☐ Собран пак из 30-50 запросов
☐ Распределение по типам интентов 40/25/20/15
☐ Промпты в разговорной форме, не ключевые слова
☐ Бренды в промптах не подсказаны

ПОДГОТОВКА СПИСКА БРЕНДОВ
☐ Зафиксирован список из 5-15 брендов в нише
☐ Собран словарь синонимов и написаний 
  (например, «Тинькофф» = «Т-Банк»)
☐ Определены пограничные случаи 
  («Яндекс» как бренд vs Яндекс.Маркет как отдельный)

ВЫБОР МОДЕЛЕЙ
☐ Минимум 5 моделей: ChatGPT, Claude, Gemini, 
  YandexGPT, GigaChat
☐ Желательно добавить Алису для российской аудитории
☐ Опционально Perplexity, Grok, DeepSeek

ТЕХНИЧЕСКИЕ НАСТРОЙКИ
☐ Замер через API, не в личных чатах
☐ Память отключена
☐ Температура зафиксирована (обычно 0.7)
☐ Версия каждой модели зафиксирована и записана
☐ Время замера записано (для будущей сравнимости)

РЕГУЛЯРНОСТЬ
☐ Назначена частота замеров (раз в 1-2 недели)
☐ Назначен ответственный за обработку результатов
☐ Создан трекер исторических замеров
☐ Связь с бэклогом задач — каждый замер 
  заканчивается 3-5 задачами

Без этих 12 пунктов замер либо не даст устойчивых данных, либо данные нельзя будет сравнить с будущими прогонами. И в том, и в другом случае метрика бесполезна для решений.

14. Глоссарий

Доля голоса (Share of Voice, SoV)
Доля упоминаний вашего бренда от всех упоминаний в нише за фиксированный период по фиксированному паку промптов.

Частота упоминаний (Mention Rate)
Процент промптов из пака, в которых ваш бренд был упомянут хотя бы раз. Не путать с долей голоса: частота считается от количества промптов, доля голоса — от количества упоминаний.

Промпт-пак
Фиксированный набор из 30-50 запросов, по которому регулярно меряется видимость бренда в нейросетях. Не меняется между прогонами для сохранения сравнимости.

Тональность (Sentiment)
Эмоциональная окраска упоминания: позитив, нейтрал, негатив. Высокая доля голоса с негативной тональностью — плохой сигнал.

Средняя позиция (Average Position)
Среднее место бренда в перечислениях, когда он упомянут. Первое место в списке весит больше, чем пятое.

Совместное упоминание (Co-mention)
Когда нейросеть называет ваш бренд рядом с другим в одном ответе. Карта совместных упоминаний показывает реальных конкурентов глазами ИИ.

Фактическая ошибка (Hallucination)
Случай, когда нейросеть приписывает бренду свойство, цену, фичу, которые не соответствуют реальности. Источник — устаревшие данные в обучающем корпусе.

Промпт-карта
Список реальных формулировок, которыми пользователи спрашивают ИИ по вашей категории. Основа для составления промпт-пака.

Узкосегментный запрос
Промпт с уточняющими условиями: «X для команды до 10 человек», «X с бюджетом до 5000 в месяц», «X для интернет-магазина одежды». Самый информативный тип для понимания позиционирования.

15. Частые вопросы

Сколько промптов нужно для устойчивого замера доли голоса?

Минимум 30, оптимально 50. Меньше — доля голоса прыгает на 5-10 процентных пунктов между прогонами без реальных причин, и нельзя отличить тренд от шума. Больше 50 — расходы на API и время обработки растут быстрее, чем точность.

Можно ли мерить долю голоса вручную в чате ChatGPT?

Для разового знакомства с темой — да. Для регулярных замеров — нет. В личном чате включена память, ответы зависят от истории разговоров, времени дня, региона, тарифа. Воспроизводимости нет, сравнить два прогона корректно невозможно. Профессиональный замер делается через API нейросетей с фиксированными настройками.

Достаточно ли мерить долю голоса только в ChatGPT?

Нет. ChatGPT покрывает около 50% точек контакта с ИИ у российской аудитории. Без YandexGPT, GigaChat и Алисы остаётся незакрытой половина картины — особенно в нишах с массовой русскоязычной аудиторией (банки, маркетплейсы, доставка, стриминги).

Как часто меняется доля голоса?

В моделях с активным поиском (ChatGPT, Perplexity, Gemini) — заметные изменения в течение 4-8 недель после контентных усилий. В моделях без браузинга или с редкими обновлениями обучения (Claude без поиска, Llama, Mistral) — от 6 месяцев до 2 лет. Это означает, что мерить надо раз в 1-2 недели, чтобы успевать ловить быстрые сдвиги в одних моделях и видеть медленные в других.

Может ли доля голоса быть больше 100%?

Нет. Доля голоса — это процент от суммы всех упоминаний, она всегда от 0 до 100%. Если складывать доли голоса всех брендов в нише — должно получиться примерно 100% (с погрешностью на единичные упоминания неизвестных моделей или общие термины).

Чем доля голоса отличается от Mention Rate?

Mention Rate считает, в скольких промптах из пака бренд был упомянут (например, 24 из 50 = 48%). Доля голоса считает, какую долю ваш бренд занимает от всех упоминаний в нише (например, 112 ваших упоминаний из 850 всех упоминаний = 13,2%). Можно иметь высокий Mention Rate (упоминают часто) и низкую долю голоса (но конкурентов упоминают ещё чаще). Обе метрики нужны вместе.

Как связана доля голоса с продажами?

Прямой связи нет — нейросети не дают точной атрибуции. Косвенно: рост доли голоса на 10 процентных пунктов в зрелой нише обычно даёт прирост брендовых запросов в поиске на 15-30% через 2-4 месяца. Брендовые запросы конвертируются в лиды по обычным маркетинговым формулам. То есть доля голоса работает как индикатор будущих продаж с опережением 1-2 квартала.

Какую долю голоса считать «хорошей»?

Зависит от роли в нише. Лидер ниши — 30-45%. Сильный игрок второго эшелона — 15-25%. Уверенный претендент — 8-14%. Новый бренд — 3-7%. Цели всегда ставятся относительно текущего распределения в категории, а не в абсолютных числах.

Можно ли искусственно накрутить долю голоса?

Нет. В отличие от SEO, где можно купить ссылки и сдвинуть позиции, нейросети учатся на массиве независимых источников. Накрутить отдельную статью можно — но модели игнорируют единичные сигналы и опираются на консенсус из десятков и сотен источников. Единственный устойчивый путь — реальная работа над контентом и внешними упоминаниями.

Как часто нужно обновлять промпт-пак?

Никогда между двумя соседними замерами — это сломает сравнимость. Раз в полгода — обязательная ревизия. Появляются новые игроки, меняется лексика пользователей. Старые промпты остаются (для сравнимости), новые добавляются как расширение. Сравнение двух прогонов делается только по общему ядру промптов.

Чем русскоязычная доля голоса отличается от англоязычной?

В русскоязычных промптах больший вес имеют российские модели (YandexGPT, GigaChat, Алиса) и российские источники (vc.ru, Хабр, РБК, Дзен). В англоязычных — больше веса у ChatGPT, Perplexity, Gemini и западных источников (Reddit, Medium, отраслевые СМИ). Это две разные среды, и доля голоса в них считается раздельно.

Заменяет ли доля голоса другие метрики LLM-мониторинга?

Нет. Доля голоса — основная, но без сопровождающих метрик она неполна. Минимальный рабочий набор: доля голоса + частота упоминаний + средняя позиция + тональность + фактические ошибки + карта совместных упоминаний. Только вместе они дают картину, по которой можно ставить задачи.

Узнайте свою долю голоса прямо сейчас

Бесплатная проверка покажет долю голоса вашего бренда в ответах ChatGPT, Claude, Gemini, YandexGPT, GigaChat, Алисы и других моделей — сразу по 12 нейросетям. Без карты, три прогона в месяц на Free-тарифе.

Запустить бесплатную проверку → · Посмотреть пример отчёта

Никита Вихров, CMO Getllmspy. Вопросы и обратная связь — Telegram @aeads7.