Отчёт проверки

Демо Мультимодельно 2 риска

58

Общий LLM-Score

Взвешенная видимость по моделям (мок + формула из ТЗ §6).

Видимость по моделям

ChatGPT

0%

Claude

0%

Gemini

0%

Perplexity

0%

Grok

0%

DeepSeek

0%

Ключевые метрики

Доля голоса, динамика, место в рекомендациях и риски по фактам — на одном экране. Значения SoV пересчитываются из мок-ответов моделей.

Share of AI Voice

доля упоминаний

67%

Считается по моделям: доля опрошенных моделей, у которых бренд встретился хотя бы в одном ответе проверки. Подробный разбор подставляется из данных проверки.

SoV % · наведите на точку

Рост SoV за 4 недели

мок-тренд

+12 п.п.

С — по —: было 58% → сейчас 70% (условная динамика для демо).

SoV % · столбцы по неделям

Средняя позиция в ответе

ранг

2,4

Среднее место бренда в списке рекомендаций: 1 — первый в списке, чем ниже число, тем лучше.

Место в списке (1 = топ)

Галлюцинации и факт-чек

риск

2

Спорных или неподтверждённых утверждений о бренде: 2 из 54 извлечённых фрагментов (мок). Порог внимания — обычно ≥5 за период.

Случаев за неделю · пунктир — порог 5

Динамика видимости

История из visibility_history. Ось Y — условный индекс 0–100.

ChatGPT Claude Gemini

Тональность и конкуренты

Тональность

positive ~55%
neutral ~27%
negative ~18%

Промпт ТЗ §5.3 → JSON sentiment.

Конкуренты

Бренд	Видимость	Тип
Ваш бренд	72	—
Skyscanner	64	compared
Островок	48	mentioned
Яндекс.Путешествия	58	recommended

Hallucination-детектор

Здесь показаны фрагменты ответов нейросетей про ваш бренд, которые не сходятся с тем, что можно проверить на официальном сайте и в прайсе. Это не «ИИ ошибся просто так» — это сигнал перепроверить тарифы, названия планов и описание продукта, чтобы клиенты и модели видели одно и то же.

Верификация по ТЗ §5.2.

§5.2 в техническом задании на продукт описывает правила сверки: ответы моделей сопоставляют с вашим сайтом — тарифы, функции, цифры. В этом демо-отчёте стоят условные примеры таких расхождений, чтобы было понятно, как это будет выглядеть в живом сервисе.

wrong_price · critical

Тип wrong_price: модель назвала цену или тариф, которых нет в вашем актуальном прайсе (например, выдуманное имя плана). Метка critical значит высокий риск: пользователь может поверить неверной стоимости. Обычно лечится обновлением страницы с тарифами и явными формулировками на сайте.

Указан несуществующий тариф «Бизнес Lite».

fake_feature · warning

Тип fake_feature: модель приписала продукту возможность (интеграцию, функцию), которую нельзя подтвердить текстом на сайте. warning мягче, чем critical, но всё равно важно: либо опишите возможность на сайте, либо заранее подготовьте ответы для поддержки, если клиенты спросят об этом.

«Интеграция с 1С» без подтверждения на сайте.

Цитаты моделей

#	Модель	Бренд	Тональность	Полная цитата

Под-запросы к одному запросу

Пользователь задаёт одну формулировку, а модель при ответе опирается на несколько смысловых «веток»: сравнение цен, комиссии, альтернативы, смежные темы. Это и есть fan-out (разветвление): не один монолитный ответ, а набор под-вопросов внутри одного запроса.

Зачем в отчёте: видно, в каких ветках ваш бренд фигурирует в выдаче, а в каких тема всё ещё про вас по смыслу, но имени бренда уже нет — типичные зоны роста для контента и промптов.

Ниже — демо на трёх под-запросах для одной проверки.

Сводка по веткам

Ветка 1 — да Ветка 2 — нет Ветка 3 — нет

Как звучит под-запрос	Ваш бренд в этой ветке
лучший агрегатор авиабилетов 2026	да
сравнение комиссий метапоиска	нет
как копить мили с картой	нет

Пробелы по запросам (Prompt Gaps)

Что это: формулировки запросов, где в ответах моделей на поверхности есть конкуренты или прямые альтернативы, а вашего бренда нет. Это не обязательно те же промпты, что в основной проверке: список собирается по пересечению тем и сигналам из ответов (на проде — по правилам продукта).

Зачем: готовый перечень тем для контента, посадочных страниц, рекламных кластеров и внутренних инструкций — чтобы закрывать спрос, где вас уже сравнивают с рынком, но по имени не называют.

Демо: несколько запросов из условной выборки.

Источники цитирования

Дрейф источников vs прошлый месяц: 54% (мок).

vc.ru — 18%
Отзовик — 14%
Официальный блог — 9%

AEO и Shopping

AEO Content Score

61 / 100

llms.txt — нет
Schema.org — да
Sitemap — да
Wikipedia — нет

Shopping visibility

0

Карточки ChatGPT Shopping не обнаружены (мок).

Краулеры и техаудит

Crawler visits

GPTBot — 1240
ClaudeBot — 780
PerplexityBot — 210

Чеклист

robots.txt

Cloudflare / боты

llms.txt

Schema.org

План рекомендаций

Правила ТЗ §10.

1

Исправьте галлюцинации

Обновите публичные описания и справочные страницы.

critical

2

Создайте llms.txt

AI-краулеры смогут однозначно сопоставить бренд и продукты.

important

3

Разблокируйте AI-краулеры

PerplexityBot в Disallow снижает видимость в Perplexity.

important

4

Закройте 2 Prompt Gap

Страницы под запросы, где есть конкуренты, а вас нет.

medium

5

Добавьте Schema.org

Структурированные данные повышают шанс корректного цитирования.

medium

6

Wikipedia и Shopping

Долгосрочные усилители AI-видимости.

good

Действия

Новая проверка В историю

PDF — заглушка в прототипе.

Автозапуск отчёта

Платный тариф

Запускать эту проверку каждый день автоматически и получать свежий срез без ручного «Новая проверка».

Тарифы

Уже требуется подписка уровня Про или выше. В прототипе кнопка только показывает подсказку.

Отчёт: Демо-бренд