Sentiment в AI-ответах — тональность, с которой нейросеть говорит о бренде: позитивно, нейтрально или негативно.
Модели пересказывают то, что о компании пишут в интернете, включая отзывы и жалобы. Если в ответе звучат устаревшие претензии или ошибки, работать нужно с источниками: отзывами, публикациями, ответами компании на форумах и официальными страницами.
Откуда метрика
Анализ тональности текстов — давнее направление компьютерной лингвистики. В 2000-х его стали применять для мониторинга отзывов и соцсетей: сервисы считали долю позитивных и негативных упоминаний бренда. С приходом нейросетевых ответов метрику перенесли в GEO. Важна уже не только частота упоминаний, но и то, как именно модель описывает компанию: рекомендует, упоминает нейтрально или предупреждает о проблемах.
Как оценивать тональность
- Возьмите пул запросов: общие о нише, с названием бренда, сравнения с конкурентами, вопросы «стоит ли» и «отзывы».
- Прогоните запросы через несколько моделей и сохраните ответы.
- Для каждого упоминания отметьте тональность: позитивная, нейтральная, негативная.
- Выпишите аргументы, которые модель приводит: «долгие сроки», «низкие цены», «хорошая поддержка».
- Найдите источники этих аргументов: отзовики, форумы, статьи.
Откуда берётся негатив
- Старые отзывы, которые много раз цитировали.
- Жалобы на форумах без ответа компании.
- Устаревшие данные: прежние цены, закрытые филиалы, бывшие руководители.
- Путаница с другой компанией с похожим названием.
Как улучшить тональность
Нельзя попросить модель отзываться лучше. Можно изменить то, что она читает. Отвечайте на отзывы и закрывайте проблемы публично. Публикуйте актуальные факты на сайте и в справочниках. Собирайте отзывы довольных клиентов на площадках, которые модели цитируют. Если путаница с другой компанией, усиливайте сущность бренда: микроразметка, единые данные, страница «О компании». Работа близка к SERM, но источники шире: нейросеть читает не только выдачу по брендовому запросу.
Частый вопрос
Как часто проверять тональность? Раз в месяц по фиксированному пулу запросов и сразу после заметных событий: волны отзывов, публикаций в СМИ, смены цен.