Упоминание бренда в LLM — появление названия компании или продукта в ответе нейросети, с ссылкой или без.
Упоминания — базовая метрика GEO. Их считают по набору целевых запросов: сколько раз бренд назван, на каком месте в списке, в каком контексте и тоне. Модель узнаёт о бренде из обучающих данных и из поиска, поэтому на упоминания влияют публикации на сторонних площадках, отзывы, рейтинги и обсуждения.
Виды упоминаний
- Рекомендация: модель советует бренд под задачу пользователя.
- Перечисление: бренд назван в списке вариантов.
- Пример: бренд приведён как иллюстрация явления.
- Сравнение: бренд сопоставлен с конкурентами.
- Ответ о бренде: пользователь спросил о компании напрямую.
Каждый вид отражает разное: рекомендации показывают коммерческую силу бренда, перечисления — присутствие в нише, ответы о бренде — точность знаний модели.
Откуда модель берёт упоминания
Модель называет бренды, которые часто и согласованно встречаются в текстах о теме: в обзорах, рейтингах, статьях, обсуждениях. Если поиск включён, модель добавляет данные из найденных страниц. Поэтому на упоминания влияют и давние публикации, попавшие в обучение, и свежие материалы.
Как увеличить число упоминаний
- Определите площадки, которые модели цитируют в вашей нише: проверьте источники ответов в Perplexity и ChatGPT.
- Публикуйте на этих площадках экспертные материалы с упоминанием бренда.
- Попадайте в отраслевые подборки и рейтинги.
- Делайте исследования и данные, которые будут цитировать другие.
- Работайте с блогерами и Telegram-каналами ниши.
- Поддерживайте единое название бренда везде.
Как считать
Ведите таблицу по пулу запросов: модель, запрос, дата, упомянут ли бренд, вид упоминания, позиция, ссылка, тональность. Повторяйте замер раз в месяц. Направление закрывают экспертные статьи и продвижение у блогеров.
Частый вопрос
Сколько времени нужно, чтобы модель начала упоминать бренд? В ответах с поиском изменения видны через 1–3 месяца после публикаций и обновления сайта. В знаниях модели без поиска — только после выхода новой версии, которая обучена на свежих данных. Поэтому работа идёт сразу в обоих направлениях.