Измерение успеха — главная проблема оптимизации под ответы поисковых систем (AEO), о которой сегодня сообщают маркетологи. В отчете было указано, что это главная сложность среди B2B-маркетологов (23%); среди B2C-маркетологов ее упомянули 26%, уступив лишь пониманию принципов работы AEO (29%).
Традиционные поисковые метрики по-прежнему важны, но они отвечают на другие вопросы. Клики и показы в Google Search Console и даже посещения сайта не показывают, упоминают ли или цитируют ли поисковые системы бренд, и как часто это происходит по сравнению с конкурентами.
В этом руководстве изложен повторяемый процесс бенчмаркинга AEO с использованием частоты цитирования, доли голоса, нормализации на уровне платформ и отчетности, готовой для руководства. Вместе эти показатели превращают разовые проверки промптов в эталон, который маркетинговые команды могут отслеживать и объяснять руководству.
Содержание
- Почему одни лишь SEO-рейтинги не отражают эффективность ИИ-поиска
- Какие бенчмарки важны для AEO и как их рассчитывать
- Как нормализовать результаты по разным поисковым системам и промптам?
- Как превратить бенчмарки в план улучшений?
- Как докладывать отраслевые бенчмарки руководству
- Часто задаваемые вопросы о бенчмаркинге ИИ-поиска
- Превращение бенчмарков ИИ-поиска в программу, а не в разовый проект
Почему одни лишь SEO-рейтинги не отражают эффективности ИИ-поиска
Хорошие позиции в традиционном поиске означают, что страница появляется на странице результатов поисковой выдачи (SERP). Затем пользователь может кликнуть по результату, чтобы перейти на источник.
HubSpot различает упоминания AEO и цитирования следующим образом: упоминание называет бренд в сгенерированном ИИ ответе без ссылки на источник, в то время как цитирование — это атрибутивная ссылка на источник или связанный URL. Для этого руководства цитирование на уровне бренда означает атрибутивный источник или связанный URL с домена бренда.
Оптимизация под ответы поисковых систем измеряет иной уровень видимости в поиске: появляются ли бренд или его контент внутри синтезированных ответов и каким образом. Функции поиска на базе ИИ также могут изменять поведение пользователей при кликах. В данных за декабрь 2025 года Ahrefs обнаружила, что наличие обзора Google AI Overview коррелировало с более низким средним показателем кликабельности (CTR) на 58% для страницы, занимающей первое место в рейтинге.
Традиционные SEO-метрики измеряют эффективность страниц в результатах поиска. Метрики AEO измеряют, появляются ли бренды и источники внутри ответов, сгенерированных ИИ.
В следующей таблице представлены распространенные SEO-метрики наряду с бенчмарками AEO. Подробнее о бенчмарках AEO я расскажу в следующем разделе.
Рейтинги ключевых слов
Позиция страницы в результатах поиска по заданному поисковому запросу
Частота цитирования
Процент отслеживаемых промптов, ответы на которые цитируют бренд или домен
Показатель кликабельности (CTR)
Процент людей, которые кликают по результату после его просмотра в результатах поиска
Доля упоминаний бренда по сравнению с заданным набором конкурентов по тем же промптам
Показы
Количество появлений результата в поисковой выдаче независимо от того, был ли совершен клик.
Видимость на уровне платформы
Частота цитирования и доля голоса, рассчитанные отдельно для каждой поисковой системы с ответами
Профиль обратных ссылок
Внешние ссылки, указывающие на домен, а также качество и контекст этих ссылок
Сегментация набора запросов
Частота цитирования или доля голоса, рассчитанные в рамках определенной группы промптов, например по теме или этапу покупателя
Органический трафик
Посещения веб-сайта из неоплачиваемых результатов поиска
Трафик с рефералами от ИИ
Посещения, приписываемые поисковым системам с ответами в данных аналитики сайта об источниках или рефералах.
Бенчмаркинг AEO измеряет, как часто бренд появляется или цитируется в поисковых системах с ответами относительно определенного набора конкурентов. Поскольку сгенерированные ответы могут варьироваться от запуска к запуску, эти показатели являются оценками на основе определенного набора промптов, платформы и окна сбора данных, а не фиксированными рейтингами.
В частности, для обзоров Google AI Overviews анализ BrightEdge показал, что около 17% цитируемых источников также входили в топ-10 органической выдачи, что означает, что примерно пять из шести цитирований поступили со страниц за пределами первой. BrightEdge сообщила о 24% пересечении в топ-10 в сфере здравоохранения и 11% в финансах. Это не делает органические рейтинги неактуальными; это показывает, что пересечение органических рейтингов и цитирований в AI Overview может существенно различаться в зависимости от отрасли, поэтому команды должны измерять оба показателя.
Какие бенчмарки важны для AEO и как их рассчитывать
Четыре приведенных ниже бенчмарка помогают измерять и упорядочивать видимость в поисковых системах с ответами. Они не измеряют влияние на сайт или выручку сами по себе, поэтому используйте их наряду с показателями трафика, конверсии и воронки, а не рассматривайте их как замену.
В эксперименте, включавшем более 500 запросов на 20 платформах, Роберт Карнес обнаружил, что чат-боты с ИИ лучше справляются с некоторыми промптами на прямые действия и могут выстраивать аргументы для запросов, основанных на мнениях. В то же время традиционный поиск оставался полезным для получения конкретной и локальной информации. Этот смешанный результат важен для бенчмаркинга: некоторые взаимодействия с ИИ могут удовлетворить запрос без клика, но традиционный поиск по-прежнему играет важную роль.
Кроме того, утверждает, что 44% опрошенных маркетологов совершили бизнес-покупку на основе брендов, которые они обнаружили через поисковые системы с ответами.
В другом опросе более 200 лиц, принимающих решения в сфере B2B, 42% заявили, что рекомендация ИИ делает бренд «более заслуживающим доверия — если ИИ рекомендует его, он, вероятно, проверен». обнаружила, что лишь 11% заявили, будто рекомендация ИИ делает бренд менее заслуживающим доверия.
Как отмечает Аманда Селлерс, бывший стратег по SEO и AEO в HubSpot, в отчете State of AEO: «Поисковые системы с ответами могут достичь уровня персонализации, невозможного при традиционном поиске, что помогает в процессе рассмотрения на пути к покупке. К тому времени, когда эти покупатели попадают на веб-страницу, они гораздо более квалифицированы».
Вывод заключается не в том, что AEO заменяет SEO. А в том, что открытие и оценка бренда могут происходить до клика по сайту, поэтому маркетологам необходимы показатели видимости для поисковых систем с ответами наряду с традиционными SEO-метриками.
Частота цитирования
Частота цитирования показывает, как часто бренд или домен явно цитируется в ответах поисковых систем в рамках определенного набора промптов.
Частота цитирования = (Количество промптов, в которых цитируется бренд или домен ÷ Общее количество промптов) × 100
Используйте частоту цитирования в качестве базового уровня для определения того, увеличивается или уменьшается видимость с указанием авторства. Читайте этот показатель вместе с долей голоса, чтобы не интерпретировать процент без конкурентного контекста.
Доля голоса в 20% по сравнению с 8% у следующего отслеживаемого конкурента указывает на более высокую относительную видимость в рамках определенного набора конкурентов. Это не устанавливает лидерство в категории за пределами брендов и промптов, включенных в бенчмарк.
Видимость на уровне платформы
Для этого бенчмарка видимость на уровне платформы означает расчет частоты цитирования и доли голоса отдельно для каждой поисковой системы с ответами, такой как ChatGPT, Gemini и Perplexity.
Видимость на уровне платформы = Частота цитирования или доля голоса, рассчитанные для одной поисковой системы с ответами за раз
Это предотвращает ситуацию, когда усредненное значение скрывает существенные различия между платформами. Бренд может иметь высокую видимость в Perplexity и низкую в ChatGPT, даже если общий средний показатель выглядит стабильным.
Сегментация набора запросов
Для данного бенчмарка сегментация набора запросов означает группировку отслеживаемых промптов по полезным категориям, таким как тема, этап воронки продаж, сценарий использования или линейка продуктов, с последующим расчетом частоты цитирования или доли голоса внутри каждой группы.
Видимость на уровне сегмента = Частота цитирования или доля голоса, рассчитанные для одного определенного сегмента промптов.
Сегментация помогает выявить пробелы, которые может скрывать агрегированный показатель. У бренда может быть общая хорошая видимость, но при этом он редко появляется в промптах сравнения с высокой степенью готовности к покупке.
HubSpot AEO может автоматизировать отслеживание промптов, видимость бренда, долю голоса конкурентов, анализ цитирования, тональность и приоритетные рекомендации в ChatGPT, Gemini и Perplexity. В тарифных планах Marketing Hub Pro и Enterprise данные CRM обеспечивают формирование более точных рекомендаций. Автономное решение HubSpot AEO стоит от 50 долларов в месяц или 45 долларов в месяц при годовой оплате. Оно также входит в состав Marketing Hub Pro и Enterprise.
Отраслевые бенчмарки полезны только тогда, когда вы сравниваете сопоставимые вещи. Сравнивайте частоту цитирования бренда, используя ту же метрику для неизменного набора промптов, набора конкурентов, поисковой системы с генеративным искусством и периода сбора данных.
AI Search Sensor предоставляет контекст на уровне отрасли для оценки тенденций видимости в поисковых системах с генеративным искусством. Бесплатная общедоступная панель мониторинга отслеживает расчетную видимость, долю цитирования, трафик с переходом из ИИ, шаблоны цитирования и волатильность поисковых систем с генеративным искусством в ChatGPT, Gemini и Perplexity.
Не сравнивайте частоту цитирования бренда напрямую с показателем видимости или долей цитирования AI Search Sensor так, будто эти метрики взаимозаменяемы. Используйте отраслевые данные в качестве контекста категории, а затем оценивайте бренд с помощью согласованных метрик на уровне бренда.
Ниже приведен обзор показателей видимости в маркетинговой индустрии:
AI Search Sensor — это бесплатная общедоступная панель мониторинга, находящаяся в настоящее время в стадии бета-тестирования. Она отслеживает тенденции на уровне отрасли и рынка в целом для ChatGPT, Gemini и Perplexity, а не сообщает о показателях эффективности конкретного бренда. Маркетологи могут использовать ее четырьмя способами.
- Проверяйте тенденции трафика с переходом из ИИ: анализируйте ориентировочные еженедельные оценки трафика, который ChatGPT, Gemini и Perplexity направляют на веб-сайты. Цифры основаны на обезличенных данных клиентов HubSpot и отражают тенденции изменения направления, а не точное количество посещений.
- Изучайте бенчмарки видимости ИИ по отраслям: сравнивайте расчетные показатели видимости и долю цитирования для репрезентативных компаний в 10 отраслях. Эти бенчмарки обеспечивают контекст категории, а не прямую оценку бренда читателя.
- Отслеживайте тенденции доли цитирования по типу контента и каналу: узнавайте, какие форматы контента и каналы-источники чаще всего появляются в сгенерированных ИИ ответах каждую неделю.
- Следите за трекером волатильности поисковых систем с генеративным искусством: используйте ежедневный показатель от 0 до 100 и его диапазоны «Спокойно», «Умеренно», «Повышенно» и «Экстремально», чтобы видеть, меняется ли поведение цитирования, упоминаний и переходов из ИИ в целом по всем поисковым системам с генеративным искусством.
Совет: AI Search Sensor не сообщает собственную видимость бренда или долю его цитирования. Для отслеживания промптов конкретного бренда и сравнения с конкурентами используется HubSpot AEO.
Для бенчмаркинга конкретного бренда решение HubSpot AEO включает:
- Показатель видимости бренда: процент отслеживаемых промптов, в которых появляется бренд.
- Анатиз конкурентов и цитирования: видимость конкурентов, а также домены, страницы и типы контента, фигурирующие в цитированиях.
- Анализ тональности: оценивает, описывает ли ИИ бренд положительно, отрицательно или нейтрально, по шкале от -100 до +100.
Отраслевые данные обеспечивают контекст; данные по конкретному бренду показывают, что происходит с отдельным брендом. Инструмент AI Search Grader от HubSpot — это бесплатная разовая проверка, которая предоставляет снимок данных в ChatGPT, Perplexity и Gemini, включая видимость, тональность и конкурентное позиционирование. Вот как выглядит AI Search Grader:
AI Search Grader полезен в качестве разовой базовой линии, но для постоянного бенчмарка требуются определенный набор запросов, набор конкурентов и периодичность повторного запуска.
Набор запросов — это список промптов, используемых для расчета частоты цитирования, доли голоса и связанных бенчмарков. Он должен отражать вопросы, которые покупатели действительно задают в данной категории, а не только предпочтительные ключевые слова бренда. Полезный начальный набор должен охватывать несколько типов промптов:
Определяющие категорию
«Лучшее программное обеспечение [категория]», «топ-инструменты [категория] для [сценарий использования]»
Прямое сравнение
«[Конкурент А] против [Конкурент Б]», «альтернативы [Конкуренту А]»
Проблемно-ориентированные (без упоминания бренда)
«Как решить [проблема] для [аудитория]».
Брендовые
Промпты, содержащие название самого бренда, и промпты, содержащие названия каждого конкурента по отдельности
Если вы проводите тестирование вручную, начните с набора, достаточно небольшого для того, чтобы его можно было регулярно перезапускать, и рассматривайте результат как ориентировочный. Для более глубокого аудита в руководстве по бенчмаркингу AEO от Discovered Labs рекомендуется составить карту из 50–200 вопросов с высокой степенью готовности к покупке и отмечается, что для статистической достоверности могут потребоваться сотни вариаций запросов на нескольких платформах и проведение повторных тестов.
Затем сформируйте фиксированный набор конкурентов. Сначала запустите набор запросов и запишите бренды, которые регулярно появляются в упоминаниях и цитированиях. Затем выберите поименованную группу, включающую прямых конкурентов и других заметных для ИИ участников рынка, с которыми покупатели действительно могут вас сравнить.
Сохраняйте наборы запросов и конкурентов неизменными в течение отчетного периода. Когда существенные изменения продукта, рынка или конкурентной среды потребуют обновления, создайте новую версию бенчмарка и зафиксируйте внесенные изменения, чтобы предыдущие результаты оставались понятными. В руководстве Lab Studio по развитию бенчмарков ИИ объясняется, что стандартизированные наборы задач делают результаты сопоставимыми между запусками, а стратегии бенчмаркинга должны развиваться по мере взросления систем.
Отслеживайте бенчмарк еженедельно, чтобы замечать тенденции. Проверяйте списки запросов и конкурентов раз в квартал или раньше после существенных изменений в категории, продукте или конкурентной среде, а не переписывайте их перед каждым запуском бенчмарка.
Полезный совет: ручное отслеживание может подойти для первоначального бенчмарка. По мере роста числа промптов, платформ и повторяющихся запусков автоматизация снижает нагрузку на сбор и регистрацию данных. HubSpot AEO — один из вариантов постоянного отслеживания промптов, конкурентов, видимости и цитирования.
Как мне нормализовать результаты для разных поисковых систем с генеративным искусством и промптов?
Необработанные данные о количестве цитирований из ChatGPT, Gemini и Perplexity сами по себе напрямую не сопоставимы. Сначала стандартизируйте процесс тестирования, а затем отчитывайтесь по каждой платформе отдельно. Учитывайте два вида вариативности.
- Изменчивость внутри поисковой системы: один и тот же промпт может давать разные ответы или источники при повторных запусках. Не рассматривайте единичный ответ как стабильную оценку вероятности.
- Изменчивость между поисковыми системами: разные поисковые системы с генеративным искусством могут возвращать разные комбинации источников, шаблоны упоминаний и частоту цитирования для одного и того же промпта.
Не решайте проблему этой вариативности путем объединения всех платформ в единый усредненный показатель. Рассчитывайте частоту цитирования и долю голоса отдельно для каждой поисковой системы. Например, частота цитирования 30% на Perplexity и 8% на ChatGPT — это два результата на уровне платформ, а не исходные данные для усреднения.
Чтобы корректно сравнивать большие языковые модели (LLM) для бенчмаркинга AEO, используйте один и тот же фиксированный список промптов, по возможности одинаковые настройки рынка или местоположения, постоянное окно сбора данных и повторные запуски, когда это позволяют ресурсы. В руководстве Discovered Labs по бенчмаркингу AEO отмечается, что разовые ручные проверки уязвимы к вариативности ответов и персонализации. Стабильный тестовый набор и документированная версия бенчмарка упрощают интерпретацию изменений с течением времени.
Как превратить бенчмарки в план улучшений?
Бенчмарк становится полезным, когда он меняет дальнейшие действия команды. Как только вы определили показатель цитируемости, долю голоса (share of voice), видимость на уровне платформ и сегментацию наборов промптов, переходите от измерений к расстановке приоритетов.
Начните с сегментов промптов, в которых бренд проявляет себя слабее всего. Для каждого промпта, по которому был получен неблагоприятный результат, изучите URL-адреса, домены, каналы-источники и типы контента, на которые поисковый движок на базе ИИ ссылается на самом деле. Используйте эти наблюдаемые закономерности, а не предполагайте, что промпт определенного типа всегда будет отдавать предпочтение определенному формату. Классифицируйте каждый приоритетный пробел.
- Пробел в охвате: у бренда отсутствует страница, которая прямо отвечает на важный вопрос или сценарий использования.
- Пробел в цитировании: релевантный контент бренда существует, но цитирования получают другие источники. Проверьте, какие страницы, домены, форматы контента и сторонние источники появляются вместо вас.
- Пробел в платформе: видимость существенно ниже на одной поисковой системе с ИИ, чем на других для того же сегмента промптов.
Расставляйте приоритеты на основе бизнес-значимости и повторяемости, а не пытайтесь исправить все пропущенные промпты одновременно.
Дополнительные рекомендации по созданию контента, заслуживающего цитирования, см. в статье «Как писать контент, который будут цитировать поисковые системы на основе генеративного ИИ, по мнению экспертов». Дополнительные идеи по адаптации контент-стратегии в условиях изменения поиска см. в материале «6 шагов, которые предпринимают блогеры для подготовки к ИИ в поиске [Новые данные]».
HubSpot AEO поддерживает этот этап постоянной работы, отслеживая видимость бренда, конкурентов, цитирования и промпты с течением времени, а также превращая эти закономерности в рекомендаций с расставленными приоритетами.
Как отчитываться по отраслевым бенчмаркам перед руководством?
Отчет по бенчмарку, готовый для руководства, должен суммировать решения, которые поддерживают данные, а не воспроизводить каждый результат по промптам и платформам. Включите в него:
- Текущий показатель цитируемости бренда и долю голоса по сравнению с заданным набором конкурентов.
- Тренд, показывающий, растут ли эти метрики, падают или остаются стабильными в течение отчетного периода.
- Наибольшие пробелы в видимости по платформам или сегментам промптов и действия, предпринимаемые для их устранения.
- Релевантный контекст индустрии, когда бенчмарк использует ту же или явно сопоставимую метрику.
- Нисходящие метрики, такие как трафик с ИИ, конверсии или воронка продаж, если эти данные доступны.
Руководству обычно не нужен полный журнал промптов. Оставьте эту детальную рабочую информацию для команды маркетинга, SEO или AEO.
Маркетинг и SEO должны отвечать за набор запросов, набор конкурентов, анализ цитирования и реагирование контентом. Привлекайте операционный отдел маркетинга (RevOps) к процессу отчетности по мере того, как команда начинает связывать трафик с ИИ и другую маркетинговую активность с определениями CRM, воронкой и отчетностью по выручке.
HubSpot AEO отслеживает промпты, видимость бренда, конкурентов, цитирования и рекомендации. Когда AEO используется внутри Marketing Hub Professional или Enterprise, данные CRM также обеспечивают формирование более конкретных рекомендаций. Маркетинговая аналитика и дашборды могут предоставлять отчеты о результатах работы сайта, кампаний, CRM и выручки, и команды могут сопоставлять эти результаты с метриками видимости AEO, используя дашборд AEO или бета-версию API AEO от HubSpot, чтобы руководство видело бизнес-результаты рядом с показателями видимости.
Для команды без бенчмарка, специфичного для бренда, AI Search Sensor предлагает бесплатную отправную точку для получения отраслевого контекста. Он отслеживает общие тенденции видимости ИИ, цитируемости, трафика и волатильности в ChatGPT, Gemini и Perplexity. Он не показывает собственную видимость отдельного бренда или влияние на воронку, поэтому рассматривайте его как контекст категории, а не как замену измерений на уровне бренда.
Часто задаваемые вопросы о бенчмаркинге поисковых систем на базе ИИ
Как часто нам следует обновлять набор запросов и список конкурентов?
Для активной программы бенчмаркинга повторяйте бенчмарк еженедельно, чтобы замечать тренды. Пересматривайте набор запросов и список конкурентов ежеквартально или раньше после существенных изменений в продукте, категории или конкурентной среде. При изменении набора задокументируйте новую версию, чтобы не рассматривать результаты до и после изменений как полностью сопоставимые.
Какая команда должна отвечать за бенчмаркинг поисковых систем на базе ИИ и почему?
Маркетинг и SEO обычно должны отвечать за ежедневный бенчмарк, потому что они определяют промпты, отслеживают видимость и цитирования, а также превращают пробелы в задачи по контенту или дистрибуции. Выделенная команда AEO может отвечать за этот процесс, если таковая имеется. Привлекайте операционный отдел маркетинга к уровню отчетности, когда трафик с ИИ, данные CRM, воронка или выручка становятся частью истории бенчмарка.
Как проверить точность цитирований ИИ, обнаруженных инструментами?
Выборочно проверьте часть обнаруженных цитирований, запустив те же промпты вручную и подтвердив, что упоминание бренда или связанный источник присутствуют. Максимально точно сопоставьте поисковую систему с ИИ, промпт и условия тестирования. Поскольку сгенерированные ответы могут различаться между запусками, случайное расхождение между записанным результатом инструмента и последующей ручной проверкой не означает автоматически, что инструмент был неправ.
Когда нам следует инвестировать в автоматизацию, а не оставаться на ручном управлении?
Небольшой и редкий бенчмарк может оставаться ручным до тех пор, пока команда может запускать его стабильно и вести чистый учет результатов. Автоматизация становится более полезной, когда повторяющиеся запуски по нескольким движкам, более крупные наборы промптов, отслеживание конкурентов и логирование результатов начинают отнимать столько времени, что команда не может поддерживать стабильный бенчмарк вручную.
Превращение бенчмарков поисковых систем на базе ИИ в программу, а не в разовый проект
Полезный бенчмарк поисковых систем на базе ИИ превращает фразу «мы вроде бы иногда появляемся» в повторяемую программу измерений. Сохраняйте наборы запросов и конкурентов стабильными, разделяйте результаты по поисковым системам с ИИ, отслеживайте показатель цитируемости и долю голоса с течением времени, используйте отраслевые данные в качестве контекста и отчитывайтесь о видимости наряду с результатами по трафику и воронке.
AEO не заменяет традиционные измерения SEO. Они отвечают на разные вопросы, и командам нужны оба направления, чтобы понимать, как бренды обнаруживаются в результатах поиска и ответах, сгенерированных ИИ.
Для команд, готовых к автоматизации постоянных измерений на уровне бренда, HubSpot AEO отслеживает видимость, промпты, конкурентов, цитирования и рекомендации с расставленными приоритетами в ChatGPT, Gemini и Perplexity.
