Если в классическом SEO бренд измеряет успех позицией в топ-10, то в AI-поиске измерять некого: AI выдаёт не список ссылок, а синтезированный ответ с упоминанием 1–10 источников. Share of Voice показывает, какую долю этих упоминаний забирает ваш бренд относительно конкурентов. Это конкурентная метрика: 40% SOV – это много или мало, зависит от того, сколько у конкурентов.
Share of Voice
Определение
Share of Voice (SOV) в AI-поиске – доля упоминаний бренда в ответах AI-систем (ChatGPT, Perplexity, Gemini, Алиса AI) по релевантным запросам относительно конкурентов. Это ключевая метрика GEO, аналог позиций в SEO для эры zero-click-выдачи.
4 мин 240 Обновлено 12 августа
Как это работает
Базовая формула простая. Из релевантной для бренда категории берётся набор тестовых промптов (обычно 50–500). Каждый промпт прогоняется через AI-системы – ChatGPT, Perplexity, Gemini, Claude, Алиса AI. В каждом ответе считается:
- Сколько раз упомянут целевой бренд
- Сколько раз упомянут каждый конкурент
- Общее число брендовых упоминаний в ответе
Share of Voice бренда = упоминания бренда ÷ общее число упоминаний всех брендов в выборке × 100%.
Например: на 100 промптах в категории «CRM для малого бизнеса» AI-системы суммарно упомянули 6 брендов 380 раз. Из них целевой бренд упомянут 95 раз. SOV = 95 / 380 = 25%.
На практике метрика считается тоньше. Профессиональные инструменты (LLM Pulse, OtterlyAI, HubSpot AEO Grader, Visiblie) учитывают:
- Платформу. SOV отдельно для ChatGPT, Perplexity, Gemini – у каждой свои данные обучения и логика отбора источников. Бренд может доминировать в ChatGPT и быть невидимым в Perplexity
- Тональность упоминания. Положительное, нейтральное, негативное. Негативные упоминания вычитаются или взвешиваются отдельно
- Заметность позиции в ответе. Бренд, упомянутый первым, весит больше, чем шестой в списке
- Тип запроса. Брендовые («что такое X») и небрендовые («лучший CRM для стартапов»). Небрендовые – главная зона борьбы
Из чего складывается фреймворк измерения
Hubspot AEO Grader, как один из публичных стандартов, оценивает бренд по пяти связанным метрикам, и Share of Voice – одна из них. Структура такая:
| Метрика | Вес | Что измеряет |
|---|---|---|
| Sentiment | 40% | Тональность упоминаний бренда |
| Presence Quality | 20% | Качество и контекст упоминания |
| Brand Recognition | 20% | Узнаёт ли AI бренд по нишевым запросам |
| Share of Voice | 10% | Доля упоминаний относительно конкурентов |
| Market Position | 10% | Позиционирование в категории |
SOV здесь – не самая весомая метрика, но единственная, которая даёт прямое конкурентное сравнение. Sentiment отвечает на вопрос «что AI о нас говорит», а SOV – «насколько часто, по сравнению с конкурентами».
SOV в AI-поиске и классический SOV
| Параметр | Классический SOV | SOV в AI-поиске |
|---|---|---|
| Что измеряется | Доля рекламных показов, медиа-упоминаний, охвата в соцсетях | Доля упоминаний в AI-ответах |
| Источник данных | Mediascope, Brand Analytics, рекламные платформы | Тестовые прогоны промптов через AI-системы |
| Канал влияния | Рекламный бюджет, PR, контент-маркетинг | Авторитетность контента, упоминания в источниках обучения AI |
| Скорость изменений | Дни-недели | Недели-месяцы (зависит от обновления индекса AI) |
Метрики дополняют друг друга. Высокий медиа-SOV постепенно превращается в высокий AI-SOV, потому что AI-системы обучаются на тех же медиа. Но эффект отложенный: то, что бренд массово упоминают в отраслевых СМИ сегодня, попадёт в обучающие данные ChatGPT через 6–12 месяцев.
Зачем это нужно
В zero-click-выдаче (когда пользователь получает ответ внутри AI без перехода на сайт) Share of Voice – единственная честная метрика конкурентной позиции бренда. Трафик на сайт может расти или падать по своим причинам, но если бренд систематически появляется в AI-ответах конкурентов, исследовательская стадия воронки уходит к ним.
SOV закрывает три практические задачи.
1. Бенчмарк против конкурентов. Без SOV у владельца бренда нет ответа на вопрос «насколько мы хорошо видны в AI». 30% упоминаний звучит хорошо, но если у топового конкурента 60% – это тревожный сигнал.
2. Приоритизация контент-стратегии. Анализ показывает, на каких типах запросов бренд проигрывает. Пример: высокий SOV на запросах «лучший X для Y», но нулевой – на запросах «как настроить X». Значит, нужно делать how-to-контент.
3. Проверка эффективности GEO-работ. После внедрения GEO-доработок (новый pillar-гайд, FAQ-блоки, JSON-LD разметка) SOV – главная метрика результата. Если за 2–3 месяца после публикации SOV в категории не растёт, GEO-стратегия не работает.
Важный нюанс: SOV нужно мерить регулярно, а не разово. Ответы AI-систем варьируются от запроса к запросу и меняются после каждого обновления модели. Один прогон даёт точечную картинку, а не тренд. Минимальная разумная частота – раз в месяц, оптимально – раз в неделю.
Пример
В январе 2026 я делала аудит SOV для B2B SaaS-клиента в нише task-менеджеров. Тестовая выборка – 80 промптов в трёх категориях: брендовые («что такое [бренд]»), небрендовые сравнительные («лучший task-менеджер для команды до 20 человек»), небрендовые проблемные («как организовать спринты в стартапе»). Прогоняли через ChatGPT, Perplexity и Claude.
Картина оказалась контрастной. SOV в брендовых запросах – 87% (AI знал бренд, но мог путать с конкурентом-омофоном). SOV в сравнительных – 8% (бренд упоминался в 1 из 12 ответов, основные позиции занимали Asana, Trello, Monday.com). SOV в проблемных – 0%. Это означало: AI знал бренд, но не считал его релевантным для рекомендаций.
Дальнейшая работа сосредоточилась на двух точках. Первое – упоминания в авторитетных источниках обучения (Reddit, Hacker News, отраслевые англоязычные медиа), потому что Perplexity и Claude активно их цитируют. Второе – публикация двух pillar-гайдов про спринты и организацию задач в стартапе с собственными кейсами и цифрами. Через 4 месяца повторный замер показал SOV в сравнительных запросах – 21%, в проблемных – 14%. Бренд всё ещё проигрывал лидерам, но из «невидимого» стал «упоминаемым».
Без SOV-метрики этот сдвиг был бы неочевиден: позиции в Google почти не изменились, прямой трафик из AI был трудноотслеживаем. Но в исследовательской стадии воронки бренд закрепился – и через полгода это начало конвертироваться в B2B-лиды.
Частые вопросы
Чем Share of Voice в AI-поиске отличается от классического SOV?
Классический SOV измеряет долю рекламных показов, медиа-упоминаний или охвата в соцсетях по данным Mediascope, Brand Analytics и рекламных платформ. SOV в AI-поиске измеряет долю упоминаний бренда в синтезированных ответах AI-систем (ChatGPT, Perplexity, Gemini, Алиса AI) по тестовым промптам. Это разные источники данных и разные каналы влияния, но метрики дополняют друг друга: медиа-присутствие постепенно превращается в AI-присутствие через обучающие данные моделей.
Как рассчитать Share of Voice в AI-поиске?
Базовая формула: SOV бренда = (упоминания бренда / общее число упоминаний всех брендов в выборке) × 100%. Берётся набор из 50–500 тестовых промптов в нише, прогоняется через AI-системы, считаются упоминания каждого бренда. Профессиональные инструменты дополнительно учитывают тональность, позицию упоминания в ответе и тип запроса (брендовые vs небрендовые).
Какие инструменты измеряют Share of Voice в AI?
На рынке несколько публичных решений: HubSpot AEO Grader (бесплатно, замер по GPT-5.2, Perplexity, Gemini), OtterlyAI (платно, мониторинг по 6 платформам), LLM Pulse, Visiblie, TrackAIMentions, Zerply. В России в апреле 2026 Яндекс запустил бесплатный отчёт «Видимость сайта в Алисе AI» в Яндекс.Вебмастере – это первый официальный SOV-инструмент по Рунету.
Какой Share of Voice считается хорошим?
Нет универсального бенчмарка – всё зависит от ниши и числа конкурентов. В категории с 5 крупными игроками равномерно распределённый SOV – около 20%, и любой бренд выше этого уровня считается лидером. В категории с 50 игроками 10% SOV уже выдающийся показатель. Главное правило – не абсолютные цифры, а тренд: рост SOV месяц к месяцу важнее текущего уровня.
Почему Share of Voice варьируется между ChatGPT, Perplexity и Gemini?
У каждой AI-системы свои источники данных. ChatGPT работает на обучающих данных OpenAI плюс веб-поиск через Bing. Perplexity делает живой веб-поиск и сильно зависит от свежих публикаций и Reddit. Gemini интегрирован с Google Knowledge Graph и Search. Бренд может быть видимым в ChatGPT (хорошее накопленное веб-присутствие), но проигрывать в Perplexity (мало свежих упоминаний). Поэтому SOV всегда меряется отдельно по каждой платформе.
Что важнее: брендовые или небрендовые запросы при измерении SOV?
Небрендовые. Брендовые запросы («что такое X») AI почти всегда отвечает корректно, поэтому SOV там близок к 100%. Реальная битва за внимание идёт на небрендовых запросах: «лучший X для задачи Y», «как решить проблему Z», «X vs Y». Здесь AI выбирает, какой бренд порекомендовать, и здесь измерение SOV даёт реальную картину конкурентной позиции.
Как часто нужно измерять Share of Voice?
Минимум раз в месяц, оптимально – раз в неделю. AI-системы дают разные ответы от прогона к прогону, поэтому одиночный замер ненадёжен – нужен тренд. После релиза новой версии модели (например, обновление GPT-5 → GPT-5.2) SOV может резко измениться: имеет смысл делать внеочередной замер. Профессиональные инструменты автоматизируют недельные прогоны, ручной мониторинг разумен только для контрольных проверок.
Связанные термины
GEO
GEO (Generative Engine Optimization) – оптимизация контента под цитируемость в AI-поисковиках: ChatGPT, Perplexity, Google AI Overviews, Яндекс Алиса AI. Термин ввели исследователи Принстона, Georgia Tech, Allen Institute и IIT Delhi в работе на arXiv от 16 ноября 2023 года.
JSON-LD
Формат записи структурированных данных Schema.org в JSON (рекомендация W3C, 2014). Используется как основной способ внедрения разметки на веб-страницы: отдельный блок в секции head или body, не зависит от вёрстки.
Schema.org
Schema.org – словарь структурированных данных для разметки веб-страниц, который понимают Google, Bing, Yandex и AI-системы. Запущен в 2011 году совместно Google, Microsoft и Yahoo, в ноябре 2011 к проекту присоединился Яндекс.
ЭПОС
ЭПОС – четыре принципа Яндекса для оценки качества контента, который попадает в нейроответы Алисы AI: Экспертность, Полезность, Оригинальность, Содержательность. Критерии официально объявлены на конференции «День Поиска» 7 апреля 2026 года.
Материалы по теме
Что почитать дальше по этой теме.
Статья
Что боты находят на сайте, а вы – нет
Боты ходят по изнанке сайта, куда живой человек не забредёт, и фиксируют в логах то, чего не видно ни в Метрике, ни на витрине: падающие с ошибкой 500 страницы каталога, битый файл с 747 обращениями, поток сканеров секретов. Разбираю на реальных логах, что искать и как чинить.
7 мин
196
22 июля 2026
Инструкция
Как выгрузить и читать access-логи, если хостинг хранит их три дня
Access-лог – единственное место, где виден весь трафик сайта, включая ИИ-ботов, которых не замечают счётчики. Разбираю на практике: где взять логи, как не потерять их из-за ротации, какие команды показывают ботов, ошибки и подозрительную активность.
7 мин
151
21 июля 2026
Флагманский гайд
AI-анализ email-обращений: методика на стыке Яндекс.Метрики и Claude Code
Классический email-трекинг отвечает на вопрос «откуда пришло обращение». AI-слой отвечает на вопросы, которые раньше требовали ручного аналитика: значим ли email на фоне звонков, форм и мессенджеров, почему один источник даёт качественные обращения, а другой – пустые, какие сегменты визитов предшествуют письму, что написать в ответ с учётом пути пользователя. Здесь – как я собираю это на уже имеющемся стеке: Logs API Метрики, PostgreSQL и Claude Code, без новых платных сервисов.
11 мин
290
26 мая 2026
Флагманский гайд
Майкор: ИИ-аудит проекта по 4 точкам контакта
Майкор – это перекрёстный ИИ-аудит проекта в 4 точках контакта: сайт, контекстная реклама, AI-поиск и Яндекс.Карты. Я анализирую каждую систему и смотрю связки между ними – где маркетинг рассказывает одно, реклама ведёт на другое, а AI-системы цитируют третий номер телефона. В одном из моих аудитов медицинской клиники в Москве у организации в индексе AI-сервисов оказалось 6 разных номеров и всего 7 упоминаний на 64 проверочных запроса – при том, что в обычной выдаче Яндекса клиника была в топ-1. Майкор закрывает такие разрывы за один аудит вместо четырёх раздельных.
16 мин
495
13 мая 2026
Гайд
FAQPage Schema: как разметить блок частых вопросов и попасть в AI-ответы
FAQPage schema – один из самых эффективных типов разметки для попадания в AI-ответы. Страницы с FAQPage schema цитируются AI-поисковиками в 2,7 раза чаще. В этом гайде – формат разметки, правила написания ответов для AI, реализация на 1С-Битрикс и типичные ошибки, которые обнуляют эффект.
8 мин
326
25 апреля 2026