Как УБРиР исследовал видимость бренда в ответах ИИ и разработал GEO-стратегию
Клиенты всё чаще используют искусственный интеллект для выбора банка, сравнения финансовых продуктов и поиска рекомендаций. В таких сценариях на восприятие бренда влияют не только страницы официального сайта, но и информация на агрегаторах, в рейтингах, СМИ и других внешних источниках.
Уральский банк реконструкции и развития (УБРиР) поставил задачу исследовать присутствие бренда в ответах ведущих ИИ-систем, сравнить его с конкурентами и определить причины различий. Для этого команда провела комплексный GEO-аудит — исследование, объединяющее анализ спроса, ответов нейросетей, контента сайта и внешнего информационного поля.
Как формировали запросы для исследования
Основой аудита стало семантическое ядро, составленное на базе поискового спроса, изученного с помощью «Яндекс Вордстата». Короткие поисковые формулировки преобразовали в естественные вопросы, которые потенциальный клиент мог бы задать нейросети: например, просьбу подобрать банк с подходящими тарифами для ИП или сравнить условия расчётно-кассового обслуживания.
Запросы разделили по намерению пользователя — информационному, транзакционному, сравнительному, рекомендательному и навигационному. Дополнительно их классифицировали по банковским продуктам, включая РКО, эквайринг, кредиты и депозиты, по наличию географической привязки и по ожидаемому типу ответа: рекомендации конкретного банка либо справочная информация с источниками.
Затем исследователи проверили ответы пяти систем: ChatGPT, DeepSeek, YandexGPT, «Яндекс Алисы» и Google AI Overview. Для каждого сценария фиксировали, упоминается ли УБРиР и его конкуренты, а также сравнивали результаты между платформами, продуктами, регионами и типами запросов. Такой подход позволил определить сегменты, в которых банк представлен недостаточно.
Какие источники используют ИИ-системы
Отдельное направление аудита — анализ источников, на которые нейросети опираются при подготовке ответов. Их разделили на три основные группы: сайты банков, финансовые агрегаторы и рейтинговые сервисы, а также независимые информационные площадки, деловые издания и интернет-СМИ.
Роль разных источников менялась в зависимости от задачи и конкретной ИИ-системы. При выборе банка чаще использовались рейтинги и агрегаторы, при поиске сведений об отдельных услугах — официальные сайты банков, а в информационных ответах заметное место занимали публикации сторонних площадок. Это позволило сформировать список ресурсов, на которых целесообразно развивать присутствие бренда.
Почему количество публикаций не гарантирует видимость
В рамках аудита также изучили медиаприсутствие УБРиР и конкурентов. Анализ охватил публикации в интернет-СМИ с января 2022 года по ноябрь 2025 года. С помощью сервиса «Медиалогия» оценили число упоминаний, их тональность, типы и географию площадок, а также качество ресурсов с учётом их показателя ИКС «Яндекса».
Сопоставление этих данных с видимостью банков в ответах ИИ показало: большое количество публикаций само по себе не обеспечивает частого упоминания бренда нейросетями. Более высокая видимость чаще наблюдалась у банков, представленных на авторитетных и тематически релевантных площадках. При этом многочисленные публикации на менее значимых ресурсах могли давать заметно меньший эффект.
По итогам анализа для УБРиР сформировали приоритетный перечень площадок: федеральные деловые СМИ, финансовые порталы, специализированные агрегаторы и региональные издания. Для каждой группы определили назначение и приоритет, чтобы внешние публикации работали не только на охват, но и на присутствие бренда в информационной среде, которую учитывают ИИ-системы.
Аудит сайта и результаты проекта
Внутренние ресурсы банка проверили с точки зрения полноты ответов на вопросы пользователей, структуры материалов, признаков экспертности и технической доступности контента для поисковых и ИИ-систем. Отдельно оценили заголовки, микроразметку, информационные страницы и соответствие материалов пользовательским сценариям.
В результате УБРиР получил карту текущей видимости в пяти ИИ-системах с детализацией по продуктам, регионам и типам запросов, сравнительный анализ конкурентов и исследование источников, используемых нейросетями. В итоговый пакет также вошли оценка медиаприсутствия, список приоритетных внешних площадок, рекомендации по развитию контента и технической оптимизации сайта, а также план дальнейших мероприятий по повышению GEO-видимости.
Кейс показывает, что работа с ответами ИИ не сводится к оптимизации собственного сайта. На результат влияют актуальность и полнота контента, авторитетность внешних публикаций, присутствие на агрегаторах и рейтинговых ресурсах, а также особенности конкретной языковой модели. Поэтому GEO-стратегию целесообразно начинать с измерений: необходимо понять, где бренд уже появляется, какие источники используют нейросети и какие направления требуют приоритетных инвестиций.
