Почему ChatGPT рекомендует конкурента, а не нас?
Узнавание не равно выбору. Система может отлично знать компанию и все равно решить, что под запрос пользователя лучше подходит кто-то другой.
Founder and legibility strategist
AI знает вашу компанию.Но выберет ли он ее?
Люди уже спрашивают ChatGPT, Claude, Gemini и Perplexity, кому доверять, кого нанять и что купить. Я измеряю, что эти системы понимают о вас, кого выбирают вместо вас, почему это происходит и что действительно можно изменить.
Создатель Legibility SprintКонтролируемое измерение вместо красивого visibility score.
Сравнение нескольких AI-системChatGPT, Claude, Gemini и Perplexity измеряются отдельно.
Жесткая дисциплина доказательствБез гарантий рейтинга и без выдуманной причинности.
Вопросы, которые люди задают на самом деле
Если хотя бы один звучит знакомо, это и есть моя область работы.
Почему ChatGPT знает нас, но почти не упоминает?
Проблема может быть в retrieval, категории, качестве доказательств, независимых подтверждениях или критериях выбора внутри самого запроса.
Как сделать так, чтобы AI рекомендовал мою компанию?
Нет честной кнопки, которая покупает рекомендацию. Но можно измерить цепочку: что система находит, как понимает, чему доверяет, с кем сравнивает и кого выбирает.
Это просто SEO для ChatGPT?
Нет. Видимость в поиске лишь один из входов. Рекомендация уже относится к механизму выбора.
Сайт влияет на то, что AI говорит о нас?
Иногда. Но менять страницы до диагностики бывает вредно: сигнал может стать не яснее, а шумнее.
Нужна ли мне Wikipedia?
Не обязательно. Авторитет для AI создается не одной волшебной страницей, а средой согласованных и проверяемых доказательств.
Быть известным еще не значит быть выбранным.
Большинство компаний до сих пор оптимизируют узнавание: может ли система нас найти, назвать, процитировать, пересказать?
Но более трудный вопрос начинается позже. Когда пользователь просит лучший вариант под реальные условия, попадаете ли вы вообще в shortlist?
Recognition: знает ли система, кто вы?
Selection: выбирает ли она вас?
Метод
Я не гадаю, что думает AI. Я ставлю сравнение.
Измерить
Запустить фиксированные запросы в реальных потребительских AI-интерфейсах и сохранить сырые ответы.
Диагностировать
Разделить ошибки узнавания, retrieval, доказательств, corroboration и selection.
Изменить
Трогать только те части публичной evidence environment, на которые действительно указывает диагноз.
Измерить снова
Повторить сравнимые условия и проверить controls прежде, чем считать сдвиг значимым.
Никаких гарантированных позиций. Никаких придуманных процентов AI visibility. Никакой причинности из одного изменившегося ответа.
Legibility Sprint
Что AI сейчас думает о вашей компании и кого выбирает вместо нее?
Контролируемый baseline по ключевым AI-системам, затем диагностика места, где ломается evidence chain, и приоритетный план вмешательств. Сырые наблюдения остаются видимыми. Интерпретация накладывается поверх них.
- Что каждая система понимает о вас сейчас
- Где вы входите или исчезаете из shortlist
- Какие конкуренты или эксперты выбираются вместо вас
- Какие источники и утверждения несут ответ
- Что действительно стоит менять первым
- Повторяемое T1-измерение после изменений
Обо мне
Меня заинтересовала эта тема, потому что я снова и снова строила системы, которые выбирают.
Первый бизнес я открыла еще во время учебы в медицинском университете. Потом была косметология, технологические продукты и SKINBOT, AI decision layer для beauty retail, который работал в реальных пилотах.
Проблема никогда не была только в том, может ли модель ответить. Гораздо интереснее, какие доказательства она использует, как собирает сложную реальную категорию и почему один вариант остается в решении, а другой исчезает.
Из этого выросла моя независимая работа по AI legibility и более широкая тема machine-mediated choice. Я также основала getmai.ai, AI engineering company.
Recognition не равно selection. В этом разрыве и находится работа.
Моя историяИсследования и избранные тексты
Сначала простой вопрос. Потом глубокий механизм.
Короткие ответы
То, что обычно спрашивают до того, как начинают интересоваться терминологией.
Почему ChatGPT рекомендует конкурента, а не нас?
Потому что знать о существовании компании и выбрать ее под конкретный запрос не одно и то же. У конкурента могут быть сильнее внешние подтверждения, яснее категория или лучше соответствие условиям пользователя.
Можно ли повлиять на то, что ChatGPT говорит о моей компании?
Можно улучшить публичную доказательную среду, которую читают AI-системы, но нельзя честно контролировать конкретный ответ модели. Полезная работа начинается с диагностики, затем меняется релевантная часть evidence layer и проводится повторное измерение.
AI legibility это то же самое, что GEO или AI SEO?
Нет. GEO и AI SEO обычно концентрируются на обнаружении и цитировании. AI legibility идет дальше: понимание, подтверждение, сравнение и выбор.
Можно гарантировать, что ChatGPT будет меня рекомендовать?
Нет. Нельзя достоверно гарантировать рекомендацию потребительской AI-системы. Можно гарантировать процесс: измерить, диагностировать, изменить и проверить.
Почему ChatGPT, Claude, Gemini и Perplexity отвечают по-разному?
У них разные модели, retrieval-системы, продуктовые правила, контекст и циклы обновления. Поэтому результаты нужно хранить отдельно по каждой поверхности, а не усреднять в один балл.
Начните с baseline
Найдите место, где ломается выбор.
Если AI-системы знают ваше имя, но не выбирают вас тогда, когда вопрос действительно важен, сначала измерьте текущее состояние.