Сначала измерить. Потом менять.
Legibility Sprint показывает не «насколько вы видимы в AI», а где именно ломается путь от того, чтобы система знала о вас, до того, чтобы она выбрала вас под реальный запрос.
AI-система может правильно знать название компании и все равно не включать ее в shortlist. Может находить сайт, но относить компанию не к той категории. Может повторять ваши собственные утверждения, но не иметь независимых подтверждений, чтобы опереться на них при выборе. Поэтому один общий AI visibility score здесь почти ничего не объясняет.
Четыре этапа, которые нельзя переставлять местами.
Baseline
До любых изменений фиксируется набор вопросов, AI-поверхности, язык, сессия и другие условия. Сохраняются сырые ответы. Один удачный скриншот не считается baseline.
Diagnosis
Я разделяю recognition, retrieval, category fit, evidence, corroboration и selection. Это важно: проблема «нас не рекомендуют» может иметь совершенно разные причины и требовать разных действий.
Intervention
Меняется только то, на что указывает диагноз: определение компании, структура публичных страниц, связность сущностей, независимые подтверждения или другой конкретный участок evidence environment. Не весь интернет сразу.
Verification
После распространения изменений повторяются сопоставимые условия. Я смотрю не только на target, но и на controls, потому что сама модель, retrieval или индекс могли измениться одновременно с нашим вмешательством.
Что вы получаете
Сырые наблюдения по каждой AI-системе, карту того, где ломается цепочка, список выбранных вместо вас альтернатив, приоритетный план изменений и повторяемый способ измерить результат после вмешательства.
Чего вы не получаете: обещания «выведем в топ ChatGPT», гарантированной рекомендации или выдуманного процента visibility.
Коротко о том, что обычно спрашивают.
Можно ли гарантировать рекомендацию ChatGPT?
Нет. Нельзя честно гарантировать конкретный consumer AI output. Можно построить контролируемый процесс измерения и проверки изменений.
Это AI SEO или GEO?
Не только. Discoverability и citations входят в evidence chain, но Legibility Sprint идет дальше: understanding, corroboration, comparison и selection.
Почему нельзя просто сразу переписать сайт?
Потому что без baseline невозможно понять, помогло ли изменение, навредило или совпало с model drift. Сначала фиксируется исходное состояние.
Какие системы вы смотрите?
Набор фиксируется до запуска. Основные consumer surfaces методологии: ChatGPT, Claude, Gemini и Perplexity. Каждая измеряется отдельно.
Хотите понять, где ломается выбор?
Опишите компанию и вопрос, в котором для вас важна AI-рекомендация. Я отвечаю сама.
Написать мне