Первый аудит, построенный на полной переписи рынка, а не на выборке, показал: из 4 776 заведений двух районов Бали языковые модели не назвали ни разу 85,6%. Выдумывают модели редко, всего 0,08% упоминаний, то есть проблема не в галлюцинациях, а в незнании. И главное для владельца бизнеса: попасть в ответ и занять в нём верхнюю строку решают разные сигналы, а звёзды рейтинга дверь не открывают вовсе.
Данные актуальны на август 2026 года.
Владелец бизнеса, который проверяет себя в чате модели и себя там не находит, обычно объясняет это одним из двух способов: «нейросети всё придумывают» или «надо купить продвижение в нейросетях». Замер, опубликованный препринтом (научной работой, которая ещё не прошла проверку другими исследователями) 7 августа 2026 года, даёт третье объяснение, и оно неприятнее обоих. Модель про вас ничего не выдумывает. Она про вас просто не знает.
Что именно измерили
Обычно исследования видимости в ИИ-ответах устроены так: берут список известных брендов и смотрят, кого называют чаще. Такой замер отвечает на вопрос «кто лидирует», но не отвечает на вопрос «сколько бизнесов не видно вообще», потому что список составлен из тех, кто уже заметен.
Здесь сделали наоборот. Автор собрал перепись всех заведений общественного питания двух районов Бали, Чангу и Убуда, и сравнил с ней ответы моделей.
| Параметр замера | Значение |
|---|---|
| Заведений в переписи | 4 776 |
| Запросов с разными портретами посетителя | 96 |
| Собранных ответов | 2 208 |
| Систем | 4 (ChatGPT, Claude, Gemini, Perplexity) |
| Срок сбора | 7 дней |
| Не названы ни разу | 85,6% |
| Не названы среди заведений с 50 и более отзывами | 72,6% |
Источник: препринт «Invisible to the Machine» (arXiv, 7 августа 2026, автор Владимир Питенин).
Замер финансировала и провела Norly, компания, продающая инструменты управления отзывами и ИИ-видимостью для сферы гостеприимства. Конфликт интересов автор раскрыл сам. Работа опубликована препринтом и независимой проверки другими исследователями не проходила. Дальше ограничения, названные самим автором: это два соседних района одного туристического рынка и запросы на английском языке; перепись охватывает только заведения, отмеченные в картах Google, поэтому неучтённые в них не попали в расчёт; опрос шёл через программные интерфейсы моделей, а не через приложения, которыми пользуются люди; полученные связи говорят о совпадении, а не о причине. Переносить проценты на другой рынок нельзя. Переносить механику, разобранную ниже, можно.
Почему 85,6% не попали в ответ
Причина арифметическая, и она объясняет цифру лучше любой теории про алгоритмы. Модель в ответе называет от трёх до десяти мест. Заведений в переписи почти пять тысяч. Даже при идеальной осведомлённости в ответы физически попадёт малая часть, а дальше вопрос только в том, какая именно часть и по какому признаку отобрана.
Показательно, насколько по-разному четыре системы отобрали эту часть.
| Система | Сколько разных заведений назвала |
|---|---|
| Perplexity | 451 |
| Claude | 342 |
| ChatGPT | 328 |
| Gemini | 291 |
Вместе четыре системы упомянули 689 заведений из 4 776. Совпадение между их верхними двадцатками автор оценил в диапазоне от 0,33 до 0,54 по коэффициенту Жаккара (мера схожести двух списков: единица означает полное совпадение, ноль — отсутствие пересечений), то есть пересекаются они примерно наполовину и меньше. Практический смысл: проверка себя в одной модели ничего не говорит о трёх остальных. Почему движки расходятся и как это устроено под капотом, разобрано отдельно: ИИ-движки цитируют по разным правилам.
Две разные двери, которые владельцы путают
Это главная находка замера, и она меняет порядок действий. Попадание в ответ и место внутри ответа предсказываются разными сигналами.
| Сигнал | Влияние на попадание в ответ | Влияние на место внутри ответа |
|---|---|---|
| Свой сайт | Сильнейший фактор входа (1,92) | Не значим |
| Количество отзывов | Значимый фактор входа (1,64) | Значим |
| Указанная цена | Значимый фактор входа (1,54) | Не значим |
| Упоминания в открытом вебе | Значимый фактор входа (1,44) | Не значим |
| Звёзды рейтинга | Эффекта нет (0,89) | Значим (1,17) |
Числа в скобках это отношение шансов: во сколько раз наличие признака меняет шанс попасть в ответ по сравнению с его отсутствием. Значение около единицы означает, что признак не влияет.
Читается таблица так. Пока вас в ответе нет, рейтинг не помогает. Он начинает работать только после того, как вы туда попали, и решает, окажетесь вы третьей строкой или девятой. А попадание решают вещи, которые владельцу кажутся формальностью: наличие собственного сайта, объём отзывов, указанные цены и упоминания на сторонних ресурсах.
Отсюда практический вывод, который стоит проговорить прямо, потому что он противоречит десятилетней привычке. Работа над средним рейтингом это работа над позицией. Работа над тем, чтобы вас вообще знали, это работа над сайтом, ценами и упоминаниями. Бизнесы с 4,9 звезды и без сайта в этом замере оставались невидимыми.
Закрытые заведения рекомендованы 93 раза
Отдельная находка, полезная как проверка реальности. Доля прямых выдумок в ответах оказалась крошечной, 0,08%. Зато навсегда закрытые заведения модели рекомендовали 93 раза.
Это не одно и то же. Выдумка означает, что модель сочинила несуществующий объект. Здесь другое: объект существовал, информация о нём осела в источниках, а факт закрытия до модели не дошёл или дошёл позже. Механизм тот же, из-за которого не видно вас: ответ собирается из того, что уже отложилось в источниках, а не из сегодняшнего состояния рынка.
Для владельца это означает две вещи одновременно. Плохая: свежие изменения в вашем бизнесе доходят до ответов с задержкой. Хорошая: уже накопленный след работает на вас дольше, чем кажется, и его стоит поддерживать, а не переделывать раз в год заново.
Что с этим делать владельцу бизнеса
Порядок действий из логики замера, без обещаний результата. Ни одна из этих работ не гарантирует попадания в ответ: замер показывает связи между признаками и видимостью.
Завести собственный сайт или страницу, если их нет
Самый сильный сигнал входа в этом замере оказался и самым простым. Речь не о большом сайте: нужна страница, где название, адрес, часы работы и состав услуг написаны текстом, а не картинкой.Опубликовать цены текстом
Указанная цена оказалась значимым фактором попадания в ответ. Это ровно то, что бизнес чаще всего скрывает до звонка. Скрытая цена делает вас неудобным для машины, которая подбирает варианты по запросу с ограничением по бюджету.Считать не звёзды, а число отзывов
Объём отзывов влияет и на попадание, и на место. Средняя оценка на попадание не влияет вовсе. Это не повод игнорировать качество сервиса, это повод перестать считать средний балл главной метрикой видимости.Проверить себя в четырёх системах, а не в одной
Совпадение между ответами разных моделей неполное. Отсутствие в одной ничего не говорит про остальные, и наоборот.Проверить актуальность своих данных в источниках
Раз закрытые заведения рекомендуются, значит источники обновляются медленно. Устаревший адрес или график живут в ответах дольше, чем на вашем сайте.
Проверить, называют ли вас модели, можно нашим инструментом: называют ли вас нейросети. Как ИИ-ответы устроены со стороны поиска Google и что влияет на попадание в них, разобрано здесь: как попасть в ответы нейросетей. А почему популярный совет «поставьте файл llms.txt» этой задачи не решает, мы разбирали на своих данных: llms.txt не работает.
Что это меняет для бизнеса без своего сайта
Отдельно стоит остановиться на самом массовом случае: бизнес живёт в социальных сетях и в картах, своего сайта у него нет и не планировалось. Десять лет такому бизнесу говорили, что сайт ему не обязателен, и это было правдой: карточка в справочнике и активный аккаунт закрывали задачу.
В этом замере отсутствие собственного сайта оказалось сильнее всего связано с невидимостью. Причина техническая, а не идеологическая. Аккаунт в социальной сети закрыт для сбора данных или ограничен в нём, информация там лежит картинками и короткими подписями, часы работы указаны в описании профиля свободным текстом. Страница сайта, наоборот, отдаёт название, адрес, состав услуг и цены обычным текстом, который читается и человеком, и машиной.
Речь именно об одной странице, а не о большом сайте с разделами. Название, адрес, часы работы, перечень услуг и цены, написанные текстом, а не выложенные картинкой. Обещать, что после этого модели начнут вас называть, было бы нечестно: замер показывает связь, а не гарантию. Но это самая дешёвая работа из всех, что в этом списке связаны с попаданием в ответ.
Чего этот замер не доказывает
Честная вторая половина, без которой цифра превращается в страшилку.
Он не доказывает, что 85,6% бизнесов невидимы в вашей стране и вашей нише. Измерен туристический общепит двух районов Бали на английских запросах. Это рынок, на котором вообще удалось построить полную перепись, и в этом его ценность, а не в переносимости процентов.
Связь между сайтом, указанной ценой и попаданием в ответ он тоже не доказывает как причину. Автор прямо говорит: получены связи, а не причины. Возможен и обратный порядок, когда заведения, у которых есть сайт и цены, в среднем лучше организованы вообще и заметнее по всем каналам сразу.
И он не доказывает, что видимость в ответах приносит деньги. Между упоминанием, переходом и оплатой две потери, и обе большие. По замеру Demandbase, опубликованному 12 августа 2026 года, переходы из ChatGPT на сайты компаний, которые продают не рядовому покупателю, а другим компаниям (сегмент B2B), выросли за год на 303%, и одновременно это по-прежнему 0,33% всего трафика. Замер сделан по 1 584 собственным установкам платформы, то есть выборка смещена в сторону B2B, а сама Demandbase заинтересованная сторона. Разбор обеих половин этой цифры: трафик из ChatGPT вырос на 303%.
Частые вопросы
Вывод
Год рынок спорил о том, как попасть в ответы моделей, подразумевая соревнование за верхние строки. Первый замер против полной переписи показал, что для большинства бизнесов соревнование ещё не началось: их в списке участников нет. И входной билет оказался скучным. Собственная страница, написанные текстом цены, накопленные отзывы и упоминания вне своего сайта. Следующий вопрос по порядку: вас назвали, но что именно про вас сказали. Разбор точности описаний собран здесь: ошибки нейросетей о вашей компании.
Проверим, знают ли о вас поисковики и модели, и что этому мешает
Записаться на консультацию