Болельщик спрашивает у голосового ассистента, кто фаворит сезона, - и получает не список ссылок, а готовый ответ. Проблема в том, что этот ответ сформирован не турнирной таблицей, а медиаполем. Первое исследование ИИ-видимости всех 16 клубов РПЛ показало: разрыв между лидером и аутсайдером - пятикратный, а «Родина» для западных нейросетей практически не существует.
Медиавес бьёт спортивный результат
Рейтинг строился по шести платформам - четырём глобальным и двум российским. Вопросы трёх типов: без названия клуба, с прямым запросом и на одном слове без футбольного контекста. Каждый прогонялся в нескольких формулировках, чтобы исключить случайные ответы.
Вершина предсказуема: «Зенит», «Спартак», «Краснодар», ЦСКА. Но не потому что они сильнее играют. Просто о них больше пишут авторитетные профильные ресурсы - и именно оттуда нейросети черпают данные. «Зенит» набрал индекс видимости 87 из 100. Средняя позиция в ответах - 1,6. Это не маркетинг. Это плотный цифровой след, накопленный за годы еврокубковых кампаний.
Антирекорд - у «Родины»: индекс 13 из 100. Следом «Динамо» махачкалинское - 20, «Факел» - 24, «Акрон» - 27.
Парадокс: знают, но молчат
Самый неожиданный результат - разрыв между качеством ответа и частотой упоминания. «Крылья Советов», «Ахмат», махачкалинское «Динамо» - если спросить о них напрямую, нейросети отвечают подробно и точно. На уровне ЦСКА. Но в ответ на «перечисли команды РПЛ» этих клубов в списке часто нет.
Механика проста: попасть в «списочный» ответ сложнее, чем просто числиться в базе знаний модели. Нейросеть вспоминает тех, кого чаще называют рядом со словами «Премьер-лига» в источниках с высоким авторитетом. Пресс-служба, производящая контент только для собственного сайта, в эти источники не попадает.
Брендовая путаница как измеримый риск
Треть клубов нейросети не опознают как футбольный бренд, если спросить одним словом. «Балтика» превращается в напиток или море. «Акрон» - в город в Огайо. «Родина» - в отечество в широком смысле. Это не сбой поиска. Это проблема бренд-строительства - и теперь она поддаётся точному измерению.
Разрыв между платформами оказался больше ожидаемого. Для «Акрона» разница между самой «знающей» и самой «незнающей» моделью - десятикратная. Причина в корпусе обучения: глобальные модели собраны преимущественно на англоязычных данных, российские новички туда почти не попадают. Отечественные ассистенты знают аутсайдеров в разы лучше - именно потому что обучены на русскоязычных текстах.
Что реально влияет на ИИ-видимость
Исследование выявило четыре рычага, которые находятся в зоне PR-работы и прямо меняют позиции в нейроответах:
- Регулярные публикации в профильных агрегаторах - не на собственном сайте, а там, откуда ИИ реально берёт данные. Лидер цитирований в исследовании набрал 174 упоминания; официальные сайты клубов - единицы.
- Актуальная страница в «Википедии» - второй по частоте источник с 101 цитированием. Скудная или устаревшая статья прямо снижает качество ответа о бренде.
- Упоминание в правильном контексте: не просто название, а название рядом с категорийными словами - «РПЛ», «Премьер-лига», «чемпионат».
- Техническая разметка Schema.org - помогает нейросетям однозначно классифицировать бренд и снимает путаницу между омонимами.
Рейтинг ИИ-видимости - живой показатель. Клуб, который начнёт системно появляться в правильных источниках, через несколько месяцев будет виден иначе. Медиаполе можно строить. Главное - понимать, для кого его строишь: уже не только для людей.
