Отзывы и рейтинги: что из них попадает в ответы нейросетей

Отзывы влияют на рекомендации нейросетей не так, как на позиции в поиске. ChatGPT, Алиса и Perplexity не считают средний балл — они читают текст отзывов, обзоров и подборок и пересобирают его в формулировку ответа вида «клиенты отмечают короткие сроки, но жалуются на связь с менеджером». Поэтому влияние отзывов на продвижение в генеративном поиске измеряется не количеством звёзд, а тем, какие слова о компании модель находит на внешних площадках. Ниже — шесть источников, из которых собирается это мнение, таблица различий между SEO и GEO, правило третьего мнения и план работы с отзывами на 90 дней. И честно про то, что не сработает: накрутка, удаление негатива и попытка утопить его объёмом.

Алексей Малков

Основатель GEOAudit.org • GEO/SEO-стратег

150+ аудитов • 12 лет в digital • 100+ отзывов на фрилансе

ORM для нейросетей Работа с отзывами AI Visibility Score

Профиль автора →

Нейросеть читает текст отзывов, а не среднюю оценку

Отзывы попадают в ответы генеративных систем не в виде оценки, а в виде текста. Модель не складывает звёзды и не сравнивает баллы: она находит страницы, где о компании написано словами, и пересобирает из них суждение. Поэтому в ответе появляется не оценка со звёздами, а фраза вроде «клиенты хвалят сроки, но часто пишут про сложности со связью» — готовый вывод о бизнесе, который пользователь прочитает вместо вашей посадочной страницы.

Отсюда первое практическое следствие. Отзывы вида «всё отлично, спасибо» для генеративного поиска бесполезны: из них нечего процитировать. Ценность имеет отзыв, где названы услуга, срок, город и результат, — такой текст модель может взять почти целиком и подставить в ответ как подтверждение.

В аудитах мы заходим с обратной стороны: берём вопросы, которыми говорят клиенты («где сделать имплантацию в Казани», «кто поставляет промышленные насосы»), задаём их нескольким моделям и смотрим не на позицию, а на источник — откуда взята формулировка про компанию. В локальных, медицинских и услуговых тематиках источником почти всегда оказывается отзывная площадка или чужая подборка, а не сайт самого бизнеса. Как из таких источников складывается общее мнение модели о бренде, разобрано в материале про репутацию бренда в AI.

Второе следствие менее очевидно: у модели нет вашей карточки. Она не хранит профиль компании и каждый раз собирает его заново из того, что нашла по запросу. Одна злая ветка на форуме и пара нейтральных упоминаний в каталогах дают ровно тот образ, который получит пользователь, — независимо от того, что написано у вас на странице «О компании».

В SEO отзывы работают на клик, в GEO — на формулировку ответа

Разведём два процесса, потому что их постоянно смешивают. SEO расшифровывается как search engine optimization — оптимизация под поисковую машину; в русском обиходе это пишут и кириллицей, «сео», а когда-то всё вместе называли раскруткой сайта. Задача SEO — позиции в выдаче Яндекса и Google. GEO (generative engine optimization) отвечает на другой вопрос: попадёт ли бренд в сам ответ нейросети, когда пользователь списка ссылок вообще не увидит. Одно не заменяет другое: GEO работает поверх нормального SEO, а не вместо него.

В классическом SEO отзывы дают три вещи. Первая — поведение: страница с живыми отзывами удерживает пользователя и снижает возвраты в выдачу. Вторая — расширенный сниппет через микроразметку, где это допустимо правилами поисковика. Третья — полнота коммерческой страницы: блок с отзывами и оценкой входит в тот же набор элементов, что цены, контакты и условия доставки. Всё это влияет на клик, то есть на то, зайдёт ли человек на сайт.

В генеративном поиске у отзывов прямое воздействие на текст ответа: модель забирает из них лексику, поводы для похвалы и претензии и пересказывает своими словами. Клика при этом может не случиться вовсе — пользователь прочитает вывод и уйдёт. Влияя на отзывы, вы влияете не на трафик, а на то, каким бренд предстанет в ответе, включая самый частый случай, когда его там просто нет.

Шесть источников, из которых нейросети собирают мнение о компании

Площадки не равны между собой. Ниже — шесть типов источников, которые мы проверяем в ORM-блоке каждого аудита. Порядок в таблице отражает не популярность площадки у людей, а то, насколько охотно генеративные системы тянут оттуда формулировки в ответ.

Отдельный разбор по картографическим сервисам — какие поля карточки заполняются в первую очередь и какие сигналы читаются вместе с отзывами — собран в статье про Яндекс Карты и 2ГИС.

Правило третьего мнения: одно упоминание ответ не меняет

Внутри команды мы пользуемся эвристикой, которую называем правилом третьего мнения: характеристика бизнеса закрепляется в ответах моделей тогда, когда она встречается минимум в трёх независимых источниках. Один отзыв — шум, два — совпадение, три и больше — устойчивая формулировка, которая начинает всплывать в ответе даже при разных постановках вопроса.

Правило работает в обе стороны, и это его неприятная часть. Если три источника пишут про срыв сроков, модель будет упоминать сроки даже там, где вопрос был про цену. Удалить такую характеристику нельзя: она живёт не на площадке, а в пересказе. Убрать её можно только тем же способом, каким она появилась, — новыми независимыми источниками, где та же сторона работы описана иначе.

Отсюда наш критерий готовности: мы не закрываем ORM-часть аудита, пока по ключевой характеристике бизнеса не набирается три независимых подтверждения. Почему модели вообще выбирают одни источники и игнорируют другие, подробно разобрано в статье про алгоритмы доверия AI.

За 150+ аудитов я чаще всего вижу одну и ту же картину: у компании нормальный сайт, живой продукт и приличные отзывы на Картах, а в ответе нейросети называют трёх конкурентов. Начинаем разбирать — конкуренты есть в двух отраслевых подборках и профильном каталоге, а клиент только у себя на сайте. Модель не ищет лучшего, она называет того, о ком есть что сказать со стороны.

Алексей Малков

Основатель GEOAudit.org

Влияет ли оценка на Яндекс Картах на ответ ChatGPT

Этот вопрос звучит почти на каждой встрече, а в обычных статьях про отзывы его нет. Короткий ответ: напрямую — нет. ChatGPT не обращается к карточке организации в Яндекс Картах и вашу оценку оттуда не знает. Влияние есть, но идёт оно в обход.

Цепочка такая. Рейтинг и отзывы на Картах и в 2ГИС влияют на то, кого авторы включают в обзоры и подборки «лучшие в городе»: составляя такой материал, человек сортирует компании по рейтингу и читает отзывы. Подборка индексируется и становится источником, который модель уже читает. Получается двухходовка: карты — подборка — ответ нейросети. Именно поэтому работа с картами окупается даже там, где западные модели о них ничего не знают. Проверять эту связку надо с оглядкой на регион: у геозависимых запросов состав названных компаний меняется вместе с городом пользователя, и замер из одного города говорит только об этом городе.

С Алисой и ЯндексGPT ситуация другая: они работают внутри экосистемы, где карточка организации, её рубрика и отзывы — штатные данные, а не сторонний сайт. Поэтому в локальных сценариях вроде «стоматология рядом» карточка на Картах значит принципиально больше, чем в ответах ChatGPT. Как локальная видимость выстраивается целиком, разобрано в материале про локальное продвижение.

Что не сработает: накрутка, удаление и попытка утопить объёмом

Четыре способа потратить бюджет впустую. Все четыре мы регулярно видим у компаний, которые пришли с запросом «нас не упоминают нейросети».

1. Накрутка пачками. Площадки давно ловят всплески однотипных отзывов и умеют их скрывать. Но даже если партия прошла модерацию, модель получает набор одинаковых по стилю текстов, а однотипность как раз и делает отзывы непригодными для цитирования: в них нет фактов, которые можно вставить в ответ.
2. Ставка на удаление негатива. Юридическое снятие клеветы — рабочий инструмент в отдельных случаях, но как основная стратегия он не работает. Удалённый отзыв мог быть уже процитирован в обзоре, а обзор живёт своей жизнью и переобходится отдельно. Что делать, когда негатив уже попал в ответ, разобрано в материале про негативные упоминания в нейросетях.
3. Утопить негатив объёмом. Для среднего балла на площадке приём рабочий, для генеративного поиска — нет: модель цитирует показательное, а не среднее. Один подробный разбор проблемы перевесит десяток коротких благодарностей просто потому, что из него есть что процитировать.
4. Шаблонные ответы компании. «Спасибо за отзыв, мы с вами свяжемся», повторённое сто раз, — это тоже текст, который читает модель. Он не сообщает о бизнесе ничего и занимает место, где мог бы стоять факт: что именно сделали, в какой срок, чем закончилось.

Кому работа с отзывами не даст эффекта

• Компаниям, у которых проблема в продукте. Если отзывы честно описывают реальность, ORM превращается в косметику. Сначала операционка, потом репутация — иначе новые отзывы просто повторят старые.
• Бизнесу на закрытых продажах. Тендеры, госконтракты, сделки через отраслевые связи: решение принимает отдел закупок по спецификации, а не пользователь, спрашивающий совета у нейросети.
• Сайтам без базовой видимости. Если ресурс не индексируется и не собирает трафик, начинать нужно с техники, а не с отзывов: модели просто нечего сопоставить с внешними упоминаниями.
• Нишам, где спрашивают не совет, а инструкцию. По чисто информационным запросам модель приводит справочные источники, и отзывная репутация на состав ответа не влияет.

План работы с отзывами на 90 дней

Порядок, в котором мы это разворачиваем у клиентов. Он одинаково годится для клиники, интернет-магазина и B2B-производства — меняется только набор площадок из таблицы выше.

1. Замер до начала работ. Зафиксируйте, что модели говорят сейчас: список вопросов, названные компании, показанные источники. Без этой точки через три месяца нечего будет сравнивать. Как поставить такой замер на регулярную основу — в материале про мониторинг AI-видимости.
2. Инвентаризация источников. Соберите все площадки, где о вас уже написано, включая те, что вы не заводили. Первым делом чинятся расхождения в названии, адресе и телефоне: несогласованные данные снижают доверие сразу ко всем упоминаниям бренда.
3. Сбор отзывов по сценарию. Просить нужно не «оставьте отзыв», а конкретику: какая была задача, что оказалось сложным, сколько ждали, чем закончилось. Скрипт из трёх вопросов даёт тексты, которые можно цитировать, вместо строчки «всё понравилось».
4. Ответы компании как контент. Ответ на отзыв — это ваш собственный текст на чужой площадке, и модель читает его наравне с самим отзывом. Вписывайте в ответ факт: услугу, срок, город, как решили проблему.
5. Попадание в подборки и обзоры. Самый недооценённый пункт. Найдите материалы по вашей теме, где вас нет, и займитесь включением: запрос редакции, участие в отраслевом рейтинге, экспертный комментарий. По правилу третьего мнения именно здесь набираются независимые подтверждения, без которых ответ не меняется.
6. Повторный замер через 90 дней. Сравнивать нужно не средний балл, а долю запросов, где модель называет бренд, и то, какой формулировкой она это делает. Если доля выросла, а формулировка осталась негативной, задача закрыта наполовину.

С чего начать, если непонятно даже, называют вас нейросети или нет. Бесплатная диагностика (0 ₽) занимает сутки и показывает, кого модели называют по вашим запросам и какие источники при этом цитируют. Если нужен разбор с планом — куда идти за упоминаниями, что чинить в данных о компании и какие формулировки убирать из ответов, — это полный GEO-аудит от 60 000 ₽ с ORM-блоком и повторным замером через квартал.

FAQ