Роль отзывов и сторонних площадок в видимости бренда в ИИ-поиске
Коротко
Отзывы попадают в ответы нейросетей тремя путями: через поиск в момент вопроса, через сводки отзывов в картах и через обучающие данные. Модель пересказывает повторяющиеся темы, а не средний балл, и сверяет факты о компании по каталогам и обзорам. Поэтому работают выровненные данные на площадках, исправленные причины жалоб и честный сбор отзывов.
Когда человек просит нейросеть посоветовать подрядчика или проверить компанию перед покупкой, модель отвечает не только по сайту. Она опирается на то, что о бренде пишут другие: клиенты в картах, авторы обзоров, каталоги и форумы. Поэтому отзывы и видимость в нейросетях связаны напрямую, хотя ни один сервис не раскрывает, какой вес отзывы получают в его ответах.
Ниже разбираем, какими путями мнения клиентов попадают в ответ, какие площадки важны для разных типов бизнеса, почему повторяющиеся темы значат больше средней оценки, где проходит граница между сбором отзывов и накруткой и как проверить, что работа с репутацией доходит до ответов ИИ.
Три пути, которыми отзывы попадают в ответ нейросети
Отзывы попадают в ответ тремя путями: через поиск в момент вопроса, через готовые сводки внутри карт и через данные, на которых модель обучалась. У каждого пути своя скорость: поиск находит свежий отзыв за дни, а обучающие данные обновляются редко и с большой задержкой.
Первый путь самый понятный. ChatGPT с поиском, Perplexity, ИИ-обзоры гугла, Алиса и Нейро при вопросе о компании ищут в сети и собирают ответ из найденных страниц. В справке OpenAI сказано, что поиск ChatGPT может учитывать примерное местоположение для локальных результатов, а цитаты в ответах бывают неполными или неточными, поэтому источники советуют открывать и проверять. Если по названию бренда в выдаче высоко стоят карточка в картах и отзовик, модель с большой вероятностью перескажет именно их.
Второй путь: сводки, которые карты строят сами. Гугл в конце 2024 года добавил в свои карты краткие пересказы отзывов на Gemini, сначала для США. Яндекс Карты показывают блок «Коротко о месте», который YandexGPT собирает из отзывов и данных карточки: по описанию яндекса, модель выделяет темы, о которых посетители пишут чаще всего, и сверяет готовый текст с отзывами. Такая сводка уже является ответом нейросети о вашей компании, хотя человек не открывал никакой чат.
Третий путь медленный. Модели обучаются на открытых текстах, среди которых есть форумы, обзоры и отзовики, но какие площадки и за какой период вошли в обучение, разработчики не публикуют. Повлиять на этот слой можно только косвенно и с большим запасом времени: устойчивой картиной о бренде на многих площадках, а не разовой акцией. Что еще, кроме отзывов, влияет на то, назовет ли ChatGPT ваш бренд, мы разбирали в статье о том, как попасть в ответы ChatGPT.
Какие площадки модели читают о компании
Важнее всего площадки, которые стоят в выдаче по названию бренда и по запросам вашей категории: для локального бизнеса это карты, для B2B каталоги и отраслевые рейтинги, для магазинов маркетплейсы и отзовики. Начинать стоит с того, что поисковик показывает по вашему бренду прямо сейчас: общий список всех сайтов отзывов здесь мало помогает.
Мы сводим площадки в такую таблицу и заполняем ее для каждого проекта своими адресами:
| Тип площадки | Что модель может взять | Где важнее всего | Что проверить |
|---|---|---|---|
| Карточки в картах гугла и яндекса | Оценку, число отзывов, частые темы, адрес, часы работы | Локальные услуги, медицина, общепит | Одинаковое название, актуальные часы, ответы на свежие отзывы |
| Отзовики и агрегаторы | Развернутые истории, жалобы, ответы компании | Услуги с высоким чеком, обучение, ремонт | Старые нерешенные жалобы в первых строках выдачи |
| Маркетплейсы | Отзывы о товаре, вопросы покупателей | Интернет-магазины, производители | Совпадают ли характеристики с сайтом |
| Отраслевые каталоги и рейтинги | Категорию, услуги, регион, место в подборке | B2B, агентства, подрядчики | Полнота профиля, ссылка на сайт, список услуг |
| СМИ и обзоры | Экспертную оценку, сравнение с конкурентами | Продукты, сервисы, бренды с историей | Точность названия и фактов |
| Форумы и сообщества | Живые вопросы и советы людей | Ниши, где выбирают долго | Что спрашивают о вас и кто отвечает |
Таблица быстро показывает перекосы. Частая картина: компания годами вкладывалась в карточку в картах, а в отраслевом каталоге висит профиль многолетней давности со старым адресом и услугами, которых уже нет. Модель видит оба источника и не знает, какой из них верный. Как нейросети подбирают компании по картам и локальным сигналам, мы подробно разбирали в статье о GEO для локального бизнеса.
Вес площадки в этой таблице зависит от того, отвечает ли она на вопрос, который люди задают нейросети, а размер самой площадки здесь вторичен. На вопрос «где починить кофемашину рядом» ответят карты, на вопрос «какому подрядчику доверить строительство склада» скорее каталоги, тендерные площадки и отраслевые обзоры.
Почему повторяющиеся темы важнее средней оценки
Модель пересказывает не цифру рейтинга, а то, о чем клиенты пишут снова и снова. Оценки 4,7 и 4,5 в ответе часто выглядят почти одинаково, а фраза «клиенты отмечают долгие сроки» звучит как вывод, даже если таких отзывов немного.

Это следует из того, как устроены сводки. Яндекс прямо описывает, что его модель берет то, о чем посетители пишут чаще всего. Частота темы решает, попадет ли она в пересказ, поэтому один резкий отзыв почти не опасен, а пять спокойных жалоб на одно и то же опасны. Верно и обратное: если довольные клиенты пишут «спасибо, все хорошо», сводке не за что зацепиться, и в нее попадают немногие конкретные отзывы, нередко как раз жалобы.
Перед любой работой с репутацией мы делаем простое упражнение. Возьмите последние 30-50 отзывов на главной площадке и выпишите темы, которые встречаются хотя бы три раза: сроки, цена относительно ожиданий, вежливость, результат, парковка, связь с менеджером. Потом спросите у двух-трех нейросетей, что клиенты говорят о вашей компании, и сравните списки. Совпадение показывает, что модель читает именно эти отзывы. Расхождение подсказывает, что ответ собран с другой площадки, и ее нужно найти.
Работать стоит с темами, а не с оценкой. Если повторяется жалоба на сроки, сначала исправляют сроки, а затем просят всех клиентов после заказа рассказать своими словами, как он прошел. Подробный отзыв о конкретной ситуации дает модели материал для другой формулировки, а пятая звезда без текста не дает ничего.
Ответы на отзывы: кому они помогают на самом деле
Ответ компании на отзыв в первую очередь помогает людям, которые читают карточку, и лишь возможно модели. Гугл в справке о локальном ранжировании пишет, что ответы показывают, что вы цените мнение клиентов, а больше отзывов и положительных оценок может помочь позициям в локальном поиске. О влиянии самих ответов на ранжирование там не сказано.
С ИИ-сводками картина такая же осторожная. По разборам специалистов по локальному SEO, сводки отзывов в гугле строятся по текстам клиентов, а ответ владельца в них, судя по всему, не учитывается. Подтверждения в документации гугла нет, опровержения тоже. Поэтому рассчитывать, что вежливый ответ исправит пересказ нейросети, не стоит.
Ответ при этом решает другую задачу: он фиксирует факт рядом с жалобой. Если клиент пишет, что работа обошлась дороже обещанного, ответ «в смете было два этапа, второй согласовали отдельным письмом» дает читателю проверяемое пояснение. Когда такой отзыв попадает в ссылки ответа Perplexity или ChatGPT, человек, открывший источник, увидит обе стороны.
Хороший ответ короткий, по существу и без шаблона: признать проблему, назвать, что изменили, предложить связаться напрямую. Одинаковое «Спасибо за отзыв, ждем вас снова» под сотней отзывов ничего не добавляет и выглядит как автоответчик.
Где проходит граница между сбором отзывов и накруткой
Просить отзыв у реальных клиентов можно, а платить за него, давать скидку или просить только довольных нельзя. В правилах контента гугл карт в разделе о фальшивой активности перечислены оплаченные отзывы, вознаграждения за публикацию, правку или удаление отзыва, отговаривание от негативных отзывов и выборочный сбор положительных.
У яндекса принцип похожий: по его правилам отзыв считается накрученным, если автор не взаимодействовал с компанией и написал текст за деньги или по просьбе знакомых. Гугл сообщал, что за такие нарушения может удалять отзывы, временно закрывать прием новых и показывать на карточке предупреждение для посетителей.
Для видимости в ИИ накрутка вредна вдвойне. Шаблонные отзывы не дают сводке конкретных тем, и модель все равно пересказывает немногие живые тексты. А предупреждение на карточке или удаленная волна отзывов становятся новым фактом о компании, который тоже может оказаться в ответе.
Вот что можно делать регулярно и без риска для карточки:
- просить отзыв у каждого клиента после завершения заказа, а не выборочно;
- давать прямую ссылку или QR-код на нужную карточку, чтобы человеку не приходилось ее искать;
- напоминать один раз, без цепочки писем и звонков;
- не диктовать оценку и текст и не просить упомянуть конкретные слова;
- не просить оставить отзыв прямо в офисе под присмотром сотрудника;
- не привлекать сотрудников, родственников и партнеров к отзывам от имени клиентов.
Сторонние площадки без отзывов: каталоги, рейтинги, обзоры
Площадки без отзывов работают как подтверждение фактов: по ним модель сверяет, чем компания занимается, где работает и с кем ее сравнивают. Отраслевой каталог, профиль в рейтинге, упоминание в обзоре или интервью дают нейросети то, чего нет в отзывах клиентов: категорию, специализацию и контекст.

Главная проблема таких площадок в рассинхроне. Название бренда в трех написаниях, старый телефон в каталоге, услуги, от которых компания отказалась, но которые остались в профиле рейтинга. Каждый такой хвост может стать фактом в ответе нейросети, и модель не всегда выбирает самый свежий источник.
Сначала найдите все места, где упоминается компания: поиск по названию в гугле и яндексе, по старым названиям и по номеру телефона. Затем разделите находки на те, которыми вы управляете (профили в каталогах, карточки), и те, которыми не управляете (статьи, обзоры, форумы). Первые обновляют сами, во вторых исправляют только фактические ошибки через редакцию или администратора площадки.
Отдельно отметьте площадки, которые нейросети уже цитируют, отвечая о вашей компании или категории. Их видно по ссылкам в ответах Perplexity, ChatGPT с поиском и ИИ-обзоров гугла. Такие источники идут в работу первыми, потому что именно с них модель берет формулировки сейчас. Для B2B к ним обычно добавляются тендерные площадки и отраслевые подборки, подробнее о них в материале о том, как нейросети выбирают поставщиков и подрядчиков.
Пошаговый план работы с отзывами и площадками
Работа начинается с замера и заканчивается повторным замером, а между ними идут исправления на площадках, которые модели уже читают. Порядок ниже подходит большинству компаний услуг; магазины добавляют в него маркетплейсы.
- Задайте 10-15 вопросов о компании и категории в нескольких нейросетях, сохраните ответы и источники.
- Заполните таблицу площадок из второго раздела своими адресами и отметьте, какие из них цитируются.
- Выровняйте название, адрес, телефон, часы и список услуг везде, где у вас есть доступ.
- Выпишите повторяющиеся темы отзывов на главной площадке и сравните их с пересказом нейросетей.
- Устраните причину самой частой жалобы в работе компании, а не в тексте ответа.
- Ответьте по существу на отзывы последних месяцев, начиная с нерешенных жалоб.
- Наладьте просьбу об отзыве после каждого заказа со ссылкой на нужную карточку.
- Через месяц и через три месяца повторите вопросы из первого шага и сравните ответы.
Самый недооцененный шаг пятый. Новые отзывы лишь сдвигают пропорцию тем, и если причина жалобы осталась, она будет появляться снова. Пересказ нейросети меняется вслед за тем, что пишут клиенты, а клиенты пишут о том, что происходит в компании.
В B2B и дорогих услугах, где отзывов мало, акцент смещается на каталоги, кейсы на сторонних площадках и экспертные публикации. Там один подробный отзыв клиента с описанием задачи дает модели больше материала, чем десяток коротких оценок.
Как понять, что работа отражается в ответах ИИ
Результат видно по тому, как нейросеть описывает компанию: какие темы называет, какие площадки цитирует и попадает ли бренд в подборки по категории. Число упоминаний само по себе говорит мало, потому что ответы меняются от запуска к запуску даже на один и тот же вопрос.
Для замера держите постоянный набор вопросов в трех группах. О бренде: «что говорят клиенты о компании N», «можно ли доверять N». О категории без названия: «кого выбрать для такой-то задачи в городе». Сравнение: «чем N отличается от конкурентов». Задавайте их в новом окне без истории, примерно в одни и те же даты, и сохраняйте текст ответа вместе со ссылками. Как вести такой замер регулярно и какие сервисы его ускоряют, мы описали в статье о том, как отслеживать упоминания бренда в нейросетях.
В каждом ответе отмечайте три вещи: тональность, повторяющиеся темы и источники. Если после исправлений из пересказа ушла старая жалоба, а в ссылках появилась обновленная карточка, работа доходит до модели. Если ответ месяцами не меняется, а источник в нем все тот же старый обзор, усилия ушли не на ту площадку.
Отделить вклад отзывов от остальных перемен удается редко: параллельно обновляются сами модели, выдача и другие упоминания бренда. Поэтому отзывы и видимость в нейросетях разумно оценивать по тому, совпадает ли описание компании в ответах с реальностью, а не искать причину каждого сдвига.
Итог и следующий шаг
Нейросети говорят о компании словами ее клиентов и сторонних площадок, поэтому отзывы и видимость в нейросетях стоит вести как одну задачу, а не как два разных проекта. Главное в ней: знать, какие площадки модели читают о вас, выровнять на них факты, убирать причины повторяющихся жалоб и собирать подробные отзывы у всех клиентов, а не только у довольных.
Пересказ меняется медленно, со сдвигом в недели и месяцы, поэтому полезно один раз выстроить замер и дальше сверяться с ним, а не реагировать на каждый отдельный ответ. Начать можно с ручной проверки на десятке вопросов.
Если хотите понять, как нейросети видят ваш бренд сейчас и какие площадки влияют на это сильнее всего, можно начать с GEO-аудита видимости бренда: мы соберем ответы нескольких моделей, найдем источники, из которых они берут формулировки, и предложим порядок правок под вашу компанию.
Частые вопросы
Влияют ли отзывы на то, что ChatGPT говорит о компании?
Да, если отзывы попадают в выдачу, которую ChatGPT находит при поиске. Отвечая о компании, он собирает текст из найденных страниц, и карточки в картах или отзовики нередко оказываются среди источников. Какой вес отзывы получают в ответе, OpenAI не раскрывает, поэтому проверяйте ссылки под ответом: они показывают, откуда взяты формулировки.
Что делать, если нейросеть пересказывает старый негатив о компании?
Найдите источник по ссылкам под ответом или задайте тот же вопрос в сервисе с поиском, где ссылки видны. Если жалоба на старой площадке устарела, ответьте на нее по существу и укажите, что изменилось. Затем обновите профиль и наладьте сбор свежих отзывов у всех клиентов, чтобы новая картина со временем вытеснила старую.
Сколько нужно отзывов, чтобы нейросеть начала рекомендовать компанию?
Точного порога нет: ни один сервис не публикует минимальное число отзывов или нужную оценку. Пороговые цифры, которые встречаются в статьях подрядчиков, ничем не подтверждены. Важнее, чтобы отзывы появлялись регулярно, были подробными и описывали то, о чем спрашивают клиенты: сроки, результат, общение и цену относительно ожиданий.
Можно ли удалить плохой отзыв, чтобы его не цитировали?
Нет, честный отзыв удалить нельзя, а просьба убрать его за скидку или подарок в гугл картах прямо запрещена. Оспорить можно только отзыв, который нарушает правила площадки: написан не клиентом, содержит оскорбления или относится к другой компании. В остальных случаях рабочий путь один: ответить по существу и исправить причину жалобы.
Где B2B-компании собирать отзывы, если клиентов немного?
B2B-компании лучше собирать отзывы там, где ее ищут заказчики: в отраслевых каталогах, рейтингах подрядчиков и на профильных площадках, а карточка в картах нужна для проверки адреса. Один подробный отзыв с описанием задачи полезнее десятка оценок. Хорошо работают и согласованные с клиентом кейсы на сайте и сторонних площадках.
