Методология geoScore
geoScore — сводная метрика видимости бренда в ответах нейросетей: одно число от 0 до 100. Метрика отвечает на два вопроса: называют ли бренд и на чей сайт нейросеть опирается при ответе. Каждому вопросу — половина шкалы.
Упоминание без источника — половина картины
Бренд попадает в ответ нейросети с его сайта или с чужих страниц: обзоров, отзывов, маркетплейсов. Свой сайт бренд контролирует. Чужую страницу владелец может переписать, и упоминание изменится без предупреждения. Поэтому считаем обе стороны.
nm — доля ответов нейросети, где бренд назван; sm — её баллы источника, от 0 до 50; wm и vm — веса нейросетей по аудитории. Полная запись формул — в PDF.
- Сбор данных
Промпты строим на топ-100 запросов категории в Яндекс Wordstat и пишем так, как покупатель спрашивает в чате, без названий брендов: бренд должен появиться в ответе сам. Ответ храним целиком — с датой и версией модели.
- Веса нейросетей
- Публикация и точность
Балл публикуем, если ответили хотя бы две нейросети, получено не меньше 60 % пар «промпт × нейросеть» и Алиса AI ответила хотя бы на 60 % промптов, когда она в замере. Иначе показываем справочную оценку. Каждый балл идёт с 95 %-интервалом: 1000 раз перевыбираем промпты с возвращением и пересчитываем geoScore.
- 1Исследование geoboost «Использование LLM в России — 2026», DOI 10.5281/zenodo.22883869: недельная аудитория ИИ-чатов в России, 12+, II квартал 2026. ИИ-ответы в поиске не входят.
- 2Яндекс Радар: 69,9 % и 29,3 % переходов из поиска на сайты, 30.03–28.06.2026; пересчитаны на два поисковика и округлены.
Как цитировать: geoboost. Методология geoScore. Октябрь 2026. geoboost.pro/methodology/geoscore/. При использовании ссылка на методологию обязательна.
Пример: условный «Бренд Х» Иллюстрация
Условные данные: 50 промптов, шесть нейросетей. Claude в этом замере нет, его вес перенормирован. У бренда есть сайт.
| Нейросеть | Вес | Ответов | Назван | Процитирован | Взят | Баллы источника | Балл модели | Вклад в бренд-половину | Вклад в половину источников |
|---|---|---|---|---|---|---|---|---|---|
| Алиса AI | 57,2 % | 50 | 20 (40 %) | 10 (20 %) | = процитирован | 50 × 0,20 = 10,00 | 30,00 | 11,444 | 5,722 |
| ChatGPT | 15,2 % | 48* | 12 (25 %) | 6 (12,5 %) | = процитирован | 50 × 0,125 = 6,25 | 18,75 | 1,898 | 0,949 |
| DeepSeek | 11,3 % | 50 | 10 (20 %) | — | 5 (10 %) | 50 × 0,10 = 5,00 | 15,00 | 1,130 | 0,565 |
| GigaChat | 10,6 % | 50 | 15 (30 %) | 5 (10 %) | 10 (20 %) | 40 × 0,10 + 10 × 0,20 | 21,00 | 1,583 | 0,633 |
| Gemini | 4,1 % | 50 | 5 (10 %) | 2 (4 %) | = процитирован | 50 × 0,04 = 2,00 | 7,00 | 0,204 | 0,081 |
| Qwen | 1,7 % | 50 | 8 (16 %) | 4 (8 %) | = процитирован | 50 × 0,08 = 4,00 | 12,00 | 0,133 | 0,067 |
| Итого | 100 % | 298 из 300 | B = 16,392 | S = 8,017 |
B + S = 16,39 + 8,02 = 24,41, округляем до целого. 95 %-интервал: 19–30.
Порог охвата пройден: Алиса AI — 50 ответов при пороге 30, пар — 298 из 300 при пороге 180. Без сайта бренд получил бы 16. Если бы GigaChat отвечал без поиска, половина источников перенормировалась бы на пять нейросетей: 8,26 вместо 8,02.
Вся методология — в одном PDF
Что измеряем и почему, как собираем ответы, формулы с обозначениями, веса нейросетей, пример расчёта по шагам и ограничения.