В первой части я предложила четыре вопроса, которые помогают понять, действительно ли агентство знает, что и почему собирается делать.
Если вы ещё не читали часть 1:
Во второй части мы идём на шаг дальше.
Хорошее объяснение подхода к работе ещё не доказывает результат.
Сегодня недостаточно спросить: «Есть ли у вас кейсы и цифры?» Цифры уже есть у многих компаний.
Гораздо полезнее другой вопрос: «Могу ли я понять, как именно был рассчитан этот результат — и можно ли честно сравнить его с исходной точкой?»
Я бы проверила четыре вещи:
- как именно измерялся результат;
- что на самом деле показывает кейс;
- какое участие потребуется от владельца компании;
- что агентство действительно может гарантировать.
Цифра имеет смысл только вместе с методом её расчёта
Предположим, агентство показывает кейс: «Через три месяца AI visibility клиента выросла до 80%». Звучит убедительно.
Но сегодня я сразу спросила бы:
- какие вопросы использовались;
- сколько их было;
- какие AI-системы проверялись;
- на каком рынке и на каком языке;
- за какой период;
- повторялись ли измерения;
- сравнивались ли результаты «до» и «после» по сопоставимой методологии.
Потому что сама цифра 80% ещё не объясняет, что именно было измерено.
Если начальный результат рассчитан по одному набору вопросов, а последующий — по другому, привлекательное сравнение «до и после» трудно интерпретировать как изменение видимости компании.
Поэтому мой основной вопрос звучит так: «Покажите, пожалуйста, как именно был рассчитан этот показатель».
В KAN начальное и последующие измерения проводятся по сопоставимой методологии. Иначе разницу между «до» и «после» нельзя честно считать изменением видимости.
Это важно ещё и потому, что сами ответы AI не полностью стабильны.
В исследовании 2026 года авторы сравнили Google Search, AI Overviews и Gemini на наборе из 11 500 пользовательских запросов. Один из выводов: AI Overviews были менее стабильны при повторении одного запроса и чувствительны даже к небольшим изменениям его формулировки.
Поэтому одного благоприятного ответа AI недостаточно, чтобы делать выводы о видимости компании.
Один привлекательный результат в ChatGPT — ещё не кейс
Если я вижу скриншот «ChatGPT рекомендует нашего клиента на первом месте», для меня это интересный факт. Но ещё не доказательство устойчивого результата.
Я хочу знать:
- какой именно вопрос был задан;
- почему выбрали именно его;
- какие другие вопросы тоже проверялись;
- за какой период;
- что было до начала сотрудничества;
- что происходило в других AI-системах.
Один скриншот доказывает только одно: в этой конкретной ситуации AI указал компанию.
Хороший кейс для меня выглядит иначе: исходная точка → период работы → сопоставимое повторное измерение → результат.
Важно также видеть результаты отдельных AI-систем по отдельности.
Мы уже наблюдали это в собственном первоначальном измерении KAN на польском рынке: в одной коммерческой нише наиболее заметные компании различались между ChatGPT, Perplexity, Gemini и Google AI.
Поэтому вместо вопроса «Есть ли у вас успешные кейсы?» я спросила бы: «Могу ли я увидеть начальный и последующий результаты, рассчитанные по одной методологии?»
Это гораздо лучше показывает, что на самом деле стоит за привлекательной цифрой.
Владелец компании должен заранее знать, сколько времени ему понадобится
Третий вопрос: «Сколько моего времени потребует сотрудничество и для чего именно вам понадобятся мои знания?»
Обещание «Нам ничего от вас не нужно, мы всё сделаем сами» не кажется мне преимуществом.
Техническую работу действительно можно делегировать. Но исполнитель не может сам знать:
- какие ситуации регулярно возникают у клиентов;
- как принимаются экспертные решения;
- какие вопросы клиенты задают чаще всего;
- какие реальные случаи показывают уникальный опыт компании;
- какие цифры действительно есть внутри бизнеса;
- где находятся важные профессиональные нюансы.
Без этого легко создать правильный, но взаимозаменяемый контент.
В методологии, на которой основана работа KAN, граница проста: техническую часть можно делегировать, но смыслы и знания о бизнесе должен передать сам владелец или настоящий эксперт.
Поэтому ещё до подписания договора я хочу знать, зачем агентству понадобится моё участие и сколько времени оно реально займёт.
Хороший исполнитель не должен ни обещать полностью экспертную работу совсем «без клиента», ни перекладывать на клиента выполнение всей услуги.
Для меня правильная модель выглядит так: агентство организует и реализует процесс, а владелец передаёт знания, которые невозможно достоверно придумать от его имени.
Гарантия первого места в ChatGPT — тревожный сигнал
Последний вопрос: «Что именно вы можете гарантировать?»
Агентство, конечно, может гарантировать то, что остаётся под его контролем:
- объём работ;
- сроки;
- подготовку согласованных материалов;
- регулярность измерений;
- формат отчётности;
- реализацию согласованного плана.
Но если я слышу «Через три месяца ChatGPT будет рекомендовать вашу компанию на первом месте» или «Мы гарантируем добавление бренда в память ChatGPT», для меня это тревожный сигнал.
Причина проста: исполнитель не контролирует итоговый ответ AI.
OpenAI в официальной документации объясняет условия, которые помогают контенту быть доступным для ChatGPT Search, но сама доступность контента не гарантирует появления страницы в конкретном ответе.
Тем более нельзя гарантировать ручное «добавление» компании в память модели.
Гораздо больше доверия у меня вызывает формулировка: «Мы работаем над увеличением вероятности того, что AI сможет найти, правильно понять и чаще рекомендовать вашу компанию, а изменения будем измерять». Чем: «Мы обеспечим вам первое место в ChatGPT».
Одни цифры ещё не означают, что результат доказан
После анализа рынка я уже не спрашивала бы просто: «Есть ли у вас кейсы?»
Гораздо интереснее другое: можно ли понять, как был получен показанный результат.
Какие вопросы? Какие AI-системы? Какой рынок и язык? Какая исходная точка? Какой период? Сопоставимы ли измерения «до» и «после»?
Именно эти детали превращают фразу «у клиента результат вырос до 80%» из привлекательной цифры в результат, который действительно можно оценить.
Когда этих вопросов недостаточно
Эти критерии полезны, когда исполнитель продаёт работу над видимостью и рекомендациями компании в AI.
Если вам нужны только SEO, создание сайта, реклама или стандартный контент-маркетинг, критерии выбора будут другими.
Я также не ожидаю, что агентство до подписания договора раскроет всю внутреннюю технологию, список платформ или производственный процесс.
Мне нужен другой уровень прозрачности: я хочу понимать, что покупаю, как будет оцениваться результат и где заканчивается зона контроля агентства.
Две части — два уровня проверки
В первой части главный вопрос звучал так: «Понимает ли агентство, что собирается делать и почему?»
Во второй: «Может ли оно показать результат так, чтобы я понимала, как он был рассчитан?»
Для меня именно сочетание этих двух вещей отличает привлекательную презентацию от понятной системы работы.
Вернуться к части 1:
Источники
- Grossman R. et al. — How Generative AI Disrupts Search: An Empirical Study of Google Search, Gemini, and AI Overviews
- OpenAI — Publishers and Developers FAQ
Не знаете, как сегодня выглядит видимость вашей компании в AI?
В KAN мы начинаем с первоначального измерения. Проверяем, появляется ли компания в ответах ChatGPT, Gemini, Perplexity и Google AI, какие компании рекомендуются вместо неё и где находится самый большой разрыв.
Только после этого мы решаем, что стоит менять.
ЗАПИСАТЬСЯ НА РАЗГОВОР