Подробнее
GigaChat — языковая модель Сбера, запущенная в 2023 году, и семейство сервисов на её основе: чат-ассистент в вебе и мобильных приложениях, боты в мессенджерах, ассистенты Салют на устройствах Сбера, API для разработчиков и корпоративные внедрения. Модель изначально ориентирована на русский язык и обучалась с сильным акцентом на русскоязычные данные — поэтому бренды, реалии и терминологию рунета она часто описывает предметнее западных моделей.
Главное отличие от соседей — канал доставки. Алиса AI (ранее Нейро) встроена в поиск Яндекса и цитирует сайты из выдачи, ChatGPT Search и Perplexity строят ответ вокруг веб-источников со ссылками. GigaChat живёт в экосистеме Сбера, а его «знания» о компаниях расходятся ещё и через сторонние сервисы, построенные на API. Для бренда это значит: влиять приходится не столько на отдельную страницу, сколько на то, как компания описана в открытом рунете.
Где клиенты встречаются с GigaChat
Точек контакта несколько, и они растут вместе с экосистемой:
- веб-версия и мобильные приложения — классический ассистент с диалогом на русском;
- ассистенты Салют на устройствах Сбера — умных колонках, ТВ-приставках, в приложениях;
- боты в мессенджерах — GigaChat доступен там, где пользователь уже общается;
- API и корпоративные внедрения — на GigaChat строят ботов поддержки и внутренние сервисы, а значит, его представления о брендах транслируются и через чужие продукты.
Из-за этой разбросанности ответ о вашей компании может прозвучать в интерфейсе, который вы никогда не откроете сами, — в чат-боте банка-партнёра или во внутреннем помощнике закупщика. Проверять стоит хотя бы основной ассистент, а влиять — на исходные данные, из которых складываются все эти ответы.
Откуда GigaChat берёт сведения о брендах
Первый и самый весомый источник — обучающие данные: тексты рунета, из которых модель усвоила, кто есть кто в каждой нише. Второй — обращение к актуальной информации: заземление ответов у отечественных моделей развивается, но подробной публичной документации о том, как GigaChat отбирает источники и какие сайты попадают в выборку, нет, а режимы работы меняются. Поэтому разумная стратегия опирается на то, что влияет на любой контур, — на согласованные факты о компании в открытых источниках:
| Источник влияния | Роль в ответе | Что делать бренду |
|---|---|---|
| Сайт компании | Базовое описание: чем занимается, для кого, где | Прямые формулировки об услугах, регионах и условиях; микроразметка Schema.org для организации и услуг |
| Справочники и карты | Название, категория, город, контакты | Одинаковые название, категория и реквизиты во всех карточках — см. NAP |
| СМИ и отраслевые площадки | Представление о роли компании в нише | Экспертные публикации и Digital PR там, где читает отрасль |
| Рейтинги и подборки | Готовые списки «лучших в категории» | Включение в независимые подборки и обзоры |
| Отзывы и обсуждения | Тон описания, плюсы и минусы | Публичные ответы на отзывы и разбор типовых претензий |
Чем полнее и непротиворечивее эта картина, тем реже модель ошибается и тем увереннее называет бренд в рекомендациях. Упоминания бренда и тематический авторитет здесь работают сильнее, чем правка одного заголовка на сайте, — и накапливаются к следующим циклам обучения модели.
Какие вопросы задают и кому канал важнее
В ассистент приходят с бытовыми и рабочими вопросами на русском: «какую детскую клинику выбрать в Казани», «чем отличаются тарифы домашнего интернета у провайдеров», «какую программу учёта взять для ИП», «составь список поставщиков упаковки». Это те же вопросы выбора, что раньше задавали поиску, но ответ приходит сразу перечнем из нескольких компаний. Попасть в перечень — значит оказаться в шорт-листе до того, как клиент начнёт сравнивать сайты. Сильнее всего канал касается трёх групп:
- массовых услуг и локального бизнеса — медицины, образования, ремонта, автосервиса: для вопросов с городом модель опирается на региональные упоминания;
- B2B-ниш с русскоязычным рынком: отечественных поставщиков и местные реалии модель знает лучше, чем западные ассистенты;
- брендов с репутационными рисками: модель может повторять старые или ошибочные сведения, и их нужно выявить раньше, чем клиенты примут их за факт.
Нюанс канала: ответы ассистента нередко приходят без ссылок на сайты, поэтому эффект виден не столько в реферерах, сколько в брендовых запросах и обращениях.
Типичная ситуация
Сеть стоматологий в региональном городе узнаёт от пациентов, что GigaChat на вопрос о клиниках города называет конкурентов и одну уже закрытую клинику, а их сеть не упоминает. Разбор показывает причины: в справочниках у сети три разных названия, филиалы на картах заведены непоследовательно, на сайте нет текстовой страницы с услугами и адресами, а в городских СМИ о клинике не писали.
Работа начинается не с «оптимизации под ИИ», а с наведения порядка в фактах: единое название и категория, отдельные страницы филиалов, свежие публикации в местных медиа, ответы на отзывы. Результат проверяют повторным прогоном того же набора вопросов через некоторое время — эффект в «памяти» модели накапливается постепенно, а не после одной правки.
Как проверить, что GigaChat говорит о бренде
Официального инструмента для владельцев сайтов нет, поэтому замер строится на регулярных ручных прогонах:
- Соберите вопросы трёх групп: о бренде («что известно о компании X», «X — надёжный подрядчик?»), о категории с городом («лучшие Y в Z») и сравнительные («X или Y»).
- Формулировки берите из живой речи клиентов — звонков, переписки, отзывов, — а не из семантического ядра.
- Задавайте вопросы в новых диалогах, без предыдущего контекста, чтобы ответ не опирался на прошлую переписку.
- Для каждого ответа фиксируйте: упомянут ли бренд, на каком месте в перечне, точны ли адрес, услуги и цены, какой тон описания, кого модель называет вместо вас.
- Ошибки и устаревшие сведения выпишите отдельно — это готовый план работ по открытым источникам.
- Сверяйте косвенные сигналы: брендовые запросы в Яндекс Вебмастере, прямые заходы, ответы «откуда узнали» в заявках, а переходы с домена ассистента в Метрике — если реферер передаётся.
Сводить замер удобнее вместе с другими движками — варианты инструментов и расчёт доли упоминаний разобраны в статье сервисы мониторинга видимости в нейропоиске. Аудит знаний модели, работу с фактами и упоминаниями под этот движок ведёт продвижение в GigaChat, а в общей программе по всем нейросетям — AEO-продвижение.