November 3, 2026

AEO-платформы: как агентства выбирают инструменты для видимости в ИИ

Omnicom и VML раскрыли критерии выбора AEO-платформ: мульти-LLM-измерения, методология сбора данных и осторожная работа с частотой обновлений. Стандартизации метрик ждать скоро.

2 min read

Inside agency efforts to navigate the AEO platform landscapePexels / pixabay

Рынок насчитывает уже десятки AEO-платформ (answer engine optimization — оптимизация видимости бренда в ответных ИИ-системах), и агентства отбирают их по строгим критериям, а не по маркетинговым обещаниям. Ключевые факторы — способность замерять видимость сразу в нескольких LLM (больших языковых моделях) и методология сбора данных. Об этом Marketing Brew рассказали руководители Omnicom и VML.

Почему старый опыт поиска не работает

«Это не перенос成功-подходов, которые мы применяли более 20 лет в платном и органическом поиске», — заявил Майкл Сондак (Michael Sondak), вице-президент Omnicom по Северной Америке, глава направления поиска. По его словам, технология «принципиально иная: другие оркестраторы, другая технология, другие зависимости, другие команды и другие таланты».

Как VML выбирает платформы

VML не фиксируется на одном инструменте: агентство подбирает платформу под маркетинговый микс каждого клиента, объясняет Хизер Физиок (Heather Physioc), директор по обнаружаемости (chief discoverability officer) VML.

В клиентских переговорах чаще других упоминаются:

Profound — во многом благодаря активному маркетингу;
Adobe Brand Visibility — за счёт интеграции с существующими стеками через Adobe Analytics.

Физиок выделяет два ключевых функциональных критерия: измерение видимости бренда в нескольких LLM одновременно и возможность отслеживать тренды в данных во времени. Некоторые платформы предлагают и редкие функции — например, мониторинг тональности упоминаний бренда в ответах LLM.

«Ни одна из этих метрик, на мой взгляд, пока не является истинным Северным звёздам, окончательным показателем для измерения ИИ-поиска. Полагаю, впереди появятся новые метрики», — отметила Физиок.

Методология сбора данных — приоритет Omnicom

В Omnicom внутренние команды прежде всего изучают методологию сбора данных, говорит Дэн Топлитт (Dan Toplitt), глава направления ИИ-платформ Omnicom в Северной Америке. Команды проверяют, собирает ли платформа ответы LLM через API или через headless-браузер, и оценивают надёжность данных с учётом вариативности ответов моделей на разные запросы.

Агентству важно понимать, «как платформы нормализуют датасет, чтобы дать нам уровень уверенности в том, насколько он репрезентативен для крупной категории», — пояснил Топлитт.

Частота обновления данных: стратегический вопрос

Платформы различаются и частотой обновления. Bluefish AI заявляет о ежедневном трекинге цитирований более чем в 10 LLM, а Ahrefs Brand Radar — о непрерывном обновлении данных о видимости в Google AI Overviews и AI Mode.

Топлитт использует эту возможность точечно: для отдельных клиентов он смотрит данные «неделя к неделе», если маркетинг-директору нужны еженедельные апдейты для руководства. Но радикальные изменения стратегии на основе мелких колебаний он не делает.

«Если я смотрю на данные за три дня и пытаюсь принять решения о дорожной карте на следующий квартал или год, этого трёхдневного периода недостаточно для выводов, на которых можно строить умные рекомендации», — предупредил он.

Физиок согласна: существует «риск избыточной проверки» постоянно обновляемых данных и «рефлекторных решений, когда паттерн ещё не сформировался».

Что дальше: стандартизация измерений

Сегодня каждая платформа считает собственный «AI brand score» по уникальному проприетарному показателю. По прогнозу Физиок, ситуация может измениться: «В конечном итоге мы, вероятно, увидим некий стандартизированный подход к тому, что означает этот показатель».

Коротко: пока единого стандарта измерения видимости в ИИ-поиске нет, агентства страхуются мультиплатформенностью, проверкой методологии данных и осторожностью в выводах.

Original: privacy.morningbrewinc.com

More from Анна Соколова

Анна Соколова

169 articles

« Previous article