Как Википедия влияет на ответы нейросетей и узнаваемость бренда

Почему Википедия встречается в ответах ИИ

Вы спрашиваете: «Кто основал компанию N?» Нейросеть называет то же имя, что и Википедия. Кажется, источник найден. Но этот факт мог встретиться модели еще при обучении, попасть в ответ через поиск или оказаться в другой публикации. Даже похожая формулировка сама по себе не показывает, откуда взялись сведения.

Если рядом с ответом есть ссылка, откройте ее и найдите подтверждение. Правильное имя и подходящая на первый взгляд страница еще не означают, что цитата действительно объясняет ответ.

Три механизма влияния: обучение, поиск и графы знаний

При обучении модель усваивает сведения из текстов. В поисковом режиме сервис находит страницы под конкретный вопрос. Графы знаний хранят связи между людьми, организациями и событиями; внешние системы могут использовать эти данные. Сравнение приведено в таблице.

Англоязычная Википедия входила в обучающие данные GPT-3. С тех пор многое изменилось, и эти данные неактуальны для нынешних моделей. RAG устроен иначе: сервис находит материалы и передает их нейросети для подготовки ответа.

Wikidata хранит сведения об организациях и людях в форме, удобной для программ. Это отдельный проект, и наличие записи не означает, что модель обязательно ее прочитает. У Рувики и Циклопедии могут быть другие показатели: исследования Википедии их не описывают.

Насколько часто нейросети ссылаются на Википедию: что показывают исследования

Цифры в исследованиях различаются, потому что авторы задают разные вопросы и по-разному считают ссылки. Одни выясняют, в скольких ответах появилась Википедия, другие считают все цитирования. Перед сравнением нужно проверить, какую метрику использовал исследователь.

У Suff Digital ответ со ссылкой учитывается один раз. У Sorank Википедия может получить несколько цитирований в одном ответе, если подтверждает сведения о разных рекомендованных компаниях. Кроме того, справка об основателе и вопрос о выборе поставщика требуют разных источников. Это еще одна причина, почему показатели разнятся.

Эти работы показывают, как системы выбирают источники. Из них нельзя вывести, насколько чаще конкретную компанию будут рекомендовать после появления статьи. Для русскоязычного бренда нужна проверка на своих вопросах.

Как присутствие в Википедии может влиять на описание компании или человека

Допустим, имя основателя и год основания компании N совпадают на сайте, в независимой публикации и Википедии. Эти сведения подходят для справки о бренде. Оценку качества продукта нужно подтверждать отдельно: верная дата основания ничего о нем не говорит.Когда вы оцениваете результат, считайте отдельно упоминания бренда, ссылки на источники и переходы на сайт. Первые два показателя видны в ответах, третий проверяют в веб-аналитике. Ссылка на Википедию не ведет читателя сразу на сайт компании. А для управления репутацией нужно еще понять, что именно о ней сказано и насколько это верно.

«Видимость бренда стоит оценивать по тому, что нейросеть о нём рассказывает. Одного упоминания мало: проверьте, верны ли факты, не перепутаны ли компании и куда ведут ссылки. Статья в Википедии может дать ответу справочную основу, но репутационная работа на этом не заканчивается. Ошибки в других источниках тоже нужно находить и исправлять».

Юлия Мосцевая, исполнительный директор и руководитель отдела репутационного маркетинга ВАЛС

Почему статья в Википедии не гарантирует видимость в ChatGPT и Google

Статья может существовать годами, а нейросеть все равно выберет другой источник. Вопрос о дате основания и просьба посоветовать подрядчика требуют разной информации. Кроме того, ChatGPT, Perplexity и Google ищут и показывают материалы по-своему. Одна удачная проверка еще не означает, что бренд будет появляться в ответах постоянно.

При проверке учитывайте пять факторов:

1. Работает ли сервис с поиском или отвечает по знаниям модели? Учитывайте также версию продукта.

2. Что спрашивает пользователь: историю компании, сведения о продукте или совет по выбору?

3. Успел ли источник обновиться? Например, в нем может оставаться имя прежнего руководителя.

4. Есть ли другие подходящие материалы: официальный сайт, реестр, отраслевая публикация?

5. Совпадают ли язык, регион и дата проверок? Без этого результаты сложнее сравнивать.

Как проверить, использует ли ИИ информацию о вашем бренде

• Начните с 12 вопросов. О самой компании: что это за организация, чем занимается, где находится и какие продукты выпускает. Об истории: когда появилась, кто ее основал, меняла ли название и какие источники описывают ее прошлое. О людях и деятельности: кто руководит, что известно об основателе, чем компания известна и с какими проектами связана. В каждом вопросе указывайте точное название; при необходимости уточняйте, о какой организации речь.

• Выберите хотя бы три системы, например ChatGPT с поиском, Perplexity и Google AI Overviews. Если Google не показал AI-блок, так и запишите: обычная выдача его не заменяет.

• Повторите запросы в новых диалогах и в разные даты. Используйте одинаковые вопросы, язык, регион и режим. Записывайте название модели, если сервис его показывает.

• Откройте ссылки и проверьте, подтверждают ли они сказанное. Страница должна относиться к вашей компании, а не к организации с похожим названием. Сверьте факты с надежными публикациями.

• Записывайте отдельно точность, тон ответа, упоминание бренда и ссылки. Если сервис недоступен, отмечайте пропуск: считать это отсутствием бренда в ответе нельзя.

В документации веб-поиска API OpenAI видимые цитаты отделены от полного списка источников. Сервис может показать не все материалы, с которыми работал. Поэтому отсутствие ссылки на Википедию еще не означает, что ее не использовали.

Проверяйте репутацию в ИИ-выдаче вместе с результатами обычного поиска: что нейросеть говорит о компании и какие страницы находит человек.

Что делать, если нейросети ошибаются в фактах о компании

Дальше проверьте сведения на сайте компании, в независимых публикациях, Википедии и Wikidata:

1. Найдите подтверждение верного факта в реестре, документе или надежной публикации.

2. Посмотрите, где повторяется ошибка. Если установить ее источник не удалось, не приписывайте его Википедии по догадке.

3. Исправьте сведения на своих ресурсах. Если неточность есть в чужой публикации, напишите редакции и приложите доказательства.

4. Предложите правку в Википедии по ее правилам и раскройте связь с компанией. Данные Wikidata проверьте отдельно.

5. Задайте прежние вопросы еще раз. Сравнивайте факты и ссылки: новый текст сам по себе не означает, что ошибка исчезла.

6. Изменения могут появиться в ответах не сразу. Поиску нужно обработать новую версию страницы. А если модель отвечает без поиска, свежая правка не обновит ее знания. После исправления все равно нужна повторная проверка.

Как использовать Википедию в GEO-стратегии без нарушения правил

Если над статьей работает оплачиваемый специалист, связь с заказчиком нужно раскрыть. У компании также нет оснований требовать только положительного описания: подтвержденная критика может остаться в статье.

Обратитесь в ВАЛС Диджитал: мы поможем оценить перспективы статьи в Википедии и выстроить GEO-продвижение на проверяемой фактуре.