HVAC-компания · конкурентный рынок мегаполиса

Предыстория

Устоявшаяся HVAC-компания со стабильным спросом из поиска и по рекомендациям, но без понимания того, как ИИ-ассистенты представляют её, когда потенциальные клиенты просят совет.

Задача

Её присутствие в ответах ИИ было нестабильным: названа в одном запросе, отсутствует в следующем — в ChatGPT, Claude, Perplexity и Google AI. Она находилась сразу за лидирующей группой, а два конкурента уверенно вырывались вперёд. Без стабильного, повторяемого измерения нельзя было понять, работает ли вообще что-либо из изменений.

Что мы сделали

Мы отнеслись к видимости в ИИ как к измеримой системе, а не разовой проверке:

• Зафиксировали единые данные о компании, услугах, зонах обслуживания и часах работы везде, где их читают модели
• Добавили структурированные данные об услугах и зонах обслуживания, чтобы каждое предложение было машиночитаемым
• Создали контент под точные запросы «лучший [услуга] рядом» и сравнения, которые покупатели задают ИИ
• Еженедельно отслеживали фиксированный набор запросов, чтобы отделить реальную динамику от шума между запусками
• Сравнивали долю упоминаний с конкретными конкурентами, которых ИИ называл вместо неё

Результаты

За четыре месяца видимость компании в ИИ выросла примерно на пять пунктов и закрепилась в топ-3 по всем четырём моделям, тогда как у среднего конкурента она упала примерно на пять пунктов. Прирост держался от недели к неделе — это устойчивая позиция, а не разовый всплеск.

Измерение и доказательства

Рынок:

HVAC-компания · конкурентный рынок мегаполиса

Период:

4 месяца

Измерение:

Fixed buyer-prompt panel, repeated across ChatGPT, Claude, Perplexity, and Google AI.

Основная метрика:

Видимость в ИИ — доля релевантных ответов — по повторным прогонам фиксированного набора запросов, — в которых называется бизнес. Как это измеряется

Стартовая точка → последнее измерение:

19% → 24%

Выполненные работы:

Зафиксировали единые данные о компании, услугах, зонах обслуживания и часах работы везде, где их читают модели; Добавили структурированные данные об услугах и зонах обслуживания, чтобы каждое предложение было машиночитаемым; Создали контент под точные запросы «лучший [услуга] рядом» и сравнения, которые покупатели задают ИИ; Еженедельно отслеживали фиксированный набор запросов, чтобы отделить реальную динамику от шума между запусками; Сравнивали долю упоминаний с конкретными конкурентами, которых ИИ называл вместо неё.

Что раскрыто здесь:

Категория и тип рынка, окно измерения, определение метрики, набор провайдеров, на которых прогонялись запросы, значения «до/после» и выполненные работы на уровне источников.

Что не раскрыто:

Название и домен клиента, дословный набор запросов и тексты отдельных ответов — первое потому, что клиенты просят об анонимности, остальное потому, что набор запросов конкретного проекта позволил бы клиента опознать. Клиенты получают всё это в собственной отчётности.

Интерпретация:

Measured association after the completed work; not a guarantee that every change caused the full movement.