Почему нейросети забывают факты о вашем бизнесе и как это исправить

Три причины, почему ИИ «не знает» ваш бизнес

Когда клиника или юрфирма спрашивает «почему ChatGPT не упоминает нас», ответ почти всегда сводится к одному из трёх механизмов. Они разные по природе и требуют разных действий. Ниже – три механизма и способ починить каждый.

Если вы ещё не разбирались, что вообще такое видимость бизнеса в нейросетях и почему это стало отдельной задачей, начните с обзора темы в <a href="/blog/geo">хабе про GEO</a>. Там – карта всех механизмов и практик. Здесь – глубокий разбор одной конкретной проблемы: забывания и игнорирования фактов.

Механизм 1: контекстное окно – модель просто не видит

LLM не «помнит» вашу компанию. Она предсказывает следующий токен на основе того, что попало в контекст в момент генерации. Из-за этого при нехватке данных модель не молчит – она дополняет ответ предположениями и смешивает источники, которые оказались рядом.[4][7]

Добавляет проблему разрыв во времени обучения: по нашим наблюдениям, у коммерческих LLM он часто составляет 6–18 месяцев.[5] Если ваша компания открылась, переехала или сменила услуги за этот срок, модель отвечает по данным из прошлого – просто потому, что более свежих данных в её обучающей выборке физически нет.

Что делать

• Публикуйте факты о компании там, где их регулярно переиндексируют: собственный сайт, профили в справочниках, пресс-релизы – а не только в соцсетях с закрытым доступом.
• Обновляйте ключевые страницы (услуги, команда, цены) с явной датой обновления – это сигнал свежести для систем, которые подтягивают контент в реальном времени (RAG-поиск в ответах ИИ).
• Не рассчитывайте, что один раз опубликованный текст «выучится» моделью навсегда – переобучение происходит редко и не по вашему запросу.

Механизм 2: индексация – источник просто потерян

Второй механизм не связан с обучением модели. Дело в том, как поисковый слой (векторная база, которую использует ИИ-поисковик для генерации ответа в реальном времени) индексирует ваш сайт. Даже свежий и правдивый контент может не попасть в выдачу, если он технически недоступен или помечен как неактуальный.

Типовые причины – снятая страница, устаревший состав команды на сайте, страница есть в sitemap, но при заходе отдаёт редирект в никуда.[1] Для человека это малозаметная деталь. Для индексатора – сигнал «эта страница не существует» или «данные противоречивы».

Частые ошибки при исправлении индексации

1. Удалять страницу вместо редиректа – индексатор находит «мёртвую ссылку» и теряет весь накопленный сигнал доверия к URL.
2. Менять контент без изменения даты публикации – система не считает это обновлением.
3. Дублировать одну и ту же информацию на десятках страниц без канонического URL – модель не понимает, какой источник главный.

Механизм 3: ранжирование по доверию – видит, но выбирает конкурента

Самый неприятный случай: ИИ видит вашу страницу, страница технически корректна, но при генерации ответа система выбирает другой источник – конкурента, агрегатор, старую статью с более сильными сигналами доверия. Индексация здесь работает исправно. Проблема в репутационном весе.

Когда данных о бренде мало, модель заполняет пробелы стереотипами и шаблонами похожих компаний вместо уникальных фактов.[2][7] Если по бренду в прошлом была чёрная PR-кампания, нейросеть выдаёт старую ложь как актуальный факт – негативные следы остаются в данных и всплывают заново.[3] Особенно уязвимы нишевые, региональные и молодые бренды: без карточки в Wikidata, актуальной Schema-разметки и свежих индексируемых упоминаний модель заполняет вакуум деталями «статистически похожими на правду».[7]

Как отличить механизм, если проблема уже проявилась

Механизмы часто идут вместе. Но у каждого свой узнаваемый след. Если ИИ называет данные годичной давности – это контекстное окно или разрыв обучения. Если ИИ путает вас с другой компанией или называет несуществующий адрес – это индексация. Если ИИ упоминает конкурента там, где логично упомянуть вас – это ранжирование по доверию.

Приоритет зависит от возраста бренда. Молодой бренд без истории начинает с Wikidata и Schema-разметки – это может дать заметный прирост видимости за 20 минут работы. Бренд с репутационным минусом начинает с редиректов старых страниц и удаления брошенных каталогов – без этого шага новые публикации не перевесят старый негатив. Отдельный риск – катастрофическое забывание при дообучении: когда модель дообучают на новой задаче, она может частично стирать знания о старой.[6][11][15] Для бизнеса это значит, что доверие ИИ к вашему бренду не растёт монотонно – оно может внезапно упасть после очередного обновления модели, даже если вы ничего не меняли.

Единый слой фактов вместо разрозненных текстов

Главная ошибка – полагаться только на красивый текст сайта. ИИ опирается на индексируемые источники, разметку, внешние упоминания и свежесть данных.[7][12] Маркетинговые формулировки на сайте он в расчёт не берёт. Модели по умолчанию не хранят вашу компанию как базу фактов.[9] В диалоге они собирают контекст здесь и сейчас – заново, каждый раз.

• Заведите карточку компании в Wikidata и структурированных справочниках – это снижает вероятность, что модель «додумает» вас по шаблону похожей компании.
• Добавьте Schema-разметку на ключевые страницы (организация, услуги, отзывы, контакты) – индексаторы читают её напрямую, без интерпретации, как это делают люди.
• Регулярно проверяйте репутационный фон: старые новости, брошенные каталоги и негативные публикации могут годами всплывать в ответах ИИ.[1][3][14]
• Не удаляйте страницы – редиректите, чтобы не терять накопленный сигнал доверия.
• Публикуйте минимум 2–3 материала в квартал с цифрами и именами: разбор кейса с результатом в процентах, отзыв клиента с полным именем, упоминание в отраслевом медиа со ссылкой на сайт. Именно такие форматы, а не общие описания услуг, перевешивают конкурента при ранжировании по доверию.