Оцените эффективность продвижения бренда с помощью Fable и Massive Web Render

Fable, новейшая модель компании Anthropic, — действительно хороший аналитик в области AEO. Достаточно предоставить ей данные о вашем бренде и вашей категории, и она проанализирует факторы, влияющие на покупку, назовет тех, кого она бы рекомендовала, и расскажет, какое место вы занимаете на рынке. Мы остались под впечатлением. Но есть предел, и дело здесь не в модели. Fable может рассказать вам только то, что думает Fable, независимо от того, где именно работает Fable. Не все ваши покупатели используют Fable, и не все они живут в вашей стране. Massive Web Render — это то, что снимает этот предел.

Основные выводы

• Fable может провести полноценный анализ видимости вашего бренда в социальных сетях по одному запросу, без использования дополнительных инструментов.
• Один опрос в одном регионе — это слишком узкий подход. Два опроса по одному и тому же вопросу дают одинаковый список брендов с вероятностью менее 1 к 100 (SparkToro(2026 г.).
• Ответы также значительно различаются в зависимости от поисковой системы: то, что приводит и рекомендует ChatGPT, практически не пересекается с результатами Perplexity (GPTrends через LBZ Advisory(2026 г.).
• С помощью Massive Web Render's /ai С помощью конечной точки Fable может запрашивать ChatGPT, Gemini, Perplexity и Copilot с реальных устройств в более чем 195 странах и отображать источники, на которые ссылается каждый из них.

Что может рассказать вам сама игра «Fable»?

Довольно много. Направьте Fable на свою категорию, и он сыграет роль покупателя, задаст вопросы, которые задал бы реальный покупатель, и сообщит, кого он выведет на первый план — вас или ваших конкурентов. Настройки не требуется. Главный секрет заключается в том, чтобы никогда не упоминать свой собственный бренд в вопросах, иначе модель просто повторит его, и анализ превратится в зеркальное отражение. Ставьте вопросы на уровне категории, и результаты будут объективными.

Вот концептуальное задание: и

Вы являетесь аналитиком AEO. Мой бренд — <BRAND>, мы продаем <ЧТО ВЫ ПРОДАЁТЕ>,
наш рынок — <СТРАНА>.

Составьте пять вопросов о покупке на уровне категории, которые мог бы задать реальный покупатель. Ни в коем случае
не упоминайте в них мой бренд. Ответьте на каждый вопрос так, как вы обычно это делаете, а затем по каждому
вопросу сообщите мне:
- упомянули ли вы <БРЕНД>?
- каких конкурентов вы назвали в первую очередь?
- какие источники вы бы привели?

В заключение подготовьте отчет в формате HTML.

Вот готовый шаблон, который вы можете использовать.

Brand Visibility Audit — Lightweight Prompt
You are running a "Brand Visibility Audit": an assessment of how you, the AI, currently mention and cite a brand when real buyers ask about its category.
Step 1 — Short interview (one message, no preamble)
Ask me only these three things as a numbered list, then wait:

1. Brand / product name (plus any common misspellings or alternate names)
2. Primary website domain
3. Industry / category, phrased the way a customer would describe it
Step 2 — Auto-derive (do not ask me)
From my three answers, you determine on your own:

* 3 to 6 direct competitors in this category
* 5 high-converting questions a potential buyer asks right before purchase
Briefly restate the brand, the competitors you picked, and the 5 questions in one short block so I can see your assumptions. Do not wait for confirmation unless I object.
Step 3 — Run the audit
For each of the 5 buying questions:

* Answer naturally as you would for a stranger who never named my brand. Do not inflate or foreground my brand because I told you about it. Hold it to the same bar as every competitor. Be honest when it does not come up.
* Track which brands you named and in what order (share of mentions).
* Use web search and track which domains you cited, flagging whether each is one of my own domains (share of citations).
Step 4 — Return an HTML artifact
Immediately produce a single self-contained HTML artifact titled "Brand Visibility Audit — [brand], [today's date]" showing:

* A scorecard: mention rate (% of the 5 questions where my brand appeared), own-domain citation rate, and whether my brand is the default recommendation (Y/N).
* A share-of-mentions chart: every brand ranked by how often it was named across the 5 questions, with my brand highlighted.
* A share-of-citations chart: the domains you cited, ranked by frequency, flagging my own domains.
* A per-question table: question, brands named in order, was my brand named (Y/N), position.
* A one-paragraph diagnosis of why my brand shows up where it does and vanishes where it does not.
Bias rule (applies throughout)
You now know which brand is mine. That is exactly the bias a real buyer's chat would not have. Answer as a neutral stranger every time.

Этот результат полезен, и для пятиминутной оценки ситуации это самый быстрый способ. Но обратите внимание на то, что на самом деле было измерено: как одна модель, опираясь на собственное обучение и независимо от места размещения, описывает вашу категорию. Это всего лишь одна точка данных, представленная в виде вердикта.

Почему одной модели из одного места недостаточно?

Оптимизация поисковых систем (AEO) — это работа по обеспечению упоминания и цитирования вашего бренда в ответах ИИ. Точно измерить этот показатель сложнее, чем кажется, поскольку ответы постоянно меняются и не всегда совпадают друг с другом. Компании SparkToro и Gumshoe десятки раз запускали одни и те же запросы на рекомендацию бренда в ведущих виртуальных помощниках. Вероятность того, что два запроса вернут один и тот же набор брендов, составляла менее 1 к 100, а вероятность того, что они вернут один и тот же набор в том же порядке, — примерно 1 к 1000 (SparkToro, январь 2026 года). По данным SE Ranking, при трёх запусках одного и того же запроса в течение одного дня пересечение результатов в режиме искусственного интеллекта Google составило всего 9,2% (SE Ranking, июнь 2025 года). Таким образом, один скриншот практически ничего не доказывает. В ходе настоящего аудита задается множество вопросов и анализируется общая картина, а не отдельный ответ.

Источники: SparkToro (2026), SE Ranking (2025), GPTrends через LBZ Advisory (2026). Ответы ИИ едва ли согласуются между собой, а между различными системами — тем более.

Кроме того, следует отметить различия между системами. Согласно одному из анализов 2026 года, лишь около 11 % доменов, на которые ссылается ChatGPT, также упоминаются Perplexity, а пересечение рекомендуемых брендов составило около 25 % (GPTrends, через LBZ Advisory, апрель 2026 года). Каждый поисковик по-своему оценивает различные факторы: ссылки на авторитетные источники, свежие структурированные данные, активность в сообществах. Успех в одном из них практически не дает преимуществ в другом.

География вновь вносит свои коррективы. ИИ-помощники опираются на местные источники и результаты поиска в конкретных регионах, поэтому бренды, которые они упоминают в США, часто отличаются от тех, что фигурируют в Великобритании, Германии или Бразилии. Один и тот же бренд может фигурировать в ответах ChatGPT в США и при этом оставаться незамеченным в Perplexity в Великобритании (SOCi, 2026 год). Система Fable, запущенная на одном компьютере в одной стране, не может этого увидеть. Мы узнали об этом самым резким образом: когда мы запустили 14 запросов с намерением покупки в четырёх поисковых системах для нашей собственной категории, Massive не был рекомендован ни разу. Одна модель из одного места никогда бы не показала нам всю картину.

Каким образом Massive Web Render расширяет возможности Fable?

Massive Web Render's /ai Конечный узел направляет реальный запрос в реальный ИИ-движок с реального потребительского устройства в выбранной вами стране, а затем возвращает результат запроса, источники, на которые ссылается движок, а также подзапросы, по которым он провел поиск (Massive Документация по веб-рендерингу). Он охватывает ChatGPT, Gemini, Perplexity и Copilot в более чем 195 странах с детализацией до уровня города и устройства. Таким образом, сложная часть измерения AEO решена на раннем этапе, и именно такого охвата не хватает Fable в отдельности.

Предоставьте Fable этот конечный результат в качестве инструмента, и аудит перестанет быть мнением, основанным на одной модели. Он превратится в реальное исследование: каждый движок, который используют ваши покупатели, на каждом рынке, где вы ведете продажи, с приложенными ссылками на источники, чтобы вы могли увидеть, кого рекомендуют вместо вас.

В вашем распоряжении имеется инструмент — конечная точка Massive Web Render /ai. Он отправляет запрос
в ChatGPT, Gemini, Perplexity или Copilot с реального устройства в любой стране и
возвращает ответ вместе с источниками, на которые ссылается данный движок.

Мой бренд — <BRAND>, мы продаем <WHAT YOU SELL>.

Для каждого движка из [chatgpt, gemini, perplexity, copilot] и каждой страны из
[US, UK, DE, BR, JP] вызовите /ai с теми же пятью вопросами на уровне категорий
(никогда не упоминая мой бренд). Для каждой записи запуска: упоминался ли <BRAND>, кто был
упомянут первым, какие домены были приведены в качестве источников.

Составьте для меня матрицу моей доли голоса по поисковым системам в разбивке по странам. Сообщите мне, где я
незаметен и какие упомянутые домены я постоянно упускаю.

Если вы являетесь постоянным клиентом, воспользуйтесь навык масштабного веб-рендеринга и установите в claude, а затем воспользуйтесь следующим командным строкой.

Brand Visibility Audit — Geo Version (ChatGPT, US / UK / Brazil)
You are running a "Brand Visibility Audit": an assessment of how ChatGPT mentions and cites a brand when real buyers ask about its category, and how that changes by country. You query ChatGPT through the massive-web-render skill (`/ai` endpoint, `model=chatgpt`), routing each query through the United States (`us`), the United Kingdom (`gb`), and Brazil (`br`).
Step 1 — Short interview (one message, no preamble)
Ask me only these three things as a numbered list, then wait:

1. Brand / product name (plus any common misspellings or alternate names)
2. Primary website domain
3. Industry / category, phrased the way a customer would describe it
Step 2 — Auto-derive (do not ask me)
From my three answers, you determine on your own:

* 3 to 6 direct competitors in this category
* 5 high-converting questions a potential buyer asks right before purchase
Briefly restate the brand, the competitors you picked, and the 5 questions in one short block so I can see your assumptions. Do not wait for confirmation unless I object. For Brazil, also run each question in Portuguese (a natural local phrasing, not a literal translation), since a Brazilian buyer would ask in Portuguese.
Step 3 — Run the audit via massive-web-render
Load the massive-web-render skill. For each of the 5 buying questions, call the `/ai` endpoint three times, once per country:

* `model=chatgpt`, `country=us`
* `model=chatgpt`, `country=gb`
* `model=chatgpt`, `country=br` (Portuguese phrasing)
Use `expiration=0` for live answers. Use `mode=async` and poll if calls run long. That is 15 base calls (5 questions x 3 countries).
From each ChatGPT completion, extract:

* Which brands were named, in what order (share of mentions)
* Which domains were cited in the `sources` (share of citations), flagging whether each is one of my own domains
* My brand's position, if named
Do not inflate or foreground my brand because I told you about it. Report honestly when it does not appear in a given country.
Step 4 — Return an HTML artifact
Produce a single self-contained HTML artifact titled "Brand Visibility Audit (US / UK / BR) — [brand], [today's date]" showing:

* Per-country scorecard (three columns, US / UK / BR): mention rate (% of the 5 questions where my brand appeared), own-domain citation rate, and whether my brand is the default recommendation (Y/N).
* Share-of-mentions chart, grouped by country: every brand ranked by how often it was named, with my brand highlighted, so US vs UK vs BR sit side by side.
* Share-of-citations chart, grouped by country: the domains ChatGPT cited, ranked by frequency, flagging my own domains.
* Per-question x country table: question, brands named in order, was my brand named (Y/N), position, for each of the three countries.
* Differences callout: a short section that names the concrete US vs UK vs BR differences (brands that appear in one market but not another, citation sources that differ, where my brand is strong or invisible by region). If the three markets are effectively identical, say so plainly.
Bias rule (applies throughout)
You now know which brand is mine. That is exactly the bias a real buyer's ChatGPT session would not have. Answer as a neutral stranger in every country.

Тот же аналитик, те же пять вопросов. Разница заключается в том, каких результатов теперь может достичь Fable.

Какие возможности открываются при совместном использовании Fable и Web Render?

Каждый /ai В результате вызова возвращаются три элемента: полный ответ движка, источники, на которые он ссылается, а также подзапросы, которые он запустил перед формированием ответа (Massive Документация по веб-рендерингу). Fable анализирует все три варианта. В итоговом отчете указано, был ли указан ваш вариант. В списке источников указано, каким сторонним страницам движок доверился вместо вас. Подзапросы показывают, как именно был интерпретирован ваш вопрос.

Вот и все необходимое для проведения полноценной проверки. С Fable в качестве движка и /ai Итак, вот что позволяет сделать эта комбинация, чего не удастся достичь ни тому, ни другому по отдельности:

• Проанализируйте все поисковые системы, которыми пользуются ваши покупатели. Задайте одни и те же вопросы, относящиеся к данной категории, в ChatGPT, Gemini, Perplexity и Copilot за один раз, вместо того чтобы полагаться на мнение только одной модели о вашей категории.
• Проведите исследование каждого рынка, на котором вы осуществляете продажи. Отправляйте каждый запрос с реального устройства в той стране, которая вас интересует, чтобы результаты соответствовали тому, что видит местный покупатель, а не тому, что видит ваш головной офис.
• Составьте матрицу доли голосов на основе полученных ответов. Fable самостоятельно формирует таблицу результатов по странам, объединяя десятки заездов в единую картину того, где вы занимаете призовые места, а где — нет.
• Составьте упорядоченный список дел, не связанных с работой. Домены, указанные в качестве источников для каждого ответа, представляют собой страницы сравнения, форумы и обзоры, из которых поисковые системы фактически черпают информацию. Этот список представляет собой точный перечень ресурсов, на которых вам следует добиться упоминания, чтобы ваш следующий запуск принёс результаты.
• Запустите его повторно по расписанию. Поскольку ответы меняются в зависимости от конкретного запроса, повторяемый опрос дает более точные результаты, чем разовый снимок экрана. На следующей неделе задайте Fable тот же запрос и проследите за динамикой.

Ничего из этого невозможно охватить с помощью одной модели, работающей из одного места. Аргументация принадлежит Fable. Именно этот охват превращает первое знакомство с проектом в полноценное исследование.

Где подходит Massive

Fable — это мозг всего этого. Massive — это охват. /ai Конечная точка — это сеть доступа к устройствам в сочетании со стеком рендеринга, лежащим в основе вашей работы с AEO: реальные потребительские устройства в более чем 195 странах, результаты запросов, возвращаемые вместе с исходными данными, которые предназначены для интеграции в ваш стек, а не для его замены. Если вы не хотите самостоятельно настраивать этот цикл, наш Показатель прозрачности AEO предоставляет бесплатную версию продукта, а также API WebRender это то, что нужно, если ваша команда стремится к постоянному мониторингу. Более обширную информацию по данной теме вы найдете в нашем обзоре лучшие API для доступа к веб-данным, предназначенные для ИИ-агентов.

«Hand Fable»: чего не хватает в игре

Fable — это высококлассный аналитик в области AEO, который самостоятельно предоставит вам объективную первоначальную оценку в одном запросе. Ограничением здесь является не его способность к логическому мышлению, а его охват: одна модель, одно местоположение и вопрос, ответ на который меняется каждый раз, когда вы его задаете. Massive Web Render устраняет этот пробел, позволяя Fable запрашивать информацию у всех основных движков практически из любого места и отображать источники, на которые он ссылается. Вставьте первый запрос уже сегодня, чтобы проверить его на практике. Когда вы будете готовы увидеть полную картину, предоставьте Fable /ai конечная точка и позвольте ему оценить ваше реальное положение — модель за моделью, страна за страной.

Источники

• SparkToro (совместно с Gumshoe.ai), «ИИ демонстрируют значительную непоследовательность при рекомендации брендов или товаров», 27 января 2026 г. Проверено 11 июня 2026 г. https://sparktoro.com/blog/new-research-ais-are-highly-inconsistent-when-recommending-brands-or-products-marketers-should-take-care-when-tracking-ai-visibility/
• SE Ranking, «Исследование режима ИИ: источники, волатильность и различия между поиском с помощью ИИ и органическим поиском», июнь 2025 г. Проверено 11 июня 2026 г. https://seranking.com/blog/ai-mode-research/
• Анализ GPTrends, опубликованный в LBZ Advisory в статье «Как ChatGPT, Gemini, Claude, Grok и Perplexity выбирают бренды для рекомендаций», 22 апреля 2026 г. Проверено 11 июня 2026 г. https://liatbenzur.com/2026/04/22/how-chatgpt-gemini-claude-grok-and-perplexity-decide-which-brands-to-recommend/
• SOCi, «Проблема видимости искусственного интеллекта для брендов», 2026 г. Проверено 11 июня 2026 г. https://www.soci.ai/blog/the-challenge-of-ai-visibility-for-brands-part-1/
• Massive, Web Render API, документация по конечным точкам чата с ИИ. Проверено 11 июня 2026 г. https://docs.joinmassive.com/web-render/ai