Видимость через призму языка и географии

В корпусе AI100 уже есть статья о «пузыре ответов» — эффекте, при котором бренд выглядит по-разному в ChatGPT, Google, Copilot и Perplexity. Но есть ещё один слой различий, который компании замечают реже: тот же бренд, та же платформа, но другой язык запроса — и ответ меняется радикально. Компания, уверенно попадающая в топ-3 рекомендаций ChatGPT на английском, может вообще не упоминаться в ответе на тот же вопрос на русском, арабском или японском.

Это не баг. Это следствие того, как устроены современные ИИ-системы. Языковая модель обучается на корпусах текстов, и распределение этих текстов по языкам крайне неравномерно. Английский язык доминирует в обучающих данных большинства крупных моделей. Это значит, что для англоязычных запросов модель имеет более плотную и более актуальную карту сущностей, свойств и связей. Для менее представленных языков эта карта разрежена: некоторые бренды в ней присутствуют, другие — нет, а третьи присутствуют, но с искажёнными атрибутами.

Проблема перестала быть маргинальной с момента, когда ответные системы вышли за пределы английского языка в массовом масштабе. Google AI Overviews к маю 2025 года работали в более чем 200 странах на 40 языках [1]. AI Mode, запущенный в марте 2025 года только на английском, к февралю 2026 года расширился до почти 100 языков за счёт трёх крупных волн: ноябрь 2025 (35 языков), февраль 2026 (53 языка) [2]. ChatGPT обслуживает более 900 миллионов еженедельно активных пользователей по всему миру, значительная часть которых работает не на английском [3].

Для международного бренда это означает, что ИИ-видимость нужно проверять не в одном языке, а в каждом языке, на котором работают его рынки. Один прогон на английском не скажет ничего о том, как бренд выглядит на испанском, немецком или китайском.

Первый механизм — асимметрия обучающих данных. Бренд, активно описанный в англоязычных медиа, обзорах и каталогах, может быть слабо представлен в русскоязычном или арабскоязычном сегменте интернета. Модель знает его на одном языке, но буквально «не помнит» на другом. Это не вопрос перевода — это вопрос присутствия в источниках конкретного языкового сегмента.

Второй — разное поведение веб-извлечения. Когда ответная система использует веб-поиск для дополнения ответа (как это делают ChatGPT Search, AI Overviews, Perplexity), она ищет источники на языке запроса. Если бренд не имеет качественного контента на этом языке, система найдёт конкурентов, которые его имеют. Пользователь получит рекомендацию без вашего бренда — не потому, что вы хуже, а потому, что вас нет на этом языке.

Третий — подмена категории через язык. Один и тот же продукт в разных языковых культурах может относиться к разным категориям. То, что в английском описывается как «analytics platform», в русском может интерпретироваться как «сервис отчётности» или «система бизнес-аналитики» — и каждый из этих терминов тянет за собой разный набор конкурентов и критериев сравнения. Модель наследует эти категориальные различия из обучающих данных.

Язык — не единственная переменная. География тоже меняет ответ. Google AI Mode и AI Overviews учитывают локацию пользователя при формировании ответа [1]. Perplexity извлекает веб-источники с учётом региональной релевантности. Это значит, что один и тот же запрос на английском из Лондона и из Сингапура может дать разные результаты — с разными конкурентами, разными ценами, разными рекомендациями.

Для брендов с несколькими региональными версиями сайта это создаёт дополнительный слой сложности. Нужно проверять не только «видим ли мы на английском», но и «видим ли мы на английском из Великобритании», «видим ли мы на английском из Индии», «видим ли мы на немецком из Германии и из Швейцарии».

Проблема усугубляется тем, что ответы ИИ-систем стохастичны по своей природе. По данным SparkToro, вероятность того, что ChatGPT или Google AI при 100 повторных запросах дадут одинаковый список брендов хотя бы в двух ответах, составляет менее 1% [4]. Каждый ответ — это вероятностная выборка, а не детерминированный результат. Смена языка и географии добавляет к этой стохастичности ещё один слой.

Для диагностики это означает, что одного прогона недостаточно даже в одном языке. А для международного бренда минимально осмысленная диагностика требует матрицы: несколько языков × несколько платформ × несколько повторов.

Для компании, работающей на нескольких рынках, языковая и географическая диагностика — это не роскошь, а гигиена. Вот минимум, который имеет смысл:

Проверять видимость на каждом языке, на котором бренд хочет быть заметен. Не предполагать, что сильная позиция на английском транслируется на другие языки.

Создавать контент на целевом языке, а не полагаться на автоматический перевод. Модели обучаются на человеческих текстах, и язык машинного перевода часто не совпадает с языком реального спроса в данной культуре.

Убедиться, что внешний контур доверия (обзоры, каталоги, отраслевые медиа) покрывает целевые языки. Бренд, имеющий 50 англоязычных обзоров и ноль русскоязычных, будет невидим для модели при запросе на русском.

Добавить мультиязычные метки в Wikidata. Это один из самых быстрых способов дать ИИ-системам привязку сущности на нескольких языках.