Как LLM раздувают негативные отзывы и стратегия противодействия
Ключевые факты
- 1 LLM склонны усиливать единичные негативные отзывы, воспринимая дублирование как независимое подтверждение.
- 2 Даже устаревшие или малоизвестные источники могут быть подняты LLM в ответах.
- 3 Публикация конкретных, свежих данных может временно подавить негативный нарратив в AI-ответах.
- 4 Временный характер 'фикса' требует постоянной и проактивной стратегии управления репутацией в AI-среде.
- 5 Необходимо создавать авторитетные централизованные страницы с актуальными данными о бренде и активно публиковать позитивные метрики.
- 6 Важно получать свежие отзывы на платформах, используемых LLM, и публиковать реальные цифры, даже если они не идеальны.
Искусственный интеллект, такой как ChatGPT и Perplexity, имеет тенденцию усиливать единичные негативные отзывы, даже если они устарели или являются исключением из общего положительного фона. Это происходит из-за того, что LLM запрограммированы на поиск сбалансированных списков 'плюсов и минусов'. Если негативных отзывов мало, они 'копают глубже', находя и дублируя одно и то же утверждение с разных доменов, воспринимая повторение как независимое подтверждение, а не как дублирование. Эксперимент показал, что один негативный отзыв 2018 года, опубликованный на пяти доменах, к 2026 году появлялся в каждом третьем брендовом запросе, а фраза 'high account manager turnover' всплывала 67 раз. Даже малоизвестные директории, находившиеся на 4-5 страницах Google, стали появляться в 38% AI-ответов. Трехмесячный GEO-эксперимент с публикацией конкретной цифры удержания команды (79.2%) временно подавил упоминания негативной фразы в LLM, включая Perplexity, ChatGPT и AI Overviews. Однако этот 'фикс' оказался неустойчивым, так как AI-модели изменили свое поведение с источниками, и цитаты упали. Пересмотренный протокол предлагает не проверять бренд-нарратив через AI, а сначала собирать достоверные внутренние данные (удержание команды, сроки работы клиентов, возврат бывших сотрудников), затем публиковать их на централизованной, авторитетной странице, а не в блог-посте. Важно публиковать реальные цифры, даже если они снижаются, и активно получать свежие отзывы на те домены, откуда LLM черпают данные. Позитивные данные, которые не опубликованы, для AI-моделей не существуют.