Каждый уровень имеет разные режимы сбоев, разные исправления и разных владельцев организаций. Большинство маркетинговых команд усердно работают не над тем.

<п>Когда бренд перестает появляться в ChatGPT или когда его доля голоса в Perplexity падает вдвое или более чем за четверть, типичной реакцией маркетинговой организации является написание большего количества контента. Иногда намного больше. Считается, что если системы искусственного интеллекта не выявляют бренд, то решение состоит в том, чтобы предоставить им больше материала для работы. Этот инстинкт является ошибочным диагнозом. Это исправление на уровне поиска, которое применяется к проблеме, которая все чаще становится совершенно другим типом, а затраты проявляются в виде потраченного впустую бюджета, пропущенных кварталов и нарастающего ощущения, что работа больше не связана с результатами.

Ошибка состоит в том, чтобы рассматривать видимость ИИ как единую проблему, хотя это не так. Между вашим брендом и ответом, который получает пользователь, есть три структурно различных слоя, каждый со своими режимами сбоя, своими исправлениями и, все чаще, своим собственным организационным владельцем. Диагностируйте неправильный слой, и исправление не произойдет.

Где происходит большая часть разговора

Первый уровень — поиск. Именно здесь разговоры об оптимизации поиска с помощью ИИ шли большую часть последних двух лет. Механика знакома по форме, если не в деталях. Когда модели необходимо ответить на вопрос, основанный на реальном содержании, она извлекает соответствующий материал из внешних источников и использует этот материал для построения ответа. Техническое название — генерация с расширенным поиском или RAG, а уровень, на котором она работает, — это шлюз между вашим контентом и выходными данными модели.

Здесь делают свое дело сканируемость, синтаксический анализ и удобство использования фрагментов. Если ваш контент не может быть получен без ошибок, ничто в дальнейшем не имеет значения. Платформы отслеживания видимости, которые большинство маркетинговых команд оценивали в этом году, измеряют результаты, которые зависят от функционирования этого уровня, поэтому они склонны вознаграждать те же дисциплины, которые дали хорошие результаты в классическом поиске: структурированный контент, разметка схемы, самостоятельные ответы, чистая техническая реализация.

<п>Но у поиска есть структурный предел, и Microsoft Research необычайно прямолинейно говорит об этом. Plain RAG, по их словам, с трудом соединяется воедино. Он извлекает фрагменты текста, которые кажутся соответствующими вопросу, но не может рассуждать о том, как эти фрагменты связаны друг с другом. Когда ответ требует синтеза информации из нескольких источников или когда вопрос достаточно широк, и правильный ответ зависит от понимания закономерностей во всем наборе данных, один только поиск не дает результатов. Модель получает фрагменты и должна угадывать взаимосвязи, а именно догадки и приводят к галлюцинациям.

<п>Вопрос о дисциплине, который задает этот уровень, прост. Может ли модель вообще получить наш контент, и извлекает ли она правильный контент для правильного запроса ? У большинства маркетинговых команд уже есть какая-то версия этой работы, даже если конкретная тактика отошла от классической SEO. Но поиск — это только ворота. Даже если модель правильно извлекает ваш контент, то, что она с ним делает, зависит от того, существуете ли вы как распознанная вещь на слое выше.

Где распознавание объектов действительно работает

Второй уровень — это уровень отношений, и доминирующей структурой на нем является граф знаний. Все основные поисковые инфраструктуры поддерживают одну систему. График знаний Google, Satori Microsoft и граф открытых знаний, построенный на Wikidata и Schema.org, вместе определяют, как ваш бренд представлен как сущность, в какой категории вы находитесь и с какими другими объектами вы связаны.

Это уровень, который решает, будут ли обзоры ИИ и ответы на большие языковые модели рассматривать вас как признанного члена вашей категории или как одну нечеткую строку-кандидат среди многих. Бренды, которые существуют как чистые, четко определенные сущности, цитируются постоянно. Бренды, которые существуют в виде недифференцированных токенов, разбросанных по открытой сети, сопоставляются с пятьюдесятью другими кандидатами и чаще проигрывают, чем выигрывают.

<п>Графы знаний существуют достаточно давно, поэтому дисциплина достаточно зрелая. Разметка схемы для собственных свойств, единообразные имена и идентификаторы в открытой сети, структурированное присутствие на узлах с высоким уровнем доверия, таких как записи Викиданных и платформы обзора, а также медленное накопление упоминаний брендов в контекстах, которые граф считает авторитетными. Именно здесь несвязанное упоминание бренда становится предметом разговора, потому что последовательные контекстные упоминания усиливают сущность даже без прикрепленной гиперссылки. Исправление на этом уровне носит структурный, а не объемный характер. Запись большего количества контента почти ничего не дает, если определение объекта под ним нечеткое.

<п>Вопрос дисциплины здесь сложнее, чем вопрос уровня поиска. Являемся ли мы чистым, защищенным объектом в нашей категории, или нас все еще сравнивают по шаблону с пятьюдесятью другими строками-кандидатами? Бренд, который не может ответить на этот вопрос утвердительно, потеряет позиции в поиске ИИ, независимо от того, сколько контента он производит, потому что на втором уровне модель решает, о чем на самом деле ваш контент.

<стр>График знаний сообщает модели, какой у вас бренд. Но все чаще вашему бренду приходится функционировать внутри третьего слоя, с которым большинство маркетинговых команд еще не сталкивались, где модель не просто понимает вас, ее просят рассуждать о вас от имени кого-то, принимающего решение.

Компании многоуровневого бизнеса, которые сейчас потихоньку строят

<п>Третий уровень — это контекстный график, и он требует тщательного введения, поскольку большая часть маркетинговых разговоров до него еще не дошла. <п>Граф контекста имеет ту же структурную форму, что и граф знаний, с сущностями, отношениями и типизированными связями, но основан на другом. Граф знаний моделирует мир. Он рассказывает вам, что такое вещи и как они связаны в целом. Контекстный граф моделирует данные, решения, политику и операционную реальность конкретной организации. Самая чистая формулировка, которую я когда-либо видел, называет граф знаний библиотекой, а контекстный график — руководством по эксплуатации, написанным людьми, которые на самом деле управляют этим местом. Библиотека расскажет вам, что существует. В руководстве по эксплуатации рассказывается, что актуально, что разрешено и что с этим делать прямо сейчас. Библиотека представляет собой семантическую инфраструктуру, доступную только для чтения. Руководство по эксплуатации — это живой операционный уровень, который увеличивается каждый раз при выполнении бизнес-процесса.

<п>Что отличает контекстный граф от всего, что было до него, так это то, что управление находится внутри графа, а не рядом с ним. Политики, разрешения, достоверность окон и правила авторизации — это узлы, которые запрашивает сам граф, а не внешняя документация, применяемая на краях. Когда агент извлекает что-либо из графа контекста, результат уже отфильтрован по тому, что на данный момент разрешено, действительно и применимо. График также постоянно развивается, поэтому то, что он знает о вас на этой неделе, не обязательно совпадает с тем, что он знал в прошлом квартале. Именно здесь слово “управляется” возникает, когда люди в этом пространстве говорят об управляемом поиске. Это не рама, а скорее архитектура.

Раньше эта архитектура была невидима для всех, кроме организации, которая ее построила, поэтому маркетологам не приходилось о ней думать. Ситуация изменилась в Google Cloud Next ’26, когда Google представила Каталог знаний внутри своего нового облака агентских данных. В собственном описании продукта Google, написанном в их собственном блоге, говорится, что Каталог знаний создает единый динамический контекстный график всего вашего бизнеса, что позволяет вам связать агентов со всеми вашими бизнес-данными и семантикой. Это предложение — момент, когда этот термин покинул блоги, посвященные инженерии данных, и вошел в словарь корпоративных закупок.

<п>Причина, по которой это важно для маркетинга, заключается в том, что контекстные графы — это то, что будет приводить в действие следующее поколение агентов внутри ваших корпоративных клиентов. По прогнозам Gartner, к концу 2026 года 40% корпоративных приложений будут интегрированы с ИИ-агентами для конкретных задач по сравнению с менее чем 5% в 2025 году. Агенты по закупкам, агенты конкурентной разведки, агенты по контент-стратегии, агенты по оценке поставщиков. Эти агенты не будут рассуждать о вашем бренде из открытой сети. Они будут рассуждать о вашем бренде изнутри контекстного графа своей компании, и то, что этот график говорит о вас, зависит от того, что в него попало.

В этом поглощении живет работа по маркетингу. Бренд, который попадает в контекстный граф фрагментированным, оказывается слабым. Если позиционирование вашей категории непоследовательно в принадлежащих и заработанных средствах массовой информации, график уловит противоречия и представит вас неоднозначно. Если данные вашей сущности нечеткие на втором уровне, они останутся нечеткими, когда попадут на третий уровень. Если ваш сторонний сигнал слабый или противоречивый, на графике нет ничего надежного, к чему можно было бы привязаться. Работа находится выше графика, но последствия оказываются ниже него, внутри процесса рассуждений агента, который вы никогда не увидите напрямую.

Я думаю об этой дисциплине как регулируемая видимость. Практика обеспечения того, чтобы ваш бренд достиг контекстного графа в состоянии, которое выдерживает управляемый поиск. Четкое определение сущности, согласованное стороннее представление, надежные структурированные данные и позиция категории, которая не разваливается, когда агент пересекает отношения вокруг нее. Управляемая видимость — это не новая тактика. Это результат того, что второй слой достаточно хорошо проделал работу, и третий слой может что-то проглотить.

<п>Вопрос дисциплины на этом уровне — это вопрос, который большинство маркетинговых команд еще не начали задавать. Когда агент внутри компании нашего клиента рассуждает о нас, что он находит и какую версию нас он находит? <стр>Три слоя, три разные проблемы, три разных исправления. Но еще и три разные зоны ответственности, и именно здесь большинство команд незаметно сдают свои позиции.

Причина, по которой большинство команд проиграют, даже если они усердно работают

Каждый уровень соответствует отдельной организационной ответственности, и большинство маркетинговых команд четко владеют только одним из трех.

<ул>

Уровень поиска используется совместно с Интернетом, разработчиками и иногда ИТ-специалистами. Маркетинг влияет на то, что публикуется, но инфраструктура, обеспечивающая возможность поиска контента, находится в чужом домене.

<ли>Уровень графа знаний — это действительно территория маркетинга. Дисциплина схемы, определение объекта, сигнал третьей стороны, согласованность бренда, медленная структурная работа, которая накапливается годами.

На уровне контекстного графа ИТ-отдел владеет инфраструктурой внутри организации клиента, но маркетингу приходится влиять на то, что попадает в организм. Работа идет вверх по течению, а последствия оказываются ниже по течению, часто незаметно.

<п>В 2026 году победят те команды, которые поняли, как действовать во всех трех зонах ответственности, а не совершенствовали свою работу только в одной. Большинство команд, которые я вижу, все еще оптимизируют собственный контент, то есть уровень поиска, при этом теряют позиции в определении сущностей, который является слоем графа знаний, и совершенно не участвуют в разговоре о графе контекста, который является уровнем, на котором сейчас спокойно стоят некоторые корпоративные предприятия.

Работа заключается не в написании дополнительного контента. Работа заключается в том, чтобы выяснить, на каком уровне на самом деле существует проблема, и построить дисциплины для работы на всех трех уровнях. Регулируемая видимость — это дисциплина третьего уровня, которую маркетингу придется развивать, вне зависимости от того, приживется этот термин или нет. Бренды, которые создают его сейчас, будут выглядеть подготовленными через восемнадцать месяцев. Бренды, которые этого не делают, будут задаваться вопросом, почему их инвестиции в контент перестали приносить ту видимость, которую они имели раньше.

<стр>Если какие-либо из этих стран или противоречий вы видите внутри своих команд, я хочу услышать об этом. Оставьте комментарий о том, на каком уровне сконцентрирована ваша работа, где вы видите пробелы или где в вашей организации разграничиваются зоны ответственности. Шаблоны все еще формируются, а разговоры в комментариях, как правило, свежее, чем что-либо еще.

Многие системы измерения для такого рода работы находятся на машинном уровне, который расширяет первоначальные 12 KPI эпохи GenAI до уровня, с которым команды могут реально работать.

Первоначально это было опубликовано на сайте Duane Forrester Decodes.