На этой странице
Первый вопрос, который задаёт большинство основателей, начиная отслеживание AEO, - какие ИИ-ассистенты мониторить. Второй, более важный вопрос - сколько промптов отслеживать, и именно он определяет, будут ли полученные данные вообще полезны.
Слишком мало промптов, и вы получите шум: один ответ ChatGPT может отличаться от запуска к запуску, поэтому одна-две точки данных почти ничего не скажут. Слишком много, и вы утонете в избыточном объёме промптов (prompt volume), который в основном проверяет тот же запрос чуть другими словами, не добавляя реального сигнала.
Отталкивайтесь от языка покупателей, а не от объёма ключевых слов
Традиционный подбор ключевых слов в SEO оптимизирует под объём поиска. Подбор промптов для AEO должен вместо этого оптимизировать под намерение покупателя. Важны те промпты, которые реальный потенциальный клиент ввёл бы в ChatGPT или Perplexity непосредственно перед тем, как оценивать вашу категорию продукта.
Полезное упражнение: возьмите последние 10-15 тикетов поддержки, заметки со звонков продаж или ответы из onboarding-опроса, где клиент своими словами описал, что искал. Эти фразы, переформулированные как вопросы, - гораздо лучший набор промптов, чем подсказки инструмента подбора ключевых слов.
Форма Парето в библиотеках промптов
На практике небольшое число промптов несёт большую часть полезного сигнала. Промпт вроде “лучший инструмент для управления проектами для удалённых команд” будут постоянно задавать продвинутые в ИИ покупатели. Гиперспецифичный вариант вроде “лучший инструмент для управления проектами для дизайн-агентства из 4 человек в удалённом формате в Северной Европе” почти никогда не задаётся дословно, а его отслеживание тратит слот запроса, не давая ничего нового.
Именно поэтому тарифы AskRank ограничивают объём промптов, а не поощряют неограниченное их число: 10 на бесплатном тарифе, 25 на Starter, 75 на Pro, до 1000 на Agency. Цель на каждом тарифе - покрытие реального языка покупателей, а не сырое количество промптов.
Сколько на самом деле достаточно?
Единственно верного числа нет, но вот практический стартовый диапазон по стадиям:
- До запуска или на раннем этапе (10-15 промптов): покройте основной запрос вашей категории, топ-2-3 конкурентов по имени и несколько вопросов под конкретные сценарии использования. Этого достаточно, чтобы установить базовый уровень.
- Растущий SaaS с product-market fit (25-75 промптов): добавьте вариации промптов по каждому крупному сценарию использования и сегменту покупателей, которых вы обслуживаете, плюс сравнительные промпты против всего набора конкурентов.
- Несколько продуктов или агентство, управляющее несколькими брендами (300+): в таком масштабе библиотекам промптов нужна структура: группировка по продуктовой линейке, сегменту или клиенту, а не единый плоский список.
Sampling важен не меньше, чем количество промптов
Библиотека промптов - только половина картины. Поскольку ответы LLM не полностью детерминированы, прогонять каждый промпт один раз и считать результат достоверным - ошибка. Multi-sampling - прогон одного и того же промпта несколько раз за цикл с агрегацией результата - вот что превращает шумный единичный ответ в надёжный показатель.
Компромисс - стоимость: больше сэмплов на промпт означает больше вызовов API. На практике три-пять сэмплов на промпт - та точка, после которой дополнительные сэмплы почти не меняют итоговый показатель, поэтому большинство инструментов AEO ограничивают sampling именно этим диапазоном, а не масштабируют его бесконечно.
Пересматривайте библиотеку промптов, а не только пополняйте её
Язык покупателей меняется по мере эволюции вашего продукта, рынка и конкурентного окружения. Библиотека промптов, собранная при запуске, устареет уже через пару кварталов. Периодически её пересматривайте:
- Убирайте промпты, которые стабильно не дают ничего полезного никому в вашей категории
- Добавляйте промпты вокруг новых фич или сценариев использования, которые вы выпустили с прошлого пересмотра
- Обновляйте названия конкурентов, если ваш конкурентный набор изменился
Подробнее о том, как данные по промптам превращаются в применимый показатель видимости, читайте в статьях что такое Answer Engine Optimization и как проверить, появляется ли ваш SaaS в ChatGPT уже сегодня.
С чего начать
ИИ-онбординг AskRank автоматически генерирует первый набор промптов из вашего домена меньше чем за минуту, подобранный под ваш тариф, так что вы не начинаете с чистого листа. Вы можете отредактировать, удалить или добавить промпты перед первым запуском. Начните с бесплатного тарифа с 10 промптами и расширяйте библиотеку по мере роста потребностей в отслеживании.
Часто задаваемые вопросы
Быстрые ответы по темам, затронутым в этой статье.
Этого достаточно для первичного базового уровня (именно поэтому большинство бесплатных тарифов ограничены 10), но это упустит вариативность в том, как покупатели формулируют вопросы. 25-75 промптов - более надёжный диапазон для инди-SaaS-бренда, как только вы переходите за пределы бесплатного тарифа.
Как только вы покрыли реалистичный диапазон формулировок покупателей для своей категории (обычно 50-150 промптов для большинства SaaS-ниш), дополнительные промпты в основном проверяют то же намерение чуть другими словами и добавляют расходы без значимого нового сигнала.
Сгенерированные ИИ промпты на основе вашего реального домена и описания продукта - сильная отправная точка, потому что они отражают язык реальных покупателей, но их стоит просмотреть и отредактировать: убрать нерелевантное и добавить промпты под конкретные фичи или сценарии использования, которые генератор ИИ мог упустить.
Нет. Multi-sampling (прогон одного и того же промпта 3-5 раз) - это отдельный рычаг от количества промптов. Он повышает надёжность на уровне каждого промпта, а не покрытие намерений покупателя, поэтому размер библиотеки промптов и количество сэмплов стоит рассчитывать независимо.
Следите за сигналами вроде запуска новых фич, появления новых конкурентов или формулировок покупателей в тикетах поддержки/отзывах, которые не покрыты текущими промптами - каждый из них сигнал добавить прицельный промпт, а не расширять набор вслепую.