Самодельный трекинг видимости бренда в ИИ‑ответах с n8n

Что это такое?

В статье на Habr AI автор поделился самодельным решением для отслеживания видимости бренда в ответах современных LLM‑моделей. С помощью платформы n8n построен воркфлоу из 43 нод, который раз в месяц опрашивает поисковые системы и генеративные модели: Яндекс, Google, GPT‑4 (ChatGPT), Gemini и Qwen.

Как работает воркфлоу?

1. Запросы к API – ноды отправляют одинаковый набор запросов по выбранным категориям (например, «лучшие ноутбуки», «страхование авто»).
2. Сбор выдачи – получаем HTML‑результаты поисковика и JSON‑ответы LLM.
3. Выделение цитат – с помощью простых регулярных выражений отделяется цитируемый фрагмент из выдачи от «ответа из памяти» модели.
4. Хеширование – каждый ответ хешируется алгоритмом FNV‑1a, что позволяет быстро сравнивать новые ответы с предыдущими и фиксировать изменения.
5. Детекция без второй LLM – вместо дополнительного анализа текста используется сравнение хешей, что экономит вычислительные ресурсы.
6. Отчёт – результаты сохраняются в Google‑Sheets и отправляются в Telegram‑бота.

Стоимость и открытость

Автор отмечает, что полный прогон по всем категориям стоит менее 100 ₽. Всё решение опубликовано в открытом репозитории GitHub (ссылка в статье), включая готовый JSON‑файл воркфлоу, который можно импортировать в любой n8n‑инстанс.

Почему это важно?

Традиционный SEO‑мониторинг охватывает только органический поиск. С ростом ИИ‑ответов (Google AI, Яндекс Алиса) бренды рискуют исчезать из пользовательских диалогов, даже будучи лидерами в обычной выдаче. Такой автоматизированный трекинг позволяет своевременно реагировать на падения видимости и корректировать контент‑стратегию.