Кейс: как убрать негатив из ответа нейросетей
С чего всё началось
Когда будущий студент вводит в поиске «онлайн колледж 1 отзывы», он ждёт не многостраничных обзоров, а короткого и внятного резюме. Именно такой ответ ему даёт «Алиса».
Проблема возникла в сентябре 2025 года: нейросеть выдавала вердикт с оговорками: «Отзывы различаются. Студенты отмечают как положительные, так и отрицательные стороны». Для человека, стоящего перед выбором, такая двусмысленность — серьёзный стоп-фактор. Маркетологам хорошо известно, как неоднозначность снижает конверсию. Мы взялись эту ситуацию исправить.
«Онлайн Колледж № 1» — это учебное заведение, реализующее программы среднего профессионального образования в дистанционном формате. Обучение строится по гибкому графику, предусмотрены стажировки в действующих компаниях. Преподавательский состав — практикующие специалисты из IT-сферы. По окончании выдаётся диплом государственного образца.
Набор преимуществ солидный. Однако на репутационный запрос «Алиса» выдавала ответ с явным негативным оттенком.
Что показывал анализ
Репутация в нейросетевых ответах оказалась неустойчивой. Рядом с достоинствами (гибкий график, преподаватели-практики) всплывали недостатки. Например, требование к стабильному интернету, что критично для удалённого формата. Абитуриент получал сигнал: «Нужно разбираться детальнее». А значит, возрастал риск потери лида на самом первом этапе.
При этом в классической выдаче 9 из 10 результатов в топе имели положительную окраску. Идеальная поисковая выдача, как выяснилось, не гарантирует отсутствия негатива в генеративных ответах.
Почему сложно нейтрализовать негатив в ИИ
Традиционный SERM нацелен на вытеснение нежелательных ссылок с первых страниц выдачи. Но нейросеть работает иначе: она не показывает ссылки, а анализирует содержание, выхватывает повторяющиеся паттерны и формулирует сжатый вывод. Если в источниках, которым доверяет «Алиса» (2ГИС, Zoon, «Яндекс Карты»), соседствуют плюсы и минусы, алгоритм честно отразит обе стороны.
Задача GERM (Generative Engine Reputation Management — управление репутацией в генеративных системах) — не просто «зачистить» негатив, а перераспределить сигналы так, чтобы ИИ формировал желаемый нарратив. Мы не вступаем с «Алисой» в спор. Мы просто даём ей больше поводов сказать хорошее — и негатив уходит естественным образом.
Как мы действовали: стратегия GERM на практике
Работа строилась вокруг четырёх направлений.
Уточнение сущности бренда
Название заказчика не обладает высокой уникальностью. Поэтому было важно, чтобы по запросу «онлайн колледж 1 отзывы» «Алиса» однозначно идентифицировала именно эту образовательную организацию в Туле, а не какие-либо другие компании. Для этого мы усилили бренд-профиль в карточках на геосервисах: привели к единообразию название, адрес, телефон, описание.
Формирование аспектной карты
Чем чаще нужные характеристики встречаются в авторитетных источниках, тем выше вероятность, что «Алиса» включит их в ответ — и негатив отойдёт на второй план. Вместо общих фраз «всё понравилось» мы стимулировали студентов оставлять отзывы с конкретикой: «Совмещаю учёбу с работой — можно смотреть лекции вечером», «Преподаватель из индустрии, объясняет на реальных примерах». Встроенные алгоритмы площадок фиксировали эти закономерности.
Мы выделили 5–7 ключевых аспектов, которые должны доминировать в ответе ИИ:
- гибкий график обучения;
- преподаватели из реальных IT-компаний;
- поддержка кураторов;
- практические задания и работа с реальными инструментами;
- официальный статус и диплом государственного образца.
Усиление целевых ресурсов
Мы сконцентрировались на площадках, которые «Алиса» считает авторитетными в образовательной сфере: 2ГИС, Zoon, «Яндекс Карты», Flamp, Otzovik. Отработали негативные комментарии, собрали новые отзывы от студентов с акцентом на нужные аспекты.
Что изменилось в ответе «Алисы»
Нейросеть перестала выстраивать ответ по принципу «плюсы / минусы». Теперь она выводит блок «Что хвалят чаще всего», где перечисляются сильные стороны. Негатив не исчез полностью, но изменил статус: вместо отдельного раздела «Отрицательные» он воспринимается как естественные нюансы дистанционного формата.
В сентябре 2025 года позитив строился вокруг удобства и гибкости, а негатив — вокруг технических требований к интернету. К августу 2026-го фактура стала более доказательной. В ответе закрепились конкретные образовательные сценарии:
- студент совмещает учёбу с работой;
- можно смотреть записи лекций в удобное время;
- есть проектные задания;
- используются реальные инструменты, включая ИИ-решения;
- преподаватели приходят из индустрии;
- кураторы помогают адаптироваться и не бросить обучение;
- колледж имеет официальный статус;
- онлайн-формат снимает проблему переезда.
Произошёл переход от абстрактного описания к сильному репутационному образу: это колледж для тех, кому нужны гибкость, практическая профессия, поддержка и результат в виде навыков и официального диплома.
Теперь абитуриент, который спрашивает у «Алисы» про отзывы, получает чёткий, убедительный ответ без негатива. И с гораздо большей вероятностью переходит на сайт .