Как попасть в ответы нейросетей

Глава 3. Как ИИ решает, кого процитировать

Один вопрос — два разных списка источников

Спросите Claude про хороший ресторан — и примерно каждый четвёртый источник в его ответе окажется отзывом или постом из соцсети. Задайте ровно тот же вопрос Gemini — и таких источников будет один из сорока.

Это не оговорка и не случайность. Компания Yext разобрала 17,2 миллиона цитирований разных ИИ-ассистентов за четвёртый квартал 2025 года и получила точные цифры: в категории «еда и напитки» Claude ссылается на отзывы и соцсети в 24,35% случаев, а Gemini на тот же тип запроса — только в 2,57%.¹ Почти в десять раз реже. Один и тот же вопрос, один и тот же смысл — но два ассистента идут за фактами в разные места.

Как ИИ добывает факты, мы уже знаем: живой поиск находит страницы, режет их на фрагменты и собирает ответ из ближайших по смыслу — так что из миллиардов страниц до финала доходят единицы.

Но самый интересный вопрос мы обошли стороной. Машина нашла пул подходящих страниц — дальше-то что? Почему один источник она берёт, а другой читает и выбрасывает, кто получает право на цитату, а кто отсеивается?

Этому и посвящена глава. Быть найденным мало — нужно быть выбранным. А у выбора есть логика, которую можно понять и под которую можно подстроиться.

Два сита

Запомните простое правило, оно основа всей главы: источник проходит не через одно сито, а через два.

Первое сито — тип запроса. Прежде чем оценивать качество текста, система решает, из какого пула вообще черпать. Обычный веб-поиск, новости, отзывы и обсуждения, справочники, видео, научные статьи — это разные пулы. Тип вашего вопроса определяет, какой из них откроется. И это половина решения — ещё до того, как машина заглянула хоть в одну страницу.

Второе сито — качество внутри пула. Когда пул набран, включается тонкий отбор: чей текст яснее отвечает на вопрос, у кого доказательства, у кого структура, из которой легко вынуть готовый кусок, кто авторитетнее и свежее.

Два сита. Сначала тип вопроса задаёт пул. Потом внутри пула отбираются лучшие. Разберём каждое по очереди — и увидим, за какие рычаги вы можете взяться.

Первое сито: тип запроса задаёт пул

Первым делом система классифицирует намерение вашего вопроса — специалисты называют это интентом. Информационный запрос («как выбрать робот-пылесос»), транзакционный («купить билет в Сочи»), навигационный («сайт налоговой») тянут за собой совершенно разные наборы источников. Компания BrightEdge, которая отслеживает ИИ-поиск, формулирует прямо: намерение запроса до сих пор определяет, из какого пула движок собирает ответ, — обычный веб-поиск, новости, отзывы, справочники или видео.²

Насколько это встроено в саму механику, видно по первоисточнику термина GEO. Исследователи из Принстона и их соавторы построили тестовый набор из десяти тысяч реальных запросов и специально сохранили в нём то, как запросы распределяются в жизни: 80% информационных, 10% транзакционных, 10% навигационных.³ Разные типы вопросов заранее заложены в дизайн — потому что за каждым стоит свой набор источников.

Но самое наглядное доказательство «первого сита» дало то самое исследование Yext на 17,2 миллиона цитирований. Оно показало: каждая модель настроена на отрасли по-своему. В гостиничном бизнесе SearchGPT цитирует официальные сайты отелей в 38,1% случаев — вдвое чаще, чем конкуренты с их 16,7—22,4%.¹ В общепите Claude, как мы уже видели, почти в десять раз охотнее Gemini берёт отзывы. А вот в медицине все четыре модели вдруг сходятся почти в одну точку — 34,6—40,45% «полного контроля бренда», — потому что для медицинских тем работает общий, куда более жёсткий фильтр авторитетности.¹ Тема сама диктует, из какого пула черпать.

Почему модели ведут себя так по-разному? Дело в устройстве. Perplexity — «поиск в первую очередь»: он привязан к живому поиску по собственному индексу, поэтому от отрасли к отрасли ведёт себя стабильно. У SearchGPT своего веба нет, он целиком зависит от подключённого слоя поиска — оттого его поведение сильнее «гуляет» между темами. Gemini заземляется на Google Search и наследует логику классического ранжирования Google. Claude использует «конституционный ИИ» — свод принципов для самопроверки ответов, — и это может объяснять его тягу к пользовательским источникам.¹ Разные архитектуры — разные любимые пулы.

В Рунете первое сито работает ещё жёстче и нагляднее. Алиса от Яндекса — это не отдельный поиск, а надстройка над обычной выдачей. Кандидатов в ИИ-ответ она берёт из топ-30 обычного поиска Яндекса. Не ранжируется страница в органике — её просто нет в списке, который видит нейросеть.⁴ Это жёсткий порог входа в пул: сначала пройди классическое SEO, потом уже разговаривай про попадание в ответ. Как вы уже знаете из первой главы, Алиса за полгода почти перестала брать источники вне топ-10 — по замерам «Ашманов и партнёры», их доля обвалилась в разы.⁵ Пул сузился почти до самой макушки органики.

Второе сито: кто лучший внутри пула

Пул набран. Теперь — тонкий отбор. И здесь у каждой системы свой «оценщик».

Perplexity устроен как конвейер из шести стадий: разбор намерения запроса, гибридный поиск в реальном времени, многоуровневое ранжирование с трёхступенчатым переоценщиком, сборка промпта со встроенными цитатами, генерация ответа моделью — строго по найденным источникам. Из примерно десяти кандидатов на страницу в финальный ответ обычно попадают три-пять.⁶ ⁷ Десять нашли — половину отсеяли.

У Сбера свой оценщик. GigaChat сначала прогоняет вопрос через классификатор: фактологический он или обычная беседа. Если про факты — включается поиск. Система набирает ближайшие по смыслу документы, а потом уточняет отбор через переоценку: например, сотню документов от быстрого поисковика прогоняют через более тщательную модель, которая оставляет пять самых релевантных.⁸ Отдельно работает хитрый приём — система следит, чтобы отобранные источники не повторяли друг друга: незачем брать в ответ пять почти одинаковых страниц, лучше пять разных граней темы.⁸ ⁹

Google AI Overviews проходит ту же дорогу многоступенчато: достаёт кандидатов из органического индекса, ранжирует по смысловой близости, затем языковая модель переоценивает их по полноте ответа, дальше — фильтр E-E-A-T на «мусорные» источники, и только потом система сводит несколько источников в связный текст.¹⁰

А у Алисы даже внутри пула сохраняется сильный уклон к самому верху. Вероятность попасть в ответ быстро падает от пятой позиции обычной выдачи к десятой-двенадцатой и почти обнуляется дальше.⁴ То есть попасть в топ-30 — только вход; реально борются первые строчки.

Важная деталь: ни один из этих оценщиков не читает ваши SEO-метрики напрямую. По оценке практиков, вклад традиционного домен-авторитета в ранжирование Perplexity — около 15%, и система не смотрит на условный «рейтинг домена», а ищет структурные признаки доверия: указан ли автор, есть ли редакционные стандарты, подтверждается ли факт несколькими независимыми источниками.¹¹ Это качественная оценка, не строгий замер, — но направление верное. Для машины решает одно: удобно ли собрать из вашей страницы готовый ответ.

Отсюда и главный практический вопрос.

Что делает источник удобным для цитаты

Дальше практика — то, на что вы реально влияете. «Удобной для цитирования» страницу делают пять признаков. Разберём каждый с цифрами.

1. Прямой, ясный ответ — и он совпадает с вопросом

Самый сильный измеримый сигнал у ChatGPT — насколько заголовок и адрес страницы по смыслу совпадают с вопросом. Ahrefs измерил это на 1,4 миллиона запросов через косинусное сходство — способ выразить смысловую близость двух текстов числом от 0 до 1. У процитированных страниц сходство заголовка с запросом — 0,602, у непроцитированных — всего 0,484.¹² А если сравнивать с самым близким из внутренних подзапросов, которые модель сама генерирует из вашего вопроса, у цитируемых страниц сходство доходит до 0,656.¹² Разрыв небольшой на вид, но устойчивый: страница, которая прямо и узнаваемо отвечает на заданный вопрос, обгоняет ту, что отвечает «где-то рядом».

Практический смысл простой. Заголовок и первый абзац должны прямо называть то, что спросил человек. Не «Наш взгляд на уборку», а «Как выбрать робот-пылесос: 5 критериев». Машина сначала видит витрину — сделайте так, чтобы на витрине лежал ровно тот товар, за которым пришли.

2. Доказательства: цифры, цитаты, ссылки

Первоисточник термина GEO доказал это экспериментально: если добавить в материал статистику, цитаты экспертов и ссылки на источники, его видимость в ответах ИИ растёт в среднем более чем на 40%.¹³ Мы уже касались этого в первой главе — но здесь кроется тонкость, важная именно для этой главы.

Универсального приёма «на все случаи» не существует — сила приёма зависит от темы. И это не общие слова: в полном тексте исследования есть таблица, которая прямо связывает домен запроса с лучшим приёмом.¹⁴ Статистика и цифры сильнее всего срабатывают в теме «Право и государство» — там это приём номер один по приросту видимости. Цитаты хорошо заходят в теме «История» — там они в тройке лучших, а авторитетный тон со ссылками на авторитеты — на втором месте.¹⁴ Вывод для вас: подбирайте доказательство под тему. Юридическая статья просит цифру, историческая или экспертная — цитату и опору на авторитет.

И один приём в том же исследовании оказался единственным, который сделал хуже, — переспам ключевыми словами. На Perplexity текст, набитый ключами, показал результат примерно на 10% хуже обычной, неоптимизированной версии.¹⁴ Запомните это как якорь: набивка ключей в мире ИИ не помогает, а вредит.

3. Извлекаемая структура

Модель не читает страницу подряд — она вынимает из неё кусок. Значит, кусок должен легко выниматься. Чем яснее структура, тем чище фрагмент.

Цифры это подтверждают. Заголовки, оформленные как вопрос, цитируются почти вдвое чаще обычных повествовательных — 18% против 8,9%.¹⁵ В сравнительных запросах в нишах софта, агентств и продуктов формат «лучшие N» занимает 43,8% цитируемых страниц — списки-подборки машина любит вынимать целиком.¹⁵ (Цифра узкая: она про конкретное подмножество сравнительных материалов, а не про долю списков во всех ответах ChatGPT.) А ещё у сильно цитируемых текстов высокая плотность именованных сущностей — конкретных названий, терминов, продуктов, брендов. У таких страниц она около 20,6% — примерно втрое-вчетверо выше, чем у обычного текста с его 5—8%.¹⁵ Вынимается конкретика, а не вода.

В Рунете та же логика. Алиса выбирает страницы, «с которых удобно собрать логичный, связный ответ»: чёткий текст, факты и классификации, разложенные по блокам.⁴ Руководитель SEO-отдела Semantica Media Оксана Зорий описывает это так: «Нейропоиск ориентируется на то, что может классифицировать: размеры, типы услуг, модели, варианты доставки, фильтры, параметры. Если на странице нет структурных опор, алгоритм вынужден искать смыслы сам — и часто выдаёт искажённые формулировки. Чем яснее логика страницы, тем чище фрагменты, которые Алиса использует для ответа». ⁴ Проще говоря: разложите факты по полочкам сами — иначе машина разложит их за вас, и не факт, что верно.

4. Авторитет — но не тот, о котором вы думаете

«Авторитет» в мире ИИ измеряется не так, как привыкли в классическом SEO. Ahrefs проанализировал 75 000 брендов и увидел: сильнее всего на попадание в ответы ИИ влияют упоминания бренда в вебе и брендированные анкоры ссылок (анкор — это текст самой ссылки). А обратные ссылки (когда на ваш сайт ведёт ссылка с другого) — примерно втрое менее заметны для ИИ.¹⁶ Бренды из верхней четверти по упоминаниям получают до десяти раз больше ИИ-цитирований, чем следующая четверть.¹⁶ ¹⁷ Отдельный расчёт Кевина Индига (growth-memo.com, приведён в материале Ahrefs) указывает в ту же сторону.¹⁵ ¹⁸

Решают, стало быть, не ссылки, а то, сколько и как о вас говорят. Машине важнее, что вас называют по имени в разных местах, чем сколько ссылок ведёт на ваш сайт.

Это подтверждает и российское исследование Алисы, и оно же ломает ещё одну иллюзию. Крупный, статусный, старый сайт не получает преимущества автоматически. Размер проекта, возраст домена, известность бренда почти не коррелируют с попаданием в ИИ-блок. Зато реально усиливают шансы приземлённые вещи: чёткие контакты и реквизиты (признак реального бизнеса), конкретные цены на странице вместо «по запросу», понятная структура, содержательные характеристики.⁴ У Google похожий фильтр — E-E-A-T (опыт, экспертность, авторитетность, доверие); с обновления сентября 2025 года эти критерии из оценочных ориентиров превратились в реальный фильтр отбора, в том числе для ИИ-ответов.¹⁹

5. Свежесть — но только вместе с релевантностью

Свежесть — сигнал, но не абсолютный. Ahrefs разобрал 17 миллионов цитирований и увидел: ИИ-ассистенты в среднем берут контент заметно свежее, чем обычная выдача Google (примерно на четверть моложе).²⁰ Сильнее всех молодое любит ChatGPT — его источники в среднем больше чем на год новее органических результатов Google. А Google AI Overviews, наоборот, единственная система, которая цитирует страницы даже чуть старше органики.²⁰ Разные движки — разное отношение к возрасту.

Но вот ключевая оговорка, которая спасёт вас от глупой ошибки. Внутри одного пула найденных документов картина обратная: ChatGPT спокойно цитирует страницы, которым больше года, а иногда и старше семи лет, — при этом самые свежие страницы из того же пула часто остаются без цитаты.²⁰ ¹² Вывод команды Ahrefs звучит как правило: свежесть без релевантности не работает. Новую страницу, которая плохо совпадает по смыслу с вопросом, машина найдёт — и пройдёт мимо. Исключение — новости: там релевантность заголовков почти одинакова у всех, и тогда возраст становится решающим тай-брейком.¹²

И над всем этим — совпадение с органическим топом

Прежде чем полировать пять признаков, помните про первый барьер. У Google AI Overviews 76,10% процитированных источников ранжируются в топ-10 обычной выдачи; лишь 14,40% вообще не входят в топ-100 по тому же запросу.²¹ Медианная позиция самого заметного источника в ИИ-сводке — второе место в органике.²¹ Тот же порог, что мы видели у Алисы. Но и тут автор исследования, старший контент-маркетолог Ahrefs Си Куан Онг, сам себя осаживает: связь есть, но умеренная. «Если вы на первом месте в выдаче, у вас больше шансов попасть в AI Overview, чем если бы вы были ниже. Но даже это — скорее подбрасывание монетки, чем гарантия». ²¹ Топ органики открывает дверь. За дверью решают пять признаков.

Почему ИИ взял источник А, а не Б

Теперь соберём всё в живой разбор. Идеального документированного кейса, где две почти одинаковые страницы лежат рядом и известно, почему ИИ выбрал ровно одну, в открытых исследованиях нет, — поэтому опираемся на реальный эксперимент и на статистику, а не на домыслы.

Эксперимент поставил независимый разработчик и описал на Хабре. Он прогнал 20 запросов по одной нише — по три раза каждый, всего 60 обращений — через генеративный поисковый API Яндекса и сверил, какие домены попали в цитаты, с обычной выдачей по тем же запросам.²² Два вывода вышли яркими.

Первый: подавляющее большинство цитат приходит из верхней части обычной выдачи. Нейроответ не строит рейтинг с нуля — он собирает синтез из уже релевантного пула.²² Ровно первое сито в действии.

Второй, парадоксальный: сайты самих компаний из ниши в цитаты почти не попадали. Зато туда регулярно попадали крупные тематические площадки, где про эти компании написано.²² Смоделируем «А против Б» по мотивам этого паттерна — пример иллюстративный, но опирается на реальные данные выше. Возьмём условный вопрос «какая компания лучше для установки окон». Страница А — сайт самой компании: «Мы — лидеры рынка, работаем 15 лет, индивидуальный подход». Страница Б — обзор на отраслевом портале: «Топ-7 оконных компаний города: цены, сроки, гарантии, таблица сравнения». Кого возьмёт ИИ?

Прогоните обе через наши пять признаков. У страницы А заголовок и текст маркетинговые — прямого ответа на «какая лучше» нет, смысловое совпадение с вопросом низкое. Доказательств нет — одни эпитеты. Структуры для сравнения нет — из чего вынимать кусок? Авторитет? Про саму компанию в вебе говорят мало и в основном она сама. У страницы Б всё наоборот: заголовок дословно отвечает на вопрос, внутри цифры и таблица, структура готова к извлечению, а площадку в вебе упоминают многие. Оба сита страница Б проходит, страница А спотыкается на первом же.

Отсюда парадокс, который стоит запомнить: иногда выгоднее, чтобы про вас написало стороннее издание, чем полировать собственную страницу. Дать экспертный комментарий в обзор бывает эффективнее, чем в сотый раз переписать «о компании».

И последнее. Даже большие исследования порой упираются в стену. Авторы Yext, разбирая гостиничную аномалию SearchGPT (те самые 38,1% официальных сайтов отелей), написали: причина неизвестна — может, состав обучающих данных, может, настройка поискового слоя, может, намеренное взвешивание брендов под туристические запросы.¹ Красивой теории они придумывать не стали. Механика ИИ-отбора ещё во многом чёрный ящик, и лёгкие выводы о ней обманчивы: полагайтесь на проверенные паттерны, а не на чужие уверенные догадки.

Итог главы

Источник проходит через два сита. Первое — тип запроса: намерение вопроса и тема задают, из какого пула ИИ вообще черпает источники, и у каждой модели свои любимые пулы. Второе — качество внутри пула: побеждает тот, у кого прямой ответ на заданный вопрос, доказательства под тему, извлекаемая структура, брендовый авторитет (упоминания, а не просто ссылки) и уместная свежесть.

И повторюсь, потому что это стоит унести из главы: для ИИ важнее всего удобство собрать из вашего материала готовый ответ.

Сделайте сейчас одну вещь: возьмите свою главную страницу и прогоните её по пяти признакам. Отвечает ли заголовок дословно на вопрос клиента? Есть ли в тексте цифры, цитаты, ссылки? Разложены ли факты по блокам, из которых легко вынуть кусок? Говорят ли о вас по имени за пределами вашего сайта? Не устарела ли страница? Каждое «нет» — это точка роста.

Мы разобрали, как отбор устроен в общем. Но вы уже заметили: Claude и Gemini на один вопрос идут за источниками в разные места, ChatGPT любит свежее, а Google AI Overviews — нет. Почему у разных нейросетей ответы получаются такими разными — и как с этим работать, если ваши клиенты пользуются и теми, и другими, — разберём в следующей главе.

Глава 4. Почему у разных нейросетей разные ответы

Четыре ассистента — четыре разных списка источников

Проделайте простой опыт. Задайте один и тот же вопрос — что угодно из вашей сферы, «какую компанию выбрать для…» или «что лучше для…» — сразу четырём ассистентам: ChatGPT, Perplexity, Gemini и Алисе. Ответы по смыслу могут оказаться похожими. А вот источники под ними — почти наверняка четыре разных набора.

Это не совпадение и не случайность конкретного дня. Учёный из Индианского университета Кай-Чэн Ян разобрал 366 087 цитирований из 24 069 разговоров с ИИ-поисковиками и измерил, насколько похоже разные системы ссылаются на новостные источники.¹ Внутри одной компании модели цитируют почти одинаково, а между компаниями сходство паттернов падает в разы.¹ Проще говоря: два ассистента от одного разработчика — как родные братья, а два от разных — как случайные прохожие.

Но самое интересное вскрылось в другом исследовании. Компания BrightEdge проанализировала цитаты пяти ИИ-движков по десяти отраслям и сравнила две вещи по отдельности: какие источники движки цитируют и какие бренды рекомендуют. Источники у любой пары движков пересекаются слабо — от 16% до 59%. А вот бренды, которые они советуют, совпадают заметно теснее — от 36% до 55%.²

С этого парадокса и начинается глава. Дороги, которыми ассистенты добираются до ответа, — разные шоссе. Но чаще всего эти шоссе приводят в один и тот же город. И если вы хотите, чтобы ваш бренд оказался в этом городе, придётся понять, почему шоссе разные — и как ехать по всем сразу.

Почему это ваша проблема, а не проблема разработчиков

Вся механика из прошлых глав — живой поиск, нарезка страниц на фрагменты, два сита отбора — описывала одного отдельно взятого ассистента. Но ваши клиенты не пользуются «одним ассистентом вообще». Кто-то спрашивает ChatGPT, кто-то — Алису в Яндекс-браузере, кто-то — GigaChat в приложении банка. И если вы оптимизировались под одного, это ещё ничего не говорит о том, увидят ли вас у остальных.

Эта глава отвечает на два вопроса. Первый: почему на один и тот же запрос разные нейросети выдают разные источники — что у них устроено по-разному внутри. Второй, практический: как с этим жить, если ваша аудитория размазана по нескольким платформам сразу. Единой кнопки «оптимизировать под все ИИ» не существует — это стоит принять сразу. Но есть общий фундамент, который работает везде, — и его мы в конце соберём в чек-лист.