Открываю отчёт Ahrefs AI responses по сайту промышленного производителя, а там 909 строк. Клиент доволен: нейросети нас знают. Меня занимает другой вопрос: что именно они цитировали, когда нас называли?
Что считает мониторинг и чего он не показывает
909 ответов накопились за месяцы наблюдения. Каждая строка означает, что модель в какой-то момент упомянула сайт. Получается счётчик упоминаний, вроде одометра: пробег виден, маршрута нет.
По такой выборке хорошо смотреть динамику: растёт присутствие или проседает. Причины она не объясняет. Какая страница дала факт, почему модель взяла её, а не соседнюю, что лежало рядом в списке источников, из отчёта не вытащить. Это механика мониторинга, к инструменту претензий нет. Как устроены такие проверки и что в них смотреть, я подробно разбирал в тексте про AI-аудит видимости компании.
Сразу оговорюсь: дальше будут другие цифры из другой выборки. Складывать их с 909 нельзя.
Контрольный замер: 10 вопросов и 206 ссылок
Чтобы увидеть механику, я сделал маленький замер руками. Взял 10 коммерческих B2B-вопросов в духе «кто производит…» и «где заказать…» и прогнал их через Perplexity. У этой модели живой поиск, и к ответу она прикладывает источники. Ответы с цитатами пришли на все 10 вопросов.
Мне нужно было понять, куда модель тянется за фактом, когда человек спрашивает, у кого купить
Получилось 206 ссылок, в среднем 20,6 на ответ, и 94 разных домена. Каждый URL я разметил вручную по типу страницы: каталог или категория, карточка товара, статья, «о компании», главная, прочее. Отдельно отметил тип источника: сайт компании, маркетплейс, медиа.
Цель была скромная. Я не измерял «долю рынка в ИИ». Мне нужно было понять, куда модель тянется за фактом, когда человек спрашивает, у кого купить.
Главная почти не участвует
На главную страницу ведут 5 ссылок из 206, то есть 2%. Остальные 98% указывают на глубокие страницы.
Цифра неприятная для половины B2B-сайтов, которые я видел. У них вся содержательная часть сидит на главной: слайдер, «20 лет на рынке», шесть иконок преимуществ и форма заявки. Каталог есть, но в карточках фото и кнопка «Запросить цену». Для поисковика из 2015 года этого хватало. Модели нужен ответ на конкретный вопрос, а на главной его нет.
ИИ цитирует не сайт, а конкретную страницу с фактом. Если факта нет ни на одной внутренней странице, в ответе окажется чужой URL.
В 2026 году это уже касается денег. Ответы ИИ забирают клики, показы растут, CTR падает. Ссылка из ответа модели остаётся одним из немногих способов вернуть человека на сайт, но достаётся она странице, а не бренду.
Кто забирает цитаты
63 ссылки из 206, то есть 31%, ведут не на сайты производителей. Они уходят в отраслевые каталоги, каталоги выставок и на Авито. Список крупнейших источников:
- каталог выставки agroprodmash-expo.ru: 17 ссылок;
- fabricators.ru: 13;
- производитель sp-sonic.ru: 13;
- productcenter.ru: 10;
- avito.ru: 8.
Единственный производитель в первой пятёрке делит второе место с каталогом. Остальные четыре позиции заняли посредники и справочники.
По типу источника картина выглядит иначе: сайты компаний дают 191 ссылку, маркетплейсы 9, медиа и агрегаторы 6. Противоречия тут нет. Каталог выставки тоже чей-то корпоративный сайт, просто его компания торгует списками, а не оборудованием.
Почему справочник обыгрывает производителя, понятно из самих страниц. У каталога есть структурированный список: название, город, что производит, параметры, контакты. Модели не нужно ничего домысливать, она берёт строку и подставляет в ответ. У производителя тот же факт размазан по трём абзацам про «индивидуальный подход», если он вообще где-то записан. Я пятнадцать лет говорил клиентам, что каталоги — это мусорные ссылки. Теперь эти каталоги цитируют чаще, чем клиентов.
Какие страницы попадают в ответ
Если не считать прочего, лидирует каталог: 34 ссылки. Дальше идут статьи (18), карточки товаров (16) и «о компании» (11). В «прочее» попали 127 ссылок, это в основном отраслевые каталоги, страницы выставок и справочники. Ниже то, что я вижу общим у процитированных страниц каждого типа.
| Тип страницы | Ссылок из 206 | Что должно быть, чтобы её взяли |
|---|---|---|
| Каталог / категория | 34 | Список позиций с ключевыми параметрами прямо в листинге, а не только в карточках; короткое вступление с ответом «что здесь производят» |
| Статья / блог | 18 | Объяснение или сравнение: чем отличаются варианты, какой для какой задачи, с цифрами |
| Карточка товара | 16 | Технические характеристики текстом или таблицей, материал, производительность, сроки, город производства |
| «О компании» | 11 | Факты вместо лозунгов: год, площадка, что именно производите, отрасли, сертификаты |
| Главная | 5 | Почти не цитируют. Хватит чёткой первой фразы, кто вы и что делаете |
Модель берёт страницу, на которой факт можно вырезать одним предложением. Если для этого надо прочитать весь сайт, она уйдёт на справочник.
Пять шагов для своего сайта
- Факты в карточку. Характеристики, материалы, размеры, сроки изготовления пишите текстом или таблицей, а не прячьте в PDF и не оставляйте на картинке.
- Сравнение в статью. Одна статья на один вопрос клиента: чем отличается модель А от Б, что выбрать для такой-то задачи. Цифры обязательны.
- Список параметров в категорию. В листинге категории выводите 3–4 ключевых параметра у каждой позиции. Так справочники и выигрывают.
- Единые формулировки. Название продукта, город и профиль компании должны звучать одинаково на сайте, в отраслевых каталогах и в карточке на выставке. Если вы на сайте «ООО Ромашка», а в каталоге «Ромашка-Пром», модели сложнее склеить эти источники.
- Проверка через месяц. Прогоните те же вопросы ещё раз и сравните, какие URL цитируются. Технический минимум, чтобы краулеры ИИ вообще дошли до страниц, я описал в статье про robots, llms.txt и разметку.
Каталоги в этом списке тоже пригодятся. Если 31% цитат уходит через них, проверьте, как вы там описаны. Обычно в таких профилях лежит текст, который менеджер вставил в 2019 году.
Где мой замер врёт
Здесь одна модель, Perplexity. У ChatGPT, Gemini, Алисы и других свои поисковые источники, и доли у них будут другими. Вопросов всего 10, это проверка механики, для статистики нужна выборка на порядок больше. URL я классифицировал вручную по адресу, поэтому часть страниц в «прочем» при другом подходе ушла бы в категории.
И ещё раз про выборки. 909 ответов из мониторинга и 206 ссылок из замера — это разные данные, собранные разными способами в разное время. Первые показывают, что сайт упоминают. Вторые показывают, как модель выбирает страницы. Если склеить их в одно «исследование 909 ответов», получится красивый и неверный слайд.
С чего начать завтра
Откройте три самые продаваемые карточки в своём каталоге и посмотрите, есть ли там характеристики текстом. Если нет, выпишите пять параметров в таблицу прямо на странице. Через месяц задайте Perplexity вопрос «кто производит…» по этому товару и посмотрите, чей URL окажется в источниках. Если хочется сделать это системно, а не на трёх карточках, для этого есть GEO и AI-аудит.