ИИ-поиск и нейросети
Как сайты попадают в ответы ChatGPT, Яндекс Нейро и AI Overviews — и что из общепринятых советов на это не влияет.
Ответы нейросетей стали отдельной поверхностью выдачи: человек получает готовый текст со ссылками и часто не переходит дальше. Раздел о том, что определяет попадание в такой ответ и как это измерять.
С чего начать
Опорный материал — как попасть в ответы нейросетей. Он разбирает четыре слоя, каждый из которых обязателен: доступ ботов, попадание в выборку, извлекаемость готового ответа и узнаваемость бренда. Если рвётся любой, цитирования не будет.
Как устроен раздел
Площадки. AI Overviews в поиске, Яндекс Нейро, Perplexity, Gemini, переходы из ChatGPT. У каждой свой отбор поверх индекса, и общего рецепта нет.
Механика. Как устроены нейросети на уровне, достаточном для работы; RAG — как модель отвечает по документам; галлюцинации — почему уверенный ответ бывает выдуманным и как это проверять.
Измерение. Как считать трафик из нейросетей и мониторинг упоминаний бренда в ответах — две разные задачи, которые часто путают.
Работа с инструментами. Формулировка запросов, библиотека промптов, нейросети для текста и для изображений, ИИ-агенты с честным разбором того, что из обещаний рынка не подтверждено.
Чем этот раздел отличается от остальных
Здесь меньше всего устоявшихся данных и больше всего рыночного шума. Поэтому правило жёстче обычного: цифра приводится только со ссылкой на первоисточник, а механика, которую нельзя проверить, помечена как гипотеза.
Собственные замеры вынесены в исследования — там же методика, по которой их можно повторить. Из проверенного: файл llms.txt почти не запрашивается краулерами, и обещать за его счёт трафик нельзя.
Опорные статьи
Разборы и руководства 18
RAG: как модель отвечает по вашим документам
Конвейер из пяти шагов, по которому нейросеть отвечает по загруженной базе знаний, и разбор того, почему ломается обычно не модель, а нарезка документов.
Библиотека промптов: как собрать и поддерживать
Из чего состоит карточка промпта, какие задачи вообще стоит шаблонизировать и почему библиотека обычно умирает на третий месяц — с правилами ревизии.
ИИ-агенты: что они реально умеют в маркетинге
Чем агент отличается от обычного запроса к модели, какие маркетинговые задачи он закрывает сам и какие обещания рынка пока ничем не подтверждены.
Мониторинг упоминаний бренда в ответах нейросетей
Почему обычный мониторинг упоминаний здесь не работает, что фиксировать вместо ленты сообщений и как читать результат, который меняется от прогона к прогону.
Нейросети для изображений: где применимы в маркетинге
Разбор задач, где генерация картинок закрывает работу целиком, где годится только на черновик и где не подходит по устройству — с проверкой перед публикацией.
Галлюцинации моделей: почему возникают и как проверять
Шесть видов выдумки в ответах нейросетей, порядок проверки от дешёвого к дорогому и объяснение, почему включённый поиск не убирает проблему, а меняет её вид.
Как считать трафик из нейросетей
Три величины скрываются за словами «трафик из нейросетей», и складывать их нельзя. Что снимается точно, что оценивается косвенно, а что не измеряется.
Нейросети для текста: где помогают, а где портят
Какие текстовые задачи модель закрывает без потерь, где экономия оказывается отрицательной и что именно ломается в тексте незаметно для автора.
Сколько прогонов нужно замеру цитируемости
Замер цитируемости даёт число, но не говорит, что оно значит. Сколько прогонов нужно, какая разница читается, какая остаётся шумом и как сузить список причин сдвига.
Gemini в поиске: чем отличается от других ответов
Почему Gemini встречается сразу в трёх местах, чем ответ ассистента отличается от блока в выдаче и какие настройки на что реально влияют.
Perplexity: как устроен поиск с ответами и кого он цитирует
Как Perplexity собирает ответ со сносками, по какому принципу отбирает источники и что из этого следует для сайта, который хочет туда попасть.
AI Overviews: как сгенерированные ответы меняют выдачу
Что происходит с кликами, когда над выдачей появляется готовый ответ, по каким запросам это критично и как перестраивать контент.
ChatGPT в работе маркетолога: где помогает, где мешает
Модель хорошо переформулирует и структурирует, плохо работает с фактами и цифрами. Таблица задач с пометкой, где ответу можно доверять, а где нужна проверка.
llms.txt: что это и нужен ли он
llms.txt — предложенный формат файла с описанием сайта для языковых моделей. Что он делает на самом деле, как его составить и почему нельзя обещать эффект.
ИИ-тексты и поисковые системы: что на самом деле наказывают
Наказывают не использование модели, а масштабное производство бесполезных страниц. Разбор формулировок правил, работы детекторов и реальных признаков выбраковки.
Промпты: как формулировать задачи модели
Качество ответа определяется постановкой задачи, а не секретными формулами. Структура запроса из пяти частей и разбор, почему «напиши статью» даёт пустой текст.
Трафик из ChatGPT: как его увидеть в аналитике
Как собрать сегмент по переходам из ChatGPT, Perplexity и Gemini в Метрике и GA4 — и почему реферальный отчёт показывает лишь верхушку AI-канала.
Яндекс Нейро и Алиса: как попасть в ответы
Нейро строит ответ поверх обычной выдачи Яндекса, поэтому попадание в топ по подзапросам решает больше, чем приёмы оформления. Разбор порядка работ.