С чего начать работу над видимостью в ИИ?

Контент без диагностики — это стрельба вслепую. Можно написать десять отличных статей и не сдвинуть ни одного показателя, если проблема была не в качестве текста, а в том, что сайт технически не виден ИИ-краулерам или в промптах бренда даже не всплывает нужная тема.

Логика простая: сначала нужен baseline, то есть зафиксированная стартовая точка. Без неё невозможно понять, сработали ли изменения или нет. Ниже — последовательность из четырёх шагов, которая задаёт этот baseline и дальше превращает его в рабочий план.

Прежде чем что-то менять на сайте, нужно ответить на один вопрос: в каких ответах ИИ бренд вообще может появиться и появляется ли он там сейчас.

• Собрать список тем. Не ключевых слов, а именно тем — укрупнённых групп запросов. Хороший ориентир — 10–25 тем на бизнес.
• Разбить темы на промпты. На каждую тему — 10–25 реальных формулировок, которые задал бы живой человек в ChatGPT или Perplexity.
• Не класть название бренда в промпт. Если написать "промпт с упоминанием бренда", результат покажет искажённую картину: бренд найдётся, потому что его туда вписали, а не потому что его действительно выбрала модель.
• Развести информационные и коммерческие запросы. Смешивание этих двух типов в одном списке даёт ложную просадку показателя, ведь коммерческие промпты почти всегда цитируются реже информационных, и усреднение только запутывает картину. Результат этого шага — таблица на 100–200 строк: тема, промпт, движок, появился ли бренд, какой URL процитирован. Это и есть тот самый baseline.

Если бренд не появляется в ответах, причина почти всегда одна из трёх, и они идут строго по порядку.

Диагностику всегда начинают с первых ворот. Если сайт технически недоступен модели, разбираться с заголовками и форматом рано, ведь их просто некому будет читать.

Частый сценарий на практике: ключевая страница с ценами или условиями открыта для людей, но спрятана за формой заявки или во вкладке, которая подгружается только после клика. Человек её видит и заполняет форму, а краулер, который не исполняет JS и не кликает по вкладкам, эту информацию просто не получает. Формально страница существует и даже неплохо написана, но по факту не проходит третьи ворота, и для модели её как будто нет.

Здесь стоит опираться не на догадки, а на измерения. Принстонский университет и IIT Delhi в 2024 году опубликовали контролируемое исследование под названием "GEO: Generative Engine Optimization" — первую работу, которая проверила на бенчмарке из 10 000 запросов, какие именно правки текста реально поднимают его цитируемость генеративными системами.^[1] Три приёма показали устойчиво лучший результат по сравнению с остальными: добавление прямых цитат с указанием источника, добавление ссылок на другие источники внутри текста и добавление конкретной статистики. Показатели важности заявлений без источника или просто более "уверенного" тона такого эффекта не дали.

Практический вывод: прежде чем переписывать десять статей, стоит взять одну-две ключевые страницы и добавить туда именно эти три элемента — цитату эксперта с атрибуцией, ссылку на первичный источник и конкретную цифру. Затем измерить эффект, а уже потом масштабировать подход на остальной контент.

• Добавить в ключевые страницы прямую цитату эксперта с указанием, кто и где это сказал.
• Добавить ссылку на первоисточник данных, а не просто утверждение без опоры.
• Добавить хотя бы одну конкретную цифру с указанием источника и даты.
• Переформулировать заголовки разделов в форме вопроса, который реально задают в ChatGPT или Perplexity.
• Добавить блок FAQ с вопросами, сформулированными так, как их вводят пользователи.

У каждой находки из шага 1 есть свой типовой разрыв и своё решение. Ниже — таблица, которая переводит правку в работу.

• AI Share of Voice. Доля промптов из вашего списка, где бренд вообще упомянут, не важно, со ссылкой или без.
• Citation share. Доля промптов, где процитирован именно ваш URL, а не сторонний источник или конкурент. Это отдельная метрика от visibility, и путать их не стоит: можно быть упомянутым и не процитированным одновременно.
• Разбивка по движку. ChatGPT, Perplexity, Gemini и Google AI Overviews формируют ответы по-разному, поэтому усреднённая цифра по всем системам маскирует, какая именно система требует внимания.
• Разбивка по типу запроса. Информационные и коммерческие промпты отслеживаются раздельно, иначе просадка по одному типу растворяется в среднем.

• Начинают с контента вместо аудита. Без baseline невозможно понять, что именно чинить и сработало ли исправление.
• Вносят бренд в промпт при проверке. Это искажает всю картину видимости с первого шага.
• Усредняют показатель по всем ИИ-движкам сразу. ChatGPT, Perplexity и Google AI Overviews — три разных механизма retrieval. Один смешанный показатель не говорит, где именно проблема.
• Смешивают информационные и коммерческие запросы в одном отчёте. Так создаётся ложное ощущение провала там, где на самом деле работает специфика типа запроса.
• Останавливаются после одного цикла. Устойчивая видимость требует повторных циклов измерения, а не разовой проверки.

Всё описанное выше — ручная последовательность из аудита, диагностики, контента и измерения. В Humanswith.ai она устроена как связка агентов, а не как задача одного человека.

• Аудит и трекинг видимости ведёт Hermes — еженедельно сканирует ответы нескольких ИИ-движков и строит список пробелов вместо ручного прогона промптов.
• Бриф и черновик под найденный пробел собирает ContentOS — с учётом структурных требований и гейтов на уникальность и AI-likeness ещё до публикации.
• Публикацию и SEO-разметку оформляет Content Publisher — canonical-URL и schema.org встают в CMS автоматически, без ручного заполнения полей. Разница не в скорости написания текста, а в том, что каждый шаг проходит через гейты качества автоматически, и цикл «аудит, правка и измерение» можно повторять регулярно, а не раз в квартал.

Q: С чего начать работу над видимостью в ИИ, если бюджет ограничен?

A: С ручной проверки 20–30 приоритетных промптов в ChatGPT, Perplexity и Google AI Overviews. Подход не требует инструментов и сразу показывает, есть ли проблема с доступностью сайта, с форматом контента или с внешними упоминаниями.

Q: Сколько промптов нужно для нормального аудита?

A: Ориентир — 10–25 тем и по 10–25 промптов на тему, итого 100–250 формулировок. Меньше — недостаточно для устойчивой картины, больше — усложняет регулярное отслеживание вручную.

Q: Можно ли сразу писать контент, если сайт новый и трафика ещё нет?

A: Технический аудит всё равно идёт первым: проверка robots.txt и доступа ИИ-краулеров занимает меньше часа, а без неё даже отличный контент не будет виден моделям.

Q: В чём разница между упоминанием бренда и цитированием?

A: Упоминание — модель называет бренд в ответе. Цитирование — модель ссылается именно на ваш URL как источник. Бренд может быть упомянут, а источником при этом окажется конкурент или агрегатор.

Q: Нужно ли отдельно отслеживать каждый ИИ-движок?

A: Да. ChatGPT, Perplexity, Gemini и Google AI Overviews собирают ответ по-разному, и усреднённый показатель скрывает, какая система на самом деле не видит бренд.

Q: Как быстро появляются первые результаты после исправлений?

A: Технические правки, то есть открытие доступа краулерам, дают эффект в течение обычного цикла индексации. Устойчивое цитирование контента обычно требует нескольких циклов измерения, а не одной проверки сразу после публикации.

1. Aggarwal, P., Murahari, V., Rajpurohit, T., Kalyan, A., Narasimhan, K., Deshpande, A. GEO: Generative Engine Optimization. Princeton University, IIT Delhi, Allen Institute for AI, Georgia Tech, 2024 (ACM SIGKDD). https://arxiv.org/abs/2311.09735