Нейросеть берёт источники в два этапа: сначала поиск собирает кандидатов, потом модель отбирает фрагменты. Что подтверждено документацией и данными, что миф.
Коротко: нейросеть выбирает источники в два этапа: поиск собирает подходящие страницы по вопросу и его подзапросам, затем модель берёт из них абзацы с прямым ответом. Это важно, потому что рынок повторяет недоказанные приёмы, например llms.txt. Опору в данных имеют индексация, позиции по подзапросам и законченные абзацы.
Допустим, покупатель спрашивает у Алисы AI или ChatGPT, к кому обратиться в вашей категории, и получает ответ с несколькими ссылками. За ними стоит десяток найденных страниц, которые нейросеть видела и не взяла. Мы в Звонко сверили документацию Google, Яндекса, OpenAI и Perplexity с исследованиями и своими логами: правила второго отбора не раскрывает ни одна система, и всё, что о нём пишут, держится на экспериментах, корреляциях или пересказах. Если принять пересказ за правило, бюджет уходит на приёмы, которые не влияют на цитирование, например на файл llms.txt. Весь путь запроса от вопроса до ответа описан в статье про генеративный поиск.
Первое сито — поисковый индекс: нейросеть видит только страницы, которые ей отдал поиск по основному вопросу и по подзапросам. Подзапросы — уточняющие запросы, которые модель сама составляет из вопроса. Google в документации по ИИ-функциям требует одного: страница проиндексирована и может быть показана в поиске со сниппетом, фрагментом текста под ссылкой. Других технических условий нет, но и показ не гарантирован. Материалы для ответа Google берёт из релевантных свежих страниц своего индекса, а подзапросы генерирует модель.
Яндекс при запуске поиска с Алисой AI описал модель, которая опирается не только на память, но и на документы из поиска и сама составляет запросы. Perplexity в справке называет три шага: понять вопрос, найти информацию и свести её в ответ с нумерованными ссылками. В ChatGPT сайты в результаты поиска приводит бот OAI-SearchBot, и OpenAI рекомендует пускать его в robots.txt. Как открывать и закрывать таких ботов, мы описали в статье про GPTBot и robots.txt.
Позиции по подзапросам связаны с цитированием заметно. Surfer SEO взял 10 000 ключевых слов и проверил, какие страницы цитирует AI Overviews, обзор от ИИ над выдачей Google. Страницы, которые стоят в выдаче и по основному запросу, и хотя бы по одному дополнительному запросу, цитируются в 2,6 раза чаще, чем страницы с позицией только по основному. Это корреляция, и авторы сами оговаривают, что дополнительные запросы подстраиваются под пользователя и при повторе совпадают лишь примерно в 27% случаев.
Тот же отчёт показывает обратную сторону: 67,82% всех цитат AI Overviews не нашлись в топ-10 ни по основному запросу, ни по подзапросам. Топ-10 полезен, но кандидаты им не исчерпываются. Google и сам пишет, что подбирает для обзора более разнообразный набор ссылок, чем классический поиск.
Второе сито отбирает фрагменты, которые прямо отвечают на вопрос, и его правила не раскрывает ни одна система. Google пишет только, что ссылки в ответе подтверждают информацию из ответа. Яндекс говорит, что генерирующая модель собирает найденное в один материал и приводит ссылки. Как именно из кандидатов выбирается ссылка, не публикуют ни Google, ни Яндекс, ни OpenAI, поэтому всё, что известно о втором сите, — исследования и наблюдения.
Пример из логов Звонко: на вопрос «GEO или SEO» Алиса AI показала десять источников, а в тексте ответа использовала три, и все три были сравнениями. По тому же вопросу нейросети нашли около трёх десятков страниц. Повторялись между системами меньше десятка из них, и большинство повторов — сравнения с вопросом в заголовке. Страниц услуг было единицы, и каждую взяла только одна нейросеть. Это снимок одного вопроса за один день, правилом его считать нельзя. Направление при этом видно: чаще берут страницу, которая отвечает на вопрос покупателя.
Совпадение слов иногда перевешивает смысл. В тех же логах Звонко статья про локальное геозависимое продвижение попала в источники трёх нейросетей на вопрос про GEO-оптимизацию: её заголовок совпал с вопросом по словам. Покупателя, которому нужна услуга, такая ссылка не приводит, так что повторять этот приём незачем. Как связаны поиск и генерация ответа, мы разобрали в статье что такое RAG.
Признаки отбора стоят на четырёх уровнях доказанности, и смешивать их нельзя. Одни заявлены самими системами, другие получены в лабораторных экспериментах, третьи видны только по корреляциям. Четвёртые рынок повторяет без первоисточника.
| Уровень | Что относится | Источник |
|---|---|---|
| Документация системы | индексация и право на сниппет; доступ бота в robots.txt; тексты для людей, без особой нарезки | Google, OpenAI, Perplexity |
| Лабораторный эксперимент | цитаты, цифры и ссылки на источники поднимают долю страницы в ответе; набивка ключами не помогает | исследование GEO |
| Корреляция | позиции по подзапросам; свежесть; доля крупных площадок | Surfer, Ahrefs, Profound |
| Не подтверждено | llms.txt, особая разметка для ИИ, веса Perplexity, E-E-A-T как отдельный фактор | Google, SE Ranking |
Эксперимент провели авторы работы, которая дала название GEO (оптимизация под генеративный поиск), её представили на конференции KDD 2024. На наборе из 10 000 запросов они переписывали страницы и смотрели, какая доля их слов попадёт в ответ. Лучше других работали добавление цитат, статистики и ссылок на источники, а набивка ключевыми словами выигрыша не давала. Эффект зависел от позиции страницы в выдаче лабораторного движка из эксперимента, а не в Google или Яндексе. Для страниц на первом месте ссылки на источники снижали видимость на 30,3%. Для страниц на пятом месте та же правка поднимала её на 115,1%. Упрощённое «+40%» из пересказов — максимум на лабораторном движке, для живой выдачи этот результат не проверен.
Корреляции читаются как подсказки. По данным Ahrefs, ссылки в ответах ИИ в среднем на четверть свежее ссылок обычной выдачи: 1064 дня против 1432, но автор подчёркивает, что причинность не доказана. Profound по 680 млн цитат показывает, что в ChatGPT на Wikipedia приходится 7,8% всех цитат, в Perplexity на Reddit — 6,6%. В пересказах встречается цифра 47,9% для Wikipedia, но это доля внутри десятки самых частых источников, а не от всех цитат.
Мифы проще всего проверить по первоисточникам. Google пишет, что llms.txt и другие специальные файлы не помогают и не вредят в поиске, а особая разметка для генеративного поиска не нужна. SE Ranking на выборке почти из 300 000 доменов 15 октября 2026 года тоже не нашёл влияния llms.txt на цитирование. E-E-A-T, набор признаков опыта и доверия, Google не считает отдельным фактором ранжирования. Проценты вроде «свежесть весит 15%» в описаниях Perplexity ходят по SEO-блогам без ссылки на источник, сама Perplexity таких весов не публиковала. Про разметку подробнее — в статье про микроразметку для нейросетей.
Универсального списка источников нет: у каждой нейросети свой набор, и пересекаются они слабо. В прогоне Звонко летом 2026 года нейросети сослались примерно на три сотни доменов, и почти три четверти из них встретились только в одной системе. Любые две нейросети делили между собой от десятой до пятой части доменов. Ядро, видное почти везде, маленькое: vc.ru, Sostav, DTF и Habr были у всех систем прогона.
Google AI Overviews и AI Mode. Кандидаты берутся из индекса Google. Доля цитат из топ-10 по Ahrefs упала с 76% в июле 2025 года до 38% в начале 2026-го. Ahrefs сам указывает, что сбор данных улучшился и две волны напрямую несопоставимы. В прогонах Звонко по русским вопросам около половины источников AI Overviews были с доменов первой страницы обычной выдачи.
Алиса AI. Планировщик Яндекса — модель, которая сама составляет поисковые запросы, — работает поверх поиска Яндекса. Ашманов и партнёры в июне 2026 года зафиксировали падение доли сайтов не из топ-10 с 40% до 10% за полгода, выборка — запросы из e-commerce. В одном прогоне Звонко около половины ссылок Алисы AI были вне топ-10 органики. Оба факта — снимки по разным вопросам, и вместе они говорят, что привязка к топу есть, но не абсолютная. Практику описывает статья как попасть в ответы Алисы и страница продвижения в Алисе AI.
ChatGPT и Perplexity. Ahrefs прогнал 15 000 длинных запросов и сравнил цитаты с топ-10 Google по тому же запросу. В топ-10 Google нашлись 28,6% цитат Perplexity, у ChatGPT — 8,0%. Perplexity при этом ищет по собственному индексу. Для ChatGPT практику разбирает статья как попасть в ответы ChatGPT и страница продвижения в ChatGPT.
Начинать стоит с условий, которые системы называют прямо, и только потом переходить к приёмам из исследований.
Если покупатели в вашей нише читают vc.ru, Habr или Sostav, присутствие там добавляет шансов: эти площадки нейросети в прогоне Звонко брали чаще других. Общий порядок работ описывает статья про GEO-оптимизацию под ответы ИИ, а продвижение в нейросетях мы в Звонко ведём от замера видимости до правок страниц.
Проверка делается по вопросам и отдельно по каждой нейросети, потому что наборы источников у них разные. Составьте перечень вопросов покупателей, задайте каждый каждой системе несколько раз и записывайте, какие домены названы в тексте и какие ссылки стоят в ответе. Один ответ даёт цитату, а не измерение: подзапросы меняются от повтора к повтору, ответы подстраиваются под пользователя.
Сначала убедитесь, что система искала в интернете, а не отвечала по памяти. Потом считайте долю вопросов, где назван ваш домен, и сравнивайте её с конкурентами в той же системе. В Search Console трафик из ИИ-функций Google отдельно не выделен, поэтому клики для этой задачи не годятся. Пошаговую проверку мы описали в статье как проверить, называет ли вас нейросеть.
Главный вопрос пока открыт: по каким признакам модель выбирает фрагмент из найденного. Ни одна система этого не публикует, а работают ли лабораторные приёмы GEO в Алисе AI или ChatGPT так же, как в эксперименте, данных нет. Поэтому мы в Звонко опираемся на то, что можно проверить: индекс, позиции по подзапросам и повторяемый замер по каждой нейросети.
Через поисковый индекс. Google пишет, что материалы для ответа берёт из релевантных свежих страниц своего индекса, а страница должна быть проиндексирована и иметь право на сниппет. Яндекс описывает для поиска с Алисой AI модель, которая сама составляет поисковые запросы. В ChatGPT сайты в поиск приводит бот OAI-SearchBot: если закрыть его в robots.txt, сайт в ответах поиска ChatGPT не покажется.
Правила этого отбора не публикуют ни Google, ни Яндекс, ни OpenAI. Известно, что ответ собирает генеративная модель из найденного, а ссылки подтверждают сказанное в ответе. В лабораторном эксперименте GEO лучше работали страницы с цитатами, цифрами и ссылками на источники. Это результат эксперимента, а не заявленное правило систем.
Подтверждений нет. Google в гайде по ИИ-функциям от 10 июля 2026 года пишет, что такие файлы ему не помогают и не вредят. SE Ranking на выборке почти из 300 000 доменов (15 октября 2026 года) не нашёл связи между llms.txt и цитированием. Время лучше потратить на индексацию страниц и законченные ответы в тексте.
Нет, и доля зависит от системы. В Google AI Overviews, по данным Ahrefs, из топ-10 были 76% цитат в июле 2025 года и 38% в начале 2026-го, но методика сбора изменилась. У ChatGPT в тесте Ahrefs в топ-10 Google было около 8% цитат, у Perplexity 28,6%. У Алисы AI в запросах e-commerce доля сайтов не из топ-10 упала с 40% до 10%, по данным Ашманова и партнёров. Проверять нужно каждую систему отдельно.
Связь есть, причинность не доказана. По данным Ahrefs, ссылки в ответах ИИ-ассистентов в среднем на четверть свежее, чем в обычной выдаче Google: 1064 дня против 1432. Автор исследования оговаривает, что свежесть — один из многих факторов. Обновлять страницу стоит содержимым, одна новая дата ничего не даёт.
Составьте набор вопросов покупателей, задайте их каждой нейросети по несколько раз и записывайте, какие домены названы и какие ссылки стоят в ответе. Один ответ даёт цитату, а не измерение: подзапросы меняются от повтора к повтору. В Search Console трафик из ИИ-функций Google отдельно не выделен, поэтому считать нужно по вопросам и отдельно по каждой системе.
GEO Генеративный поиск надстроен над индексом: вопрос дробится на подзапросы, система отбирает фрагменты страниц и пересказывает их. Как это устроено у Google, Алисы AI, ChatGPT и что делать сайту.
Читать статью →
репутация в ИИ Негатив в ответах нейросетей не удалить кнопкой: он уходит вместе с источником. Замер Звонко на 20 компаниях: шесть типов негатива и что делать с каждым.
Читать статью →
AEO Как попасть в ответы Алисы AI: два списка проверок, на сайте и вне его. Что подтверждает Яндекс, что остаётся практикой и какие площадки Алиса AI берёт источниками по замеру Звонко.
Читать статью →Начнём с бесплатного экспресс-замера: покажем, как нейросети видят ваш бренд сейчас и где есть смысл работать.