#aiпоиск — Public Fediverse posts

Сколько живёт ссылка в ответе нейросети: сравнил три замера по 20 вопросам

Если вы следите, ссылается ли нейросеть на ваш сайт, полезно знать, сколько ссылка держится в ответе на один и тот же вопрос. Недолго: через полтора месяца в ответах Алисы AI и Perplexity осталось от четверти до трети прежних ссылок (27,5% у Perplexity, 35,5% у Алисы AI), а больше половины ссылок оказались новыми. Я задал обеим нейросетям 20 вопросов одной ниши (как попасть в ответы нейросетей, сколько это стоит, где заказать). На каждый вопрос каждая нейросеть ответила пять раз: три повтора подряд за час, ещё один через 5 дней и ещё один через полтора месяца. Отчёт о том, что вы в ответе, стареет быстрее, чем кажется.

https://habr.com/ru/articles/1095330/

#geo #цитируемость #нейросети #llm #perplexity #aeo #aiпоиск #алиса_ai #ответ_нейросети #мониторинг_нейросетей

Новый GPT-6 собирает ответы ChatGPT из диаграмм, кнопок и форм. Как туда попадает бренд, в OpenAI не сказали

С выходом GPT-6 ChatGPT может отвечать текстом вместе с диаграммой, формой или набором кнопок. У всех, кто отвечает за видимость сайта в нейросетях, сразу возникает вопрос: как бренд попадает в эти элементы. Я прочитал анонс OpenAI от 7 октября , справки OpenAI и первые SEO-разборы. Правил отбора брендов OpenAI не опубликовала. Есть версия, что выиграют сайты, данные с которых легко забрать, но держится она только на документации товарных карточек ChatGPT Shopping, а они работали и до GPT-6. Проверить на сайте всё равно есть что. Главное — понимать, к какому описанному механизму относится каждая проверка.

https://habr.com/ru/articles/1094044/

#geo #нейросети #openai #chatgpt #aeo #aiпоиск #gpt6 #oaisearchbot #intelligent_ui #chatgpt_shopping

OpenAI тестирует товарные карточки с лейблами в выдаче ChatGPT

В ChatGPT заметили любопытную штуку: органические товарные результаты стали подсвечивать цветными лейблами . Зелёный достаётся "лучшему универсальному" варианту, серые расходятся по остальным критериям — "лучший для новичков", "лучшая амортизация" и так далее. Плашки нарочно выбиваются из текстового потока и явно сделаны ради роста кликабельности. Первым это поймал SEO-специалист Brodie Clark через сервис мониторинга выдачи и выложил скриншот в X (Search Engine Roundtable, 2026). Это расширение более раннего эксперимента — тогда лейблы были скромнее, без плашек.

https://habr.com/ru/articles/1091268/

#GEO #нейровыдача #ChatGPT #товарная_выдача_в_ИИ #генеративная_поисковая_оптимизация #OpenAI_Shopping #продвижение_в_нейросетях #цифровой_маркетинг #AIпоиск #лидогенерация

Как складывается доверие к бренду в цифровой среде

Бренд раньше в основном держал своё рекламное сообщение и официальные каналы. Сейчас представление о компании складывается из нескольких сигналов сразу: сайт и коммуникации, поисковая выдача, отзывы и пользовательский контент, карточки на картах и маркетплейсах, публикации СМИ и экспертов, социальные сети. С середины 2020-х гг. к этому добавились генеративные ответы и AI-рекомендации. Доверие из одного контакта возникает всё реже. Чаще человек сопоставляет несколько независимых подтверждений. Средний интернет-пользователь узнаёт бренды через несколько типов источников. В локальном поиске большинство потребителей использует больше одного канала до решения. Генеративный ИИ меняет архитектуру: модель может склеить разрозненные сведения о бренде в один ответ. Пользователи такие рекомендации всё равно перепроверяют через поиск, отзывы и первичные источники. Репутация, доступность фактов, согласованность сведений и качество опыта работают как общая инфраструктура доверия. Границы branding, ORM/SERM, SEO, контента и GEO при этом уже не жёсткие.

https://habr.com/ru/articles/1088434/

#бренд #репутация #customer_journey #поисковая_выдача #social_proof #AIпоиск #GEO #генеративный_ИИ #комплексное_представление_бренда #цифровая_репутация

ChatGPT не открывает страницу в 93% быстрых ответов: что видит модель и что чинить на сайте

В инстант-режиме (быстром, без нажатой кнопки «Think») ChatGPT читает страницу живьём только в 7% ответов. Остальные 93% модель работает с тем, что легло в её собственный индекс на дату обхода: заголовком без обрезки (до 289 знаков) и статичным сниппетом около 200 знаков, вырезанным при индексации из H1 и соседних элементов — категории, alt-текста, даты. Сниппет не зависит от вопроса: одна и та же врезка уходит и в ответ про цены, и в ответ про характеристики. Цифры и метод — у французской команды RESONEO : 1249 ответов ChatGPT и 88 000 результатов поиска, июль-август 2026. Такие захваты я сам не ставил: ниже — разбор чужого reverse engineering, реконструкции закрытой системы по внешним признакам трафика. Разница между режимами — в том, что открывается. В платном thinking-режиме (режиме размышления) страница читается по-настоящему, и корпус другой: около 75% URL приходят через скрейпленную выдачу Google, четверть — через собственный индекс OpenAI. Кнопка Think на бесплатном тарифе даёт столько же источников (35,3 против 35,1 URL), но корпус зеркальный: там около 75% идёт через собственный индекс.

https://habr.com/ru/articles/1082232/

#ChatGPT #поиск_ChatGPT #robotstxt #OAISearchBot #GPTBot #JSONLD #кэш_страниц #AIпоиск #индексация #аналитика

Claude Code читает не страницу, а её пересказ: прошёл путь одного запроса по документации Claude

Совет оптимизировать сайт под Claude смешивает два инструмента Anthropic: Claude и агента Claude Code. Profound снял 24 135 ответов на одних запросах, и у двух инструментов разошёлся почти каждый показатель. Я прошёл по документации путь запроса в обоих инструментах. Для владельца сайта из разбора следуют три вещи: какие боты Anthropic заходят на сайт, что закрыть в robots.txt и как проверить заходы по access-логу.

https://habr.com/ru/articles/1082118/

#Claude #Claude_Code #Anthropic #AIпоиск #robotstxt #llmstxt #ИИкраулеры #WebFetch #GEO #логи_nginx

Собрал мониторинг упоминаний бренда в ChatGPT: три способа сбора данных показали три разные картины

Коротко: я снял ответы ChatGPT для клиента на 20 вопросов тремя способами. Бренд без подсказки прозвучал на одном вопросе из 19 в первом съёме и ни разу в двух других. У окна чата и API общих источников 17 из 49 и 68 доменов, поэтому способ съёма пишу рядом с каждой цифрой.

https://habr.com/ru/articles/1080900/

#ChatGPT #мониторинг_бренда #упоминания_бренда #AEO #GEO #AIпоиск #Python #парсинг #LLM #логи

Две страницы с 17-й позиции и нулём кликов дали больше цитирований ИИ, чем весь мой топ-5

Я исходил из простого допущения: сначала выводим страницу в топ поиска, а цитирование нейросетями подтянется следом — модель ведь тоже читает интернет. Допущение оказалось неверным. Взял один сайт, снял два среза данных и свёл их по URL. Ниже метод, код и результат, который меня удивил.

https://habr.com/ru/articles/1073316/

#GEO #AEO #цитирование_нейросетями #Search_Console #поисковая_оптимизация #AIпоиск #мониторинг_видимости #Perplexity #Алиса_AI #ChatGPT

Как я первый в Казахстане измерил ИИ видимость банков (и что из этого вышло)

Это моя первая публикация на Хабре, который я читаю уже лет 10... Так что, если честно, даже немного трясусь от волнения. Всё равно что смотреть футбол и выйти на поле в составе моего любимого Кайрата. Но постараюсь без лирики и перейду к делу. Итак, в 2026 году уже всем как будто понятно, что потенциальные клиенты всё чаще выбирают банк не в поиске, а в диалоге с нейросетью (хотя многие с этим до сих пор почему‑то спорят). На выходе клиент получает короткий список из трёх‑четырёх названий. Так как я занимаюсь аналитикой данных, мне стало интересно, по какому принципу этот список собирается, как эти данные обрабатываются, и кто вообще попадает в этот заветный шорт‑лист. Ниже я описываю, как за пару вечеров собрал на Python замер видимости банков Казахстана в пяти ИИ‑ассистентах, на что напоролся и к каким выводам в итоге пришел. Код и формулы прилагаю, цифры можно перепроверить, если у вас будет желание.

https://habr.com/ru/articles/1069776/

#LLM #нейросети #ChatGPT #Perplexity #Gemini #AIпоиск #Python #банки #Казахстан #аналитика_данных

Треть запросов ChatGPT к поиску — повторы. Разобрал 591 ответ: почему одних цитируют всегда, а других — через раз

Недавно в отраслевой рассылке SEOFOMO мелькнула цифра — ChatGPT в режиме поиска повторяет около 34% своих query fan-out. То есть когда вы задаёте разные вопросы, модель под капотом раскладывает их на под-запросы к поиску — и примерно треть этих под-запросов повторяется от промпта к промпту. Есть устойчивое ядро, которое крутится постоянно. Я работаю с видимостью брендов в нейросетях и сразу подумал: если ядро под-запросов стабильно, то и цитируемость источников не может быть равномерным шумом. Она должна расслаиваться — стабильное ядро сайтов, которые попадают в ответ почти всегда, и длинный хвост тех, кого система вспоминает через раз. Гипотезу можно проверить руками. Ниже — как я это сделал: замкнутый список из 16 брендов, шесть нейросетей, 591 обезличенный ответ и немного Python.

https://habr.com/ru/articles/1060008/

#AEO #GEO #AIпоиск #видимость_в_нейросетях #ChatGPT #Perplexity #query_fanout #алиса_ai #продвижение_в_нейросетях

Как быстро нейросети забывают источники: за месяц большинство теряется, но выжившие держатся долго

Два месяца назад я запустил повторный замер одних и тех же 20 промптов в двух ИИ-поисковых системах — хотел посчитать, с какой скоростью источники вымываются из цитируемой выдачи. Результат оказался неожиданно резким: за первый месяц ChatGPT перестаёт ссылаться примерно на три четверти доменов, которые цитировал в начале, Алиса AI — примерно на половину. А между первым и вторым месяцем распад почти останавливается. Ниже — как я это мерил, что получилось и почему на трёх точках во времени можно уверенно говорить про форму кривой, но нельзя — про точный коэффициент.

https://habr.com/ru/articles/1059530/

#citation_decay #AEO #GEO #AIпоиск #цитируемость #видимость_в_нейросетях #ChatGPT #Perplexity #алиса_ai #llm

Как измерить трафик из нейросетей в Яндекс.Метрике — и почему ChatGPT с Алисой в него не попадают

Я собрал в Я.Метрике сегмент по реферальным доменам ИИ-сервисов для своего небольшого сайта и прогнал его за четыре окна. Число получилось маленькое — 10 визитов из 634 за 90 дней. Но интереснее не само число, а то, что с ним по-честному можно делать, а что нельзя. Разобрался, почему любой такой замер по определению даёт оценку снизу: реальная величина всегда больше, а насколько — метод сказать не может.

https://habr.com/ru/articles/1058796/

#AEO #GEO #AIпоиск #вебаналитика #ЯндексМетрика #атрибуция_трафика #видимость_в_нейросетях #ChatGPT #Perplexity #Алиса

Как принудить нейросеть рассказать про ваш продукт. Часть 2 из 3

Начну с тезиса, который большинство классических сеошников и маркетологов, честно говоря, не очень любят. Но именно с него начинается понимание, что такое GEO на самом деле. Нейросеть не рекламирует ваш продукт — она пересказывает ценность вашей компании своими словами. Она не повторяет ваши рекламные лозунги, сколько бы раз вы их где-нибудь ни написали. То есть если вы сто раз напишете, что ваш сервис самый сервисный, качество самое качественное, а ассортимент самый многообразный — модель, скорее всего, вас даже не упомянет. Не потому, что вы плохие. А потому, что ей про вас нечего пересказать. Это сказано везде — значит, не сказано нигде.

https://habr.com/ru/articles/1056752/

#GEO #нейросети #нейровыдача #граундинг #фактчекинг #личный_бренд #Карта_смыслов #EEAT #AIпоиск #RAG

Два движка, два разных веба: почему ChatGPT-search и Яндекс-нейропоиск цитируют из 174 доменов только 7 общих

Я гоняю один и тот же пул из 60 промптов через шесть ИИ-движков раз в месяц — это часть мониторинга, который я веду для одной ниши. В какой-то момент решил не просто читать ответы, а посчитать, откуда движки берут источники. Ожидал разную выдачу по одной теме — обычное дело для поисковиков. Получил другое: два практически несвязанных множества доменов. Из 174 уникальных источников за последний срез общих оказалось 7. Расскажу, как я это посчитал, почему дело не в шуме прогона, а в архитектуре, и почему первый вывод оказался не там, где я его искал.

https://habr.com/ru/articles/1058190/

#AEO #GEO #AIпоиск #цитируемость #видимость_в_нейросетях #ChatGPT #коэффициент_Жаккара #источники #LLM #алиса

Цитата — это ещё не рекомендация: разбираю, что на самом деле двигает бренд в ответах ИИ

Я несколько месяцев мониторю, как ChatGPT, Perplexity, Gemini и «Алиса» отвечают на вопросы про бренды и продукты. И почти сразу упёрся в путаницу, которую тащат из классического SEO: считается, что «попасть в ответ ИИ» — это когда нейросеть поставила ссылку на твой сайт в списке источников. Ссылка есть — победа, ссылки нет — провал. На практике это две разные вещи, и меряются они по-разному. Есть цитата (citation) — сноска, ссылка на страницу как на доказательство. И есть упоминание (mention) — когда модель называет бренд прямо в тексте ответа, без всякой ссылки. Дальше я разберу на публичных данных двух исследований (Ahrefs и Profound) плюс на собственном замере, почему упоминание важнее цитаты и почему оптимизировать имеет смысл именно под него.

https://habr.com/ru/articles/1057060/

#AEO #GEO #AIпоиск #генеративная_оптимизация #цитируемость #упоминания_бренда #видимость_в_нейросетях #ChatGPT #Perplexity #LLM

GEO/AEO для B2B: почему AI почти не рекомендует ваш SaaS, даже если сайт сделан нормально

У B2B SaaS появилась новая проблема: можно сделать нормальный сайт, аккуратный лендинг, базовое SEO и контент - и всё равно не попадать в рекомендации ChatGPT, Gemini или Perplexity. Причина в том, что AI всё чаще выбирает не просто страницу, а собирает представление о бренде как об объекте знаний: через внешние источники, формулировки, отзывы, категории и контекст, в котором бренд цитируют. В статье разбираю, почему “хорошего сайта” уже недостаточно и что с этим делать на практике.

https://habr.com/ru/articles/1018650/

#GEO #AEO #AI_visibility #LLM #AIпоиск #B2B_SaaS #интернетмаркетинг #SEO #generative_search #ChatGPT

Как мы сделали гибридный AI-поиск по смыслу книг: двухконтурная архитектура и семантическое ранжирование

Всем привет! Меня зовут Яна Чеканова, я проджект-менеджер в red_mad_robot уже два года — и да, я не технарь, а филолог по образованию. Парадоксально, но именно это образование помогло мне в одном из самых технологичных проектов — создании AI-поиска для сервиса книги билайн. Идея родилась у команды билайна: они провели исследование и поняли, что большинство читателей не ищут конкретного автора или название, а ориентируются на настроение и ощущение от книги — «что-то атмосферное», «что-то как любимый роман». Так появилась гипотеза: сделать поиск, который понимает смысл запроса, а не только ключевые слова. Мы подключились, чтобы превратить эту идею в технологию: векторизовали метаданные полумиллиона книг, обучили LLM и собрали гибридную систему, которая подбирает литературу по смыслу и контексту — даже если запрос звучит просто как «что-нибудь про путешествия во времени». Рассказываю, как это было.

https://habr.com/ru/companies/redmadrobot/articles/987548/

#ai #ии #aiпоиск #книги #поиск #векторизация #гибридные_системы #технологии

Как мы учили AI-поиск в сервисе книги билайн понимать запросы вроде «хочу что-нибудь как Сумерки»

Всем привет! Меня зовут Яна Чеканова, я проджект-менеджер в red_mad_robot уже два года — и да, я не технарь, а филолог по образованию. Парадоксально, но именно это образование помогло мне в одном из самых технологичных проектов — создании AI-поиска для сервиса книги билайн. Мы подключились, чтобы превратить идею умного поиска по книгам в технологию: векторизовали метаданные полумиллиона книг, обучили LLM и собрали гибридную систему, которая подбирает литературу по смыслу и контексту — даже если запрос звучит просто как «что-нибудь про путешествия во времени». Рассказываю, как это было.

https://habr.com/ru/companies/redmadrobot/articles/968566/

#ai #ии #aiпоиск #билайн #книги #поисковые_технологии #векторизация #кейс #гибридные_системы #агенты

Создание Системы генерации ответов на истории тикетов поддержки (часть 2)

Привет, Хабр! Меня зовут Анатолий, занимаюсь автоматизацией бизнес-процессов и применением Искусственного Интеллекта в бизнесе. Кейсовая задача - создать Систему генерации ответов на основе существующей истории тикетов. При этом Система должна работать в закрытом контуре. В этой части переходим к семантическому поиску, контекстному сходству и SentenceTransformer.

https://habr.com/ru/articles/945404/

#искусственный_интеллект #искусственные_нейронные_сети #обработка_естественного_языка #natural_language_processing #поддержка_клиентов #поддержка_пользователей #большие_языковые_модели #автоматизация_бизнеса #aiпоиск #aiразработка

Как работает Web Guide от Google и чем он отличается от AI-поиска

Google снова меняет правила игры в поиске. В июле 2025 года компания представила экспериментальную функцию Web Guide, которая обещает переосмыслить классическую выдачу с «десятью синими ссылками». Это не просто очередной AI-слой поверх старого поиска, а попытка организовать результаты так, чтобы они стали понятнее и полезнее для сложных запросов. Но действительно ли Web Guide способен заменить AI-поиск и как он смотрится на фоне конкурентов вроде Perplexity или Bing Copilot?

https://habr.com/ru/companies/ru_mts/articles/933674/

#google #web_guide #искусственный_интеллект #машинное+обучение #машинное_обучение #AIпоиск