Как ИИ выбирает, что цитировать

Два сайта с похожим контентом — а ChatGPT цитирует только один из них. Случайность? Не совсем. Хотя языковые модели не раскрывают точный алгоритм выбора источников, наблюдаемые закономерности позволяют понять, какие факторы повышают шансы компании попасть в ответ. Разбираем, по каким признакам ИИ-поисковики выбирают, что цитировать, этапы оптимизации под эти факторы и примеры для разных типов запросов.

Важная оговорка сразу в начале: ни одна компания, включая создателей самих языковых моделей, не публикует точную формулу выбора источников — отчасти потому, что сам механизм сложнее простого набора правил, а отчасти потому, что открытая формула сразу же стала бы объектом манипуляций со стороны недобросовестных сайтов. Тем не менее практика работы с десятками сайтов и регулярное тестирование запросов позволяют выделить устойчивые закономерности, которые действительно работают на практике, даже если точный вес каждого фактора остаётся неизвестным.

Ключевые факторы выбора источника

Как языковая модель вообще формирует ответ

Чтобы понять логику выбора источников, полезно в общих чертах представлять, как устроен сам процесс формирования ответа. Когда пользователь задаёт вопрос, система ищет среди данных, на которых она обучена, а в случае современных моделей с доступом к интернету — также среди свежих результатов поиска, наиболее релевантные фрагменты текста. Затем она синтезирует из этих фрагментов связный, естественный ответ, иногда прямо ссылаясь на конкретный источник, а иногда просто опираясь на информацию без явного указания происхождения. Именно поэтому сайт может «повлиять» на ответ модели, даже если прямая ссылка на него не появляется явно — информация со страницы просто становится частью общего понимания темы, из которого модель формулирует финальный текст для пользователя.

Этот процесс принципиально отличается от классического ранжирования в поиске, где алгоритм присваивает каждой странице числовую оценку и сортирует список по убыванию. В GEO нет единого числового рейтинга — есть вероятность, что конкретный фрагмент текста окажется достаточно подходящим, чтобы модель включила его в свой ответ или явно процитировала источник.

Этапы работы над факторами цитируемости

Примеры по типам запросов

Разница между цитированием и фоновым влиянием

Стоит различать два разных сценария того, как сайт может повлиять на ответ модели. Первый — прямое цитирование, когда модель явно ссылается на конкретный источник, иногда даже с указанием названия компании или ссылкой на страницу. Второй — фоновое влияние, когда информация с сайта становится частью общих знаний модели о теме, но явно не упоминается в конкретном ответе. Второй сценарий сложнее отследить, но он не менее важен: именно благодаря множеству таких фоновых источников модель в принципе понимает, какие компании существуют в конкретной нише и нужно ли их вообще упоминать, когда речь заходит о такой теме, как ваш бизнес.

Практический вывод из этого различия такой: бизнесу стоит стремиться не только к прямым ссылкам в ответах ИИ, но и к общему присутствию в информационном поле ниши — публикациям, обзорам, сравнениям, упоминаниям на сторонних площадках. Такое широкое присутствие постепенно формирует фоновое понимание моделью, что компания — заметный и значимый игрок на рынке, даже если отдельные ответы не всегда содержат прямую ссылку на сайт.

Почему разные модели могут давать разные ответы

Ещё одна особенность, которую важно учитывать, — разные ИИ-системы могут называть разные компании по одному и тому же вопросу. Это происходит потому, что каждая модель обучена на своём наборе данных, использует собственный механизм поиска актуальной информации и применяет разные внутренние критерии оценки источников. Компания, которая активно цитируется в ChatGPT, может быть почти незаметна для Perplexity, и наоборот. Именно поэтому полноценный GEO-аудит проверяет видимость сразу в нескольких системах, а не ограничивается одной — оптимизация под единственную платформу рискует оставить бизнес невидимым для пользователей других инструментов.

Разница в поведении моделей проявляется и в стиле формирования ответов. Одни системы охотнее дают прямые ссылки на источники прямо внутри текста, другие предпочитают формулировать ответ своими словами без явных отсылок, а некоторые показывают список источников отдельным блоком после основного ответа. Понимание этих различий помогает точнее интерпретировать результаты тестовых запросов при проведении GEO-аудита — отсутствие явной ссылки не всегда означает, что сайт вообще не был использован моделью при формировании ответа пользователю.

Что можно проверить самостоятельно уже сегодня

Базовую оценку текущей ситуации можно сделать без специальных инструментов и за один вечер. Задайте ChatGPT, Perplexity и Google AI Overviews пять-десять типичных вопросов, которые мог бы задать ваш потенциальный клиент: «какая компания в Алматы занимается разработкой сайтов», «сколько стоит внедрение CRM», «как выбрать подрядчика для техподдержки». Запишите, кого называет каждая система и приводит ли она ссылки. Затем повторите те же вопросы через месяц. Если вашей компании в ответах нет, а конкуренты регулярно присутствуют, вы получили конкретную отправную точку для работы, а не абстрактное ощущение отставания. Такая простая проверка не заменяет полноценный аудит, но уже даёт реальные данные для принятия решений.

Частые ошибки, снижающие шансы на цитирование

Отдельно стоит упомянуть роль экспертного авторства. Статья, подписанная конкретным специалистом с описанием его опыта, воспринимается как более достоверная, чем безымянный текст без указания источника знаний. Для компаний это означает, что на страницах услуг и в блоге полезно показывать реальных людей, их квалификацию и примеры выполненных проектов — такие сигналы помогают и посетителям сайта, и моделям, оценивающим надёжность источника.

Наконец, не стоит забывать и о единообразии информации: если на сайте, в карточке 2ГИС, в Google Business Profile и в соцсетях указаны разные адреса, телефоны или перечень услуг, модель получает противоречивые сигналы и с меньшей уверенностью упоминает компанию в ответе. Согласованные данные на всех площадках заметно усиливают доверие к бренду и повышают вероятность упоминания компании в ответах ИИ.

Частые вопросы

Понимание факторов цитируемости не даёт гарантированного результата, но заметно повышает шансы компании попасть в ответы ИИ-поисковиков. Со временем, по мере того как всё больше компаний начнут осознанно работать над этими факторами, конкуренция за цитирование в ответах ИИ будет только усиливаться — а значит, разумнее начинать выстраивать видимость уже сейчас, пока это направление остаётся относительно новым для большинства игроков рынка.

Подробнее о проверке текущей видимости и внедрении llms.txt — в статьях «GEO-аудит сайта» и «llms.txt: что это и как внедрить».