Почему ИИ советует конкретно эти компании: какие источники реально попадают в ответы AI-систем

Исследование RECOMO: 72 ответа 6 AI-систем, 382 брендовых упоминания и 427 видимых ссылок проявили, что новейшую «выдачу» сформировывают не только лишь веб-сайты компаний и СМИ (Средства массовой информации, масс-медиа — периодические печатные издания, радио-, теле- и видеопрограммы). В 73,3% ссылочных возникновений помощники обращались к маркетплейсам, дилерам и спец каталогам.

В прошлом материале для SEOnews я разбирал, какие цифровые сигналы, возможно, влияют на советы ChatGPT. Основной вывод тогда был усмотрительным: полного метода мы не знаем, но можем следить ответы, источники и повторяющиеся закономерности.

Сейчас мы решили проверить догадки на данных. RECOMO проанализировала, какие компании именуют различные AI-системы в настоящих сценариях выбора и какие странички они демонстрируют как источники. Итог оказался наименее комфортным, но наиболее полезным, чем обычная формула «публикуйтесь в СМИ (Средства массовой информации, масс-медиа — периодические печатные издания, радио-, теле- и видеопрограммы) и улучшайте веб-сайт».

Поначалу принципиальное ограничение: ссылка не равна причине советы

Если AI-система поставила рядом с утверждением ссылку, мы лицезреем источник, которым она подкрепила определенный ответ. Но мы не можем обосновать, что конкретно эта страничка вначале «обучила» модель советовать бренд либо была единственной предпосылкой выбора.

У генеративного поиска есть несколько различных слоев: пуск веб-поиска, извлечение кандидатов, выбор источников, формирование ответа, цитирование и фактическое внедрение инфы из странички. В исследовательской литературе крайние два шага уже делят на citation selection и citation absorption: источник быть может показан юзеру, но практически не воздействовать на формулировку, и напротив.

Потому дальше идет речь о видимом источниковом слое ответов, а не о раскрытии внутреннего метода ChatGPT, Алисы либо иной системы.

Как было устроено исследование

Главный массив собран 28 июля 2026 года в группы авто аксессуаров. Мы избрали 12 коммерческих и информационно-коммерческих сценариев: надежность производителей, соотношение цены и свойства, антикоррозийная защита, премиальные быстросъемные решения, подбор под Haval Jolion, Geely Monjaro и BMW X5, электрика, сопоставимость, отзывы и история бренда.

Любой сценарий был проверен в 6 системах: ChatGPT, Gemini, Claude, Perplexity, Алиса и GigaChat. В итоговую матрицу вошли 72 первых ответа – по одному на каждую пару «система – сценарий».

В любом ответе фиксировались:

• нареченные бренды и их позиции;

• наличие прямой советы;

• аргументы выбора;

• видимые URL и домены;

• точность фактов, дифференциация и значительные ошибки.

Всего в 72 ответах было зафиксировано 382 брендовых упоминания. Видимые ссылки присутствовали в 35 ответах. В их мы извлекли 427 ссылочных возникновений, ведущих на 215 неповторимых URL на 93 доменах. Домены кодировались вручную по роли странички в исследуемом массиве; для смешанных площадок учитывалась основная функция определенного источника.

Платформы демонстрировали неодинаковое число ссылок: 281 ссылочное возникновение пришлось на Алису, 111 – на Perplexity и 35 – на ChatGPT. Потому совокупное распределение ниже обрисовывает практически отображенный источниковый слой, но не является равновзвешенным сопоставлением платформ.

Добавочно употреблялся контрольный массив из иной отрасли: 36 ответов ChatGPT и 180 рейтинговых позиций по сценариям выбора личных клиник Москвы. Этот массив посодействовал проверить, сводится ли AI-видимость к размеру бизнеса, но не врубался в расчет толикой источников.

Итог № 1. Большая часть видимых ссылок ведет не на веб-сайты брендов и не в СМИ (Средства массовой информации, масс-медиа — периодические печатные издания, радио-, теле- и видеопрограммы)

Наибольшая группа – маркетплейсы, дилеры и спец сборники. На нее пришлось 313 из 427 ссылочных возникновений, либо 73,3%.

>Официальные веб-сайты брендов и производителей получили 47 возникновений, либо 11%. Столько же пришлось на редакционные, рейтинговые и пользовательские площадки. Еще 20 ссылочных возникновений, либо 4,7%, вели на нерелевантные либо разноплановые странички.

Доменные толики дают похожую картину. Из 93 неповторимых доменов 58 относились к маркетплейсам, дилерам и спец каталогам. Это 62,4% всего источникового поля.

Набросок 1. Распределение 427 видимых ссылочных возникновений по типам источников

Почему коммерческие посредники оказались так приметны? В продуктовых сценариях конкретно их странички нередко содержат то, чего же нету на корпоративном веб-сайте в одном месте: четкий артикул, сопоставимость с моделью и годом кара, тип крепления, нагрузку, стоимость, наличие, отзывы и кандидатуры.

Это не всепригодная любовь ИИ к маркетплейсам. Быстрее, источник соответствует намерению юзера. Когда вопросец звучит как «что подойдет к определенной машине», карточка продукта либо каталог время от времени отвечает на него поточнее обзорной статьи.

Таковой вывод согласуется с исследованием гостиничного рынка Токио, размещенным в 2026 году. Создатели проанализировали 1 357 цитирований Gemini и проявили: транзакционные запросы и запросы, связанные с впечатлениями, приводят к различным типам источников. Другими словами, вопросец юзера меняет не только лишь ответ, да и источниковую среду вокруг него.

Итог № 2. Официальный веб-сайт остается базой фактов, но изредка закрывает весь выбор

Низкая толика официальных веб-сайтов не значит, что они не важны. В нашей выборке они появлялись как источник доказательства черт, технологии производства, гарантии, сертификатов, истории бренда и связи меж компаниями.

Неувязка возникает, когда официальный веб-сайт умеет лишь заявлять: «мы высококачественные», «мы фавориты», «у нас большенный ассортимент». Для советы этого недостаточно. AI-системе необходимы извлекаемые ответы на определенные вопросцы:

• чем продукт различается от альтернатив;

• для какого сценария он подступает;

• какие ограничения есть;

• какие числа и документы подтверждают заявление;

• как соединены бренд, компания, прежнее заглавие и продуктовые линейки.

В исследовании 2026 года по citation absorption был получен близкий вывод: странички с высочайшим фактическим воздействием на ответы почаще были длиннее, лучше структурированы и содержали определения, числа, сопоставления и пошаговые разъяснения. Означает, задачка корпоративного веб-сайта – не попросту быть легкодоступным для обхода, а становиться комфортной базой доказательств.

Итог № 3. Независящие источники необходимы для сопоставления, а не для подмены собственного веб-сайта

Редакционные, рейтинговые и пользовательские площадки получили те же 11% ссылочных возникновений, что и официальные веб-сайты, но обеспечили наиболее обширное обилие доменов: 19 против 9.

Их роль различается. Корпоративный веб-сайт докладывает, что компания существует и что конкретно она дает. Наружная площадка помещает бренд в конкурентноспособный контекст: ассоциирует, разъясняет плюсы и минусы, указывает пользовательский опыт и подтверждает, что о компании молвят не только лишь ее собственные рекламщики.

Но слово «независящий» тоже просит осторожности. В выдачу попадали рейтинги без прозрачной методологии, статьи продавцов, отзывы на маркетплейсах и пользовательские публикации. Наличие наружной ссылки {само по себе} не делает утверждение надежным.

Для бизнеса практический вывод таковой: нужен не наибольший размер упоминаний, а согласованная система источников различного предназначения. Официальный веб-сайт отвечает за факты. Сборники и площадки – за доступность и конкретику предложения. Проф медиа и экспертные материалы – за контекст и разъяснение компетенций. Отзывы и общества – за опыт использования и репутационные сигналы.

Итог № 4. Количество ссылок не гарантирует точность ответа

Видимые источники были распределены меж платформами очень неравномерно. ChatGPT показал ссылки в 11 из 12 ответов, Perplexity и Алиса – во всех 12. В зафиксированных ответах Gemini, Claude и GigaChat прямых URL не было.

Набросок 2. Число ответов с отображенными URL по каждой платформе (из 12)

Ноль в данной таблице недозволено трактовать как «система не употребляла внешнюю информацию». Он значит лишь, что в определенном интерфейсе и режиме мы не узрели URL. Платформы по-разному решают, когда запускать поиск, сколько источников демонстрировать и как оформлять ссылки. К примеру, OpenAI прямо показывает, что ChatGPT может конвертировать запрос юзера в несколько запросов в поисковике, получить результаты и сгенерировать ответ со ссылками на источники.

Еще важнее другое: огромное количество ссылок не гарантировало отсутствие ошибок. В нашей узенькой выборке системы время от времени подкрепляли ссылками неточную географию бренда, спорные рейтинги и неурядицу меж связанными компаниями. Потому считать цитаты без проверки того, что конкретно из странички попало в ответ, методологически недостаточно.

Итог № 5. Неясная архитектура бренда делает настоящий информационный шум

В 4 из 35 ответов с видимыми источниками встречались нерелевантные либо разноплановые домены. Самый показательный пример – совпадение наименования ORIS с часовым брендом Oris. В источниковый слой попадали магазины часов и материалы, не имеющие дела к авто фаркопам.

Схожая неувязка возникает не только лишь у схожих заглавий. Генеративные системы могут путать старенькый и новейший бренд, производителя и дистрибьютора, холдинг и клинику, продуктовую линейку и самостоятельную компанию.

Контрольный мед массив показал ту же делему с иной стороны: ИИ мог делить единый брендовый контур на несколько сущностей либо соединять связанные наименования. При всем этом один малогабаритный амбулаторно-госпитальный центр получил 11 упоминаний, а некие наиболее большие сети не вошли в 1-ые 5 советов. Размер бизнеса сам по для себя не гарантирует понятность бренда для модели.

Из чего же на практике складывается AI-рекомендация

По результатам исследования недозволено вывести одну «магическую» площадку. Быстрее, рекомендация собирается из 4 слоев.

1. Слой официальной правды. Веб-сайт компании, документы, карточки услуг и товаров, история, свойства, география и контакты.
2. 2. Слой коммерческой действительности. Сборники, дилеры, маркетплейсы, наличие, цены, артикулы, сопоставимость и определенные варианты покупки.
3. Слой сопоставления и доверия. Проф СМИ (Средства массовой информации, масс-медиа — периодические печатные издания, радио-, теле- и видеопрограммы), обзоры, рейтинги с понятной методологией, отраслевые площадки, отзывы и общества.
4. Слой сущностей. Единое написание бренда, связь с юридическим лицом, холдингом и суббрендами, прежние наименования, отсутствие противоречий меж площадками.

Если 1-го слоя нет, модель достраивает картину по остальным. Время от времени удачно, время от времени – с ошибкой.

Что бизнесу созодать уже на данный момент

1-ое – не делать принимать GEO как публикацию нескольких «оптимизированных под ИИ» статей. Генеративный поиск работает с экосистемой, а не с одной страничкой.

2-ое – поделить пользовательские запросы по намерению. Для транзакционного вопросца важны карточки, свойства и доступность. Для экспертного выбора – сопоставления, кейсы и разъяснения. Для репутационного вопросца – наружные доказательства и отзывы.

Третье – создать корпоративный веб-сайт источником проверяемых фактов. У всякого важного утверждения должны быть число, документ, методика, дата либо определенный пример.

4-ое – управлять присутствием на наружных площадках. Сборники, отраслевые медиа и рейтинги не взаимозаменяемы: любой тип источника закрывает собственный вопросец юзера.

5-ое – определять не только лишь количество цитат. Наиболее полезные характеристики: толика сценариев, в каких бренд возникает; позиция; причина советы; устойчивость при повторах; точность фактов; свойство источников; и фактическое «поглощение» инфы из странички в ответ.

Вывод

ИИ не выбирает компанию по одному сигналу. Он собирает рекомендацию из того цифрового мира, который бизнес и рынок уже сделали вокруг бренда.

Наше исследование показало, что в товарной группы основную часть видимого источникового слоя заняли маркетплейсы, дилеры и спец сборники. Но официальный веб-сайт оставался базой четких фактов, а наружные редакционные и пользовательские площадки давали сопоставление и доказательство.

Потому новенькая задачка маркетинга обширнее SEO и обширнее PR. Необходимо выстроить согласованную систему доказательств, в какой компания сразу понятна, доступна, сравнима и доказана.

Вопросец сейчас звучит не только лишь так: «На каком месте наш веб-сайт?»

Он звучит по другому: «Из каких источников искусственный ум собирает представление о нашей компании – и хватает ли ему оснований советовать нас?»

Методологические ограничения

Исследование отражает ответы определенных систем в избранных интерфейсах, сценариях и критериях замера на одну дату. Версии моделей и режим веб-поиска были зафиксированы не для всех запусков, потому сопоставление платформ носит диагностический, а не рейтинговый нрав. Один ответ на пару «платформа – сценарий» не определяет устойчивость каждой платформы. Толики типов источников рассчитаны лишь по 35 ответам, в каких были отображены URL, относятся к одной товарной группы и взвешены по фактическому числу ссылок, а не поровну по платформам. Для причинных выводов необходимы повторные замеры, однообразные режимы поиска, доп отрасли и управляемые конфигурации контента.

Источники и материалы

1. OpenAI. ChatGPT Search. Открыть источник

2. Aggarwal P. et al. GEO: Generative Engine Optimization. Открыть источник

3. Zhang K., He X., Yao J. From Citation Selection to Citation Absorption. Открыть источник

4. Martinez O. Optimizing Visibility in Generative Engines: A Critical Survey of GEO (2023-2026). Открыть источник

5. Zhu P., Chang S. The End of Rented Discovery: How AI Search Redistributes Power Between Hotels and Intermediaries. Открыть источник

6. Сергей Семёнов. Как ChatGPT выбирает компании для советов. Открыть источник

7. RECOMO. Какие личные поликлиники Москвы и Подмосковья почаще советует ChatGPT. Открыть источник