Игорь Градов
Игорь Градов
5 мин
text

Ahrefs проверила 15 млн запросов: 88% цитат в ИИ поиске идут из обычной выдачи

ИИ-поиск (AI search) цитирует не так, как вы думаете: Ahrefs проанализировала 15 миллионов точек данных и обнаружила, что самые популярные тактики оптимизации под ответы нейросетей не работают, а некоторые даже помогают конкурентам.

Ahrefs проверила 15 млн запросов: 88% цитат в ИИ поиске идут из обычной выдачи
Почему это важно

Пять распространённых рецептов «как попасть в ответ ChatGPT» проверены экспериментально на миллионах запросов и страниц, и ни один не дал обещанного результата, зато классическое SEO по-прежнему обеспечивает почти 9 из 10 цитирований.

Компания Ahrefs, один из крупнейших сервисов аналитики поисковой выдачи, опубликовала сводку по итогам более 50 собственных исследований ИИ-поиска. Данные охватывают 15 миллионов точек (запросов, страниц, цитирований) и проверяют пять утверждений, которые индустрия SEO повторяла без доказательств. Ниже разбираем каждый миф и то, что за ним стоит на самом деле.

Показатель Значение Источник
Общий объём данных 15 млн точек данных Ahrefs
Доля «best-of» списков среди цитируемых страниц ChatGPT 43,8% (750 промптов) Glen Allsopp / Ahrefs
Доля случаев, когда ИИ рекомендовал конкурента вместо автора списка 43% ответов (эксперимент с 34 списками на 5 доменах, 9 886 ответов) Mateusz Makosiewicz / Ahrefs
Файлы llms.txt, которые ни разу не были прочитаны 97% Ahrefs (137 000 сайтов)
Из прочитанных llms.txt доля, прочитанная НЕ ИИ-ботами 77% Ahrefs
Влияние schema-разметки на цитирование в AI Mode и ChatGPT за 30 дней Нет значимого роста Ahrefs (1 885 страниц + 4 000 контрольных)
Доля цитирований ChatGPT из обычного поискового индекса 88,46% (1,4 млн промптов) Ahrefs
Доля URL в AI Overviews, одновременно входящих в топ-10 выдачи около 38% (было около 76% годом ранее) Ahrefs (863 000 выдач, 4 млн цитирований)

Что именно проверяли?

Ahrefs взяла пять утверждений, которые часто звучат на конференциях и в блогах по SEO, и проверила каждое контролируемым экспериментом или анализом больших массивов данных.

  • Самопрезентационные списки («10 лучших инструментов», где автор ставит себя на первое место) якобы гарантируют упоминание бренда в ответах ChatGPT, Gemini, Perplexity и Copilot.
  • Файл llms.txt (специальный текстовый файл на сайте, который якобы помогает языковым моделям «увидеть» ваш контент) якобы необходим для видимости в ИИ-поиске.
  • Schema-разметка (JSON-LD, структурированные данные, которые сообщают поисковику, что именно описывает страница) якобы мгновенно повышает цитируемость в ответах нейросетей.
  • Позиция в классическом поиске якобы не важна для ИИ-поиска.
  • Топ-10 в выдаче Google якобы автоматически гарантирует попадание в ответы ИИ.

Методы: контролируемые эксперименты (публикация контента, замер «до и после»), анализ серверных логов 137 000 сайтов и обработка от 750 до 1,4 миллиона промптов к ChatGPT.

Пять выводов, каждый с цифрой

  • Списки «лучших» продвигают конкурентов, а не вас. В 43% ответов ИИ рекомендовал мероприятие конкурента вместо того, которое продвигал автор списка. ChatGPT использует статью как источник информации, но бренд автора в ответе не упоминает.
  • Файл llms.txt бесполезен. 97% таких файлов на 137 000 сайтов не были прочитаны ни ботами, ни людьми. Из тех, что прочитали, 77% трафика пришло не от ИИ-ботов, а от SEO-аудит-инструментов и платформ, изучающих само явление llms.txt. Исследователи назвали это «эффектом змеи, кусающей свой хвост».
  • Schema-разметка не даёт быстрого роста. За 30 дней после добавления JSON-LD ни в Google AI Mode, ни в ChatGPT значимого прироста цитирований не зафиксировано. В AI Overviews (блоки ответов Google в выдаче) наблюдалось небольшое снижение на 4,6%, но и контрольные страницы снижались, поэтому связать падение именно с разметкой нельзя.
  • Классический поиск по-прежнему главный канал для ИИ. 88,46% всех цитирований ChatGPT приходят из обычного поискового индекса. Reddit и YouTube подтягиваются, но цитируются редко.
  • Топ-10 больше не гарантия. Только около 38% URL, процитированных в AI Overviews, одновременно находились в топ-10 выдачи по тому же запросу. Годом ранее эта доля составляла около 76%. Google всё активнее использует «разветвление запроса» (query fan-out), подтягивая цитаты из смежных поисков, а не из прямого запроса пользователя.
Как это читать

Исследование проведено самой Ahrefs, и публикация была спонсирована компанией, то есть это не независимый аудит. Выборки различаются: от 750 промптов (списки) до 1,4 млн (классический поиск), поэтому степень статистической надёжности у каждого вывода разная. Данные получены на англоязычном рынке, аналогичных замеров для Яндекса, YandexGPT или GigaChat нет. Вывод про schema-разметку сам Ahrefs называет открытым вопросом: структурированные данные могут влиять на ИИ-поиск косвенно через граф знаний Google, но медленно.

Что это значит для вас?

Авторам Дзена. Если вы писали списки «10 лучших сервисов» и ставили свой продукт первым в расчёте, что ИИ-поиск подхватит именно вас, данные Ahrefs говорят: не подхватит, а может подхватить конкурента. Гораздо надёжнее добиваться упоминания вашего бренда в чужих авторитетных статьях: обзорах, подборках независимых авторов, отзывах.

Маркетологам. Файл llms.txt, который кто-то из подрядчиков мог предложить вам «для видимости в ИИ», по данным Ahrefs, не читается ботами в 97% случаев. Бюджет на его создание и поддержку рациональнее направить на техническую доступность существующего контента: скорость загрузки, чистую структуру страниц, корректную индексацию.

Предпринимателям в РФ и СНГ. Аналогичных публичных исследований для Яндекса и российских ИИ-ассистентов пока нет, поэтому переносить цифры Ahrefs один в один на рунет нельзя. Но базовая механика похожа: и YandexGPT, и GigaChat при генерации ответов опираются на поисковый индекс. Это значит, что классическое SEO (правильные ключевые слова, соответствие интенту запроса, техническая исправность сайта) остаётся фундаментом, а «быстрые хаки» под ИИ-поиск пока не подтверждены данными ни на одном рынке.

Мнение редакции dzen.guru

Я вижу здесь два практических урока. Первый: не стоит бросать ресурсы на тактики, которые продвигают как «новое SEO для ИИ», пока за ними нет проверенных данных. llms.txt, schema-разметка ради быстрого попадания в ответ нейросети, самопрезентационные списки, всё это, по замерам Ahrefs, не работает как обещано. Второй: ИИ-поиск пока не отменил обычный поисковый индекс, а паразитирует на нём. Почти 9 из 10 цитирований ChatGPT берёт из классической выдачи. Для автора это означает, что вкладываться нужно в качество контента и в то, чтобы о вашем продукте писали другие, а не только вы сами. По моим наблюдениям, это работает и в Яндексе, просто никто пока не опубликовал сопоставимый массив данных.

Самый неожиданный вывод: топ-10 Google за год потерял половину своего «веса» для ИИ-ответов. Если тренд продолжится, выигрывать в ИИ-поиске будут не те, кто занял первое место по конкретному запросу, а те, кого цитируют по целому кластеру смежных тем.

По данным Ahrefs

Поделиться:TelegramVK
Игорь Градов
Игорь Градов

Основатель dzen.guru. Эксперт по монетизации и продвижению на Дзен. Автор курса «Старт на Дзен 2026».

Комментарии

Читайте также

Google запустил третье спам-обновление за 2026 год: фильтр бьёт по всем языкам
text

Google запустил третье спам-обновление за 2026 год: фильтр бьёт по всем языкам

Google третьего августа запустил очередное спамовое обновление поискового алгоритма, и владельцам сайтов на русском языке стоит проверить трафик прямо сейчас,…

3 мин
Языковые модели нейросети хранят до 98% фактов, но теряют треть: список причин назвал Google
text

Языковые модели нейросети хранят до 98% фактов, но теряют треть: список причин назвал Google

Google опубликовала исследование, которое объясняет, почему продвинутые языковые модели нейросети «забывают» факты, которые точно выучили, и почему порядок…

5 мин
Видимость брендов в AI поиске
text

Видимость брендов в AI поиске

Отвечу строго по фактам из источника, дополнив пользой для российской аудитории. Компания Fractl проанализировала, какие бренды ИИ-модели рекомендуют чаще…

6 мин