Цитирование источников ИИ: формула, которая сохраняет доверие читателя

Исследователи Шрирам Сельвам и Аннесва Гош протестировали, как изменение одного параметра источника влияет на то, процитирует ли его ИИ-поисковый агент (программа, которая сама ищет информацию в сети и формирует ответ). Работа проведена на агенте GPT-5.4 с поисковым провайдером Exa, на 129 вопросах и 113 парах страниц. Результаты важны для всех, кто публикует контент и хочет, чтобы нейросети на него ссылались.

Что понадобится

• Доступ к любому ИИ-чату с поиском: ChatGPT, Perplexity, Google Gemini или их аналоги в РФ (YandexGPT, GigaChat)
• Текстовый редактор для оформления ссылок (Google Docs, Notion, Word)
• Понимание базовой структуры: заголовки, списки, таблицы в тексте
• 15 минут на первую практику

Пошаговая инструкция

1. Зафиксируйте, что именно сказала нейросеть. Скопируйте ответ целиком. ИИ-модели нестабильны: по данным исследования, при повторном прогоне тех же 120 ответов решение «цитировать или нет» конкретную страницу менялось в 15% случаев. Один ответ не основание для выводов. Отчёт SparkToro за январь 2025 года подтверждает: ChatGPT и AI Overviews от Google выдавали одинаковый список брендов менее чем в 1% случаев при повторе того же промпта (текстовой команды для нейросети).

2. Проверьте первоисточник, на который ссылается модель. Если нейросеть дала ссылку, откройте её и убедитесь, что факт там есть. Галлюцинация (когда ИИ уверенно выдумывает то, чего не было) остаётся нормой, а не исключением.

3. Укажите и нейросеть, и реальный источник. Формула цитирования источников ИИ выглядит так:

Факт [первоисточник: название, автор, дата].
Получен через [название нейросети, дата запроса, промпт].

Пример оформления:

По данным препринта Сельвама и Гош (arXiv, 14 сентября 2025),
структурированные страницы получали в среднем на 0,50 маркера
цитирования больше, чем те же страницы в формате сплошного текста
(95%-й доверительный интервал: от 0,20 до 0,84).
Факт получен через ChatGPT, запрос от [дата], промпт:
«Какие факторы влияют на цитирование ИИ-поиском?»

1. Отметьте статус источника. Препринт без рецензирования, корпоративный отчёт, рецензированная статья: разница принципиальна. Исследование, на которое опирается эта инструкция, не прошло рецензирование и покрывает один поисковый агент, а не весь рынок.

2. Структурируйте свой текст для будущего цитирования. Исследование показало: страницы с заголовками и списками получали больше маркеров цитирования от модели. Но тут важен нюанс. Обе версии текста (структурированная и сплошная) были сгенерированы нейросетью Grok 4.3, то есть различалась не только разметка, но и формулировки. Авторы прямо оговаривают: тест сравнивает два варианта рерайта, а не изолирует чистое влияние форматирования.

3. Не выдавайте корреляцию за причину. Отчёт Ahrefs за май 2025 года показал, что страницы, которые цитирует ИИ, примерно в три раза чаще содержат разметку JSON-LD (структурированные данные для поисковиков). Но добавление такой разметки само по себе не увеличивало цитируемость. Корреляция и причина не одно и то же.

Что делать с этим прямо сейчас?

Автору Дзена. Каждый раз, когда берёте факт из нейросети, добавляйте реальный первоисточник. Это не формальность: читатель всё чаще проверяет. Структурируйте свои статьи заголовками и списками. По данным исследования, это увеличивает шанс, что ИИ-поисковик сошлётся именно на вашу страницу, хотя эффект на попадание в цитаты (плюс 4,5 п.п.) пока статистически не подтверждён.

Маркетологу. Не стройте стратегию на одном снимке выдачи ИИ. Повторите запрос три раза в разные дни и сравните. Vendor-отчёт, показывающий корреляцию (как пример с JSON-LD от Ahrefs), не доказывает, что изменение переменной даст результат.

Предпринимателю в РФ. Исследование проведено на GPT-5.4 с англоязычным поиском Exa. Для российского рынка прямых данных нет. Но принцип переносим: если вы хотите, чтобы YandexGPT или GigaChat корректно ссылались на ваш сайт, структура текста и проверяемые факты работают в любой языковой среде.

Главное, что стоит запомнить: цитирование источников ИИ это двойная ссылка, на реальный первоисточник и на путь через нейросеть. Один ответ модели не доказательство, а отправная точка для проверки.