Цитируемость сайта в нейросетях: как её измерить и повысить

Цитируемость сайта в нейросетях это доля ответов, в которых модель приводит ссылку на ваш домен, от общего числа ответов на заданный набор вопросов. Метрика считается не по вашему сайту и не по логам сервера, а по тому, что видит пользователь: по списку источников под ответом, по сноскам в тексте, по карточкам ссылок в блоке цитирования. Все цифры в этом материале первичные: они получены Visiobrand на собственном мониторинге девяти AI-платформ за 30 дней.

Единица наблюдения здесь не страница и не запрос, а конкретный ответ конкретной платформы на конкретный вопрос в конкретный момент. Один и тот же вопрос, заданный дважды, часто даёт разные наборы источников. Поэтому цитируемость всегда величина статистическая: она имеет смысл только на большом числе повторов и превращается в шум, если считать её по одной проверке.

Второй важный момент: цитируемость всегда привязана к теме. Домен может быть в топе цитирования по вопросам о выборе сервиса и полностью отсутствовать в ответах о ценах или интеграциях. Поэтому набор вопросов, на котором вы считаете метрику, фактически и есть определение того, что вы измеряете.

Три метрики часто путают, хотя они описывают разные вещи.

Упоминаемость. Бренд назван в тексте ответа словами, ссылки при этом может не быть. Модель может назвать компанию по памяти, из обучающих данных, без обращения к веб-поиску. Упоминаемость отвечает на вопрос «знает ли модель про нас».

Цитируемость. Модель подставила в ответ ссылку на ваш домен. Это значит, что ваша страница была найдена в поиске платформы, прошла фильтр релевантности и оказалась достаточно пригодной, чтобы из неё собрали фрагмент ответа. Цитируемость отвечает на вопрос «берёт ли модель информацию с нашего сайта прямо сейчас».

Ссылочный вес. Классическая SEO-метрика: сколько внешних сайтов ссылаются на вас и насколько они авторитетны. Это накопительная характеристика домена в графе ссылок. Цитируемость накопительной не является: она пересчитывается на каждом ответе заново и может измениться за неделю в обе стороны, если платформа поменяла набор источников или ваш материал устарел.

Практическое следствие: рост ссылочного веса не гарантирует роста цитируемости, а рост цитируемости не требует новых внешних ссылок. Это разные воронки, и мерить их надо отдельно.

Самая полезная закономерность в наших данных выглядит так. Мы сопоставили ответы, где в источниках присутствует наш домен, и ответы, где его нет, по одному и тому же набору вопросов.

В ответах с цитатой нашего материала бренд назван в тексте в 75 до 100 процентов случаев в зависимости от платформы. В ответах без цитаты бренд назван в 5 до 35 процентов случаев.

Связь односторонняя. Цитата почти гарантирует упоминание: если модель взяла фрагмент с вашей страницы, она с высокой вероятностью назовёт и источник, и бренд, которому этот источник принадлежит. Обратное неверно: упоминание не гарантирует цитаты. Модель может назвать вас из обучающих данных или из чужого обзора, где вы перечислены, и ссылку при этом поставит не на ваш сайт.

Отсюда управленческий вывод. Упоминаемость это метрика результата, но управлять ей напрямую тяжело: она зависит от того, что модель усвоила месяцы назад. Цитируемость это метрика, на которую вы влияете содержанием сайта здесь и сейчас, и она тянет упоминаемость за собой.

Базовая формула простая:

Цитируемость = (число ответов, в источниках которых есть ваш домен) / (общее число полученных ответов), результат умножить на 100 и получить проценты.

Чтобы цифра была осмысленной, нужны четыре условия.

Фиксированный набор вопросов. Обычно от 50 до 150 формулировок, которые описывают, как ваша аудитория реально спрашивает про продукт, категорию и задачи. Набор нельзя менять между замерами, иначе вы будете сравнивать разные вещи. Новые вопросы добавляйте отдельной когортой и считайте по ним отдельную линию.

Повторы. Один вопрос надо задавать регулярно, лучше ежедневно. Выдача нестабильна, и разброс между двумя соседними проверками легко достигает десятков процентных пунктов. Наш стандартный горизонт для выводов это 30 дней и несколько тысяч проверок на платформу.

Разбивка по платформам. Складывать девять платформ в одну цифру бессмысленно, потому что они по-разному часто вообще приводят ссылки. Средняя по ним цитируемость скрывает и провалы, и точки роста.

Учёт ответов без источников. Если платформа ответила без ссылок вообще, этот ответ всё равно попадает в знаменатель. Иначе вы получите красивую, но бесполезную метрику «доля цитат среди ответов, где были цитаты».

Отдельно фиксируйте, какая именно страница процитирована. Домен в источниках отвечает на вопрос «нас видно», а конкретный URL отвечает на вопрос «что именно работает», и это второй показатель для планирования контента.

За 30 дней наблюдений по 150 отслеживаемым промптам и девяти платформам мы зафиксировали 317 045 цитат. Они пришлись на 7 978 уникальных доменов. Распределение сильно смещённое:

Двадцать доменов забирают почти половину рынка цитат, сто доменов забирают две трети. Оставшиеся почти восемь тысяч сайтов делят между собой треть.

Из этого следует нетривиальный вывод для контент-плана. Объём публикаций сам по себе не двигает цитируемость: тысячи доменов публикуют много и получают единичные цитаты. Двигает попадание в узкий круг площадок, из которых платформы регулярно собирают ответы по вашей теме. Стратегия «писать больше» проигрывает стратегии «разобраться, из каких двадцати источников собирается ответ по нашим вопросам, и оказаться среди них».

Второй срез тех же данных: сколько платформ цитируют один и тот же домен.

То есть у рынка есть общее ядро источников. 506 доменов из 7 978 признаются одновременно большинством платформ, а 21 домен присутствует в выдаче у всех девяти сразу.

Практический смысл: работа с площадкой из ядра окупается кратно, потому что публикация или упоминание там начинает работать одновременно на нескольких платформах, а не на одной. Обратная сторона: если по вашей теме ядро состоит из отраслевых каталогов и обзорных подборок, то без присутствия в них собственный блог будет расти медленно, каким бы качественным он ни был.

Для ориентира: наш собственный домен visiobrand.io за те же 30 дней процитирован 16 658 раз восемью платформами из девяти.

Это главная причина, по которой у цитируемости не бывает одной цифры. Ниже наши первичные данные за 30 дней: 150 отслеживаемых промптов, девять платформ.

Что из таблицы следует.

Платформы со ссылками почти всегда. Поиск с Алисой и Perplexity дают ссылки в 99,9 процента ответов, ChatGPT в 99,0 процента, Алиса AI в 97,5 процента, DeepSeek в 95,2 процента, Google AI Overviews в 93,9 процента. Здесь цитируемость это полноценная рабочая метрика, и её можно ставить в KPI.

Платформы с широким списком источников. Алиса AI приводит в среднем 17,8 источника на ответ, Perplexity 13,5, Поиск с Алисой 13,2. Широкий список означает, что порог попадания ниже: шанс оказаться в источниках выше, но и вес одной цитаты меньше. У ChatGPT (8,8) и Google AI Overviews (8,7) список заметно уже, и каждая позиция там ценнее.

Платформы, где цитируемость почти не измерима. У Gemini ссылки есть лишь в 34,9 процента ответов, а среднее число источников 0,7. Это значит, что в большинстве ответов ссылок нет вовсе, и знаменатель метрики почти пустой. Ставить цитируемость целью по Gemini бессмысленно: там надо работать с упоминаемостью, то есть с тем, названы вы в тексте или нет. Похожая ситуация у GigaChat: ссылки в 41,1 процента ответов и 1,3 источника в среднем.

Цитируемость и видимость не совпадают. У ChatGPT ссылки почти всегда (99,0 процента), а видимость бренда 11,9 процента: платформа охотно цитирует, но конкретно нас в этой теме подставляет редко. У GigaChat ссылок мало (41,1 процента), а видимость 25,8 процента: бренд называется текстом чаще, чем сопровождается ссылкой. Это две разные задачи, и решать их надо разными материалами.

Мы отслеживали, через сколько дней после публикации новый материал впервые появлялся в источниках ответа.

Что это значит для планирования.

Оценивать эффект публикации раньше чем через две недели преждевременно почти везде, а по Gemini горизонт оценки уходит за квартал. Если вы делаете контент под конкретное событие или сезон, публиковать надо минимум за три недели, иначе к моменту спроса материал ещё не будет в источниках.

Отсутствие цитат у DeepSeek за четыре месяца не означает, что платформа не приводит ссылки: по таблице выше видно, что ссылки там есть в 95,2 процента ответов, в среднем 9,3 источника. Означает это другое: набор источников у платформы обновляется медленно и смещён в сторону давно существующих страниц. Новый материал туда просто не успевает попасть в наблюдаемом окне.

Мы смотрим на то, какие фрагменты страниц модели вытаскивают в ответ. Повторяющиеся признаки такие.

Числа с единицами измерения. Формулировка «сокращает время подготовки отчёта с 4 часов до 25 минут» цитируется, формулировка «значительно ускоряет подготовку отчётов» не цитируется. Модели собирают ответ из фактов, которые можно перенести без искажения.

Таблицы сравнения. Строки таблицы это готовые самодостаточные утверждения, привязанные к сущности и параметру. Из таблицы легко взять одну строку и вставить в ответ, из сплошного текста нет.

Самодостаточные абзацы. Абзац, который понятен без предыдущих трёх, имеет шанс попасть в ответ. Абзац, который начинается со слов «как мы уже говорили выше», такого шанса не имеет. Правило простое: каждый абзац содержит субъект, действие и число или условие.

Явные ограничения. Формулировки вида «метод не подходит, если выборка меньше 100 наблюдений» цитируются охотно, потому что закрывают типовой уточняющий вопрос пользователя. Материал, где написано только про плюсы, в ответы попадает реже.

Свежесть. Дата публикации и дата обновления, проставленные в разметке и видимые на странице, влияют на отбор источников. Обновление существующего материала с сохранением URL обычно даёт результат быстрее, чем новая страница, потому что страница уже известна платформам.

Совпадение заголовка с формулировкой вопроса. Заголовок H1 и подзаголовки лучше писать так, как человек формулирует запрос в чате, целым вопросом или конструкцией «как сделать X». Абстрактные заголовки без ключевой сущности собирают меньше цитат.

Техническая доступность для AI-краулеров. Проверьте, что robots.txt не блокирует агентов AI-платформ, что страница отдаёт основной контент в HTML без обязательного выполнения JavaScript, что нет обязательной авторизации и агрессивной защиты от ботов на важных разделах. Это условие необходимое: если краулер не забрал страницу, никакая структура текста не поможет.

Файл llms.txt. Это самый живучий миф последних лет. Мы проверили его по логам собственного сайта: за период наблюдения зафиксировано 6 081 обращение AI-краулеров, из них 230 обращений к robots.txt и ноль обращений к llms.txt. Ни одна платформа файл не запрашивала. При этом наш домен за 30 дней процитирован 16 658 раз, то есть цитируемость достигается без него. Создать файл не вредно, но считать его инструментом влияния на цитируемость нельзя.

Плотность ключевых слов. Модель работает не с частотой вхождений, а со смыслом фрагмента. Переспам не поднимает шанс цитаты и ухудшает читаемость абзаца, из-за чего он хуже подходит для переноса в ответ.

Объём ради объёма. Материал на 20 тысяч знаков без фактов проигрывает материалу на 6 тысяч знаков с таблицей и числами. Концентрация цитат по доменам, которую мы привели выше, подтверждает это на уровне рынка: тысячи доменов публикуют много и остаются в хвосте распределения.

Разовые публикации на случайных площадках. Если площадка не входит в набор источников по вашей теме, публикация там на цитируемость не влияет вовсе.

Отдельный сценарий, который часто дешевле собственного контента. Посмотрите на список источников по вашим вопросам. Если ответ регулярно собирается из чужих обзоров, подборок, каталогов и отраслевых справочников, то попасть в эти материалы быстрее, чем вывести в источники свою страницу.

Порядок действий такой.

1. Соберите по каждому вопросу полный список процитированных доменов за последние 30 дней.
2. Отсортируйте по числу цитат и оставьте домены, которые встречаются у трёх и более платформ. Это ваш рабочий список.
3. Разделите его на три группы: площадки, где вас уже упоминают, площадки, где вас можно добавить (обновляемые подборки, каталоги, справочники, сравнения), и площадки, куда попасть нельзя (сайты конкурентов, закрытые ресурсы).
4. По второй группе выясните условия попадания и обновления материала. Обновляемая подборка, куда вас добавили, начинает работать сразу для всех платформ, которые её цитируют.
5. Проверьте эффект через 30 дней по той же метрике: доля ответов, где ваш домен или ваше название присутствуют.

Важное ограничение: цитата чужого обзора приносит упоминание бренда, но не цитату вашего домена. Обе метрики надо вести параллельно, иначе картина будет неполной.

Неделя 0. Подготовка. Соберите 50 до 150 вопросов, разбитых по группам: категория продукта, выбор и сравнение, цена и условия, задачи и сценарии, проблемы и ошибки. Зафиксируйте список и заморозьте его на месяц. Определите список платформ, которые важны вашей аудитории. Для российского рынка это как минимум Алиса AI, Поиск с Алисой, Google AI Overviews, ChatGPT, GigaChat.

Неделя 1. Базовая линия. Запустите ежедневные проверки всех вопросов на всех платформах. По итогам недели посчитайте три числа: доля ответов со ссылками, доля ответов с вашим доменом в источниках, доля ответов с текстовым упоминанием бренда. Отдельно выгрузите топ-50 цитируемых доменов по вашим вопросам.

Неделя 2. Диагноз и работа с контентом. Разделите вопросы на три корзины. Первая: ссылки есть, нас нет. Здесь нужен свой материал в нужном формате. Вторая: ссылок нет вообще (типично для Gemini и GigaChat). Здесь работаем на упоминаемость, а не на цитаты. Третья: нас цитируют. Здесь фиксируем, какие страницы работают, и повторяем формат. Параллельно проверьте robots.txt и доступность страниц для краулеров.

Неделя 3. Публикации и правки. Обновите существующие страницы под вопросы из первой корзины: добавьте числа, таблицы сравнения, самодостаточные абзацы, явные ограничения, актуальную дату. По возможности сохраняйте URL, а не плодите новые страницы. Одновременно запустите работу по внешним площадкам из рабочего списка.

Неделя 4. Первая оценка. По Алисе и Perplexity эффект уже виден: их характерное время до первой цитаты 7 и 13 дней. По ChatGPT ждите к концу третьей недели. По Gemini и DeepSeek на этом горизонте выводов не делайте. Зафиксируйте дельту по каждой платформе отдельно и повторите цикл.

Ручной замер такого объёма нереалистичен: даже 100 вопросов на 5 платформ ежедневно это 15 тысяч проверок в месяц. Visiobrand считает эти метрики автоматически: посмотреть, как это выглядит на ваших вопросах, можно в демо-доступе на 5 дней с 25 промптами, а объёмы проверок по тарифам описаны на странице тарифов.

• Зафиксирован набор из 50 до 150 вопросов, он не меняется между замерами.
• Проверки идут ежедневно, выводы делаются на окне не меньше 30 дней.
• Метрика считается отдельно по каждой платформе, а не средней по всем.
• В знаменатель включены ответы без источников.
• Отдельно ведутся две метрики: цитируемость домена и упоминаемость бренда.
• Собран список топ-50 доменов, которые цитируются по вашим вопросам.
• Из него выделены площадки, где вас можно добавить в существующий материал.
• В robots.txt нет запрета для агентов AI-платформ, основной контент отдаётся в HTML.
• На ключевых страницах есть числа с единицами, таблица сравнения, самодостаточные абзацы и раздел про ограничения.
• Даты публикации и обновления проставлены и видны на странице.
• Заголовки сформулированы так, как звучит вопрос пользователя.
• По Gemini и GigaChat цель поставлена по упоминаемости, а не по цитируемости.
• Эффект публикации оценивается не раньше чем через 14 дней.
• llms.txt не входит в план работ как инструмент влияния на цитируемость.