Продвижение в нейросетях: больше 80% ссылок ИИ ведут на чужие сайты, но это не довод уходить во внешние публикации

Я разобрал два исследования про то, как устроен нейропоиск — NP Digital и Grow and Convert. Оба про то, на какие страницы ведут ссылки-источники под ответами нейросетей. У NP Digital на коммерческих вопросах по 400+ крупным брендам 82% ссылок ведут на чужие сайты. У Grow and Convert на вопросах одного B2B-клиента таких 85%. Но в том же исследовании Grow and Convert в 87% ответов, где клиента назвали, среди источников был его собственный сайт. Для продвижения бренда в нейросетях из этого следует важный нюанс: выбирать между своим сайтом и внешними публикациями приходится по каждой теме отдельно.

Как NP Digital и Grow and Convert считали ссылки под ответами ИИ

NP Digital собрали 9 млн ответов с девяти платформ. Своим страницам брендов на коммерческих вопросах досталось 3% ссылок, на навигационных и информационных до 13%. В ответах, где процитирована своя страница бренда, его видимость выше в 5 раз. С чем сравнивали, не сказано, определений коммерческого вопроса и видимости тоже нет.

Grow and Convert разбили 112 вопросов клиента на 24 темы и задавали каждый пяти ИИ-сервисам раз в неделю, 52 недели. Это 29 120 ответов, а в исследовании около 15 000, и как так вышло, авторы не объясняют. Клиента назвали в 7 779 ответах. Когда в источниках стоял его сайт, его называли в 51–90% ответов, в зависимости от сервиса. Когда вместо сайта стояла сторонняя страница с упоминанием клиента, называли в 5–28%. Авторы сами пишут, что в другой компании и отрасли картина может быть иной.

Доля ссылок и доля упоминаний бренда — разные числа

Для выбора отсюда важно одно: 82% и 85% показывают, какие страницы ИИ указывает источниками, но не показывают, когда он называет бренд. Эти доли посчитаны среди ссылок под ответами (у NP Digital — на коммерческих вопросах), а прочитал ли ИИ страницу целиком, по ссылке не видно. 87% посчитано только среди ответов, где клиента назвали.

87% легко прочитать задом наперёд. Это доля ответов с сайтом клиента среди тех, где клиента назвали. Как часто клиента называли, когда его сайт стоял в источниках, — другое число: от 51% до 90% по сервисам, на Perplexity примерно в половине ответов. Сайт в источниках не гарантировал упоминания даже этому клиенту.

С пятикратной цифрой NP Digital похожая история. 3% посчитаны среди ссылок на коммерческих вопросах, у 5x не сказано, на каких вопросах и с чем сравнивали. Выборки разные, и вывод, что своих цитат мало, но они весомее, из этих двух чисел не собирается.

Как выбрать между своим сайтом и внешними публикациями по одной теме

Правила из этих работ не выходит, поэтому дальше мой рабочий порядок — гипотеза, которую стоит проверить на своих ответах. Тема — группа близких вопросов ниши, и по каждой я задаю три вопроса.

1. Есть ли на сайте страница, которая прямо отвечает на вопрос темы. Нет — начинаю с неё. Тот же порядок Grow and Convert называют своим убеждением, а их данные — это один клиент.

2. Попадает ли эта страница в источники, если задать вопросы темы несколько раз. Нет — разбираю саму страницу: отвечает ли она на вопрос в том виде, как его задают, или говорит о соседнем. Размещения на это время откладываю. Доказательства у меня нет, только соображение: свою страницу поправить быстрее, чем договориться с площадкой.

3. Кого ИИ указывает источниками на вопросах выбора вроде «какой сервис взять». Своя страница в источниках есть, а рядом одни чужие подборки — туда пробую внешние публикации. NP Digital советуют вкладываться в такие размещения отдельно и сайт при этом не бросать.

Слабое место порядка в том, что он опирается на одного клиента Grow and Convert. У крупных брендов из выборки NP Digital своя страница на коммерческих вопросах получает 3% ссылок, и для продвижения сайта в нейросетях на таких вопросах третий шаг может оказаться самым важным. Какой случай у вас, покажут ваши же ответы.

Почему сайт в источниках ещё не причина упоминания бренда

В описаниях обеих работ нет эксперимента, это наблюдения, и у сайта в источниках с названным брендом может быть общая причина. Вопрос и так про предмет бренда, тогда его страница подходит под ответ, а название просится в текст. Модель могла знать бренд из обучения или из чужих текстов. Были ли в наборе Grow and Convert вопросы с названием бренда, не сказано. В описаниях не сказано, что страницу добавляли и смотрели, как изменились ответы.

Ответа на один вопрос я не нашёл ни в одном тексте. Может быть, своя страница в источниках лишь отмечает то, что модель и так знала о бренде? Тогда новая страница мало что добавит к видимости бренда в нейросетях, если модель о нём не слышала. Может быть и наоборот. Данных, чтобы выбрать, нет, поэтому 51–90% и 5–28% я читаю как наблюдение об ответах одного клиента.

Как посчитать на своих ответах долю своих ссылок и упоминания бренда

Нужен CSV, где строка — один ответ нейросети: answer_id, topic, citations (сколько ссылок под ответом), own_citations (сколько из них на ваш сайт). Ещё две колонки: mentioned — назван ли бренд, third_with_brand — есть ли в источниках сторонняя страница с брендом; обе колонки 0 или 1. Своя и сторонняя страница могут стоять в одном ответе, поэтому в группу сравнения идут ответы со сторонней страницей с брендом и без своей. Grow and Convert пишут о сторонней странице вместо своей, а исключали ли ответы с обеими, не уточняют.

import pandas as pd

df = pd.read_csv("answers.csv")


def share(num, den):
    return num / den if den else float("nan")  # пустая группа: нет данных


own = df["own_citations"] > 0                 # своя страница в источниках
third = ~own & (df["third_with_brand"] == 1)  # сторонняя с брендом, своей нет

rows = []
for topic, g in [("все темы", df), *df.groupby("topic")]:
    o, t = own[g.index], third[g.index]
    rows.append({
        "topic": topic,
        "own_share": share(g["own_citations"].sum(), g["citations"].sum()),
        "n_own": o.sum(),
        "mention_if_own": share(g.loc[o, "mentioned"].sum(), o.sum()),
        "n_third": t.sum(),
        "mention_if_third": share(g.loc[t, "mentioned"].sum(), t.sum()),
    })
print(pd.DataFrame(rows).round(2).fillna("нет данных").to_string(index=False))

Если ссылок нет или группа пуста, вместо доли стоит пометка об отсутствии данных. Ноль значил бы, что бренд ни разу не назвали, а тут просто не на чем считать. Размер группы стоит рядом, в n_own и n_third. Условный пример, не замер: в теме три ответа со своей страницей, бренд назван в двух, доля 0,67, и при трёх ответах выводов из неё не сделать.

Своих цифр в статье нет, код нужен для ваших ответов. Возьмите тему, по которой сейчас решаете, писать страницу или платить площадке. Задайте её вопросы в тех ИИ-сервисах, которыми пользуются ваши клиенты, руками в чате или через API с включённым поиском, по несколько раз каждый: по одному ответу картину не увидеть. Шесть колонок проще разметить руками в таблице, открывая каждый ответ.