Почему ИИ отвечает о вашем продукте общими словами
Причин две, и обе технические. Первая: нейросеть читает не весь сайт, а несколько найденных фрагментов. Если в этих фрагментах нет прямого текста о том, что это за продукт и для кого он, подробное описание с других страниц в ответ не попадёт.
Вторая: часть текста до робота физически не доходит. ИИ-краулеры получают от сервера исходный HTML и файлы JavaScript, но скрипты не выполняют. Исследование Vercel и MERJ, вышедшее в декабре 2024 года, показало масштаб проблемы: файлы JavaScript составляли 11,50% запросов краулера ChatGPT и 23,84% запросов Claude. Скачанный скрипт остаётся для робота текстом программы, а страницу, которую он собрал бы в браузере, робот не видит. Механика разобрана в отдельном материале: ответ собирается из найденных фрагментов, а не из сайта целиком.
Бытовая аналогия. Робот получает черновик страницы и стопку инструкций, как её собрать, но инструкции не выполняет. Всё, что дорисовывается в браузере (отзывы, цены, блоки сравнения, данные из API), для него не существует. Описание продукта может быть на сайте, но в исходном коде его нет.
Дальше шесть проверок, которые показывают, где именно теряется информация: robots.txt, исходный HTML без JavaScript, серверный рендеринг, сверка разметки с видимым текстом, самодостаточность абзацев и сравнение ответов нейросетей с сайтом. Гарантии попадания в ответ они не дают. Диагностику дают.
Как разные нейросети читают сайт: ChatGPT, Алиса AI, GigaChat и Perplexity
ChatGPT. За поиск отвечает OAI-SearchBot: через него сайты попадают в результаты поиска. GPTBot собирает данные для обучения моделей и с поиском не связан. ChatGPT-User открывает страницу, когда пользователь задал вопрос, но сеть сам не обходит и на попадание сайта в поиск не влияет. Настройки в robots.txt у всех трёх независимы, и это регулярно путают: закрывают GPTBot «для безопасности», а потом удивляются, что сайт пропал из ответов. Отдельная история: часть ответов ChatGPT собирает из диаграмм, кнопок и форм (Intelligent UI), правила отбора брендов для них OpenAI не публиковала, поэтому переносить туда выводы из обычного поиска нет оснований.
Алиса AI. Свои краулеры по вашему сайту она не запускает. По справке Яндекс Вебмастера, Алиса разбивает вопрос на подвопросы, отправляет их в Поиск Яндекса и использует его результаты. Опирается на страницы, которые высоко ранжируются, дословно их не воспроизводит. Готовый ответ делится на смысловые блоки, у каждого может быть своя страница-источник. Практический вывод: для Алисы у страницы на третьем десятке выдачи шансов почти нет, а разметка и микроданные тут вторичны по сравнению с позициями. Разбор 243 ссылок из ответов Алисы AI и Perplexity показывает, какие типы страниц реально становятся источниками.
GigaChat и Perplexity. Публичных данных о том, какими роботами они обходят сайт и как обходятся с JavaScript, в рамках этого разбора нет. Называть имена краулеров наугад не стоит: ошибка в robots.txt обойдётся дороже, чем отсутствие настройки. Проверять приходится эмпирически: задавать вопросы, смотреть, откуда взят ответ и что именно процитировано.
Отсюда главный практический вывод: одна и та же правка не работает на всех. Для ChatGPT критично, пущен ли на сайт OAI-SearchBot. Для Алисы AI нужны позиции в Поиске Яндекса. Для GigaChat и Perplexity остаётся метод проб и замеров.
Кейс Ameresco: что происходит, когда ИИ описывает бизнес устаревшим образом
В январе 2025 года маркетинговая команда американской энергетической компании Ameresco подготовила 50 запросов и изучила ответы ChatGPT, Claude и других ИИ-систем. Нейросети описывали компанию преимущественно как игрока чистой энергетики и возобновляемых источников. Бизнес к тому моменту ушёл шире: объекты для дата-центров, военных баз, муниципальных учреждений. Формально ответы были не выдумкой, а устаревшей картинкой. Разбор кейса с деталями полезен тем, что показывает цену ошибки: покупатель начинает знакомство с брендом с разговора с ИИ, и к этому моменту модель уже может подставить конкурента или объяснить специализацию компании неверно.
Вместе с PR-агентством Greenough Ameresco составила список из 47 улучшений и пересмотрела формулировки на сайте, публикации в соцсетях, пресс-релизы и коммуникацию руководителей. По данным компании, доля релевантных ИИ-ответов с упоминанием бренда выросла с 43% в 2025 году до 61% в 2026-м, а органический трафик за 12 месяцев прибавил 50%. Оговорка важная: позиционирование, контент и фирменную идентичность меняли одновременно, поэтому выделить вклад каждого действия по опубликованным цифрам нельзя.
Проблема массовая. Исследование Semrush, опубликованное в июне 2026 года, охватило 481 специалиста и владельца бизнеса: 30% сообщили о неточном описании своего бренда в ИИ-ответах, 37% заметили, что нейросети чаще упоминают конкурентов, 29% считают подачу своего позиционирования слишком обобщённой. Опрос проводился среди американской аудитории, на весь рынок его результаты не переносятся.
GEO-проверка сайта: шесть шагов, которые показывают, видит ли ИИ ваш продукт
Проверки идут от инфраструктуры к контенту. Проходить их можно по отдельности, но результат складывается: сначала доступ робота, потом то, что робот получает, и только затем формулировки. Для каждой проверки ниже есть действие, инструмент, критерий «прошёл/не прошёл» и типовая ошибка.
Проверка 1: robots.txt и доступ OAI-SearchBot
Что делаем: открываем robots.txt и ищем правила для OAI-SearchBot. Критерий «прошёл»: для поискового робота ChatGPT нет директивы Disallow, закрывающей ключевые разделы. Типовая ошибка: закрыть все боты одной строкой User-agent: * с Disallow: / и потерять поиск ChatGPT целиком, сохранив при этом обучение модели.
Корректный минимум выглядит так:
User-agent: OAI-SearchBot
Allow: /
User-agent: GPTBot
Disallow: /
Такая пара строк блокирует обучение и оставляет поиск. Обратная конфигурация отключает именно видимость в ответах. ChatGPT-User настраивается отдельно и на поиск не влияет, его блокировка ничего не исправит. Для Алисы AI этот шаг бесполезен: её доступ определяется индексацией и ранжированием в Поиске Яндекса, а не вашим robots.txt.
Проверка 2: исходный HTML без JavaScript
Что делаем: смотрим страницу так, как её видит краулер. Варианты: DevTools, настройка Settings с отключением JavaScript и перезагрузка, либо просмотр исходного кода через Ctrl+U. Быстрый способ без браузера:
curl -s АДРЕС_СТРАНИЦЫ | grep -i "название продукта"Критерий «прошёл»: в ответе сервера находится ключевой абзац, где написано, что это за продукт, для кого он и чем отличается. Если абзац виден только в браузере, робот его не получит. Напомню цифры Vercel и MERJ: роботы ChatGPT и Claude действительно скачивают файлы JavaScript, но не запускают их, поэтому дорисовка в браузере для них не существует. Полезный побочный эффект проверки: сразу видно, что ещё отдаётся роботу в первом ответе, включая title, description и основной текст.
Проверка 3: серверный рендеринг
Клиентский рендеринг отдаёт роботу пустой каркас: разметку с контейнерами и подключённые скрипты. Серверный рендеринг (SSR) или пререндеринг отдаёт готовый HTML с текстом до запуска скриптов. Критерий «прошёл»: в исходном ответе сервера лежит тот же текст, что видит пользователь в браузере.
SSR нужен не всем. Лендингу и блогу часто хватает статической генерации: HTML собирается заранее и уже содержит весь текст. Для SPA на React или Vue выбор шире: SSR целиком, пререндеринг ключевых страниц (главная, продукт, тарифы, документация) или гибридный режим фреймворка. Цена решения тоже честная: SSR нагружает сервер, требует кеширования и настройки, а на маленьком проекте иногда проще вынести критичный текст в статические блоки. Типовая ошибка: «у нас же всё рендерится, значит работает», без проверки первого ответа сервера.
Проверка 4: сверка разметки с видимым текстом
Ahrefs проверял, как ИИ-системы обходятся с JSON-LD и скрытой микроразметкой Schema.org: пять систем такую разметку при цитировании не учитывали. Замер касался частоты цитирований, а не точности пересказа, поэтому вывод аккуратный: разметка не заменяет видимый текст.
Что делаем: сравниваем описание в JSON-LD и то, что реально видно на странице. Критерий «прошёл»: описание продукта, аудитории и отличий есть в видимом тексте, а разметка его дублирует. Типовая ошибка: держать единственное внятное описание компании только в микроразметке или в скрытом блоке. Удалять разметку не нужно: обычному поиску она помогает. Готовый шаблон JSON-LD и правила для микроразметки есть в практическом руководстве по технической части GEO.
Проверка 5: самодостаточность каждого абзаца
Правило простое: ключевой абзац должен отвечать на вопросы «что это», «для кого» и «чем отличается» без опоры на соседние абзацы. Нейросеть вырвет фрагмент из контекста и покажет его пользователю как есть.
Плохо: «Наш продукт решает эту задачу лучше аналогов. Мы работаем с 2019 года и знаем, что важно клиенту».
Хорошо: «Имя продукта, платформа для запуска локальных LLM на одном ПК. Нужна разработчикам и небольшим командам, которым важны приватность данных и работа без облака. Отличается от облачных API тем, что модели и данные остаются на своём железе».
Второй абзац можно вставить в любой ответ и он останется понятным. Первый без контекста превращается в бессмысленный набор слов, и модель с большей вероятностью подставит на место «нашего продукта» конкурента, у которого описание самодостаточно. Критерий «прошёл»: у каждого ключевого блока страницы есть название продукта или категории и явно указанная аудитория.
Проверка 6: сравнение ответов нейросетей с сайтом
Что делаем: составляем 10-20 запросов, с которыми целевой покупатель пришёл бы к ИИ. Ameresco использовала 50, для малого сайта хватит и десятка, если запросы разные: «чем заменить X», «сервис для Y с Z», «X или конкурент, что выбрать». Задаём их в ChatGPT, Алисе AI, GigaChat и Perplexity, фиксируем ответ, упомянутые бренды и источники. Затем сравниваем с сайтом: совпадает ли описание продукта, не подставлен ли конкурент, нет ли устаревших формулировок.
Критерий «прошёл»: в ответах фигурирует корректное описание и нет фактических ошибок. Повторяем замер после правок с тем же списком запросов, иначе сравнение бессмысленно. Ограничение метода: поведение роботов GigaChat и Perplexity публично не описано, поэтому сравнение ответов остаётся единственным доступным способом проверки. Как отделять ошибку модели от путаницы в терминах, разобрано в материале о том, почему Алиса AI и GigaChat отвечают на один технический запрос по-разному.
Что исправить после проверки: от robots.txt до переписанных абзацев
Порядок правок диктует логика доступа. Пока робот не может прочитать страницу, переписывание абзацев ничего не даст.
Первый шаг, инфраструктура: разрешить OAI-SearchBot в robots.txt и убедиться, что CDN или WAF не отдаёт ему заглушку. Второй шаг: включить SSR или пререндеринг для страниц, которые должны становиться источниками (главная, продукт, тарифы, сравнение с конкурентами, документация). Третий шаг, контент: вынести в видимый HTML описание продукта, аудитории и отличий. Четвёртый: переписать ключевые абзацы по правилу самодостаточности, начиная с первого экрана и блока «что это». Пятый: синхронизировать JSON-LD с видимым текстом, чтобы описание в разметке не расходилось с тем, что читает человек.
Отдельно про Алису AI: без нормального ранжирования в Поиске Яндекса страница источником не станет, и никакая правка разметки этого не компенсирует. GEO не отменяет классическое SEO, он добавляет к нему требования к читаемости кода. Результат не мгновенный: ответы нейросетей меняются вместе с выдачей и обновлением индексов, поэтому замеры имеет смысл повторять раз в несколько недель.
Ограничения данных: чему в этом разборе верить, а чему нет
Исследование Vercel и MERJ вышло в декабре 2024 года. Поведение роботов могло измениться, цифры по JavaScript стоит воспринимать как ориентир, а не как текущую норму.
Поведение роботов GigaChat и Perplexity публично не описано. Любые советы «пропишите такого-то бота» без проверки остаются догадкой, а лишняя строка в robots.txt способна навредить.
Данные Ahrefs касались частоты цитирований, а не точности пересказа. Вывод «ИИ игнорирует JSON-LD» верен именно для цитирования: разметка не помогает попасть в ответ, но это не значит, что она бесполезна для обычного поиска.
Кейс Ameresco - один пример, а не статистика по рынку, к тому же компания меняла позиционирование, контент и айдентику одновременно. Опрос Semrush охватывал американских специалистов и владельцев бизнеса, переносить проценты на другой рынок без поправки нельзя. Шесть проверок стоит воспринимать как диагностику: они показывают, где сайт теряет информацию, а не гарантируют упоминание в ответе.
Коротко: что делать дальше
- robots.txt: проверить, что OAI-SearchBot не закрыт, а блокировка GPTBot не путается с поиском.
- Исходный HTML: убедиться, что описание продукта есть в коде страницы, а не только в браузере.
- SSR или пререндеринг: включить для страниц, которые должны цитироваться.
- Разметка: сверить JSON-LD и Schema.org с видимым текстом, оставить разметку как дополнение.
- Абзацы: переписать ключевые блоки так, чтобы название, аудитория и отличие читались в одном фрагменте.
- Замер: прогнать 10-20 запросов в ChatGPT, Алисе AI, GigaChat и Perplexity, сохранить ответы и повторить после правок.
Для Алисы AI добавьте к этому работу с позициями в Поиске Яндекса: без выдачи её блоки собираются из других страниц.