Что показал разбор: 243 ссылки, 14 вопросов и всего 10 карточек
Автор разбора задал 14 покупательских вопросов о технике в Москве Алисе AI и Perplexity и посмотрел, на какие страницы интернет-магазинов ведут ссылки в ответах. Из 243 ссылок на карточку товара пришлось 10. Полный разбор с цифрами и кодом
Разделы каталога (в SEO это страницы категорий) собрали 69 ссылок и попали в ответы на 10 вопросов из 14. Карточка товара отметилась только на 2 вопросах из 14. Логика простая: нейросеть ссылается на ту страницу, которая отвечает на вопрос целиком. Спросили про айфоны, и в ответе появился раздел каталога с айфонами, а не страница одной модели.
Доли от 243 ссылок: около 4% на карточки и почти 29% на разделы каталога. Второе место по числу ссылок у главной страницы магазина, третье у страниц условий: гарантия, доставка, рассрочка, адреса. Все чужие сайты вместе получили 38% ссылок, маркетплейсы в их числе 3%. За место в ответах ИИ магазин конкурирует в основном с собственными страницами, а не с маркетплейсами.
| Тип страницы | Ссылок из 243 | В скольких вопросах из 14 |
|---|---|---|
| Раздел каталога | 69 | 10 |
| Карточка товара | 10 | 2 |
Разбор проводился в Алисе AI и Perplexity с включённым поиском: обе показывают полный адрес источника. Google AI Overviews в выборку не вошёл. Вопросы автор придумал сам, задал каждый по одному разу и не проверял, какой именно фрагмент текста нейросеть берёт в ответ. Это срез на 14 вопросах, а не исследование рынка.
Ещё один контекст, который стоит держать в голове: 92,8% диалогов в ChatGPT заканчиваются без клика по ссылке, поэтому попадание в ответ и переход на сайт - разные задачи. Про то, как считать упоминания бренда в ответах ИИ.
Как нейросети выбирают страницу для ссылки: логика «страница отвечает на вопрос целиком»
Механика выбора видна по цифрам. Поисковый ассистент разбирает вопрос на смысловые части и ищет страницу, которая закрывает их все. Спросили про айфоны, получили раздел каталога с айфонами. Спросили про рассрочку, получили страницу рассрочки. Спросили про самовывоз сегодня, получили страницу, где видно наличие в конкретном магазине.
Почему раздел каталога обходит карточку товара
69 ссылок и 10 вопросов из 14 - результат раздела каталога. Категория покрывает группу товаров: подборку моделей, различия между ними, условия покупки, ответы на типовые вопросы. Карточка описывает одну модель, поэтому на общий запрос вроде «какие айфоны купить в Москве» у неё нет ответа.
Разделы каталога чаще собирают текст, который ассистенту удобно пересказать. Разбор 1355 отсылок Perplexity показал: модель почти не копирует цитаты дословно и на сработавшей странице задействует медианно два пассажа из 85. Абзац на 30-50 слов, понятный без соседних, повышает шанс, что в ответ возьмут именно его. Разбор того, как Perplexity выбирает текст с цитируемых страниц.
Почему страницы условий получают ссылки чаще карточек
Страницы условий заняли третье место по числу ссылок. Причина та же: страница рассрочки закрывает вопрос «как оформить рассрочку» целиком, карточка товара - нет. В разборе к страницам условий отнесли гарантию, доставку, рассрочку и адреса магазинов.
Роли страниц различаются. Раздел каталога и страница условий - страницы-ответы: они объясняют и помогают выбрать. Карточка товара - страница-предложения: конкретная модель, цена, характеристики. Ассистент в большинстве случаев ищет ответ, поэтому и цитирует первые две.
Когда карточка товара всё-таки попадает в ответ нейросети
Все 10 карточек пришлись на два вопроса из 14. На остальные 12 вопросов не пришло ни одной. Девять карточек из десяти дала Алиса AI, Perplexity - одну. Разбор по каждому вопросу отдельно
Запрос об одной модели: почему Apple Vision Pro дал 4 карточки
Вопрос «где купить Apple Vision Pro в Москве» касается одной конкретной модели. На него 4 ссылки вели на карточки, остальные в основном на разделы каталога. Карточка сработала, но не вытеснила категорию: ассистент добавил страницу, где моделей несколько.
Запрос о наличии сегодня: почему макбук с самовывозом дал 6 карточек
Второй вопрос - про макбук с самовывозом сегодня, и на него пришло 6 карточек. Причина в данных: наличие в конкретном магазине видно именно на странице товара. Речь о наличии сегодня и в конкретной точке, а не о наличии в принципе. Если на карточке нет сведений о наличии в магазине, ответить на такой вопрос она не сможет.
Практический смысл: карточка нужна под запросы об одной модели и о наличии сегодня. Массовые категории она не закрывает, для них работает раздел каталога.
Что это значит для SEO интернет-магазина: приоритеты под ответы ИИ
Вывод разбора: работу под ответы нейросетей стоит начинать с разделов каталога и страниц условий, а карточки оставить на потом. Приоритеты по убыванию:
- Разделы каталога: 69 ссылок и 10 вопросов из 14.
- Страницы условий: третье место по числу ссылок.
- Карточки товаров: 10 ссылок и 2 вопроса из 14.
Разделы каталога: что писать, чтобы страница отвечала на вопрос целиком
Категория должна объяснять выбор, а не сводиться к плиткам с ценой и фильтру. Что добавить: как выбрать из группы, чем модели отличаются друг от друга, какие условия покупки действуют, какие есть варианты доставки и оплаты. На вопрос про айфоны ассистент ведёт на раздел каталога именно потому, что там весь выбор сразу.
Страницы условий: рассрочка, гарантия, доставка, адреса
Четыре типа страниц из разбора: гарантия, доставка, рассрочка, адреса. Каждая отвечает на отдельный покупательский вопрос и не зависит от ассортимента. На вопрос про рассрочку нейросеть ведёт на страницу рассрочки, а не на карточку товара. Это страницы условий магазина со сроками, суммами и ограничениями, а не статьи в блоге.
Карточки товаров: когда они всё-таки нужны
Карточки стоит держать в порядке, если магазин продаёт редкие модели или борется за запросы о наличии в конкретном магазине. В разборе это Apple Vision Pro (4 карточки) и макбук с самовывозом сегодня (6 карточек). Для массовых категорий порядок другой: сначала раздел каталога, затем страницы условий, затем карточка. Цена, характеристики и наличие на карточке всё равно нужны: без них страница не отвечает даже на свой узкий вопрос.
Как повторить разбор: методология и функция на Python
Методология простая, её можно повторить на своём магазине. 14 вопросов автор писал так, как их пишет человек в чате с ИИ: например, «мне нужен макбук в Москве с самовывозом сегодня - куда ехать». Каждый вопрос задан один раз. Ответы смотрели в Алисе AI и Perplexity с включённым поиском. Каждую ссылку автор отнёс к одному типу страницы по её адресу: раздел каталога, карточка товара, главная, страница условий, статья в блоге. Разметку выполняет функция на Python, её код ниже; на незнакомых доменах она ошибается, поэтому все ссылки автор просмотрел глазами и 28 поправил вручную. Исходный разбор
Почему Google AI Overviews не подошёл для разбора
Google AI Overviews в выборку не вошёл: адреса его источников приходят через зашифрованный редирект Google, и тип страницы по ним не определить. Это техническое ограничение, а не оценка качества блока. Любой разбор, который строится на выгрузке ссылок из AI Overviews, столкнётся с тем же препятствием. В работе остались Алиса AI и Perplexity.
Функция на Python: как разложить ссылки по типам страниц
Логика разметки: берём адрес ссылки и относим её к типу страницы по хосту и пути. Ниже каркас под этот разбор, шаблоны путей придётся дополнить под свой магазин.
from urllib.parse import urlparse
import re
RULES = [
('terms', re.compile(r'/(dostavka|garantiya|rassrochka|kredit|oplata|adresa|kontakty|usloviya)(/|$)')),
('blog', re.compile(r'/(blog|article|news|stati|statiya)(/|$)')),
('product', re.compile(r'/product/|/tovar/|/item/|/goods/')),
('category', re.compile(r'/(catalog|category|kategorii|razdel)/')),
]
def classify(url: str) -> str:
path = urlparse(url).path.lower().rstrip('/')
if not path:
return 'main'
for label, pattern in RULES:
if pattern.search(path):
return label
return 'other'
def count_by_type(urls):
stats = {}
for url in urls:
label = classify(url)
stats[label] = stats.get(label, 0) + 1
return dict(sorted(stats.items(), key=lambda item: -item[1]))
Что учесть перед запуском. Порядок правил важен: если у магазина страницы условий лежат внутри каталога, первым должно идти правило для условий. Многие магазины держат товары по шаблону /catalog/<категория>/<модель>/, и тогда карточка отличима от категории только по глубине пути или по разметке страницы. На незнакомых доменах функция ставит ярлык other, поэтому без ручного просмотра выборки не обойтись: в разборе так поправили 28 ссылок.
Если разбор нужен на регулярной основе, заранее решите, что хранить: полные формулировки вопросов, ответы, извлечённые адреса, тип страницы и дату прогона. Подход к разметке ссылок и проверке отчётов разобран подробнее в материале про измерение видимости бренда в ответах ИИ.
Ограничения разбора и что он не доказывает
- Вопросы придуманы автором, а не взяты из реальной статистики запросов.
- Каждый вопрос задан один раз, повторяемость результатов не проверялась.
- Какой фрагмент текста нейросеть берёт в ответ, не проверялось: разметка шла только по ссылкам.
- В выборке две нейросети, Алиса AI и Perplexity.
- Google AI Overviews не подошёл из-за зашифрованного редиректа, тип страницы по таким адресам не определить.
- Функция разметки ошибается на незнакомых доменах: 28 ссылок поправлены вручную.
- Охват узкий: техника, Москва, 14 вопросов, 243 ссылки.
Вывод про приоритет разделов каталога и страниц условий - рабочая гипотеза, которую стоит проверить на своём ассортименте. 14 вопросов дают срез, а не закономерность. В другой категории, например в B2B-оборудовании или товарах под заказ, распределение ссылок по типам страниц может отличаться.
Что сделать дальше: возьмите 10-15 своих покупательских вопросов, задайте их в Алисе AI и Perplexity с включённым поиском, выгрузите адреса из ответов и разложите их функцией выше. Если основную часть ссылок соберут категории и страницы условий, начинайте с них. Если заметная доля придётся на карточки, проверьте, чем именно они закрывают вопрос: наличием в магазине, комплектацией или редкостью модели.