Мы в Aiconic проверяем довольно простую, но дорогую в ручной реализации гипотезу: может ли сеть локальных AI-порталов на национальных доменах быстрее получить поисковую видимость и привести клиентов на услуги AI-автоматизации, чем один международный корпоративный блог.
Это не кейс с красивым графиком через полгода. Эксперимент запущен сейчас, а его ранние технические решения, ошибки и метрики мы хотим фиксировать публично.
Гипотеза
Обычный путь для международной компании выглядит так: один домен, несколько переводов, одинаковые статьи и один CTA. Мы проверяем другой вариант:
-
отдельный ccTLD для каждого рынка;
-
локальный язык и локальные поисковые формулировки;
-
собственная редакционная ценность, а не механический перевод;
-
быстрые короткие материалы вокруг свежего спроса;
-
единая технологическая платформа и общая аналитика;
-
прозрачные источники, статусы проверки и понятная политика для AI-ботов.
Сейчас работают aiconic.pl, aiconic.ch, aimajlis.ae и англоязычное обзорное зеркало aiconic.space. Турецкий рынок подключим после готовности домена.
Цель не в том, чтобы собрать абстрактный новостной трафик. Мы хотим понять, может ли локальное AI-медиа стать верхней частью воронки для проектов по автоматизации бизнеса.
Как устроен конвейер
Входом служат публичные источники, локальные тренды и редакционные тезисы команды. Дальше материал проходит последовательный конвейер:
-
Поиск свежего инфоповода и дедупликация событий.
-
Сбор открытых первоисточников и изображений.
-
Подготовка fact packet: что известно, что заявлено источником, а что пока не подтверждено.
-
Локальная редактура для конкретного рынка.
-
Проверка языка, безопасности, ссылок и визуальных артефактов.
-
Публикация, обновление sitemap/RSS/llms-файлов и отправка URL через IndexNow.
-
Сбор поисковых и поведенческих сигналов.
Тяжёлая генерация работает пакетами на локальной машине с Apple Silicon. Поиск, OCR, модерация, деплой и аналитика вынесены в лёгкий worker. Это важно: если смешать всё в один процесс, загрузка модели начинает блокировать публикацию и даже простые проверки.
Локализация не равна переводу
Мы сознательно не требуем, чтобы 30 процентов каждого текста были уникальными для страны. Рынки AI тесно связаны, а запуск новой модели остаётся глобальным событием.
Но у индексируемого материала должна быть хотя бы одна локальная причина существовать. Например:
-
Польша: производство, e-commerce, MCP и практическое внедрение;
-
Швейцария: privacy, finance, локальное выполнение и compliance;
-
ОАЭ: real estate, hospitality, государственные сервисы и арабский интерфейс;
-
глобальное зеркало: сравнение того, как одна тема выглядит в разных странах.
Если локальной пользы нет, материал можно показать людям как короткую заметку, но не обязательно отправлять в индекс. Для сильной статьи мы требуем публичный источник, редакционный вывод, содержательный контекст и хотя бы около 10 процентов локальной ценности.
Техническая база SEO и GEO
Для каждой страницы мы генерируем один canonical, корректный lang/dir, hreflang только на реально существующие версии, Article JSON-LD, дату обновления и изображения в sitemap. Похожие материалы собираются в тематические кластеры Models, Agents, Security, Business и Opinions. В конце статьи есть блок Read next, чтобы пользователь не упирался в тупик после одного короткого текста.
Для Bing новые и изменённые URL автоматически уходят через IndexNow. С Google осторожнее: публичный Indexing API не предназначен для обычных новостных страниц, поэтому там остаются sitemap, Search Console и ручной запрос индексации нескольких лучших URL.
Для AI-ответов доступны robots.txt, llms.txt, llms-full.txt и RSS. Политика разделяет два сценария: поиск, ответы и цитирование разрешены, обучение запрещено для указанных training-crawler. Мы отдельно тестируем доступ OAI-SearchBot, ChatGPT-User, Claude-SearchBot, Claude-User и PerplexityBot, потому что одного Allow в robots.txt недостаточно, если Cloudflare блокирует запрос раньше origin.
Чат с материалом
Следующий слой эксперимента: мини-агент прямо на странице статьи. Он всегда получает короткую статью целиком, вопрос читателя и несколько предыдущих реплик.
Если ответ уже есть в тексте, модель отвечает без интернета. Если читатель спрашивает, например, «кто ещё из бигтеха делает такое?», модель вызывает один ограниченный search_web tool. Сервер ищет и читает несколько публичных страниц, блокирует private/localhost URL, ограничивает размер ответа и передаёт модели очищенные выдержки. Так мы получаем актуальный ответ со ссылками, но не превращаем страницу в неограниченный браузер-агент.
Аналитика без самообмана
Мы сравниваем три слоя:
-
Google Analytics 4 для пользователей, сессий, источников и вовлечённости;
-
Cloudflare для запросов на edge, включая часть ботов;
-
собственные consented pageview-события без хранения IP, cookies и user-agent.
Эти цифры не обязаны совпадать. Блокировщик может убрать GA4, бот попадёт в Cloudflare, но будет исключён из first-party аналитики, а consent изменит долю видимых сессий. Поэтому расхождение само по себе не баг. Баг начинается, когда один слой показывает устойчивый рост людей, а второй не получает даже тестового события.
Главные метрики эксперимента:
-
время до первого crawl и первого показа;
-
число индексируемых URL;
-
non-brand impressions и CTR;
-
engaged time и переходы по Read next;
-
AI referrals и цитирования;
-
заявки на внедрение AI-автоматизации.
Пока данных мало: польский домен уже получил первые показы и первый клик, швейцарский и глобальный домены начали появляться в показах, ОАЭ отстаёт по crawl. Это пока диагностика инфраструктуры, а не доказательство гипотезы.
Что уже сломалось
За первые дни мы успели найти несколько неочевидных проблем:
-
robots.txt разрешал AI-ботов, но Cloudflare всё равно отвечал 403;
-
исходные изображения из русскоязычных источников попадали на локальные сайты с непереведённым текстом;
-
одинаковые репосты могли создавать конкурирующие статьи;
-
тяжёлые процессы делили одну GPU и съедали окно публикации;
-
аналитика считала разные сущности, поэтому «нули» в одном dashboard не означали отсутствие трафика;
-
статические заглушки вместо настоящих изображений сразу делали материал визуально синтетическим.
Большая часть работы оказалась не в написании текста, а в маршрутизации, дедупликации, источниках, изображениях, доступе краулеров и наблюдаемости.
Что хотим проверить дальше
В ближайших итерациях мы хотим:
-
Довести ежедневный выпуск на PL, CH и AE до предсказуемого режима.
-
Связывать рыночные тренды с уже существующими редакционными тезисами, а не генерировать мнение под поисковый запрос.
-
Измерить, какие кластеры быстрее получают показы на каждом рынке.
-
Проверить, появляется ли трафик из AI-ответов раньше заметного органического трафика.
-
Понять, приводит ли локальный информационный слой к реальным запросам на автоматизацию.
Я участвую в Aiconic и описываю наш собственный эксперимент. Поэтому это одновременно технический разбор и публичный launch log. Если вы строили сеть на ccTLD или измеряли GEO/AI referrals, особенно интересно услышать, где такая схема чаще всего ломается и какие метрики мы ещё не учитываем.
Автор: yukakust
