Один запрос, семь ИИ-поисковиков, ноль общих источников

Когда человек спрашивает у ассистента «к кому обратиться», он не получает десять синих ссылок. Он получает ответ, внутри которого названы пять-десять доменов. Для бизнеса это новая выдача, и вопрос к ней другой, чем к обычному поиску: не «какая у меня позиция», а «я вообще есть в этом ответе».

Я меряю это программно: беру запрос, задаю его нескольким движкам и смотрю не на текст ответа, а на то, какие домены движок реально процитировал. 10 августа 2026 года я прогнал два запроса через семь движков в один заход. Пересечение получилось пустым: ни одного домена, который назвали бы все семеро.

Ниже — стенд, цифры и пять мест, где эта методика ломается. Три из пяти я поймал на себе.

Что именно считается сигналом

Метрика — не позиция и не «упоминание бренда». Меряю два разных события и держу их раздельно:

• домен процитирован — попал в источники ответа (annotations / sources);

• бренд назван словами — имя встречается в тексте ответа.

Это не одно и то же. Наша статья может быть процитирована как источник, а название проекта в ответе не прозвучит вовсе — тогда читатель до нас не дойдёт. Если сложить эти два события в одну цифру, рост не отличить от пустоты.

Дальше речь только про первое: кого движок цитирует.

Стенд

Семь движков, локаль ru/RU, один и тот же момент времени. Важно, как каждый ходит в веб, — от этого зависит, независимый у него корпус или общий с соседом.

Восьмым в стенде стоит GigaChat: код написан, связка проверена живьём (отдаёт пять источников с реальными доменами), но движок выключен — предоплаченный пакет кончился, а минимальный новый начинается от 19 500 ₽. В отчёте он честно помечен как «не опрашивался», и об этой пометке ниже будет отдельный пункт.

Запросы взяты не абстрактные, а такие, какими человек ищет исполнителя:

1. «кто ведёт бухгалтерию и финансы для продавцов на маркетплейсах»;

2. «финансовый консультант для малого бизнеса — к кому обратиться».

Результат 1: общего ответа не существует

Больше половины доменов в обоих случаях — выбор одного-единственного движка. И самый «согласованный» домен первого запроса — не исполнитель услуги, а образовательная площадка: одни движки цитируют её статью «кто такой бухгалтер маркетплейсов», другие — страницу курса. То есть на вопрос «кто ведёт бухгалтерию» пятеро из семи ссылаются в том числе на текст о том, как это делается, и на курс, где этому учат. Во втором запросе верхний домен — уже реальный исполнитель, бухгалтерская фирма.

Результат 2: три «разных» движка оказались одним

Считаю попарное пересечение множеств доменов (коэффициент Жаккара, 1.00 — списки совпали полностью):

Три модели разных разработчиков — китайская, американская, снова китайская — на втором запросе вернули дословно одинаковый список из восьми доменов. Объяснение простое и неприятное: веб-поиск им делает не модель, а плагин провайдера. Корпус один, различается только формулировка ответа поверх него.

Практический вывод: считать надо не модели, а индексы. Пять моделей с суффиксом :online — это один источник данных и одна точка отказа, а не пять. Мы на этих граблях уже стояли: плагинный GPT выдавал ровно тот же корпус, что и остальные, и был заменён на прямой поисковый API, у которого корпус свой.

Результат 3: у движков со своим индексом — разные модели мира

Это интереснее всего. На запрос про финансового консультанта:

• общий плагинный корпус (Gemini, DeepSeek, GLM) назвал восемь доменов, и четыре из них — именные сайты конкретных людей;

• Нейропоиск Яндекса в тех же восьми доменах дал агрегаторы и медиа: profi.ru, zoon.ru, avito.ru, klerk.ru, eg.ru;

• ChatGPT — каталогами и консалтинговыми фирмами: sravni.ru, checkroi.ru, rusconsult.ru, rostkonsult.ru;

• Grok дал всего четыре домена, и два из них — государственные порталы поддержки предпринимателей (мойбизнес.рф, мсп.рф).

Один движок считает, что ответ на вопрос «к кому обратиться» — это конкретный человек. Второй — что это площадка, где таких людей ищут. Третий — что это государственный портал. Это не шум замера, это разные представления о том, что вообще является ответом.

Для бизнеса, который хочет попасть в ИИ-ответ, отсюда следует неприятное: универсального способа туда попасть нет. В одном движке место занимает личный сайт, в другом — карточка на агрегаторе, и работать надо с тем, что цитирует конкретный движок в конкретной нише.

Пять мест, где методика ломается

1. Тихая ошибка разбора. Самый дорогой баг у меня выглядел так: движок отвечает, источников не отдаёт, в отчёте он честно вылетает как «отвечает из памяти». На деле источники были — просто GigaChat кладёт их в inline_data.sources словарём, а разбор ждал список:

# было: ждали список — по словарю итерируется КЛЮЧ, строка,
# s["url"] падает или отсеивается, источников «нет»
items = message["inline_data"]["sources"] or []

# стало: форма ответа проверяется, а не предполагается
inline = node.get("inline_data") if isinstance(node, dict) else None
raw = inline.get("sources") if isinstance(inline, dict) else None
items = raw.values() if isinstance(raw, dict) else (raw or [])
return [s["url"] for s in items if isinstance(s, dict) and s.get("url")]

Ошибка не падает и не логируется — она молча превращает работающий движок в «нецитирующий». Лечится не аккуратностью, а регрессией, написанной по первоисточнику: описанию протокола и SDK, а не по «вроде отвечает». У меня такая регрессия гоняет разбор обоих русских движков на зафиксированных ответах.

2. «Ключей нет» и «нас не цитируют» — разные события. Если движок не опрошен, а в отчёте стоит ноль, метрика врёт в удобную сторону: непокрытый движок выглядит как отсутствие упоминаний. Статус «не опрашивался» обязан доезжать до отчёта отдельной строкой.

3. Локаль. Без явной привязки страны и языка тот же запрос уходит в другой корпус. Флаг локали я печатаю в шапку отчёта — не потому, что красиво, а потому, что без него результаты двух прогонов несопоставимы.

4. Один прогон — не вердикт. На одном и том же сайте переформулировка запроса дала 2 упоминания из 10 против 10 из 10. Поэтому в отчёте не может стоять «нейросеть не назвала вас ни разу»; может стоять только «названы в стольких-то прогонах из стольких-то». Категоричность на единственном прогоне — это не строгость, это ошибка выборки, выданная за результат.

5. Формулировка — главный источник дисперсии. Запросы надо строить из услуг, которые бизнес реально оказывает, а не из того, как он себя называет. У меня был случай, когда ниша была задана общей фразой, и замер ушёл проверять соседние услуги, которых у клиента нет. Вердикт получился про чужой бизнес — формально аккуратный, фактически бесполезный.

Шестое, скучное: домены надо нормализовать. Grok вернул xn--90aifddrld7a.xn--p1ai; это мойбизнес.рф, и без раскрытия punycode он не склеится с тем же доменом из другого движка.

И деньги. Замер — не бесплатный grep. По факту последних суток запрос через реле обходится в 1,26 ₽, генеративный ответ Яндекса — около 5 ₽ по публичным тарифам. Обычный расход моего стека — 11 ₽ в сутки, а один вечер экспериментов с замерами сжёг 404 ₽. После этого над расходом стоит сторож с алертом. Если вы строите такой мониторинг, закладывайте стоимость прогона до того, как поставите его в крон: цикл по десяти клиентам с еженедельной периодичностью считается совсем не так, как разовая проверка.

Что видно в данных, если смотреть не на себя

Свой блог я меряю тем же инструментом, и результат для меня неудобный: 61 статья, чистая техническая часть, ноль цитирований в восьми ответах. При этом моя единственная статья на Хабре попала в источники одного ответа из восьми, сам habr.com — двух из восьми, vc.ru — одного.

Вывод, который я из этого сделал: молодой домен в ИИ-ответы не проходит, а тот же текст на площадке с авторитетом — проходит. Не потому, что площадка «оптимизирована», а потому что у неё есть история цитирования, которой у нового домена нет и в ближайший год не будет.

Второе наблюдение — из замеров локальных услуг: карточки в справочниках цитируются наравне с сайтами, а верх выдачи в городских нишах занимают федеральные агрегаторы с городскими поддоменами. Для маленькой компании это означает, что большой сайт не обязателен, а работать надо там, где движок уже берёт данные.

Где эта метрика врёт

Раз уж я её предлагаю, разберу слабые места сам.

Цитирование — не трафик. Домен в источниках не значит переход. Это метрика присутствия в ответе, и продавать её как «продажи» нельзя.

Выборка маленькая. Два запроса, один момент времени, одна локаль. Это демонстрация метода и снимок ниши, а не рейтинг движков. Через неделю расклад будет другим, и это свойство предмета, а не погрешность.

Источники в API — не то же самое, что видит человек. Движок отдаёт список ссылок, на которые опирался; в интерфейсе пользователю может показываться другой набор или не показываться ничего.

Персонализация и время. Тот же запрос через час даст другой список. Поэтому вердикт по одному прогону — не вердикт (см. пункт 4 выше), и поэтому сравнивать имеет смысл только регулярные замеры между собой.

Как перепроверить руками

1. Возьмите три-пять запросов, которыми ваш клиент ищет услугу. Не название компании и не самоописание — именно услугу.

2. Задайте их минимум двум движкам с разными индексами. Два :online-движка одного провайдера — это один движок.

3. Смотрите на источники ответа, а не на текст: важно, кого он процитировал.

4. Повторите через несколько дней и сравните списки. Разница между прогонами покажет, что у вас устойчиво, а что случайно.

5. Отдельно отметьте, кто занимает места: сайты, карточки, агрегаторы или медиа. Это и есть ответ на вопрос, куда вкладываться.

Дальше всё зависит от того, какого рода домены цитируются в вашей нише, — и об этом честно говорить проще, чем обещать «попадание в ИИ-ответ».

Дисклеймер. Замеры ИИ-видимости осуществлялись в рамках проекта Neuro Leads. Все цифры получены моим стендом 10.08.2026; данные по запросам, движкам и пересечениям приведены выше полностью — прогон воспроизводится любым, у кого есть ключи к тем же API.