Как нейросети выбирают источники и кого рекомендуют: механика простыми словами

Владелец бухгалтерской компании спрашивает у ChatGPT «посоветуй надёжную бухгалтерскую фирму» и видит в ответе трёх конкурентов. Потом задаёт тот же вопрос Алисе AI — и снова не находит себя. Первая мысль: места в ответах кто-то покупает или нейросеть выбирает наугад. На деле ни то ни другое. У выбора есть механика, и она уже достаточно понятна, чтобы на неё влиять.

Я объясню её так, как объяснял бы коллеге без технического образования: откуда нейросеть берёт знания, как она находит и отбирает страницы, почему одни сайты цитирует охотно, а другие игнорирует, и что из этого следует для компании, которая хочет стать источником для нейросетей.

Что такое ответ нейросети и где его видит пользователь

Начнём с основы. Ответ нейросети — это текст, который ИИ пишет под конкретный вопрос человека. Не список из десяти ссылок, как в классическом поиске, а готовая рекомендация: кого выбрать, сколько это стоит, на что обратить внимание. Рядом часто стоят ссылки на сайты, из которых взяты сведения.

Пользователь встречает такие ответы в двух местах. Первое — прямо в поиске: над обычной выдачей Яндекса показывается ответ Алисы AI, над выдачей Google — «Обзор от ИИ». Второе — в чат-ассистентах: ChatGPT, Gemini, Claude, Perplexity, DeepSeek, GigaChat, Copilot. Там человек пишет вопрос как в мессенджере и получает развёрнутый ответ. Как это выглядит на экране, мы разобрали в статье как выглядит ответ нейросети.

Для бизнеса важно одно: в ответе обычно три-пять компаний. Пользователь выбирает среди них и редко идёт дальше. Поэтому вопрос «как нейросети выбирают источники» — это вопрос о том, попадёте ли вы в короткий список, из которого клиент будет выбирать.

Два источника знаний: память модели и поиск в реальном времени

У любой современной нейросети два способа узнать о вашей компании. Их важно различать, потому что влиять на них приходится по-разному.

Знания из обучения

Языковую модель обучают на огромном массиве текстов, собранных до определённой даты. Модель не хранит эти тексты как базу данных — она запоминает связи между словами и понятиями. Крупные бренды, о которых написаны тысячи страниц, модель «знает» хорошо. Небольшую компанию, о которой есть сайт и пара упоминаний, скорее всего, не знает вовсе или помнит неточно.

У этих знаний три слабых места. Они устаревают: модель ничего не знает о событиях после даты сбора данных. Их нельзя быстро исправить: изменения появятся только в следующей версии модели. И они неточны в деталях: модель может уверенно назвать старую цену или перепутать компании с похожими названиями.

Поиск в реальном времени (RAG)

Чтобы отвечать про актуальные вещи — цены, компании, адреса, свежие события, — нейросети ищут информацию прямо в момент ответа. Этот подход называют RAG, генерацией с поиском. Упрощённо процесс выглядит так:

• Шаг 1. Понять вопрос. Нейросеть решает, хватит ли ей собственных знаний или нужен поиск. Вопросы о компаниях, ценах и выборе подрядчика почти всегда требуют поиска.
• Шаг 2. Переформулировать. Из одного вопроса получается несколько поисковых запросов. Условный пример: вопрос «посоветуй бухгалтерскую фирму для ООО на упрощёнке» может превратиться в запросы «бухгалтерское обслуживание ООО на УСН в Elche City цена», «рейтинг бухгалтерских компаний», «отзывы о бухгалтерском аутсорсинге».
• Шаг 3. Найти страницы. Запросы уходят в поисковый индекс: у Алисы AI это поиск Яндекса, у «Обзоров от ИИ» — индекс Google, у Copilot — Bing, у ChatGPT, Claude и Perplexity — поиск с собственными роботами.
• Шаг 4. Прочитать и отобрать фрагменты. Нейросеть открывает найденные страницы, делит текст на фрагменты и оставляет те, что лучше всего отвечают на вопрос.
• Шаг 5. Сверить и написать ответ. Фрагменты из разных источников сопоставляются, из них собирается связный текст, а рядом ставятся ссылки на использованные страницы.

Отсюда главный вывод. В режиме поиска компания попадает в ответ в два этапа: сначала её страница должна найтись, затем её фрагмент должен оказаться полезнее, чем у конкурентов. За первый этап отвечает классическое SEO, за второй — GEO. Поэтому GEO и называют надстройкой над старым добрым SEO.

Этап первый: страницу должны найти и прочитать

Самая обидная причина отсутствия в ответах — чисто техническая. Нейросеть не может процитировать то, что не смогла открыть. Типовые препятствия, которые мы находим на аудитах:

• сайт плохо индексируется в Яндексе, Google или Bing: ошибки, дубли, медленная загрузка;
• в robots.txt закрыт доступ ИИ-роботам, например OAI-SearchBot, Claude-SearchBot или PerplexityBot;
• защита хостинга или CDN отсекает роботов, хотя robots.txt открыт;
• основной текст подгружается скриптом, и робот видит пустую страницу;
• важная информация спрятана в PDF, картинках или вкладках, которые раскрываются только по клику.

Всё это проверяется за день и исправляется за несколько дней. Но пока проблема есть, никакой контент не поможет.

Почему ИИ цитирует понятные страницы с фактами

Допустим, страница найдена и прочитана. Дальше нейросеть решает, взять ли из неё фрагмент. Здесь работают четыре простых правила.

Фрагмент прямо отвечает на вопрос

Сравните два условных фрагмента. Первый: «Мы предлагаем индивидуальный подход и гибкие решения для любого бизнеса». Второй: «Бухгалтерское обслуживание ООО на УСН с численностью до 10 сотрудников — от 12 000 ₽ в месяц, в стоимость входят отчётность и расчёт зарплаты» (цифры условные). Из первого нейросети нечего взять. Второй — готовый ответ на вопрос пользователя, и его легко пересказать.

Фрагмент понятен без контекста

Нейросеть читает не страницу целиком, а отдельные куски. Фразы вроде «цены указаны выше», «как мы уже говорили», «наша услуга» без названия теряют смысл, когда фрагмент вырезан. Хороший блок сам называет, о какой компании, услуге и условиях идёт речь.

У страницы ясная структура

Заголовки в форме вопросов, короткий ответ в начале раздела, списки, таблицы сравнения, блок частых вопросов — всё это облегчает нейросети поиск нужного фрагмента. Разметка Schema.org дополнительно подсказывает, где название организации, где цена, где адрес. Подробнее — в статье Schema.org, FAQ и сущность компании.

Факты можно проверить

Указан автор с именем и опытом, дата обновления, реквизиты компании, адрес, лицензии и сертификаты. Чем больше проверяемых деталей, тем меньше у нейросети причин сомневаться в странице.

Согласованность данных: почему нейросеть сверяет вас с другими источниками

Нейросеть не принимает слова компании о себе на веру. Она воспринимает компанию как сущность — набор фактов: название, адрес, телефон, услуги, цены, руководители, отзывы — и собирает эти факты из разных источников. Если источники совпадают, картина получается чёткой. Если противоречат друг другу, начинаются проблемы.

Условный пример. На сайте компания называется «Бухучёт Плюс», в Яндекс Картах — «БухУчёт+», в каталоге указан старый адрес, а на агрегаторе висит прошлогодний прайс. Нейросеть видит четыре версии одной компании. Дальше возможны три исхода, и все плохие: она выберет данные агрегатора и назовёт неверную цену, напишет осторожно «по некоторым данным», или вовсе не станет упоминать компанию, о которой нет уверенной информации.

Что стоит привести к одному виду:

• сайт и все его разделы, включая футер и страницу контактов;
• карточки в картах и справочниках;
• отраслевые каталоги, агрегаторы, отзовики;
• профили в соцсетях и на профессиональных площадках;
• публикации в СМИ и статьи экспертов компании.

Вторая сторона согласованности — независимые подтверждения. Когда о компании пишут в отраслевых подборках, обзорах и статьях, нейросеть получает сигнал: эта компания реально существует, работает в этой нише и её знают. Как выстроить такую работу, мы разобрали в статье внешние упоминания для нейросетей.

Нейросеть и рекомендации: почему советуют одних, а не других

Теперь соберём всё вместе. Когда пользователь просит рекомендацию, нейросеть по сути ищет компании, которые одновременно:

• находятся по запросам, в которые она переформулировала вопрос;
• подходят под условия пользователя — город, бюджет, отрасль, сроки — и эти условия явно указаны на страницах;
• подтверждены несколькими независимыми источниками без противоречий;
• описаны понятно, так что их преимущества можно пересказать в одном-двух предложениях.

Конкурент, которого советует нейросеть, не обязательно лучше вас. Чаще он просто понятнее описан и заметнее в источниках. Подробный разбор этой ситуации — в статье нейросеть советует конкурентов: что делать.

Почему ответы меняются

Один и тот же вопрос, заданный дважды, может дать разные списки компаний. Причины понятны: нейросеть каждый раз формулирует ответ заново, поисковые запросы могут отличаться, на результат влияют формулировка, язык, регион пользователя и свежесть индекса. Поэтому честный подрядчик не обещает конкретное место в ответе. Измерять нужно долю вопросов, в ответах на которые компания появляется, и делать это регулярно по одному и тому же набору вопросов.

Как стать источником для нейросетей: что из этого следует для компании

Из механики вытекает понятный порядок действий. Каждый пункт закрывает конкретный этап отбора.

• GEO-аудит. Узнать, что нейросети отвечают сейчас, и найти технические препятствия на этапе «найти и прочитать».
• ИИ-ядро. Собрать вопросы, которые клиенты задают нейросетям, — по аналогии с семантическим ядром. Это основа и для контента, и для замеров.
• Технические изменения. Открыть сайт для поисковых и ИИ-роботов, убрать ошибки, вынести текст из скриптов, добавить разметку и llms.txt.
• Контент с фактами. Переписать ключевые страницы так, чтобы каждый блок был самостоятельным ответом, и создать материалы под вопросы из ИИ-ядра.
• Согласованность данных. Привести к одному виду сведения о компании на сайте и во всех внешних источниках.
• Внешние подтверждения. Наращивать упоминания и публиковать статьи экспертов компании во внешних источниках.
• Мониторинг. Регулярно задавать нейросетям вопросы из ИИ-ядра и корректировать работу по результатам.

По отдельности эти шаги дают мало. Отличная статья на сайте, закрытом для роботов, не станет источником. Идеальный сайт без внешних упоминаний проиграет известному конкуренту. А противоречивые данные в каталогах перечеркнут и то и другое.

Результат: предсказуемая работа вместо лотереи

Когда понимаешь механику, продвижение в нейросетях перестаёт выглядеть магией. Нейросеть рекомендует тех, кого может найти, понять и кому доверяет. Каждое из трёх условий превращается в конкретные задачи: технические, контентные и репутационные. Их можно выполнить, проверить и повторить, когда нейросети изменят правила. Эффект накапливается: чем раньше компания становится понятным и подтверждённым источником, тем прочнее её позиция в ответах.

Как «Продвижение в нейросетях» превращает сайт в источник для ИИ

Мы продвигаем сайты с 2002 года, у нас 100+ клиентов в России и по всему миру и сертификаты Яндекса и Google. Работаем со всеми нейросетями — Алисой AI, ChatGPT, Gemini и «Обзорами от ИИ», Claude, GigaChat, Qwen, DeepSeek, Grok, Perplexity, Copilot — для российского и международных рынков. Полный комплекс работ по сайту и продвижению — из одних рук, для компаний из Elche City и других регионов.

В работу входят GEO-аудит, сбор ИИ-ядра, технические изменения на сайте, создание нового контента, наращивание упоминаний компании на внешних площадках, создание и публикация статей во внешних источниках для рейтинга компании и её экспертов и регулярный мониторинг ответов ИИ.

Нейросеть оценивает сайт целиком, поэтому мы сразу берём его на комплексное обслуживание — от технических правок до GEO-продвижения. Гарантируем исполнение задач по GEO-оптимизации, исправление ошибок и быструю адаптацию сайта под меняющиеся требования нейросетей.

Абонентская плата — 8 900 ₽ в месяц, в неё входят первые 10 часов работы специалиста. Каждый следующий час — 1 800 ₽. Работы по GEO оплачиваются по факту, по схеме time & material: сколько работ сделали и сдали за месяц, столько и выставляем. Скидок и бесплатных периодов нет.

Запишитесь на звонок — разберём, на каком этапе отбора нейросети сейчас теряют вашу компанию и что исправить в первую очередь.