Первый источник в AI-поиске не гарантирует цитирование бренда

В эксперименте с 113 сопоставимыми парами страниц первый результат в сохранённой выдаче AI-поиска цитировался в 85,1% случаев, а пятый — в 42,8%. Но когда исследователи меняли порядок тех же страниц местами, средний эффект в отдельном повторном тесте составил 0,0 процентного пункта.

Для бренда это означает простую вещь: порядок источников в AI-поиске нельзя читать как готовое объяснение цитирования. Верхние позиции чаще получают более релевантные материалы, поэтому сырая связь между местом в выдаче и ссылкой в ответе смешивает как минимум два фактора — качество страницы и её порядок в конкретной выдаче. В аналитике соцсетей и мониторинге бренда такая ошибка знакома: корреляция выглядит убедительно, пока не проверяется изменением одного условия.

Что проверял эксперимент о порядке источников в AI-поиске

Препринт Срирама Селвама и Аннесвы Гхош, опубликованный на arXiv 14 сентября 2026 года, изучал, меняется ли вероятность цитирования, если изменить один параметр у уже найденных материалов. Исследование ещё не прошло рецензирование, поэтому его выводы разумно использовать как ориентир для проверки гипотез, а не как универсальное правило для всех AI-поисковиков.

Авторы задали GPT-5.4 Search Agent 130 распространённых вопросов. Агент использовал Exa как поискового провайдера. Для 129 обработанных вопросов исследователи сохранили переписку, поисковые результаты и итоговые ответы. Затем они отобрали пары страниц, которые одновременно попадали в одну выдачу и подтверждали один и тот же факт.

После первоначального отбора осталось 113 пар. Независимая слепая проверка людьми признала действительно сопоставимыми 103 пары. Это важная деталь: авторы старались сравнивать страницы, которые могли бы быть процитированы на равных, а не противопоставлять сильный первоисточник слабому пересказу.

Каждый сохранённый сценарий воспроизводили в четырёх вариантах:

• одна страница стояла выше или ниже другой;
• текст показывали обычными абзацами либо в структурированном виде с заголовками, списками или таблицей;
• финальный ответ генерировали заново;
• поиск и получение страниц не запускали повторно.

Последнее ограничение особенно существенно для digital-маркетинга. Тест измерял распределение ссылок после того, как материалы уже были получены поисковым агентом. Он не показывает, поможет ли новая структура страницы попасть в индекс, пройти отбор поискового провайдера или подняться в живой выдаче.

Почему разрыв между первым и пятым результатом нельзя считать эффектом позиции

Разница в 42,3 процентного пункта между первым и пятым местом выглядит как сильный аргумент в пользу позиции. Однако первое место в этой логике означает порядок среди пяти результатов Exa в одном поисковом запросе, а не место страницы в Google и не постоянный рейтинг сайта в интернете.

Поисковая система обычно ставит выше материалы, которые считает более подходящими к запросу. Поэтому первый результат одновременно получает два преимущества: он показывается раньше и, вероятно, лучше отвечает на задачу. По одной наблюдаемой цифре невозможно разделить эти причины.

Авторы попытались приблизиться к причинной проверке. Когда ту же страницу перемещали выше внутри сопоставимой пары, вероятность её цитирования увеличивалась на 7,9 процентного пункта. После поправки на множественные проверки этот результат не признали статистически значимым.

В дополнительном наборе из 56 пар меняли только порядок источников. Оценка эффекта оказалась нулевой: 0,0 процентного пункта при 95-процентном доверительном интервале от −5,4 до +5,4 пункта.

Из этого не следует, что позиция совсем безразлична. В отдельных сценариях она могла влиять на решение модели. Но формула «первое место приносит вдвое больше цитат» не выдерживает проверки перестановкой источников. Она описывает наблюдение в конкретных выдачах, а не гарантированный результат оптимизации.

Для маркетинговой отчётности это знакомая ловушка. Например, публикации с высокими охватами могут чаще получать переходы не только из-за формата, но и потому, что бренд поставил на них дополнительный медиабюджет. Если в отчёте не отделить исходный спрос от эффекта размещения, команда закрепит неверное решение. С AI-поиском происходит то же самое: наблюдаемое преимущество нужно проверять контролируемым сравнением.

Структура текста получила больше ссылок, но вывод пока ограничен

Вторая часть эксперимента касалась оформления. Версии с заголовками и списками в среднем получали на 0,50 больше маркера цитирования в ответе, чем те же материалы в форме сплошных абзацев. 95-процентный доверительный интервал составил от 0,20 до 0,84.

При этом общее число ссылок в ответах не выросло, а количество ссылок на вторую страницу пары почти не изменилось. Авторы трактуют результат как перераспределение «кредита» в пользу более структурированной версии, а не как расширение списка использованных источников.

Основная заранее заявленная проверка была строже: попадёт ли страница в ответ хотя бы один раз. Для структурированного текста оценка прироста составила 4,5 процентного пункта, но интервал от −1,4 до +10,4 не даёт уверенного подтверждения эффекта. По расчётам авторов, дизайн исследования надёжно обнаруживал эффекты примерно от 8,5 пункта и выше.

Был и более узкий тест: слова сохраняли прежними, а формат меняли на расположение одного предложения в каждой строке списка. В полном наборе это повышало частоту цитирования, но при повторе на подмножестве направление эффекта стало обратным.

Авторы сформулировали вывод точно:

«Это предупреждение о чувствительности атрибуции, а не тактика оптимизации».

Практический смысл здесь не в механическом превращении каждого абзаца в список. Структура полезна читателю, редактору и поисковому агенту, когда она делает доказательство понятным: отдельный тезис, источник, дата, условия и ограничения. Но один формат не заменяет содержательную полноту, актуальность и надёжность страницы.

Повтор одного запроса меняет картину цитирования

Авторы повторно сгенерировали 120 ответов при тех же входных данных. В 15% случаев решение процитировать или не процитировать целевую страницу менялось. Это примерно один случай из семи.

Средний эффект при этом оставался похожим, однако около 45% вариации эффекта одного запуска, по оценке исследователей, связано со случайностью модели. Для бренда это аргумент против отчётов, где один ответ AI-поиска объявляют окончательной победой или потерей видимости.

Search Engine Journal также приводит январское наблюдение SparkToro: при повторении одинакового запроса ChatGPT и Google AI Overviews выдавали один и тот же список брендов менее чем в 1% случаев. Методики и системы в этих работах различаются, но общий сигнал совпадает: единичный снимок ответа плохо подходит для оценки устойчивого присутствия.

В Telegram-маркетинге и SMM эта логика уже привычна. Один удачный пост не описывает стабильную вовлечённость канала, а единичное упоминание не определяет репутационную картину. Аналитика соцсетей опирается на ряд наблюдений, распределение результатов и контекст публикаций. Видимость бренда в AI-поиске требует такого же подхода.

Как измерять цитирование бренда в AI-поиске без ложных выводов

Рабочая единица измерения — не один запрос, а набор повторов по фиксированному сценарию. Для каждого важного пользовательского вопроса стоит заранее определить формулировку, язык, регион, дату запуска, используемую систему и критерий упоминания бренда.

Разделяйте упоминание, ссылку и рекомендацию

Эти результаты нельзя складывать в одну метрику.

• Упоминание бренда означает, что модель назвала компанию, продукт или категорию.
• Цитирование бренда означает, что ссылка в ответе ведёт на собственный ресурс компании либо на материал, где бренд выступает источником факта.
• Рекомендация бренда означает, что бренд вошёл в список вариантов или был назван подходящим для конкретной задачи.
• Тональность упоминания показывает, в каком контексте бренд появляется: нейтральном, положительном, сравнительном или критическом.

Бренд может регулярно называться в ответах и редко получать прямую ссылку. Возможна и обратная ситуация: сайт цитируется как справочный источник, но компания не попадает в рекомендации. Для репутации, SMM и контент-маркетинга это разные задачи.

Фиксируйте распределение, а не только среднее значение

Если один и тот же запрос выполняется десять раз и бренд появляется в шести ответах, корректнее сообщать частоту 60% и число запусков, чем писать «бренд виден в AI-поиске». Полезно хранить также:

• число повторов по каждому запросу;
• долю ответов с упоминанием и с прямой ссылкой;
• позицию бренда в перечне рекомендаций, если он есть;
• список конкурентов, появившихся в каждом запуске;
• используемые источники и даты их публикации;
• заметные различия между ответами.

Такой журнал помогает увидеть, где бренд стабильно присутствует, а где результат зависит от варианта ответа. Он же снижает риск принять случайную флуктуацию за эффект новой публикации или технической правки.

Проверяйте изменения как эксперимент

Если команда меняет страницу, не стоит сразу связывать рост цитат именно с новой разметкой, заголовками или порядком блоков. Сначала фиксируется базовый период, затем меняется один элемент, после чего запросы повторяются в одинаковом объёме.

Для небольших сайтов и агентств это не требует сложной лаборатории. Достаточно прозрачной таблицы с датами, версиями страниц, формулировками запросов и сериями повторов. Когда трафика и числа запросов становится больше, данные полезно объединять с веб-аналитикой, поисковой видимостью и мониторингом бренда.

Что делать с порядком источников на практике

Порядок в выдаче всё равно важен как сигнал: источник должен быть релевантным, доступным для поиска и понятным системе. Но оптимизировать следует не «первую позицию любой ценой», а набор факторов, который делает страницу надёжной для конкретного вопроса.

Уместная последовательность работы выглядит так:

1. Собрать реальные вопросы аудитории из поиска, комментариев, обращений в поддержку, обсуждений в соцсетях и Telegram-каналах.
2. Проверить, какие источники AI-поиск использует в ответах и какие факты из них извлекает.
3. Найти на собственных страницах пробелы: отсутствующую дату, автора, методологию, условия расчёта, ссылку на первоисточник или ясный ответ на вопрос.
4. Оформить материалы так, чтобы каждый тезис можно было быстро проверить: логичные подзаголовки, короткие смысловые блоки, таблицы там, где они действительно упрощают сравнение.
5. Повторять запросы сериями и отмечать устойчивость результата.
6. Сопоставлять видимость в AI-поиске с мониторингом бренда, переходами, качеством лидов и содержанием разговоров вокруг категории.

Для FollowPulse здесь полезен общий контур наблюдения: отслеживать упоминания бренда и конкурентов в соцсетях и мессенджерах, находить источники обсуждений через Smart Search и сопоставлять репутационные сигналы с темами, которые бренд пытается закрепить в поиске. AI-ответы не существуют отдельно от цифрового следа компании: они опираются на доступные документы, публикации, отзывы и внешние подтверждения.

Чеклист

1. Сформировать список из 10–30 вопросов, которые действительно задаёт целевая аудитория в категории.
2. Выполнять каждый запрос сериями, а не один раз, и сохранять дату, систему, формулировку и ответ.
3. Отдельно считать упоминания, прямые ссылки, рекомендации и тональность бренда.
4. Не делать вывод о влиянии позиции по простой разнице между первым и пятым источником.
5. При изменении страницы менять один существенный параметр за раз и сравнивать результаты с базовым периодом.
6. Добавлять в контент проверяемые факты, даты, первоисточники, авторство и понятную структуру.
7. Связывать AI-видимость с мониторингом бренда, поисковым спросом, вовлечённостью и бизнес-метриками, а не с количеством ссылок изолированно.

FAQ

Влияет ли первое место в выдаче AI-поиска на цитирование бренда?

Первое место может совпадать с более частым цитированием, но эксперимент не подтвердил устойчивый самостоятельный эффект простой перестановки сопоставимых источников. Верхние результаты часто уже более релевантны, поэтому наблюдаемую разницу нельзя полностью приписывать порядку.

Сколько раз повторять запрос для оценки видимости бренда в AI-поиске?

Единственного универсального числа пока нет. Практически важно запускать каждый запрос серией и фиксировать долю ответов с упоминанием или ссылкой. Чем выше изменчивость ответов и значимее категория, тем больше повторов требуется для устойчивого вывода.

Помогают ли заголовки и списки получать цитаты в нейросетях?

В рассмотренном эксперименте структурированные версии страниц получали больше маркеров цитирования в среднем. Однако доказательств уверенного роста самой вероятности попасть в ответ не получено, а живое влияние на поиск и ранжирование работа не проверяла.

Почему AI-поиск по-разному отвечает на один и тот же запрос?

Генеративная модель может по-разному выбирать формулировки, источники и состав рекомендаций даже при одинаковом вводе. В исследовании решение процитировать целевую страницу менялось в 15% повторных запусков.

Какие метрики использовать для мониторинга цитирования бренда?

Стоит отслеживать частоту упоминаний, долю ответов с прямой ссылкой, позицию в рекомендательных списках, тональность, набор конкурентов и стабильность результатов между повторами. Эти показатели полезно сопоставлять с поисковым трафиком, мониторингом бренда и качеством обращений.

FollowPulse помогает соединить мониторинг бренда, аналитику соцсетей и Telegram Analytics в одной рабочей картине.

Пользуйся FollowPulse и получай:

• Аналитику соцсетей
• Умный поиск информации
• Рост своего бренда

Пробный доступ — от 10 рублей.

Попробовать FollowPulse