У каждой модели своя диета
Почему вашему сайту нужно стать каноническим буфером, а не просто лендингом.
Про видимость в AI ходит утешительная история. Она говорит, что модели похожи на домашних животных. Кормите каждый день, каждому давайте его любимую еду, и рано или поздно они вас полюбят. Постите достаточно, повторяйте своё имя достаточно, и ChatGPT начнёт его возвращать.
Я понимаю, почему история разошлась. Она даёт занятие на каждое утро. Она превращает непрозрачную систему в существо, которое можно приручить.
История неверна, и данные о том, в чём именно она неверна, оказываются полезнее самой истории.
Машина может съесть ваш контент и накормить конкурента
В первой половине 2026 Ahrefs провёл самый чистый эксперимент на эту тему, который я видела. С февраля по май они опубликовали 34 саморекламные страницы на пяти доменах, продвигая два своих бренда, и отследили 9886 AI-ответов от ChatGPT, Gemini, Perplexity и Copilot, чтобы понять, что страницы реально сделали.
Вот число, которое должно закрыть историю про питомца. Среди ответов, цитировавших страницу с продвижением их новой конференции, 43 процента не упомянули конференцию вообще. AI использовал страницу как источник исследования и порекомендовал конкурирующие мероприятия, иногда те самые, что были перечислены на этой же странице. Когда страница попадала в конвейер ответа, но не показывалась как цитата, бренд пропускали в 74 процентах случаев.
Страницу съели. Конкурента накормили.
Тот же эксперимент показал ещё кое-что. Для совершенно новой сущности саморекламные страницы сработали как мост из отсутствия в присутствие: 82 процента новых упоминаний появились в ответах, цитирующих собственные страницы бренда. Для уже устоявшегося бренда только 6 процентов новых упоминаний пришли с его собственных страниц. Остальные 94 процента пришли из того, что написали третьи стороны.
Две сущности это маленькая выборка, поэтому вывод держу узким. В этом эксперименте самопубликуемые страницы значили гораздо больше для новой сущности, чем для устоявшейся. Как только у рынка есть плотная внешняя запись о вас, ваши собственные страницы могут стать одним входом среди многих, и не обязательно решающим. Модель всё чаще ест с чужих тарелок. И на каждой стадии объём без доказуемой связи между фактом, сущностью и категорией может информировать систему, не заставляя её выбрать вас.
Цель не в том, чтобы еды было больше. Цель в том, чтобы еда была доказуемой.
Вы кормите не питомца. Вы поддерживаете среду обитания
Вот поправка, после которой всё остальное складывается.
В этой системе есть два вида памяти, и фаундеры путают их на свой страх и риск.
Приватная память принадлежит отношениям с пользователем. Ассистент может помнить, что один человек ему сказал, внутри одного аккаунта или одного продолжающегося разговора, и эта память может даже влиять на то, как он для этого человека ищет. Публичная память принадлежит среде свидетельств. Это то, что позволяет незнакомцу в свежей сессии получить примерно тот же актуальный рассказ о человеке или бизнесе.
Приватная память это не публичная читаемость. Персонализация может сделать ответ знакомым. Только публичная читаемость может сделать его воспроизводимым.
Для публичной видимости нельзя рассчитывать, что система вас уже встречала. Когда свежий пользователь спрашивает про вас, ответ может прийти из обучения, из активного поиска по вебу или из смеси. Когда в процесс входит поиск, система идёт по доступной ей публичной информационной среде и собирает ответ из того, что может достать и подтвердить. Потом следующий вопрос запускает процесс заново.
Вы не обучаете публичную модель вас помнить. Вы поддерживаете среду, из которой ответы для незнакомцев пересобираются заново.
Это не поэтическое понижение идеи ежедневного кормления. Это повышение, потому что у среды есть свойства, которых нет у миски. Среду можно возделывать или запустить. Она может быть внутренне согласованной или противоречивой. Она может содержать свежий, датированный, проверяемый материал, а может слой осадка из старых био и брошенных профилей, который тихо перевешивает всё, что вы опубликовали в этом году.
И главное: одну и ту же среду обходят очень разные виды.
Пять движков и едва ли один общий веб
В исследовании середины 2026 SurfacedBy зафиксировали источники, которые цитируют пять AI-движков, отвечая на один и тот же набор реальных покупательских вопросов: ChatGPT, Claude, Gemini, Perplexity и Google AI Mode. На примерно 16 400 ответах, собранных с марта по июнь 2026, они записали 127 198 цитирований, указывающих на 11 647 разных сайтов.
Примерно семь из десяти этих доменов процитировал только один движок. Все пять процитировали лишь 2,7 процента.
Это было вендорское исследование коммерчески ориентированных вопросов, считанное на уровне доменов. Оно описывает слой цитирования, а не весь процесс поиска и не весь веб. И всё же степень расхождения слишком велика, чтобы считать движки одним каналом дистрибуции. Страница, которую любит один движок, может быть невидима для другого. Оптимизировать под «AI-поиск» как под единый канал значит оптимизировать под среднее, которым не является ни один движок.
Дальше страннее. Диета нестабильна даже внутри одной системы. Semrush вместе с Kevin Indig прогнали 100 промптов через ChatGPT дважды, в минимальном режиме рассуждения и в высоком, и обнаружили, что пересеклись лишь 25,6 процента процитированных доменов. В более глубоком режиме доля Reddit в цитированиях упала примерно вдвое, а государственные, академические и официальные документационные источники прибавили, и система выполнила почти в пять раз больше фоновых поисков.
Выборка маленькая, и это коммерческий бенчмарк, а не закон природы. Но какая бы логика маршрутизации ни стояла за интерфейсом, тест показывает: одного лишь изменения глубины рассуждения хватило, чтобы получить существенно другую среду источников. Аппетит меняется вместе с вопросом. Единица стратегии это не «модель». Это модель по режиму по вопросу по категории.
Оборот цитат это не оборот рекомендаций
Две находки из двух разных исследований заслуживают отдельного раздела, потому что вместе они объясняют, зачем среда вообще нужна.
Первое: цитаты мерцают. В эксперименте Ahrefs примерно четверть страниц была процитирована один раз по конкретному вопросу на конкретном движке и больше не появилась никогда. Даже повторяющиеся цитаты возникали примерно в один день из трёх между первым и последним появлением. В страницах ничего не менялось. Источники под ответами просто продолжали вращаться.
Второе: отдельный анализ SurfacedBy обнаружил существенную сменяемость источников при повторении одних и тех же покупательских вопросов во времени, от примерно четверти источников между проверками у Perplexity до заметно больше половины у Google AI Mode. В одном вручную проверенном узком запросе верхняя рекомендация осталась той же, тогда как источники под ней продолжали меняться. Авторы аккуратны в оговорке, и я тоже: это была одна точечная проверка, а не измеренная стабильность рекомендаций. Но различие стоит держать в голове.
Оборот цитат и оборот рекомендаций это не одно и то же событие. Потеря конкретной цитаты не обязательно означает потерю позиции. Сохранение упоминания не означает контроля над аргументом, которым система его объясняет.
Поэтому среде нужна неподвижная точка. Если источники под каждым ответом постоянно вращаются, единственный долговечный актив это версия фактов, которая вращение переживает: одно место, где живёт текущий, датированный, внутренне непротиворечивый рассказ о сущности, чтобы какие бы источники движок ни собрал на этой неделе, они сходились к одной и той же истории.
Ваш сайт это канонический буфер
Большинство сайтов построено как лендинг: кто мы, что продаём, оставьте почту. Это остаётся настоящей задачей, и для торговли она по-прежнему первая. Но для публичной читаемости у сайта появилась вторая задача, под которую многие бизнесы не проектировались.
Эту вторую задачу я называю canonical buffer, канонический буфер.
Канонический буфер это управляемый слой между тем, что верно внутри бизнеса, и тем, что AI-системы могут подтвердить снаружи. В нём лежит текущая, датированная, проверяемая версия сущности: определение в одно предложение, факты, термины, история изменений. Внешние площадки эту версию распространяют и подтверждают. Буфер это место, где она поддерживается актуальной.
Слово «буфер» здесь важно. Буфер поглощает рассогласование между двумя системами, движущимися с разной скоростью. Ваш бизнес меняется еженедельно. Внешняя запись о вашем бизнесе, старые интервью, протухшие био, чужие упоминания, меняется медленно и неравномерно, а движки собирают по всему этому. Движки могут воспроизвести ту версию, которая наиболее последовательно поддержана источниками, до которых они дотягиваются, а не ту, что вы опубликовали последней. Буфер это слой, который работает над тем, чтобы эти две версии стали одной.
Про пределы честно: буфер это необходимый слой, а не доказанный фактор ранжирования. Ни одно известное мне исследование не показывает, что какая-либо структура гарантирует цитирование, и сама OpenAI утверждает, что доступность для краулера делает присутствие возможным, но ничего не гарантирует относительно заметности.
Поддержание бьёт производство
Если картина со средой верна, ежедневная практика меняется. Не ежедневная публикация. Уход, в ровном ритме.
Начните со свежести, потому что именно там прячется история про питомца. В анализе 2025 года примерно 17 миллионов процитированных AI адресов Ahrefs обнаружил, что они в среднем примерно на 25,7 процента свежее органических результатов Google по сопоставимым запросам. При этом средней процитированной странице было почти три года. Процитированные AI страницы обычно свежее, но свежесть сама по себе не доказанный причинный рычаг: данные не показывают, что обновление страницы вызвало её цитирование. Мой практический вывод уже: не производите свежесть ежедневными постами и косметической сменой дат. Поддерживайте страницы, несущие ваши канонические факты, и обновляйте их, когда меняются сами факты.
И одна оговорка с академической стороны. Критический обзор 45 исследований GEO за 2023 по 2026 описывает видимость не как задачу ранжирования, а как длинный стохастический конвейер: активация поиска, индексация, извлечение, переранжирование, цитирование, реальное влияние на ответ и наконец поведение пользователя. Обзор отмечает, что ни одна техника в рассмотренной литературе не показала устойчивого, кроссплатформенного, причинного эффекта на органическую видимость и бизнес-результаты. Он же фиксирует неудобный эффект: переписывание страниц специально под цитируемость иногда ухудшало извлечение. Контент может одновременно стать более цитируемым и менее находимым.
Так что честное обещание скромное и всё равно стоит того. Вид приручить нельзя. Можно сделать свою среду обитания самым удобным местом в его ареале, где находится истинная, текущая, доказуемая версия вас.
Три вопроса до того, как что-то строить
Что публичная запись должна делать легко доказуемым? Не что вы хотите, чтобы о вас говорили. А что система, собирающая ответ для незнакомца, должна суметь подтвердить: кто вы, к какой категории относитесь, ответом на что являетесь.
У какой версии вас сейчас самое сильное свидетельство? Спросите движки, кто вы, и посмотрите, за какими источниками они тянутся. Побеждает версия с самой последовательной поддержкой, и она не всегда текущая. Найдите то, что вас передоказывает.
Какие важные утверждения существуют только вашими словами? Факт, который есть исключительно в ваших материалах, это слабая еда. Определите два или три утверждения, которым независимое подтверждение нужнее всего, и идите его зарабатывать.
История про питомца спрашивает, как часто постить. Вопрос про среду спрашивает труднее: что публичная запись сейчас делает наиболее легко доказуемым?
Заставить каждый движок идти одним маршрутом нельзя. Можно расставить свидетельства так, чтобы каким бы маршрутом он ни пошёл, текущую правду было легче восстановить, чем устаревшую версию.
В этом и работа. Не кормить машину, а строить среду, в которой правда переживает извлечение.
Данные: эксперимент Ahrefs с саморекламным контентом (февраль по май 2026, 9886 ответов); исследование цитирований SurfacedBy по пяти движкам (март по июнь 2026, 127 198 цитирований); исследование режимов рассуждения Semrush и Kevin Indig (2026, 100 промптов); исследование цитирований Yext (6,8 млн цитирований); анализ свежести Ahrefs (2025, около 17 млн адресов); Martinez, «Optimizing Visibility in Generative Engines: A Critical Survey of GEO (2023–2026)», arXiv:2607.14035. Наблюдения по конкретным движкам описывают тестовые наборы и будут меняться вместе с системами.