Компания открывает сайт для ИИ-краулеров, переписывает страницы под прямые ответы, добавляет разметку. Потом спрашивает ассистента про свою категорию и слышит описание собственного продукта чужими словами - иногда с ценами и функциями, которых нет. Это не сбой оптимизации. Модель отвечает не с вашего сайта, а из источников, которым доверяет больше.
Ответ собирается не на вашем сайте
Технический доступ - корректный robots.txt, llms.txt, читаемая структура страниц - условие необходимое, но не достаточное: оно позволяет модели прочитать сайт, а не делает сайт тем, что она процитирует.
Дальше начинается другая логика. Классический поиск отдаёт список ссылок, и ваша страница борется за позицию в нём. Ассистент отдаёт готовый ответ, собранный из нескольких источников сразу, и ваша страница борется уже не за позицию, а за право быть процитированной наравне с каталогом отзывов и веткой обсуждения на форуме. Как устроен первый режим, мы разбирали в материале про SEO для B2B SaaS в Европе; здесь речь о втором.
Причина предпочтения простая. Описание продукта на собственном сайте - это заявление заинтересованной стороны. Отзыв в каталоге, спор в тематическом сообществе, энциклопедическая справка, обзор в отраслевом издании читаются как независимое подтверждение. Между ними модель выбирает второе.
Какие источники попадают в ответ чаще всего
Публичные замеры дают такую картину, и каждую цифру стоит читать как ориентир конкретного исследования, а не как гарантию распределения для отдельной компании.
Каталоги отзывов. По данным G2 («AI LLM visibility», 2025-2026), G2 занимает первое место среди брендов в категории программного обеспечения по видимости в ИИ-ответах: оценка 14.9%, более 100 тысяч цитирований, 22-23% доли упоминаний против Capterra и TrustRadius. Отзывы пользователей при этом цитируются дословно.
Форумы и сообщества. На Reddit приходится 46.7% цитирований в Perplexity (AEO playbook B2B Marketing, G2 AI visibility data, 2026) - это основной для моделей источник живого пользовательского опыта.
Энциклопедические справки. Wikipedia даёт около 26% всех цитирований LLM (BeGlobe Agency, вебинар «PR в эпоху AI», 2025-2026).
Отраслевые и деловые издания. Примерно 61% репутационных сигналов в ИИ приходит из редакционных источников (Hard Numbers, «Reputation in the Age of AI»).
Ни один из этих источников вы не редактируете напрямую. Именно поэтому задача перестаёт быть задачей про сайт.
Что это меняет для маркетинга
По оценке Gartner (2025), 80% B2B-покупателей завершают исследование самостоятельно, до первого контакта с продавцом. Решающая часть разговора о вас идёт без вас - и теперь не только в поисковой выдаче и обзорах, но и в ответе ассистента, который этот разговор за покупателя суммирует.
Отсюда два практических следствия. Профиль в каталоге отзывов - не формальность, а документ, который цитируется дословно: неполное описание, старые цены и отсутствие сравнений с конкурентами означают, что модель соберёт ответ из того, что найдёт у других. А упоминание бренда в отраслевом издании работает дважды: на читателя и на модель, которая через месяц соберёт из этой статьи ответ следующему читателю. Бюджет, который обычно уходит на дописывание страниц сайта, в этой логике эффективнее тратить на присутствие в чужих источниках.
Сначала проверьте, что ассистент говорит о вас сейчас
До любых вложений в видимость имеет смысл выяснить точность. Соберите 20-50 вопросов, которые реально задаёт покупатель в вашей категории, прогоните их в ChatGPT, Perplexity и Google AI Overviews и зафиксируйте три вещи: упоминают ли вас вообще, на какие источники ассистент ссылается и что именно приписывает продукту.
Неверное описание опаснее низкой видимости. Покупатель, получивший искажённые цены или несуществующие ограничения, чаще всего просто не возвращается, и вы об этом не узнаете. Наращивать присутствие поверх неверного описания бессмысленно.
Про измерение стоит сказать честно: официальной статистики упоминаний ни ChatGPT, ни Google AI Overviews не отдают, Perplexity показывает цитирования только отдельным издателям, а «оценка видимости» в сервисах мониторинга - это частота появления в тестовых запросах, а не в реальных диалогах пользователей. Такую оценку разумно использовать как указатель направления, а не как точную метрику. Систематический сбор упоминаний ближе к конкурентной разведке, чем к веб-аналитике.
Как работать с источниками, которые вам не принадлежат
Редактировать Reddit или Wikipedia в свою пользу нельзя, и попытки это делать заканчиваются плохо. Работает другое.
Полный профиль в каталогах отзывов с описанием, ценами и сравнениями, плюс системный сбор отзывов от довольных клиентов. Согласованное описание компании во всех источниках сразу: если на сайте вы платформа для одного, а в каталоге инструмент для другого, модель выберет формулировку сама. Первичные данные, которых нет ни у кого, - собственные исследования и отраслевые замеры цитируют охотнее, чем продуктовые обещания. И экспертные комментарии в изданиях, которые читает ваша аудитория.
В проектах мы видим, что быстрее всего меняется та часть ответа, где расхождение было фактическим - цена, наличие функции, поддерживаемая интеграция. Оценочные формулировки вроде «сложно внедрить» держатся дольше, потому что опираются на накопленный пользовательский опыт, а не на один источник.
Разумный порядок действий на ближайший квартал выглядит так: зафиксировать текущие ответы по своим 20-50 вопросам, исправить фактические ошибки в профилях каталогов и на сайте, выбрать два-три источника из списка выше, где присутствие реально достижимо, и повторить замер через три месяца. Это не быстрый канал, но он определяет, каким видит ваш продукт покупатель, который до вас ещё не дошёл.