нестабильность ИИ-выдачи

Рейтинги видимости в ИИ-поиске — это миф? Новое исследование доказывает нестабильность AI-выдачи

Стремительный переход интернет-пользователей от классических поисковых систем к генеративному ИИ-поиску (AEO, GEO) породил масштабный рынок аналитических платформ. Десятки SEO-сервисов начали предлагать веб-мастерам дашборды, отслеживающие «позиции» сайтов в ответах ChatGPT, Gemini и Perplexity. Однако недавнее исследование, результаты которого опубликовал аналитик Мэтт Г. Саузерн (Matt G. Southern), доказывает: фиксированная видимость в ИИ поиске — это миф, а привычные нам Ranking Reports (отчеты о позициях) в эпоху больших языковых моделей представляют собой обычный статистический шум.

Почему стандартные SEO-метрики позиций не работают в ChatGPT и Gemini

Классическое SEO в Google или Яндексе опирается на детерминированные алгоритмы. Если поисковый робот просканировал страницу, оценил её текстовую релевантность, поведенческие факторы и ссылочный вес, то позиция сайта по конкретному ключевому запросу будет оставаться относительно стабильной до следующего апдейта базы данных.

С генеративным поиском всё устроено иначе. По своей природе большие языковые модели (LLM) стохастичны. Это означает, что при отправке одного и того же запроса нейросеть не ищет готовую строчку в индексе, а каждый раз заново генерирует текст, опираясь на вероятности появления следующего токена (слова или слога). Как следствие, ссылки на источники, которые ИИ выбирает для цитирования, постоянно тасуются.

Если ваш SEO-сервис раз в неделю отправляет один запрос в ChatGPT и фиксирует, что ваш сайт находится на «втором месте» в ответе — эта метрика имеет нулевую ценность. При следующем же обновлении диалогового окна модель может выдать совершенно другой набор ссылок.

Суть исследования: почему ИИ-ранжирование — это статистический шум

В рамках исследования, основанного на свежем препринте IQRush, аналитики провели стресс-тест современных трекеров видимости. Исследователи отправляли идентичные информационные запросы сериями по несколько десятков раз подряд в одни и те же ИИ-сервисы.

Результаты оказались обескураживающими:

  • Колоссальная волатильность: Доля цитирования конкретного бренда (citation share) непрерывно колеблется между запусками в рамках даже одного часа. В одном тесте бренд может занимать лидерскую позицию, а в точно таком же следующем — полностью исчезать из рекомендаций.
  • Порог стабилизации данных: Исследование показало, что единичные замеры дают ложную картину. Чтобы данные о видимости сайта в ИИ-выдаче начали обретать хоть какую-то статистическую стабильность, необходимо делать от 33 до 94 последовательных запусков одного и того же промта.
  • Неразличимость конкурентов: Даже после накопления массива данных маржинальная погрешность остается настолько высокой, что с математической точки зрения невозможно достоверно утверждать, у кого из конкурентов «позиция» в ИИ выше.

Попытка измерять позиции в ИИ-поиске старыми методами — это то же самое, что пытаться измерить точные координаты квантовой частицы, которая постоянно находится в суперпозиции.

Вместо позиций: как правильно измерять долю присутствия бренда (Visibility Percentage)

Для технических специалистов и маркетологов это исследование полностью меняет правила игры. Отслеживать конкретные строчки бессмысленно, но работать над присутствием в ИИ всё еще необходимо.

Эксперты рекомендуют перестроить аналитику на три ключевых вектора:

  1. Доля упоминаний (Visibility Percentage) на дистанции: Оценивайте эффективность оптимизации только по агрегированным показателям. Программный трекинг должен прогонять пул из 50–100 вариаций ключевого слова через разные модели и фиксировать средний процент присутствия (например, «сайт цитируется в 72% случаев из 100»).
  2. Надежность API и валидация данных: Вместо заигрывания с текстовыми алгоритмами сосредоточьтесь на передаче чистых данных. Как показывает практика, ИИ-краулеры охотнее и стабильнее всего цитируют страницы с безупречной технической структурой: микроразметкой JSON-LD, быстрой загрузкой (Initial HTML) и понятной иерархией.
  3. Реферальный трафик: Анализируйте реальные переходы из ИИ-систем в панелях веб-мастеров, а не виртуальные графики позиций внутри сторонних SEO-сервисов.

Прокрутить вверх