Ранжирование без ссылок: по каким сигналам генеративный ИИ выбирает источник

В классическом SEO обратные ссылки оставались основным сигналом авторитетности. Чем больше сайтов ссылаются на страницу, тем выше её позиция. Генеративные модели (ChatGPT, Gemini, Perplexity, YandexGPT) работают иначе. Они не анализируют граф ссылок в том виде, в котором его используют традиционные поисковики. Вместо этого LLM оценивают содержание источника по набору текстовых и структурных сигналов.

По данным исследования, представленного на конференции Tech SEO Connect, традиционные SEO-факторы (ссылочный профиль, возраст домена и т. п.) объясняют лишь 4−7% поведения генеративного ИИ при выборе источника цитирования. Остальные 93−96% приходятся на другие характеристики: качество контента, его структуру, авторитетность автора, согласованность информации с другими источниками, свежесть и тематическую глубину.

Традиционный поиск ранжирует страницы в списке ссылок. Генеративный И И формирует связный ответ и решает, какие источники заслуживают быть в нём упомянутыми. Количество таких упоминаний ограничено. AI Overviews Google в среднем ссылаются на 8 источников на один ответ, в половине случаев — на 7 или меньше. Это означает, что попасть в ответ сложнее, чем в топ-10 выдачи, но эффект от цитирования выше: бренд получает не переход, а встроенную рекомендацию внутри ответа, который видит пользователь.

Разные модели могут выбирать разные источники для одного запроса. ChatGPT, Gemini, Claude и Perplexity имеют собственные приоритеты, заложенные в архитектуру и обучающие данные. Однако все они пропускают кандидатов через фильтр E-E-A-T.

E-E-A-T (Experience, Expertise, Authoritativeness, Trust — опыт, экспертиза, авторитетность, доверие) изначально использовался в методологии оценки качества Google. В генеративном поиске эта концепция превратилась в практический инструмент фильтрации.

Анализ 15 847 AI-ответов показал: 96% цитируемых источников имеют явные признаки E-E-A-T. Это не «фактор ранжирования» в привычном смысле, а пороговое условие. Если контент не дотягивает по этим критериям, то модель с высокой вероятностью его отсекает.

Experience (опыт) — источник содержит информацию, основанную на реальной практике, а не на пересказе чужих данных. Этим объясняется популярность Reddit, Quora и отраслевых форумов как источников цитирования. Perplexity цитирует Reddit в 46.7% ответов, Google AI Overviews — в 21%, ChatGPT — в 11.3%. Живые описания решений с указанием конкретных обстоятельств ценятся выше обобщённых рекомендаций.
Expertise (экспертиза) — глубина погружения в тему. Цитируемые тексты имеют плотность сущностей (упоминаний конкретных брендов, продуктов, технологий, имён экспертов) в среднем 20.6%, тогда как обычный SEO-текст — 5−8%. Модель различает содержательный разбор и поверхностный обзор.
Authoritativeness (авторитетность) — внешнее признание. Здесь традиционные ссылки всё ещё работают, но не как самостоятельный сигнал, а как часть комплексной оценки: упоминания в СМИ, цитирования в научных работах, органический брендовый поиск.

Trust (доверие) — прозрачность происхождения информации, наличие авторских данных, безопасность сайта, консистентность данных на разных страницах бренда. Если доверие подорвано (противоречивая информация, отсутствие контактов, агрессивный спам), остальные три компонента не компенсируют.

В классическом SEO старая, но хорошо проиндексированная и обвешанная ссылками страница могла годами оставаться в топе. Генеративные модели иначе относятся к датировке. Они отдают предпочтение актуальным данным, особенно по темам, где информация быстро устаревает (технологии, законодательство, медицина, финансы, текущие события).

Это не значит, что старый контент не цитируется никогда. Если тема стабильна (исторические события, фундаментальная наука, классическая литература), возраст документа не играет роли. Однако для большинства коммерческих и практических запросов свежесть становится значимым фактором. Страницы, которые регулярно обновляются и релевантны на момент запроса, получают преимущество.

LLM не просматривают страницу как человек. Они разбивают текст на фрагменты (токены, предложения, абзацы) и оценивают каждый фрагмент на предмет релевантности, ясности и фактологической плотности. Если текст размыт, содержит много вводных конструкций, рекламных оборотов и общих фраз без конкретики, модель с большей вероятностью проигнорирует его, даже если тема совпадает.

На практике это означает:

• Заголовки и подзаголовки должны чётко отражать содержание следующего блока. Иерархия (H1, H2, H3) должна быть логичной.
• Ключевые утверждения лучше располагать в начале абзацев, а не в середине.
• Списки, таблицы, определения, ответы на прямые вопросы (формат Q&A) обрабатываются эффективнее, чем сплошной текст.
• Избыточная креативность и метафоры, которые человек воспринимает нормально, могут ухудшить извлечение информации моделью.

Исследования взаимодействия с несколькими генеративными движками (Google SGE, Microsoft Copilot, Perplexity, ChatGPT) позволили реконструировать типовую схему принятия решения. Модель последовательно проходит пять стадий:

1. Сбор кандидатов. Модель формирует пул потенциальных источников через векторный поиск, API традиционных поисковиков, внутренние графы знаний и историю предыдущих взаимодействий. На этом этапе отсеивается большинство страниц — в том числе и те, которые хорошо оптимизированы под SEO, но плохо структурированы семантически.

3. Взвешивание по доверию. Модель оценивает совокупность сигналов: чёткость идентификации бренда и авторов, консистентность информации с другими страницами того же сайта и с внешними источниками, качество метаданных (Schema.org, авторские профили), свежесть данных, была ли ссылка на этот источник в предыдущих ответах модели, оригинальность контента.

4. Контекстная проверка. Модель проверяет, насколько информация соответствует конкретному пользовательскому запросу и вписывается в логику ответа. Если контент дублирует то, что уже есть в других источниках, он может быть исключён в пользу источника с уникальными данными.

5. Итоговое решение. Модель решает, цитировать источник с явной ссылкой, использовать его данные неявно, привлечь для обоснования сложных тезисов или не упоминать вовсе.

Переход от ссылочного ранжирования к смысловому отбору меняет приоритеты в контент-стратегии. Вот конкретные шаги.

Документируйте опыт. Вместо обезличенных статей «10 способов оптимизации» публикуйте разборы конкретных ситуаций: какая была задача, какие действия предприняли, с какими трудностями столкнулись, какой получили результат. Указывайте сроки, метрики до и после, контекст. Чем детальнее, тем выше шанс, что модель сочтёт источник ценным.

Проверяйте контент на «воду». Прочитайте текст и удалите фразы, которые не несут новой информации. Замените общие слова («качественный», «эффективный», «современный») на конкретные характеристики. В идеале каждая часть текста должна содержать утверждение, которое можно проверить или опровергнуть.
Внедряйте структурированные данные. Разметка Schema.org для авторов (Author), статей (Article), FAQ, HowTo, Product, Review помогает модели идентифицировать тип контента и его ключевые элементы. Это не гарантирует цитирование, но снижает риск неверной интерпретации.

Работайте над согласованностью информации. Противоречия между страницами вашего сайта, между сайтом и соцсетями, между соцсетями и отраслевыми каталогами снижают доверие. Модели сопоставляют данные из десятков источников. Если в одном месте написано «10 лет на рынке», а в другом — «с 2018 года», это минус к авторитетности.

Регулярно обновляйте старый контент. Не удаляйте — обновляйте. Проверьте актуальность ссылок, статистики, упоминаемых инструментов. Добавьте примечание «обновлено такого-то числа». Модели учитывают дату последнего изменения.

Собирайте внешние подтверждения. Упоминания в профильных СМИ, цитирования в исследованиях, ссылки из университетских или государственных доменов работают как сигнал авторитетности. Прямой связи с позициями в генеративной выдаче нет, но эти сигналы влияют на оценку доверия косвенно.

Генеративные модели иначе определяют, какой источник заслуживает быть процитированным. Они не полагаются на ссылочную массу, а оценивают содержание: есть ли у автора реальный опыт, глубока ли экспертиза, насколько информация согласована с другими источниками, заслуживает ли сайт доверия. Структура текста и его актуальность также играют роль.

Это означает, что небольшой, но экспертный сайт может получить цитирование в ответах LLM даже без мощного ссылочного профиля. И наоборот, крупный портал с сотнями ссылок, но поверхностным и устаревшим контентом может остаться незамеченным.

Адаптация к этим новым правилам не требует полной смены стратегии, но требует пересмотра приоритетов: меньше внимания — наращиванию ссылок, больше — качеству и глубине контента.

Никаких общих фраз: закажите бесплатный аудит сайта и получите список конкретных действий для улучшения позиций и трафика.