Список источников — не полный отчёт о поиске
Пользователь задаёт один вопрос, а система может искать несколько раз: уточнить понятия, проверить отдельные факты, найти альтернативы. Google прямо описывает такой механизм для AI Overviews и AI Mode: исходный запрос разворачивается в серию связанных поисков. Поэтому найденных материалов может быть больше, чем кажется по короткому ответу на экране.
Дальше то, что система нашла, расходится с тем, что она решила показать пользователю как источник. И это не только теория.
В 2026 году журнал Data & Policy опубликовал исследование на эту тему. Его авторы сопоставили поисковые журналы 11 моделей с веб-поиском и ссылки в их ответах. После очистки в выборке осталось 13 929 ответов, собранных из разговоров на LMArena за март и апрель 2025 года. Исследователи обнаружили разрыв между адресами страниц в поисковых журналах и адресами, которые попали в итоговые ответы.
Здесь нужна оговорка, иначе легко сделать слишком громкий вывод. Авторы считали релевантными источниками страницы из поисковых журналов, которые раскрыла сама система. Но если страница есть в таком журнале, это ещё не доказывает, что именно её содержание повлияло на конкретную фразу. Исследователи сами признают: журналы могут включать материалы, которые почти не использовались, и пропускать часть действительно прочитанных страниц.
Так что исследование подтверждает одно: видимая картина неполна. Посчитать по нему, сколько контента «украли» у отдельного издателя, нельзя. К тому же его результаты относятся к определённым моделям и настройкам весны 2025 года и не описывают все нынешние версии сервисов.
Где страница становится невидимой
Слово «используется» слишком широкое. Для аналитики его лучше разложить на события, которые можно наблюдать.
| Ситуация | Что можно установить | Чего это ещё не доказывает | Источник и комментарий |
|---|---|---|---|
| Робот запросил страницу | Сервис обратился к адресу и получил ответ сервера | Что материал участвовал в ответе пользователю | OpenAI разделяет поисковый обход, сбор данных для обучения и обращения по действиям пользователя |
| Адрес есть в поисковом журнале модели | Страница попала в раскрытую часть поиска | Что её содержание существенно повлияло на ответ | Исследование в Data & Policy отдельно говорит об ограничениях таких журналов |
| В ответе есть ссылка на страницу | Пользователь видит указание на источник | Что страница подтверждает весь текст, к которому привязана ссылка | Точность цитирования это исследование не проверяло |
| В ответе узнаются сведения компании, но ссылки нет | Есть совпадение содержания, которое можно изучать дальше | Что помощник взял сведения прямо с вашего сайта | Повод для проверки, но не доказательство происхождения |
Самая очевидная тёмная зона — страница попала в поиск, но ссылки не получила. Для бизнеса есть и другой сценарий: ваши данные дошли до помощника через чужую публикацию. Скажем, исследование компании пересказало отраслевое медиа, и система сослалась на этот пересказ. Тогда проверять нужно цепочку публикаций. Спешить с выводом, что помощник побывал на оригинале и скрыл его, не стоит.
Ещё труднее разобраться с ответом, который, возможно, опирается на знания самой модели, без свежего поиска. По нему нельзя надёжно восстановить ни исходную страницу, ни дату, когда модель получила сведения. Даже дословное совпадение формулировки нужно проверять: она могла разойтись по нескольким сайтам.
Отсюда важное различие. Нет ссылки, нет упоминания бренда, нет влияния на ответ — это три разных результата, и ни один из них не вытекает из другого сам собой.
Почему обычная аналитика этого не видит
Веб-аналитика хорошо фиксирует переходы на сайт. Но если человек прочитал ответ помощника и никуда не перешёл, визита пользователя не будет. Запрос робота к серверу может остаться в техническом журнале, только это уже другое событие.
Платформы понемногу добавляют отчёты, которые подходят для этого лучше. В феврале 2026 года Microsoft представила AI Performance в Bing Webmaster Tools. Отчёт показывает цитирования, адреса страниц и поисковые формулировки, связанные с ответами в Copilot, Bing и некоторых партнёрских интеграциях. Но Microsoft прямо оговаривает: эти формулировки — лишь выборка из цитирований. Полного журнала материалов, которые система рассматривала, но не указала, в отчёте нет.
У Google иначе: данные о сайтах, которые появляются в AI Overviews и AI Mode, входят в общую статистику Search Console и учитываются в типе поиска «Веб». Полного перечня случаев, когда страница незаметно участвовала в ответе, из этого отчёта не получить.
На российском рынке отправная точка — документация Яндекса. Поиск с Алисой автоматически использует проиндексированные страницы: алгоритмы подбирают материалы, нейросеть их анализирует и составляет ответ со ссылками. Но описание механизма — ещё не отчёт об участии каждой страницы. По нему не установить, что случилось с вашим материалом в конкретном ответе.
Вывод для практики не слишком удобный: универсального показателя «скрытое использование сайта» из этих инструментов не собрать. Если отчёт обещает такую цифру, он должен объяснять, что именно измеряет и где заканчиваются наблюдения и начинаются предположения.
Как искать тёмные зоны и не обмануться
Начните не со всего сайта, а с материалов, чьё происхождение проще проверить: собственных исследований, оригинальных расчётов, технической документации, авторских методик. Общий совет вроде «регулярно обновляйте программу» почти ничего не говорит об источнике. А таблица с собственными данными и описанием выборки даёт больше зацепок для расследования.
Для выбранных страниц сведите вместе три наблюдения.
Первое — обращения роботов. Сохраняйте адрес страницы, время, ответ сервера и сведения об агенте. Подлинность робота проверяйте по данным поставщика, а не только по названию агента: OpenAI, например, публикует описания своих роботов и диапазоны их адресов. Но даже подтверждённый визит не записывайте в «использование в ответах».
Второе — воспроизводимые проверки помощников. Составьте вопросы, на которые материал действительно отвечает, и сохраняйте ответы целиком: со ссылками, датой и режимом работы. Запрос с названием компании проверяет, находит ли система бренд. Запрос без названия — появится ли материал, когда человек просто решает свою задачу. Результаты этих проверок учитывайте отдельно.
Третье — происхождение совпавших сведений. Если в ответе появился результат вашего исследования, проверьте, где ещё он опубликован. Ссылка может вести на пересказ, показатель — уже стать общеизвестным, а сам ответ — и вовсе искажать исходные данные.
Вопрос самому помощнику — «какие страницы ты использовал, но не процитировал?» — годится как часть эксперимента. Но техническим журналом его ответ не станет: для проверки нужен раскрытый след поиска, а не объяснение от той же модели. Именно нехватку надёжных журналов исследователи называют препятствием для независимого аудита.
Что можно изменить на своей стороне
Заставить все системы ссылаться на первоисточник владелец сайта не может. Зато в его силах сделать происхождение сведений нагляднее и проверить, не мешают ли показу страницы настройки самого сайта.
У исследования должны быть адрес, автор, дата, методика и понятная подпись к данным. Если цифра путешествует отдельно от объяснения, кто и как её получил, редакции будет сложнее доказать происхождение — неважно, пересказывает материал человек или модель.
Когда материал перепечатывают, добивайтесь ссылки на саму исходную работу, а не на главную страницу компании: так проще восстановить цепочку распространения. Но обещать, что такая ссылка обязательно повлияет на выбор источника в ответе ИИ, нельзя.
С техническими ограничениями тоже нужна аккуратность. Google указывает: чтобы страница попала в AI Overviews и AI Mode как поддерживающая ссылка, она должна быть проиндексирована и допущена к показу со сниппетом. Ограничения nosnippet, data-nosnippet, max-snippet и noindex управляют тем, что из содержимого доступно поисковым функциям, но добиться с их помощью обязательного цитирования не получится.
И не стоит считать всех ИИ-роботов одним каналом. У OpenAI за поисковые функции отвечает OAI-SearchBot, а GPTBot собирает материалы, которые могут использоваться для обучения. Доступ для них настраивается отдельно. Запретить обучение и отказаться от присутствия в поиске — разные решения.
Яндекс позволяет ограничить показ контента в Поиске с Алисой правилами для YandexAdditional или YandexAdditionalBot. Так можно отказаться от участия, но не вернуть потерянную ссылку. Прежде чем это делать, решите, что для конкретного материала важнее: возможная видимость или ограничение использования.
Не путайте отсутствие ссылки с отсутствием ценности
Тёмные зоны ИИ-поиска существуют, но честно описать их одной цифрой нельзя. Одни страницы система находит, но не цитирует. Часть сведений приходит к ней через посредников. А какие-то следы владельцу сайта вообще недоступны.
Поэтому разумная цель аудита — доказуемость: отделить то, что произошло наверняка, от того, что только похоже на использование. Уже после этого можно решать, делать ли первоисточник заметнее, договариваться о перепечатках, менять доступ роботов или пересматривать экономику контента.
И здесь встаёт вопрос серьёзнее количества ссылок: какую часть ценности компания готова отдавать в открытом ответе, а за какой человек должен прийти к ней сам — за инструментом, подробными данными, консультацией или решением своей задачи. Непрозрачность платформ этот выбор не отменяет. Она делает его дороже.
Читайте также
Data-layer для ИИ: как подготовить сайт к чтению агентами без редизайна
AIO-аудит сайта: чек-лист сигналов, которые считывают LLM, а не люди
Хотите проверить наш подход до запуска проекта? Закажите бесплатный SEO-аудит сайта и оцените глубину анализа на практике.