Факторы ранжирования в ИИ-ответах: замер на 2 400 запросах Google и 800 запросах Яндекса

По запросу «какую посудомойку купить» Алиса показала 16 ссылок. Пять из них стояли в органическом топ-10 того же запроса, остальные одиннадцать лежали за его пределами. Запрос покупательский, но среди шестнадцати адресов нет ни одной страницы каталога или карточки товара: по адресам это рейтинги, гайды «как выбрать» и справочные разделы.

Я проверил, насколько это типично, на 2 400 запросах Google и 800 запросах Яндекса. В Яндексе так же: 65,6% ссылок блока Алисы не входят в первые тридцать позиций органики, 63,9% не нашлись и в первых пятидесяти. Органику Яндекса я снимал позже блоков. В Google чем выше страница в органике, тем выше шанс попасть в блок, а авторитет домена сверх позиции шансов не добавляет. Позиция, авторитет домена, тип страницы, разметка, длина текста — это и есть факторы ранжирования в ИИ-ответах в том смысле, в каком я их проверяю: признаки страницы и сайта, с которыми связано попадание ссылки в список источников ответа. Слово «ранжирование» здесь условное: я смотрю не на порядок ссылок внутри ответа, а на то, попала ли страница в источники. Среди признаков самой страницы сильнее всего с попаданием в блок связан тип: информационные страницы цитируются чаще коммерческих. Всё ниже — наблюдения за выдачей, а не эксперимент: я вижу, что встречается вместе, но не доказываю, что одно вызывает другое.

Коротко для тех, кто решает про бюджет.

• Проверьте, что сервер и CDN не режут ботов ИИ: сайты, закрытые для всех роботов, цитируются в AI Mode и Perplexity реже (×0,39 и ×0,14).
• Для AI Overviews ориентир — органика Google: блок берёт в источники 38,2% страниц из топ-10, 5,4% с позиций 11–20 и 1,3% с позиций 21–50.
• Для Алисы топ-10 не обязателен, но этот вывод опирается на данные, снятые в разное время, и на блоки шире типичных (в базе Нейро у 92,4% ответов ровно пять источников); проверьте на своих запросах.
• Ссылки, разметку и llms.txt «ради ИИ» не покупайте: при учёте типа сайта их плюс не отличить от нуля.
• Мерьте видимость в ответах нейросетей дважды: через 10–12 дней в блоке Google остаётся 57,2% ссылок. 100–200 своих запросов с двумя снимками аналитик соберёт сам, подрядчик для этого не нужен.
• Не считайте попадание в ответ ИИ трафиком: исследование измеряет попадание в блок, а не сессии и заявки.

Карта факторов ранжирования в ИИ-ответах: что подтвердилось, а что нет

Списки факторов ранжирования в ИИ-ответах обычно собирают из чужих работ: в выдаче по этому запросу стоят переводы обзора Сайруса Шепарда, а его список сводит 23 фактора из 54 отобранных им материалов. Я взял 38 факторов из исследований про цитирование в ответах ИИ и проверил их на своих данных. Карта ниже показывает, цитируются ли страницы с этим признаком чаще или реже, чем страницы без него на той же позиции в выдаче. Зелёное — чаще, красное — реже, жёлтое — возможно, но не уверенно, серое — разницы нет.

Одна выдача: источники Алисы по запросу о посудомойке

Разберу один ответ Алисы с источниками: на нём видно, как устроен весь массив. Блок Алисы собран в начале октября вместе с органикой того же ответа. Позиции 11–50 я добавил из отдельного среза выдачи Яндекса от 15 октября: выдача за две недели сдвигается, а на трёх пробных запросах топ-10 двух источников совпал на 7 адресов из 10. Поэтому две нижние строки таблицы примерные. Позиции там считаются по порядку среди органических результатов, без колдунщиков и рекламы.

Пять страниц топ-10 в блок не попали: журнал Ситилинка, обзор hi-tech.mail.ru, рейтинг hausdorf.ru, статья high-level.ru и гайд DNS. По адресам это такие же статьи и рейтинги, как попавшие. Чем Алиса отличила одни от других, замер не показывает.

Три наблюдения отсюда я проверил на всём массиве: ширину блока Алисы, разброс её ссылок по выдаче Яндекса и ставку на статьи вместо коммерческих страниц (на выдаче Google и на органике Яндекса).

Что я сравнивал: страницы в источниках ИИ-ответа и вне их

Чтобы проверить факторы ранжирования в ИИ-ответах, я сравнивал страницы, которые попали в список источников, со страницами той же выдачи, которые в него не попали. Google: 2 400 запросов из 16 ниш, поиск с компьютера из Москвы. Яндекс: 800 запросов, у 368 из них Алиса дала блок со ссылками. «Ссылка блока» значит адрес из списка источников блока AI Overviews у Google и адрес из блока ответа Алисы, без сервисов Яндекса, у Яндекса.

Для каждого признака я сравнивал шансы попасть в блок у страниц с признаком и без него при той же позиции и длине страницы. Результат на графиках записан как «×1,3» (шансы выше в 1,3 раза) или «×0,7» (ниже в 1,4 раза); «×1» значит «разницы нет». Рядом иногда стоит диапазон в скобках, например (1,18–1,31): настоящее значение лежит в нём; если в диапазоне есть единица, плюс или минус подтверждённым считать нельзя. Слова «блок», «цитируется» и «попадает в блок» я употребляю одинаково: адрес страницы есть в списке ссылок ИИ-ответа. Ссылка в источниках и упоминание сайта в тексте ответа — разные вещи: ответ Google называет домен у 62,6% ссылок блока. Расчёты описаны в конце.

К двум основным выборкам я добавил Google AI Mode (181 запрос со ссылками) и Perplexity (291 запрос со ссылками), открытые базы доменов, близость запроса к тексту страницы, HTML 13 131 страниц (автор, разметка, скрытый текст), детектор ИИ-текста и 303 брендовых запроса. Главные выводы по Google и Яндексу остаются на 2 400 и 800 запросах, остальное их дополняет.

Фактор 1. Позиция в органике: в Google чем выше позиция, тем выше шанс, в Яндексе ссылки разбросаны шире

Связь есть, величина зависит от метода

Из всех признаков в моём списке с попаданием в блок сильнее всего связана позиция.

Google: шанс попасть в обзор от ИИ по позиции

Чем выше страница в органике, тем чаще на неё ссылается блок. Шанс попасть в блок падает примерно вчетверо между первой и десятой позицией и почти исчезает к двадцатой.

Сколько цитат приходится на страницы вне топ-10

Это шанс отдельной страницы. Но страниц вне топ-10 намного больше, и вместе они дают заметную часть цитат. Из всех ссылок блока 59,5% лежат в органическом топ-10, 12,9% на позициях 11–50, а 27,6% страниц нет и в первых пятидесяти. Выходит, что 40,5% цитат приходится на страницы вне топ-10, и «ИИ цитирует только топ-10» в моих данных не подтверждается.

Почему мои цифры расходятся с Ahrefs

Величина сильно зависит от метода. У Ahrefs доля цитат AI Overviews из топ-10 была 76,1% в июле 2025 года (три верхние цитаты каждого ответа) и 37,9% в марте 2026 года (позиции считались среди всех блоков выдачи, в варианте только с органикой 37,1%). Мои 59,5% лежат между ними. Определения цитаты, наборы запросов и даты разные, поэтому сравнивать числа напрямую нельзя; направление у всех одно: чем выше позиция, тем выше шанс.

Сколько объясняет сама позиция

Возьмём случайную процитированную страницу и случайную непроцитированную. По одной позиции я верно называю процитированную в 89,3% пар, случайное угадывание даёт 50%. По признакам страницы без позиции (длина, близость заголовка к запросу, тип страницы и сайта, DR) верно в 62,9% пар. С позицией и признаками вместе 89,7%: признаки добавляют к позиции меньше процентного пункта.

Позиция при этом не сводится к этим признакам. После учёта длины, близости заголовка, типа страницы и сайта и DR шансы падают так же сильно: втрое с каждым удвоением номера позиции (×0,32 и без признаков, и с ними). В позиции сидит то, чего я не измерял: всё, что Google знает о странице и запросе. Поэтому позиция работает как итог оценки, а не как отдельный рычаг: поднять её «ради блока» отдельно от остальной работы над страницей вряд ли получится. Что именно поднимает страницу в выдаче, эти данные не показывают.

Яндекс: где в органике стоят источники Алисы

Здесь картина другая. Я снял органику Яндекса на глубину 50 позиций для 368 запросов и посмотрел, где стоят ссылки блока Алисы.

У Алисы в топ-10 лежит 23,9% ссылок блока, а 63,9% нет и среди первых пятидесяти позиций того же запроса. Если сопоставлять по домену, а не по адресу страницы, картина мягче: домен ссылки есть в топ-10 у 38,2% ссылок и в топ-30 у 56,6%. Органику Яндекса я снял через две недели после блоков, поэтому это оценка с поправкой на дрейф выдачи, а не точная доля.

Почему мои цифры расходятся с «Ашмановым и партнёрами»

С этим расходятся данные «Ашманова и партнёров»: отчёт «Поиск с Алисой» по коммерческим запросам, 160 запросов, сбор в 2025 году. В стандартных ответах на топ-10 приходилось 62,7% «мест» в блоке, вне топ-30 стояло 7,3%. В широких ответах (в среднем 8,7 ссылки против 5,1) вне топ-30 было 38,4%. В июне 2026 года компания сообщила, что доля сайтов не из топ-10 в ответах Алисы сократилась с 40% до 10% между августом 2025 и началом 2026. Почему цифры разные, я не выяснял: у нас разные запросы (у них коммерческие), время сбора и способ получить блок (у меня XMLRiver с параметром ai=1). Для вашего сайта надёжнее снять блок по своим запросам, чем опираться на любую из двух цифр.

Ширину блока я сверил с базой Нейро (нейропоиск Яндекса): в ней 295 272 ответа, у 92,4% из них ровно пять источников, в среднем 5,2. Это близко к 5,1 ссылки в стандартных ответах у «Ашманова и партнёров». Мои блоки шире, медиана 17 ссылок, поэтому 65,6% вне топ-30 я измерил на широких блоках. В узких блоках до восьми ссылок в топ-10 стоит 51,1%, но таких блоков у меня только 16. Для типичного ответа с пятью источниками мой замер позиций не проверен; в базе Нейро позиций нет, так что проверить это на ней нельзя.

По теме: что отличает топ-20 Google: 7 370 страниц против SEO-чеклиста; основной контент по Google и топ-20; ориентиры топ-20 Яндекса по 1 601 странице; как технически устроены сайты наверху Яндекса; источники Алисы AI: 120 проверок.

Фактор 2. Авторитет домена, ссылки и возраст

Положительной связи нет

Первый вопрос про ИИ-поиск: нужен ли сильный домен. Я проверил показатели авторитета на выдаче Google, и при той же позиции ни один заметно не добавляет шансов попасть в блок.

Я проверил показатели авторитета по Keys.so, Ahrefs, Common Crawl и Majestic. По Keys.so разницы нет (×1,00), по Ahrefs ×0,98, количество ссылающихся доменов ×0,98: все три от единицы не отличить.

Если позицию не учитывать, картина другая: каждые +10 пунктов DR связаны с ростом шансов в 1,16 раза (1,07–1,26).

Откуда разница, я проверил. У более авторитетных доменов позиции в среднем чуть выше, но связь слабая: корреляция −0,12, DR объясняет 1,4% разброса позиций. Средний DR на позициях 1–3 равен 35, на позициях 21–50 — 31.

Сама позиция при этом сильно связана с цитированием, поэтому хватает и такой слабой связи, чтобы объяснить весь плюс. +10 DR соответствуют сдвигу страницы в среднем на 9% ближе к началу выдачи (например, с 20-й позиции на 18-ю). Для такого сдвига я ожидаю ×1,17, а в данных ×1,16.

Выходит, что связь цитирования с DR укладывается в связь DR с позицией. Поднимает ли DR страницу в выдаче причинно, эти данные не показывают. Измерено это среди страниц, которые уже попали в первые пятьдесят: влияние DR на сам выход в топ-50 по этим данным не видно.

Исключение — Perplexity. Там авторитет домена связан с цитированием и при той же позиции: DR по Keys.so ×1,30 (1,16–1,46), по Ahrefs ×1,09 (1,03–1,15), ссылающиеся домены ×1,11 (1,05–1,18). Ни один из этих интервалов не включает единицу.

Исследование Surfer согласуется с этим для AI Overviews: корреляция цитирования с PageRank домена там около нуля (−0,065).

Итог. Высокий DR сам по себе не открывает странице путь в ответы нейросетей. В Google AI Overviews с попаданием в блок сильнее всего связана позиция в обычной выдаче.

По теме: как Google ранжирует на самом деле: патенты, суд и утечка; поведенческие факторы Яндекса и Google; услуга: анализ ссылочного профиля.

Фактор 3. Свежесть

Лучше всего цитируются страницы возрастом 3–12 месяцев, новые и старые реже

Свежесть связана с цитированием не как «чем новее, тем лучше», а как горка. Страницы младше трёх месяцев цитируются реже, лучше всего цитируются страницы возрастом от трёх месяцев до года, после года шансы падают, а у страниц старше двух лет падение заметное. Возраст я брал из даты, которую Google показывает под результатом. Она есть у 25% страниц: 22 158 страниц и 1 923 запроса.

Эти доли обманчивы, потому что позиция в них не учтена. Страницы младше месяца в среднем стоят на 30-й позиции, страницы 3–12 месяцев на 19–22-й, а выше стоит страница, тем чаще её цитируют. Чтобы убрать этот перекос, я сравнил страницы при одной и той же позиции.

Совсем свежие страницы в блок попадают редко. У страниц с датой «сегодня–2 дня назад» процитировано 0,8%, у страниц «3–7 дней» 5,4%, «8–14 дней» 10,1%, «15–30 дней» 14,1%. Это сравнение страниц разного возраста, а не путь одной страницы со временем.

Можно предположить, что статистику портят новостные сайты: среди самых свежих страниц много материалов Meduza, РБК и finance.mail.ru. Я проверил и это. Без 15 самых частых доменов доля у страниц «сегодня–2 дня назад» почти не меняется: 1,2%.

Дело и не в позициях Google. При той же позиции страница младше месяца цитируется в 2,3 раза реже, чем страница возрастом 3–12 месяцев (×0,44). К 1–3 месяцам шансы поднимаются почти до нормы (×0,80), но данных на уверенный вывод не хватает.

Слишком старые страницы тоже теряют. После года шансы падают постепенно: у страниц возрастом 12–24 месяца ×0,80 (примерно на 20% ниже, чем у страниц 3–12 месяцев), у 2–3 лет ×0,59 (на 41% ниже), у старше трёх лет ×0,52 (на 48% ниже). Каждое удвоение возраста после года снижает шансы примерно на 20% (×0,80). Внутри периода от трёх месяцев до года месяцы друг от друга не отличаются. Почему так, данные не показывают.

Это видно на любой позиции. В топ-10 из страниц возрастом 3–12 месяцев цитируется 51,7%, из страниц младше трёх месяцев 44,0%, из страниц старше двух лет 38,8%. На позициях 1–3 разрыв между группами 3–12 месяцев и младше трёх месяцев: 72,6% против 59,8%. Ниже топ-10 направление то же и выражено сильнее: на позициях 21–50 страница старше двух лет цитируется в 2,8 раза реже страницы 3–12 месяцев (×0,36).

Вывод. Статью не нужно выдерживать три месяца до продвижения или ежегодно менять дату публикации: что причина в самом возрасте, данные не доказывают.

Видимая в выдаче дата связана с более высокими шансами попасть в блок. У страниц, под которыми Google показывает дату (публикации или обновления), при той же позиции шансы выше в 1,44 раза (1,30–1,60), а после учёта типа страницы и типа сайта в 1,32 раза (1,19–1,46). Дату Google показывает не всем: она есть примерно у каждой четвёртой страницы, от 22% в топ-3 до 27% на позициях 21–50.

Можно решить, что достаточно добавить дату — и нейросети начнут цитировать сайт чаще. Такой вывод был бы преждевременным: эксперимента я не ставил, а сравнивал страницы. Связь не исчезает после учёта типа страницы и сайта, но причину это не доказывает. Указать дату публикации и обновления при этом недорого: в тексте, в теге time и в разметке.

Дата изменения в самом HTML заметного плюса не показала. Возраст по этой дате даёт ×1,06 (0,96–1,16), сам факт её указания ×1,20 (0,93–1,56): обе оценки от «разницы нет» не отличить. Страниц с такими данными сравнительно мало (958 для возраста и 9 019 для факта указания), поэтому говорить, что дата изменения не имеет значения вообще, нельзя: в этом замере убедительной связи нет. Значение имеет дата, которую показывает Google.

Другие платформы. В Perplexity новые страницы тоже цитируются реже: у страниц младше месяца ×0,34 (0,16–0,74), то есть шансы примерно втрое ниже. Возраст по дате публикации в HTML связан с цитированием сильнее, чем в Google: каждое удвоение возраста снижает шансы примерно на 14% (×0,86) против 6% (×0,94). В AI Mode дат мало (2 132 страницы с датой), и по возрасту страницы там не различаются. У Яндекса в собранной выдаче дат нет, поэтому свежесть для Алисы я не считал.

Что делать. Первое: не оценивайте новую страницу по первым неделям. До месяца она при той же позиции реже попадает в блок; часть этого может давать задержка индексации, отдельно я это не проверял.

Второе: старые страницы стоит обновлять по содержанию, когда информация устарела.

Вернёт ли обновление эти шансы, я не проверял. Есть и обратный риск: свежая дата может перевести страницу в самую слабую группу «младше месяца». Поэтому на хорошо ранжирующихся страницах дату массово не меняйте, а обновление проверьте на нескольких старых материалах с низкой долей цитирования.

Фактор 4. Разметка и llms.txt

Плюс у Article и llms.txt после учёта типа сайта и страницы теряет значимость; у JSON-LD и FAQPage в Google заметного эффекта не видно

Среди цитируемых страниц JSON-LD нашёлся у 55,3%, среди нецитируемых у 51,3%; FAQPage у 8,2% и 5,2%. Разница небольшая, а при сравнении страниц на одной позиции и одной длине эффекта в Google нет.

Помогает ли микроразметка попасть в ответы нейросетей? По моим данным, однозначного ответа нет, и он зависит от нейросети.

В Google заметного плюса у большинства видов разметки я не нашёл. У страниц с JSON-LD шансы на цитирование выше в 1,12 раза, с FAQPage в 1,25 раза, но от «разницы нет» эти оценки не отличить. У FAQPage диапазон 0,91–1,71: он допускает и небольшое снижение шансов, и заметный рост. Единственная разметка с плюсом здесь Article (×1,30). ItemList, разметка списков, показала обратное: ×0,58, то есть ниже единицы.

У Perplexity картина оптимистичнее: плюс у большинства видов разметки. JSON-LD даёт ×1,49, Article ×2,02, FAQPage ×1,62, Person ×1,82.

Выглядит как довод за разметку, но я проверил, что стоит за плюсом Article. После учёта типа сайта, открытых оценок домена и типа страницы он сжимается до ×1,15 (0,95–1,39). Если добавить автора, число подзаголовков, вопросы в них и близость заголовка к запросу, получается ×1,14 (0,93–1,40). Обе оценки от «разницы нет» не отличить. Сравнение внутри доменов, где есть страницы и с Article, и без него, даёт ×1,39 (0,92–2,09), но таких страниц всего 1 092, а интервал широкий, поэтому уверенного вывода из него нет.

Что это значит. Article в основном отмечает статьи с автором и структурой. Отдельного вклада самой разметки данные не показывают.

Похожий результат получил Ahrefs. В эксперименте на 1 885 страницах, куда добавили JSON-LD, цитирования в Google AI Overviews упали на 4,6%. В AI Mode они выросли на 2,4%, в ChatGPT на 2,2%, но эти два прироста от нуля неотличимы. Убедительного роста цитирований не показал и эксперимент с добавлением разметки.

llms.txt. Я запросил llms.txt и robots.txt у 3 885 доменов выдачи. Файл нашёлся у 404 из них (10,4%). Страницы таких доменов цитируются в Google чаще: 19,0% против 13,9% (×1,35). В Яндексе и AI Mode разницы нет. У Perplexity ×1,44, но диапазон 0,97–2,15 включает единицу.

Я проверил, что стоит за этим плюсом. Файл чаще лежит на «прочих» сайтах (16,0% страниц), чем у СМИ (0,8%) и форумов (2,1%). Если учесть тип сайта и открытые оценки домена (граф ссылок Common Crawl, Majestic, упоминания в Википедии и в ответах Нейро, возраст по реестру зон), плюс сжимается до ×1,13 (0,96–1,33) и перестаёт отличаться от «разницы нет». Без пяти самых частых доменов с файлом оценка почти не меняется (×1,32), так что дело не в нескольких сайтах.

Файл в основном отмечает сайты определённого типа и силы; отдельного вклада самого файла данные не показывают. К тому же по данным Ahrefs (137 210 сайтов) 97% файлов llms.txt не получили ни одного запроса за май 2026 года, то есть боты файл почти не читают.

Вывод. Разметку и llms.txt не ставьте ради цитирования ИИ: убедительной связи с ним данные не показывают.

Исключение — Perplexity. Это единственная платформа, где разметка связана с цитированием и внутри одного запроса: JSON-LD ×1,50, Article ×1,93. Эксперимента там нет, поэтому сказать, что прирост даёт именно разметка, нельзя.

Разметку ставьте для сниппетов и поиска: это недорого, и отказываться от неё не нужно. Но не рассчитывайте на заметный рост в блоке и не продавайте внедрение Article или llms.txt как способ получить больше цитирований в нейросетях.

По теме: файл llms.txt: как создать и проверить на 8 AI-системах; генератор llms.txt.

Фактор 5. Тип страницы: информационные цитируются чаще

Самая сильная связь среди признаков страницы

Информационные страницы (инструкции, определения, статьи) цитируются чаще остальных: по разметке 960 страниц шансы выше в 1,9 раза, а у коммерческих страниц ниже в 1,6 раза (×0,61). Тип страниц определяли модели Sonnet и Haiku, которым не сообщали, цитируется страница или нет. Что лучше внутри информационных, инструкции или определения, данные не различают.

В Яндексе направление то же: инструкции ×1,49, коммерческие ×0,67. Но внутри одного запроса оценка для коммерческих страниц (0,84) от «разницы нет» не отличается. Подборки и рейтинги там ×1,35, и это тоже от «разницы нет» не отличить; в Google они нейтральны.

Состав запросов объясняет лишь часть этой связи, об этом ниже. Разбор посудомойки выше показывает тот же перекос.

Набор запросов объясняет лишь часть связи. Если сравнивать страницы внутри одного и того же запроса, сырые ×1,54 у инструкций сжимаются до ×1,34 (1,21–1,48), определения дают ×1,39 (1,14–1,69), коммерческие страницы ×0,82 (0,75–0,90). Часть связи действительно даёт состав запросов, но большая остаётся.

У Perplexity то же самое: определение ×1,84, инструкция ×1,55, коммерческая ×0,72. AI Mode ведёт себя иначе: внутри запроса он заметнее всего выделяет подборки и рейтинги (×3,23, диапазон 1,85–5,65), а коммерческие страницы цитирует вдвое реже (×0,49). У Google и Perplexity подборки нейтральны.

Штраф коммерческим страницам зависит от запроса. На запросах со словами «купить», «цена», «стоимость» (351 запрос) коммерческая страница цитируется как все остальные (×0,95, диапазон 0,81–1,11), а инструкция «как…» всё равно впереди (×1,60, 1,07–2,40).

На остальных запросах (1 573) коммерческие страницы цитируются в 1,3 раза реже (×0,77, 0,69–0,86), а инструкции и определения на 39% чаще. На запросах «как…» и «что такое…» (121 запрос) типы страниц не различаются (×1,02): информационных страниц там почти половина выдачи. Возможно, поэтому, но это объяснение, а не установленная причина.

Что показывает состав цитат. Если бы блок брал страницы пропорционально их числу, доли типов среди цитат совпадали бы с долями среди всех страниц. У Google так и есть для коммерческих страниц (17,4% и там и там), у инструкций доля выше (10,0% → 12,4%). У AI Mode коммерческие страницы занимают 14,4% выдачи, а среди цитат лишь 7,1%, у Perplexity 12,6% и 8,7%.

Вывод. Тип страницы — самый сильный признак самой страницы, и он держится внутри одного запроса. Под запрос не про покупку информационные страницы цитируются чаще коммерческих. На запросах про покупку коммерческая страница стоит в равных условиях, но инструкция всё равно цитируется чаще.

Это не повод переделывать коммерческие страницы в информационные: данные показывают связь, а не результат такой переделки.

Фактор 6. Длина и верх страницы

Короткие страницы проигрывают, после 1 000 слов длина прироста не даёт

Длина важна, пока страница короткая. До 1 000 слов шансы попасть в блок растут вместе с длиной: страница до 300 слов цитируется почти вдвое реже страницы в 1 000–1 999 слов (×0,52), а после 1 000 слов у Google и AI Mode виден плато.

Привычное «удвоение длины даёт плюс 16%» описывает рост на коротком участке, а не постоянный эффект.

Короткая страница проигрывает в любом срезе. Страница до 300 слов реже попадает в блок и в топ-10 (×0,59), и ниже (×0,48), и среди информационных страниц (×0,53), и среди коммерческих (×0,71). Самый сильный штраф у AI Mode (×0,29): он редко берёт страницы короче 600 слов.

У Perplexity наоборот, максимум у страниц 2 000–3 999 слов (×1,55, диапазон 1,20–2,01). Если сравнивать страницы внутри одного запроса, длина даёт ×1,19 (1,16–1,22) в Google, ×1,54 в AI Mode и ×1,41 в Perplexity на рост длины в 2,7 раза.

В первом абзаце лучше всего 40–70 слов. Среди страниц с первым абзацем в 40–69 слов процитировано 13,0%, среди абзацев в 70–100 слов 10,1% (×0,80, диапазон 0,68–0,95), в 101–150 слов 7,3% (×0,64). Короткий абзац до 20 слов тоже хуже (×0,83). Поэтому совет «40–100 слов» стоит читать как «40–70»: верхняя половина этого диапазона уже связана с меньшими шансами.

Определение в первом предложении даёт ×1,23 (1,10–1,39) и держится внутри одного запроса (×1,15, диапазон 1,04–1,26). Цифра в первом абзаце заметного эффекта не показала.

У AI Mode и Perplexity верх страницы связи не показал. Первый абзац в 40–100 слов даёт ×0,91 в AI Mode и ×0,88 в Perplexity, определение в первом предложении ×0,84 и ×0,96, цифра в первом абзаце ×0,90 и ×1,01. Все оценки от «разницы нет» не отличить.

Вывод. Страница короче 600 слов проигрывает во всех трёх блоках, а длиннее 1 000 слов прироста от длины нет: наращивать объём ради цитирования смысла нет. Первый абзац в 40–70 слов с определением в первом предложении даёт небольшой плюс в Google, но не в AI Mode и Perplexity.

По теме: как извлечь триплеты из текста страницы; SEO-анализ текста онлайн.

Фактор 7. Самодостаточный первый абзац

Как отдельный признак не подтвердился; с цитированием связан первый абзац, близкий к запросу

Совет «пишите первый абзац так, чтобы он был понятен без остального текста» в таком виде не подтвердился: у первых абзацев без ссылок назад («выше», «как сказано») и без местоимения в начале шансы ×0,87 (0,69–1,09) в Google.

Проверить его трудно: в моих данных признак «самодостаточный» стоит у 97% страниц (64 262 из 66 159), несамодостаточных абзацев всего 1 897, и по такой редкой метке выводов не сделать.

Я проверил идею и на уровне абзацев. Для 2 109 цитируемых страниц, где нашёлся абзац, самый близкий по словам к ответу AI Overviews, я сравнил его с остальными абзацами той же страницы. Зависимых от контекста абзацев (начало с местоимения или союза, ссылка назад) среди найденных 4,9%, среди остальных 8,7%.

Но на непроцитированных страницах той же выдачи картина почти такая же (4,1% и 8,8%). Поэтому этот перекос создаёт само сопоставление текстов, а не выбор ИИ: такие абзацы просто хуже совпадают с ответом по словам.

Отличает цитируемые страницы определение в первом предложении. Найденный абзац начинается с определения в 8,1% случаев против 4,7% у остальных абзацев страницы (×1,75, диапазон 1,47–2,08), а на контрольных страницах разницы нет (×1,06, диапазон 0,74–1,51). Это согласуется с тем, что в блоке «Длина и верх страницы» определение в первом предложении даёт ×1,23.

Важна не «понятность», а название предмета. Первый абзац, который сам называет предмет запроса, оказывается ближе к нему по смыслу: ×1,21 в Google, ×1,19 в Яндексе, ×1,15 в Perplexity (в AI Mode ×1,10, от «разницы нет» не отличить). Это другое измерение, чем определение в первом предложении: то связано с цитированием, а название предмета с близостью текста к запросу по смыслу.

Вывод. Самодостаточность как отдельный приём измерить нельзя: несамодостаточных абзацев слишком мало, а сравнение абзацев с контролем ничего в её пользу не показало. Практичный вариант проще: первый абзац называет предмет запроса и сразу даёт определение.

Фактор 8. Тип сайта: форумы, видеосервисы и соцсети цитируются реже

Форумы, соцсети и видео цитируются реже; медиа и госсайты чаще только в Perplexity

Форумы и отзовики (×0,44), соцсети (×0,35) и видеосервисы (×0,65) цитируются в Google реже обычных сайтов при той же позиции; видеосервисы реже и в Яндексе. Внутри одного запроса получаются те же числа (×0,41, ×0,42, ×0,64), а ещё ниже единицы маркетплейсы (×0,65) и медиа (×0,77).

У других платформ предпочтения свои: в Яндексе плюс у госсайтов (×2,01), в Perplexity у медиа (×2,83, диапазон 2,04–3,93) и госсайтов (×1,91).

Тип сайта скрывает разницу между сайтами. Среди маркетплейсов mvideo.ru цитируется в 27% случаев, megamarket.ru в 3%, wildberries.ru в 4%. Среди медиа t-j.ru даёт 19%, а dzen.ru и РБК ни одной цитаты. При этом у Алисы dzen.ru стоит на первом месте (1,8% ссылок блока): тут видна разница платформ, а не сайта.

Среди госсайтов nalog.gov.ru 24%, consultant.ru 20%, garant.ru всего 4–5%. Площадки с низкой долей — Reddit (3%), Instagram (2%), YouTube (5%): их страницы в выдаче много, а в блок попадают редко. Поэтому «форум» или «маркетплейс» как тип описывает среднее, а не судьбу конкретного сайта.

На запросах про покупку маркетплейсы не проигрывают. На запросах со словами «купить» и «цена» маркетплейсы цитируются как обычные сайты (×0,78, диапазон 0,49–1,24), на остальных запросах реже (×0,61, 0,49–0,76), как и коммерческие страницы в блоке про тип страницы. Видеосервисы проигрывают везде, на коммерческих запросах сильнее всего (×0,25).

У Perplexity форумы цитируются редко (×0,17). У AI Mode самый сильный штраф у маркетплейсов (×0,32), но запросов 142, поэтому переносить этот результат на другие темы осторожно.

Это не противоречит данным вендоров про Reddit и YouTube, но числа разные: у Ahrefs YouTube даёт 5,6% всех цитат AI Overviews, а у ChatGPT цитирования Reddit упали на 88% за полгода. Там доли в общем числе цитат, у меня шанс страницы при той же позиции.

Цитаты разбросаны по сотням доменов. Блок Google ссылается на 3 767 доменов, блок Алисы на 2 344, Perplexity на 1 967. Топ-10 доменов дают 11–15% ссылок, чтобы набрать половину, нужно от 125 до 245 доменов, а 59–80% доменов цитируются один раз. Поэтому узкого круга «любимых» сайтов нет, а у самых крупных, yandex.ru, consultant.ru и gov.ru, доли около 1–2%.

Доля домена в ссылках блока платформы. Домены объединены по основному адресу, поддомены считаются вместе: в yandex.ru входят сервисы Яндекса, в mail.ru — «Ответы» и другие проекты, в gov.ru — федеральные сайты. У AI Mode всего 688 ссылок, поэтому его список менее устойчив.

Вывод. Сам по себе тип сайта в Google решает немного: форумы, соцсети и видео цитируются реже, но разброс внутри типа огромен (mvideo.ru 27%, megamarket.ru 3%). Для продвижения важнее конкретная площадка и страница, чем категория. Если нужен Perplexity, у медиа и госсайтов шансы выше; на запросах про покупку маркетплейсы стоят в равных условиях.

Фактор 9. Структура и оформление страницы

Плюс дают вопросы в подзаголовках и число H2; списки, таблицы и картинки не отличаются

Из структуры страницы связаны с цитированием два признака: вопросы в подзаголовках и число подзаголовков H2. Остальное оформление (списки, таблицы, картинки, видео) заметного эффекта не показало. Оба признака устроены как порог, а не как «чем больше, тем лучше».

Вопросы: лучше всего два–три. Среди страниц без вопросов в подзаголовках процитировано 19,1%, с одним вопросом 24,9%, с двумя–тремя 28,0%, с четырьмя и больше 30,4% (при той же позиции ×1,19, ×1,50 и ×1,46). Между двумя–тремя и четырьмя вопросами разницы нет.

Подзаголовков: хватает шести. Страницы без H2 и с одним–двумя подзаголовками цитируются реже (×0,76 и ×0,79 к 3–5 подзаголовкам), у страниц с 6–10 и 11–20 H2 доля одинаково высокая (28%), а у 21 и больше уже ниже.

Это не просто признак информационной страницы. Подзаголовки, вопросы в них и оглавление чаще встречаются в длинных информационных статьях, поэтому я проверил, не отражают ли они тип страницы. Не отражают: после учёта типа страницы, типа сайта и DR вопросы в подзаголовках дают ×1,28 (1,10–1,50) вместо ×1,37, а число H2 ×1,14 (1,06–1,24) вместо ×1,17.

Внутри одного запроса вопросы дают ×1,15 (1,07–1,23), то есть примерно половина сырого эффекта связана с тем, какие страницы встречаются в выдаче, но половина остаётся. Оглавление держится слабее: ×1,21 (1,00–1,47) после всех поправок и ×1,03 внутри запроса в Google; в Perplexity ×1,12 (1,03–1,22).

Списки, таблицы и картинки не связаны с цитированием. Внутри одного запроса все оценки Google лежат от ×0,94 до ×1,06: списки ×1,02, таблицы ×1,05, картинки ×1,02, внешние ссылки ×0,94. У Perplexity то же, кроме картинок (×1,15, диапазон 1,04–1,26).

Числа в тексте дают минус только в крайнем случае: верхняя четверть выборки по насыщенности числами цитируется реже (×0,70), а средний уровень не отличается.

Вывод. Если страница строится как ответ на вопрос, с цитированием связана структура: 2–3 подзаголовка-вопроса и не меньше 3–6 подзаголовков H2. Вопросы в подзаголовках связаны с цитированием и в Perplexity (×1,23 внутри запроса), и в AI Mode (×1,22), а выше порога прироста не видно.

Списки, таблицы и картинки ради цитирования добавлять не стоит, а страницы, забитые числами, цитируются реже.

Фактор 10. Заголовок и адрес

Вопрос и год в заголовке дают плюс, параметры в адресе минус

Вопрос в заголовке связан с более высокими шансами (×1,48 в Google, ×1,68 в Яндексе), год в заголовке даёт плюс внутри одного запроса (×1,30 в Google), параметры в адресе связаны с более низкими шансами (×0,62). Всё это держится при сравнении страниц внутри одного и того же запроса: вопрос ×1,35, год ×1,30, параметры ×0,62.

Исключение — главная страница сайта: сырой минус ×0,73 внутри запроса исчезает (×0,94, диапазон 0,83–1,06), то есть он объясняется составом выдачи.

Год в заголовке выглядит как сигнал свежести. Среди страниц с годом 2026 в заголовке процитировано 15,1%, среди страниц без года 10,6%. Внутри запроса год даёт ×1,30 (1,15–1,48) в Google, ×1,44 в Perplexity и ×1,77 в AI Mode.

Страниц с годом прошлых лет мало (444), по ним вывода нет, но 5,4% процитированных выглядит как минус.

Вопрос в заголовке не отражает форму запроса. Можно предположить, что эффект объясняется вопросительными запросами: на них отвечают вопросительными заголовками. Данные этого не подтверждают: на вопросительных запросах вопрос в заголовке даёт ×1,22 (1,02–1,47) при 38,1% страниц с вопросом, а на остальных запросах ×1,53 (1,35–1,72) при 11,7%.

Внутри одного запроса эффект ×1,35 (1,25–1,47), то есть почти весь сырой плюс остаётся.

Короткий заголовок проигрывает. Заголовок до 30 знаков цитируется реже (×0,69, диапазон 0,60–0,80), от 30 до 44 знаков разницы с 45–60 знаками нет. Длина измерена как в выдаче, где заголовок обрезается около 60 знаков, поэтому на полную длину тега title результат переносить нельзя.

В адресе лучше два-три уровня и 60–89 знаков. Главная страница (×0,70) и адрес из четырёх уровней и больше (×0,71) цитируются реже страниц на два-три уровня, очень длинный адрес в 130 знаков и больше ×0,40 (0,24–0,68). Короткие адреса до 60 знаков тоже реже (×0,72–0,75), но это в основном главные и разделы сайта.

Параметры в адресе (?) связаны с более низкими шансами на всех платформах: ×0,62 в Google, ×0,43 в Perplexity, ×0,38 в AI Mode.

Зона .ru, поддомен и HTTPS. Зона .ru даёт ×1,19 (1,10–1,28) внутри запроса в Google и ×1,50 в Perplexity, зона .com ×0,78. Внутри одного запроса плюс остаётся, возможно из-за русскоязычного запроса и региона замера (Москва).

Поддомен в Google слегка снижает шансы (×0,88), в Perplexity повышает (×1,28). HTTPS даёт ×2,53 (1,77–3,61), но страниц по http в выборке мало, поэтому оценка условная.