Сколько трафика вам на самом деле приносят нейросети

Три недели на моём сайте работал счётчик, который не мог видеть источники трафика. Ни одного. В базе лежало 1030 просмотров, и у всех 1030 в поле «откуда пришёл» стоял адрес той же страницы, которую смотрели.

Счётчик, который не видел источники

Причина оказалась в одной строке. Счётчик вызывался картинкой из подвала страницы, а PHP брал источник из заголовка HTTP_REFERER этого запроса. Браузер в таком запросе честно сообщает: «пиксель загружен со страницы /services.html». Скрипт записывал это как источник перехода. Тысяча строк, где страница сама себе источник.

Два дефекта в одной строке. Referrer занят собственным адресом, а фильтр ботов не ловит headless-браузеры — за 18 дней 107 таких визитов (10,4%) прошли как люди.

Обнаружил я это, когда сел считать, сколько трафика мне дают нейросети. Ответ получился ноль. Только ноль здесь означал не «нейросети не приводят людей», а «я ничего не измеряю».

Отличить одно от другого, глядя на дашборд, нельзя. В этом вся статья.

Четыре разных объекта под одним словом

Спор о том, сколько трафика дают нейросети, обычно упирается не в цифры, а в то, что собеседники считают разные вещи и называют одним словом. Разделим на четыре уровня.

Эта прикладная классификация опирается на ту же логику, что и обзор Оливье Мартинеса (arXiv 2607.14035, 15 июля 2026), охвативший 45 исследований за ноябрь 2023 — июль 2026. Мартинес рассматривает GEO как частично наблюдаемый стохастический пайплайн и разделяет обнаруживаемость, цитирование, поглощение информации и экономический результат. Для практической аналитики я свожу этот пайплайн к четырём уровням выше. Рамки близкие, но не тождественные: у меня отдельно разведены переход и влияние, у него — цитирование и поглощение.

Что действительно видят GA4 и Метрика

Тринадцатого мая 2026 Google добавил в GA4 отдельный канал для переходов от AI-ассистентов. Называется он AI Assistants, во множественном числе, и определён так: «канал, по которому пользователи приходят на ваш сайт из источников вроде ChatGPT, Gemini, Deepseek, Copilot или Grok». Там же прямым текстом: «Исключает Google AI Overviews и AI Mode».

Последнее важнее самого канала. Клики из AI-обзоров Google считает органическим поиском. То есть AI Overviews и AI Mode не попадают в канал AI Assistants по определению — их клики учитываются как органический поиск.

Второе ограничение жёстче. Канал ловит сессии с читаемым реферером. Чат-интерфейсы ChatGPT и Алисы его обычно не передают, и эти визиты уходят в прямые заходы без всякой пометки.

Оценить возможный масштаб неатрибутируемого влияния попыталась панель Profound¹: более двух миллионов диалогов с браузингом за январь — июнь 2026. После того как нейросеть упоминала бренд, посещения сайта этого бренда росли в полтора-два с половиной раза относительно прогнозной базовой линии в течение недели. Из этих визитов опознаваемую метку источника несли около 2,5%, причём даже после майского обновления ChatGPT, сделавшего ссылки заметнее.

Автор Хабра² в июле проверил метод на своём сайте руками: собрал сегмент Метрики из тринадцати доменов AI-сервисов, получил 10 визитов из 634 за 90 дней, и из тринадцати доменов сработали только yandex.ru и ya.ru. Его формулировка: «гарантированный минимум — ноль».

Значит ли это, что реферальная цифра врёт? Нет. Она корректна. Она просто показывает нижнюю границу, а не полный эффект канала. Разница принципиальная: врущий инструмент надо чинить, а инструмент с известной границей применимости используют по назначению.

Почему трекеры AI-видимости скачут

Уровень видимости живёт по другим законам, и здесь проблема серьёзнее.

Двадцатого июля я прогнал восемь русскоязычных запросов через Perplexity пять раз подряд в течение десяти минут. Совпадение наборов цитируемых доменов между повторами составило 0,72 по коэффициенту Жаккара. Из 95 связок «запрос плюс домен» во всех пяти прогонах удержались 49, то есть 51,6%. Домен на первом месте сменился в трёх запросах из восьми. По медицинскому запросу источники чередовались через прогон.

За десять минут внешний корпус существенно обновиться не мог. Но утверждать, что выдача измениться не могла вообще, я не буду: за это время могли поменяться маршрутизация между моделями, набор извлечённых документов, ранжирование и состояние кэша. Замер показывает нестабильность всего контура, а не отдельно взятой модели.

Механизм известен. Работа Атиля с соавторами (arXiv 2408.04667) проверила пять моделей, выставленных на детерминизм: восемь задач, десять прогонов. Расхождение точности достигало 15%, а разрыв между лучшим и худшим прогоном доходил до 70%. Нулевая температура воспроизводимость не гарантирует.

Мой результат не уникален, и это хорошо. Препринт Зелински (arXiv 2603.08924) мерил то же самое на трёх платформах и трёх темах потребительских товаров, с замерами каждые десять минут и бутстрап-интервалами. Его вывод дословно: «single-run visibility metrics provide a misleadingly precise picture». Мой замер независимо подтверждает общий вывод на русскоязычных запросах: одиночный прогон создаёт ложное ощущение точности. Строгой репликацией это не назвать, потому что различаются язык, тематика, набор запросов и метрика.

Ещё одна работа, Шульте с соавторами (arXiv 2604.07585), измеряла четыре вертикали и четыре движка на протяжении 45 дней. Межсуточное совпадение источников составило 0,34–0,42 по Жаккару, ранговая метрика RBO — 0,21–0,26.

Здесь нужна осторожность, которую я сам чуть не потерял. Кажется очевидным вывод: раз RBO ниже, порядок источников плывёт сильнее их состава. Но авторы используют неэкстраполированную нижнюю границу RBO с параметром 0,9, и её максимум зависит от длины списка как 1 − p^k. При списке из пяти элементов потолок равен 0,410, при трёх — всего 0,271. Значит 0,26 на коротком списке означает почти полное совпадение, а вовсе не провал. Метрики живут на разных шкалах, и сравнивать их числа между собой нельзя.

Что можно сказать безопасно: Шульте и соавторы зафиксировали изменения и состава источников, и их порядка. Абсолютное значение их нижней границы RBO нельзя интерпретировать без длины списка и нельзя напрямую сравнивать с Жаккаром.

Как корзина промптов создаёт нужный процент

Дальше самое интересное. Если видимость нестабильна от прогона к прогону, то насколько она зависит от того, как вообще сформулирован вопрос?

В большинстве открытых GEO-отчётов, которые я изучил, этот вопрос не раскрывается. Агентство берёт список промптов, прогоняет, показывает процент. Список составляет то же агентство.

Я поставил эксперимент. Восемь информационных потребностей, для каждой пять формулировок, каждая прогнана пять раз. Итого 200 ответов. Формулировки сохраняют сущности, язык, регион и тип интента, меняются лексика, синтаксис и регистр речи: исходная, лексическая замена, другая синтаксическая конструкция, разговорная, короткая поисковая. «Какие сервисы проверяют видимость бренда в AI-поиске?» превращается в «сервисы проверки видимости бренда ai поиск» и в «Подскажи сервисы, которыми можно проверить видимость бренда в AI-поиске». Но не в «дешёвые сервисы», потому что это уже другая потребность.

Прогоны шли пятью блоками, в каждом блоке все сорок формулировок в случайном порядке. Так временной дрейф не выдаёт себя за эффект формулировки.

Просто посчитать сходство между формулировками мало: в нём сидит и обычный шум движка. Поэтому считаю две величины отдельно.

B в одиночку ничего не доказывает: в нём сидит и шум движка. Вычитая W, я оставляю вклад именно формулировки.

Результаты по восьми потребностям: W = 0,723, B = 0,431, PPI = 0,292. Бутстрап с группировкой по потребностям, а не по отдельным ответам, даёт для PPI 95-процентный интервал от 0,206 до 0,372, и ноль в него не входит.

Значимость проверял перестановочным тестом с сохранением временных блоков: метки формулировок перемешивались только внутри своего блока, N = 10 000 раз, поэтому временной дрейф не попадал в нулевое распределение. p считалась как (b+1)/(N+1), где b — число перестановок с PPI не ниже наблюдённого. После поправки Холма на восемь сравнений максимальное скорректированное p равно 0,0008 — значимость сохранили все восемь.

Формулировать результат надо аккуратно. Сходство между разными формулировками составляет 59,6% от воспроизводимости одинакового текста. Дополнительный штраф за перефразирование равен 0,292.

Разброс между темами важнее среднего. У запроса про сервисы проверки видимости разница составила 0,086, то есть формулировка почти не влияет. У запроса про то, как писать статьи под цитирование в AI-обзорах, штраф достиг 0,433: смена формулировки внесла особенно большой дополнительный разброс сверх обычного шума контура.

И цифра, которую стоит показывать клиенту вместо коэффициентов. Я взял все домены, встретившиеся хотя бы раз, и посчитал для каждого размах присутствия между формулировками. Знаменатель здесь — 300 пар «потребность плюс домен», где домен появился хотя бы однажды.

В 35% отобранных пар «потребность — домен» (105 из 300, где домен встретился хотя бы раз) одна формулировка давала источник во всех пяти повторах, а другая — ни в одном. Сайт при этом не меняется вообще.

Отсюда следует вещь, неприятная для рынка. Подрядчик, который сам формирует корзину промптов, существенно влияет на итоговый процент, даже без намеренной манипуляции. Чтобы отчёт стало возможно проверить, недостаточно неизменного списка. Нужны полный текст промптов, модель и режим, число повторов, даты, регион, правила агрегации и обработка пустых ответов.

Живой пример есть в открытом доступе. Портал GEOMI выкладывает демо-отчёт с подписью «пример того, как выглядит качественный отчёт от подрядчика». Значения там иллюстративные, поэтому разбираю структуру отчёта, а не достоверность результатов клиента.

Видимость в нём растёт с 20% в декабре до 43% в феврале. В детализации указан состав корзины: декабрь — 2 направления и 14 промптов, январь — 4 и 28, февраль — 6 и 42. Корзина выросла втрое.

Забавно, что данные для честной динамики в отчёте есть. По двум направлениям, присутствующим во всех трёх месяцах, рост настоящий и более убедительный: с 14 до 52% и с 26 до 71%. В шапку вынесли несопоставимое число.

Разложить такую динамику на две части несложно. Пусть p_i,t — видимость внутри группы промптов i в период t, а w_i,t — доля этой группы в корзине. Тогда общая видимость и её изменение раскладываются так:

Декомпозиция симметричная: сумма двух компонентов тождественно равна общему изменению, остаточного члена нет. Проверено численно на случайных данных, расхождение на уровне машинной погрешности.

Формула стандартная, из экономической статистики. В просмотренных публичных GEO-отчётах такого разложения я не встретил. Разложить сам рост GEOMI я не могу: в отчёте нет видимости по каждому направлению за все три месяца, а без неё считать нечего. Метод проверен на моём расчётном примере, не на их данных.

Правило простое: пока подрядчик не показал два эффекта раздельно, фраза «видимость выросла» ничего не значит.

Почему исследования противоречат друг другу

Возьмите любую подборку статистики по AI-поиску, и вы увидите цифры, которые не сходятся между собой.

Доля ChatGPT в реферальном AI-трафике: у SE Ranking 74,78%³, у Trakkr 91,2%⁴, у Search Engine Land 92%⁵. Расхождение в 17 пунктов. Пересечение цитируемых источников с органической выдачей Google зависит от того, считать топ-10 или всю органику, и снижается со временем: Ahrefs в середине 2025 нашёл около 76% цитирований где-то в органике⁶, BrightEdge в сентябре 2025 — 54% в органике и лишь около 17% строго в топ-10⁷, Ahrefs в начале 2026 — 38% в топ-10⁸.

Дело не в том, что кто-то считает плохо. Выборки разные, методики разные, объекты измерения разные. Одна компания считает по панели GA4-свойств, другая по своей базе доменов, третья по клик-стриму.

Сходятся источники в одном. Surfer на примерно 5 миллионах цитируемых URL нашёл, что корреляция domain authority с частотой цитирования близка к нулю⁹, а Ahrefs зафиксировал неполное пересечение цитат с топ-10. Оба результата показывают: ни высокий Domain Authority, ни присутствие URL в топ-10 сами по себе не гарантируют цитирование в AI. Классические SEO-сигналы могут участвовать в отборе, но их недостаточно, чтобы прогнозировать AI-видимость.

Особенно осторожно стоит обращаться с оценками потерь кликов. Я сам сначала свёл их в диапазон «от 34,5 до 68 процентов» и был неправ. Такого диапазона не существует, потому что это разные величины с разными знаменателями.

Пять исследований, пять разных вопросов. Складывать их в интервал — то же самое, что усреднять температуру и давление.

Что нейросети делают с кликами

Самый сильный причинный дизайн среди работ, которые я нашёл для этого разбора, показал полевой эксперимент Агарвала из Индийской школы бизнеса и Сена из Карнеги-Меллон (SSRN 6513059, версия от 8 июля 2026).

Дизайн заслуживает отдельного описания, потому что на его фоне видно уровень остального рынка. Эксперимент предварительно зарегистрирован в реестре Американской экономической ассоциации под номером AEARCTR-0017393 — то есть гипотезы зафиксированы до сбора данных. Собственное расширение Chrome прошло проверку безопасности Google. Участников набирали через Prolific с фильтром: Google как основной поисковик, Chrome как единственный браузер, минимальная активность за предыдущие двадцать дней. В основное двухнедельное исследование прошли 1065 человек из США: 396 в контроле, 374 в группе со скрытым AI-обзором, 295 в группе с AI Mode. Через две недели группы поменяли местами.

Результаты на запросах, где AI-обзор срабатывал. Внешние органические клики: 0,37 на поиск в контроле против 0,62 при скрытом обзоре. Вероятность бескликовой сессии: 0,73 против 0,54. Клики по рекламе: 0,02 против 0,02, разницы нет. Число поисков между группами не изменилось.

Отсюда цифры, которые все цитируют: падение органических кликов на 39,8%, рост бескликовых сессий на 34,5%. И здесь рынок ошибается вдвое.

Обе цифры посчитаны условно, только для запросов с AI-обзором. В сноске самой работы сказано: поскольку обзор срабатывает примерно в 41% поисков, в среднем по всем поискам падение органических кликов составляет около 18,5%, а рост бескликовых — около 20,4%.

Внимательный читатель тут же попробует проверить умножением и получит другое число: 39,8% на 41% даёт 16,3%. Расхождение объясняется просто. Процент считается от общего контрфактического числа кликов, поэтому вес запроса определяется его вкладом в клики, а не долей в количестве поисков. Запросы с обзором и без него имеют разную базовую кликабельность. При доле обзоров 41%, кликабельности 0,62 без блока и 0,37 с блоком общая потеря даёт 18,5%, если запросы без обзора приносят около 0,508 клика на поиск. Противоречия нет.

Второй квазиэксперимент даёт другой порядок величины и другим методом. Хосрави и Йоганарасимхан (arXiv 2602.18455) использовали разновременный раскат AI-обзоров по языкам Википедии как источник вариации: 161 382 пары «статья — язык», метод разности разностей (difference-in-differences). Трафик англоязычных статей упал примерно на 15%.

Два исследования, две методики, минус 18,5% и минус 15%. Совпадение по порядку величины при разных подходах — более сильный аргумент, чем любая отдельная цифра.

Теперь то, что работает против удобного нарратива, и я обязан это привести. Вовлечённость на сайтах при условии клика между группами не различается. В сноске работы сказано прямо, что этот результат противоречит публичным заявлениям Google о показателях отказов из AI-обзоров. В этом эксперименте утверждение Google о более качественном трафике подтверждения не получило. Одновременно эксперимент не подтвердил и противоположную версию о заведомо худшем трафике из AI-обзоров.

И второе. Опрос после эксперимента не выявил статистически различимого улучшения или ухудшения воспринимаемого качества поиска. Утверждать равенство на этом основании нельзя: для этого нужен тест эквивалентности с заранее заданной границей практически значимого эффекта. Вывод самих авторов: обзоры отбирают трафик у издателей, не давая пользователю измеримого выигрыша.

Как считать результат сейчас

Перехожу от критики к тому, что предлагаю делать. Единица измерения нового поиска — не место и не процент упоминаний, а набор показателей с известной неопределённостью. Ниже шесть метрик, сбор которых можно начать на следующей неделе.

1. Видимость с нижней байесовской границей

Обычный трекер делит ответы с брендом на все ответы. Пять упоминаний из пяти он показывает как 100%. Вместо точечной оценки беру апостериорное распределение доли при m присутствиях из n прогонов с априорным распределением Джеффриса и выношу в отчёт его пятый процентиль:

После пяти успешных прогонов точечная оценка присутствия равна 100%, а нижняя 95-процентная байесовская граница — 69,4%. Это разные величины, и в отчёте должны стоять обе: точечная оценка и её нижняя граница. Таблица не задаёт универсального числа прогонов, она показывает цену заявления «бренд появляется всегда».

2. Разложение корзины промптов

Отдельно эффект работы, отдельно эффект изменения списка запросов. Формула и график выше. Без этого разделения динамика видимости непроверяема.

3. Три координаты устойчивости вместо одной

Воспроизводимость одинакового промпта, устойчивость к перефразированию, дрейф во времени. Три числа с названиями осей, а не одно «устойчивость 56%». Свои измерения привожу так. Внутри одного эксперимента воспроизводимость одинакового текста составила 0,723, устойчивость к перефразированию — 0,431. Разница между ними, то есть штраф формулировки, равна 0,292. Межсуточная устойчивость 0,356 измерена отдельно и на другом движке, поэтому в единый индекс с первыми двумя не объединяется. Штраф — не координата устойчивости, а разность двух координат. Смешивать их в одном списке нельзя.

4. Период полураспада цитирования

Рынок показывает «было 12 упоминаний, стало 20» и не отвечает, удержались ли они. Trakkr на выборке из 857 тысяч отчётов обнаружил, что 73% цитирований появляются один раз и исчезают¹⁰. Строка отчёта вида «видимость выросла с 18 до 27%, но медианный срок жизни нового цитирования шесть дней» честнее любого графика. Цифры в этом примере гипотетические, своего продольного ряда у меня пока нет. Событие определяется так: цитирование считается исчезнувшим после двух подряд пропусков, а незавершённые наблюдения учитываются как цензурированные. Сравнивать полураспад можно только при одинаковой частоте замеров: два подряд пропуска при ежедневном и еженедельном сканировании — разные события. Поэтому в отчёте указывается интервал: ежедневно, раз в три дня или еженедельно.

5. Цитирование, упоминание бренда и поглощение содержания

Ссылка на источник в списке и реальное использование его содержания — разные вещи, и меряются они разными величинами. Semrush с Кевином Индигом на выборке из 3981 появления домена обнаружили, что 62% цитирований не называют бренд по имени¹¹: это расхождение между цитированием и упоминанием. Работа Сюя с соавторами (arXiv 2605.14021) на 55 тысячах запросов и 98 тысячах атомарных утверждений нашла, что 11% утверждений в AI-обзорах не подтверждаются источником, на который ссылаются: это про достоверность.

Ни то, ни другое не измеряет поглощение — фактический вклад источника в содержание ответа. Чтобы его посчитать, ответ надо разбить на атомарные утверждения j с весом важности s_j. Одно утверждение может опираться сразу на несколько доменов, поэтому его вклад делится между ними долей атрибуции a_jd ∈ [0,1], где Σ_d a_jd = 1. Признак f_jd = 1 ставится, если домен d поддерживает утверждение корректно:

Доля атрибуции делит вклад между источниками, поэтому суммарное поглощение по всем доменам не превышает 100% — иначе один и тот же вес утверждения зачли бы нескольким доменам сразу. Первичную разметку может делать модель-судья, но часть выборки обязана проходить ручную проверку. Без такого определения поглощение остаётся красивым словом из обзора, а не метрикой.

6. Разность разностей для оценки собственных работ

Сопоставимые страницы, часть меняем, часть оставляем контролем, корзина промптов одна и та же до и после. Общий дрейф движка вычитается через контроль. Эффекты по цитированию, поглощению и переходам считаются раздельно и в один показатель не сводятся. Дизайн требует сопоставимых групп и проверки параллельных трендов на нескольких замерах до вмешательства. Если страницы можно распределить случайно, рандомизация сильнее квазиэксперимента.

Значения справа иллюстративные; устойчивость по прогонам и времени — из моих замеров, остальное показывает формат. Смысл в другом: одна цифра слева непроверяема, вектор справа несёт свою неопределённость честно.

Каждую строку этого вектора можно посчитать. Пять — прямо в калькуляторе (ссылки ниже), две требуют накопления данных во времени. Вот куда что вводить.

Две нижние строки нельзя посчитать одной таблицей: полураспад требует накопить историю замеров по датам, инкрементальный эффект — разделить страницы на тест и контроль. Это не пробел метода, а честное указание, что часть картины собирается временем, а не одним прогоном.

Для уровня влияния и результата работает другой набор. Опрос «как вы о нас узнали» с явным пунктом про нейросети остаётся одним из немногих способов поймать влияние, не оставившее реферера. Но верить ему напрямую нельзя. HockeyStack разобрал больше 8500 таких ответов от 36 компаний и обнаружил, что 90% назвавших «сарафанное радио» перед этим видели рекламу в LinkedIn больше сотни раз¹². Единственная задокументированная процедура калибровки — сверять ответы с логами показов.

Требовать от подрядчиков открытую корзину промптов и при этом прятать свою было бы странно. Поэтому промпты, ответы, рабочий калькулятор и полный набор данных с кодом замеров лежат выше, а методология расчёта расписана в разделах этой статьи.

Какие цифры нельзя обещать клиенту

Прогноз AI-трафика для конкретного сайта я обещать не берусь, и никому не советую.

Метод для задач такого класса существует давно. Лес Бине показал на конференции IPA в 2020 году, что доля брендовых поисковых запросов относительно конкурентов коррелирует с долей рынка на уровне 83%¹³, на выборке из 30 кейсов, 12 категорий, 7 стран. Метрика опережающая: для автомобилей примерно на год, для мобильных телефонов на полгода. Придумывался метод ровно для нашей задачи, чтобы обойти неатрибутируемость офлайн-медиа.

Перенести его на AI-канал сегодня мешают четыре вещи, и три из них не про качество инструментов.

Первый барьер ослабнет по мере накопления истории. Второй может ослабнуть, если доля AI-трафика поднимется над уровнем шума, но это не гарантировано. Третий требует другого дизайна эксперимента. Четвёртый — работы, которую пока никто не сделал.

Обзор Мартинеса, тот самый на 45 исследований, заканчивается выводом, который стоит повесить над рабочим столом каждому, кто продаёт GEO: ни одна из рассмотренных техник не показала устойчивого, продольного, кроссплатформенного причинного эффекта на обнаруживаемость или поведение пользователей.

Читать это надо точно. В рассмотренной литературе ни одна GEO-техника не показала одновременно устойчивого, продольного и кроссплатформенного причинного эффекта. Локальные эффекты это не отменяет. Оно означает, что переносить их между платформами, темами и периодами как универсальный закон пока нельзя.

Источники

Академические работы (arXiv, SSRN) со ссылками прямо в тексте: обзор Мартинеса, эксперименты Атиля, Зелински и Шульте по нестабильности, полевой эксперимент Агарвала и Сена, разность разностей Хосрави и Йоганарасимхан, разбор достоверности Сюя. Отраслевые источники — ниже.

Итог

В SEO позицию можно было наблюдать. В GEO приходится оценивать скрытую вероятность, устойчивость, поглощение источника и бизнес-эффект. Поэтому единица измерения нового поиска — не место и не процент упоминаний, а вектор показателей с известной неопределённостью.

Что можно обещать честно: измеримую видимость с указанной неопределённостью, разделённую динамику, наблюдаемые переходы как нижнюю границу и опрос как индикатор влияния. Что нельзя: процент видимости без корзины промптов, прогноз трафика, ROI канала и рост, не разложенный на работу и смену методики измерения.

А начать я советую с того, с чего начал сам. Откройте свой счётчик и проверьте, что лежит в поле источника. У меня там три недели лежал адрес той же страницы.

Кириченко Станислав

В SEO с 2007 года, техаудиты, AI-видимость, second opinion · Подробнее обо мне