Когда ChatGPT кого-то советует, список кандидатов у него в основном уже готов до того, как загрузится первая страница. Модель вписывает названия брендов из собственной памяти в свой поисковый запрос, и бренд, который в этом запросе оказался, попадает в финальный ответ в 68,9% случаев. Бренд, который подтянули уже во время поиска, в 2,1%. То есть ваш сайт решает не то, рассматривают ли вас вообще. Он решает, порекомендуют ли вас из уже составленного списка.
Это два фильтра подряд, и лечатся они совершенно разными вещами. Разберу оба и в конце дам чеклист, который можно пройти по своему сайту сегодня же.
Почему ИИ называет конкурента, если ваш сайт лучше
Потому что выбор происходит не на вашем сайте. Модель начинает рекомендацию не с исследования, а с предварительного отбора из того, что у неё про эту категорию и так лежит в памяти. Искать она идёт уже после этого и ищет именно по этим именам.
Для вас это значит вот что: быстрая, аккуратно собранная, технически безупречная страница рекомендацию не выигрывает, если вашего имени нет в предварительном отборе. Её в этом случае не оценивают хуже. Её просто не открывают. Suganthan Mohanadasan в Search Engine Journal говорит об этом прямо: не попал в шортлист, и твой сайт никто не откроет, как бы хорошо он ни был сделан. Решение принимается до того, как что-либо коснётся вашего сервера.
Что происходит до того, как ИИ откроет хоть одну страницу
Модель сначала сама формулирует поисковый запрос и вписывает в него бренды, которых в разговоре не было. На вопрос про лучшее приложение для заметок с ИИ ChatGPT сгенерировал запрос «best AI note taking apps 2026 official pricing features Granola Notion AI Otter Fireflies Fathom Mem Limitless». Семь продуктов, которых пользователь не называл, уже стояли в запросе.
В 21 разговоре из 27 первый поисковый запрос содержал бренды, о которых никто не спрашивал. Дальше поиск проверяет только одно: держатся ли эти имена. Цены, функции, актуальность данных. Это не открытый конкурс, а раунд подтверждения для списка, который уже существует. Источник: Search Engine Journal, ChatGPT Already Knows Who It'll Recommend Before It Searches.
68,9% против 2,1%: что показали 27 разговоров
Бренд, который стоит в самостоятельно сгенерированном запросе модели, появляется в финальном ответе в 68,9% случаев. Бренд, которого там нет и который подгрузили через поиск, появляется в 2,1%. Отсюда «в 33 раза», и это про шанс быть рекомендованным, а не про объём охвата.
Третья цифра здесь не для красоты, она честно показывает масштаб: из 3554 загруженных страниц процитировали 110, то есть 3,1%. Загрузка страницы это ещё не видимость.
Про надёжность этих чисел скажу сразу, потому что это меняет рамку. Данные сняты с одного аккаунта ChatGPT Plus в Дубае 24 и 25 июля 2026 года, разобрано 57 разговоров на цитирование и 27 разговоров на тест первого запроса, по двенадцати товарным категориям. Автор сам называет результат направляющим, а не окончательным. То есть это не индустриальный бенчмарк, а аккуратно задокументированный взгляд на механику. Для практики этого достаточно: разрыв между 68,9 и 2,1 слишком велик, чтобы объясняться размером выборки.
Почему техническая оптимизация борется за 2,1%
Потому что техника включается только тогда, когда страницу уже загрузили, а загрузка это и есть вторая группа. Всё, что лежит на сайте, то есть скорость, структура, разметка, нормальные заголовки, улучшает вашу позицию внутри этих 2,1%. Оно не переносит вас в 68,9.
Это не аргумент против технической работы. Сайт, который ИИ не может прочитать, проигрывает даже попав в список. Это аргумент против порядка, в котором обычно действуют: сначала полгода на сайт, потом вопрос, почему ничего не сдвинулось. Я это померила на своём же проекте. Сайт проиндексирован, 44 страницы, разметка в порядке, а небрендовые запросы стоят на позициях 44-90. Дефицита техники там не было никогда.
Второй фильтр: почему рекомендуют не всех, кого рассмотрели
Потому что в конце ИИ рекомендует не продукт, а решение, и для этого ему нужны улики. Билл Хант называет это decision coverage, покрытие решения: насколько полно компания выложила доказательства, которые нужны ИИ, чтобы оценить, сравнить, квалифицировать и уверенно порекомендовать её продукт.
Вот здесь начинается та часть, которая целиком в ваших руках. В шортлист попадают через присутствие за пределами своего домена: обзоры, подборки, отраслевые публикации, отзывы. А рекомендуют из шортлиста уже за то, что лежит на вашем сайте. Две ступени, две разные задачи, и одна другую не заменяет.
Шортлист: решает, кого вообще рассматривают. Двигается упоминаниями за пределами вашего домена.
Доказательства: решают, кого из рассмотренных рекомендуют. Двигаются тем, что лежит на вашем сайте.
Кейс: как отсутствие доказательств для малого бизнеса стоило рекомендаций
B2B-компания с софтом почти перестала попадать в рекомендации по запросам малого и среднего бизнеса, хотя именно этих клиентов она обслуживала и в авторитет вкладывалась. Заявки из этого сегмента просели. Причина оказалась не в авторитете, а в отсутствии улик.
Не было текстов про специфические трудности маленьких компаний, не было объяснения, как внедрять всё это силами небольшой команды, не было отзывов от небольших клиентов и кейсов из этого сегмента. И плюс формулировка, которая развернулась против самой компании: она описывала себя как «гибко настраиваемую». В корпоративном контексте это преимущество. А для маленькой команды ИИ и отзывы клиентов прочитали это как «сложно администрировать», и конкуренты стали выглядеть уместнее для тех, у кого нет своего технического отдела. То есть исключили компанию не за слабость, а за отсутствие доказательств. Источник: Search Engine Journal, Decision Coverage.
Что проверить у себя: чеклист доказательств
Возьмите свой главный сегмент клиентов и поищите на собственном сайте шесть вещей. Чего не найдёте вы, того не найдёт и ИИ.
- Описаны ли боли именно этого сегмента его словами, отдельно от остальных.
- Есть ли сравнение с альтернативами, включая вариант «ничего не менять».
- Сказано ли где-нибудь, что учесть при внедрении в зависимости от размера компании.
- Названы ли честные компромиссы, то есть кому ваш продукт не подходит.
- Есть ли отзывы клиентов ровно этого типа, а не только самых крупных имён.
- Отвечаете ли вы на вопросы, которые задают до покупки, целыми предложениями и на отдельной странице.
И проверьте заодно одну формулировку: какое своё свойство вы подчёркиваете сильнее всего и как оно читается глазами вашего самого маленького клиента. Кейс выше перевернулся ровно на этом месте.
С чего начать, если вас нет ни в одном обзоре
С одной категории и двух площадок, где ваша отрасль реально живёт. Шортлист собирается из того, что модель запомнила про категорию, а туда попадают через отраслевые публикации, подборки и отзывы, а не через десять пустых профилей.
По порядку это выглядит так. Сначала сформулируйте категорию, по которой вас должны находить, и проверьте, относит ли вас к ней ИИ вообще. Этот шаг я разбирала в статье про category framing. Если категория верная, а вас всё равно нет, вопрос в упоминаниях за пределами вашего домена, и почему ИИ верит чужим источникам больше, чем вашему сайту, я разбирала в статье про то, что ИИ знает 96% брендов, но рекомендует единицы. Параллельно закрывайте чеклист доказательств, потому что обе ступени идут долго и независимо друг от друга.
Если хотите понять, на какой из двух ступеней спотыкаетесь именно вы, я смотрю это в аудите AI-видимости за 120 евро.
Частые вопросы про шортлист до поиска
Получается, мой сайт больше не важен для рекомендаций ИИ?
Важен, просто он решает в другом месте. Рассматривают вас или нет, решает шортлист, который модель собирает из памяти до поиска. А порекомендуют ли вас из этого шортлиста, решают доказательства на сайте: сегменты, сравнения, компромиссы, отзывы нужного типа. Без них вы проиграете, даже попав в список.
Что именно значит «в 33 раза»?
Это про шанс быть названным в ответе, а не про охват. Бренды из самостоятельно сгенерированного запроса модели попадали в ответ в 68,9% случаев, бренды, подтянутые только во время поиска, в 2,1%. Соотношение этих двух чисел и даёт разницу примерно в 33 раза.
Насколько этим цифрам можно доверять?
Это задокументированное единичное исследование, а не индустриальный бенчмарк: один аккаунт ChatGPT Plus в Дубае, 24 и 25 июля 2026 года, 57 разговоров на цитирование и 27 разговоров на тест первого запроса по двенадцати товарным категориям. Автор сам называет выводы направляющими. Механика подтверждена, а конкретные проценты в других аккаунтах и нишах могут отличаться.
Что такое decision coverage?
Decision coverage, покрытие решения, это то, насколько полно компания выложила доказательства, нужные ИИ, чтобы оценить, сравнить, квалифицировать и уверенно порекомендовать её продукт. Речь не про описания продукта, а про знание для принятия решения: боли по сегментам, сравнение с альтернативами, что учесть при внедрении, честные компромиссы, отзывы подходящих клиентов и ответы на предпокупочные вопросы.
Как проверить, попадаю ли я в шортлист?
Задайте вопрос так, как его задаёт клиент, то есть без вашего названия: «посоветуй [категорию] для [задачи]». Запишите, какие имена прозвучали. Повторите с тремя-пятью разными формулировками той же задачи. Если вашего имени нет ни в одной, а на прямой вопрос ИИ описывает вас верно, значит вас нет в шортлисте, а не в базе.
Хотите понять, ИИ вас уже советует или только узнаёт?
Разберу ваш сайт и off-site присутствие, посчитаю citation-rate и brand-mention-rate отдельно и покажу, что чинить первым, чтобы ChatGPT и Perplexity начали называть вас по имени, а не молча забирать ваш текст.
