Аудит AI-видимости: как проверить сайт своими силами

Результат каждого шага записывается в таблицу с датой и названием площадки. Один замер дает точку, ряд замеров - направление. Дальше по итогам таблицы понятно, чинить доступность, наращивать упоминания или переписывать источники, из которых модель берет устаревшие данные.

Аудит AI-видимости отвечает на три вопроса: отдается ли сайт краулерам нейросетей, называют ли модели ваш бренд в ответах на вопросы клиентов, кого они называют вместо вас. Все три проверяются руками, без платных сервисов. Уходит один-два вечера, на выходе таблица с датой замера.

Замер до начала работ нужен по одной причине: без него не с чем сравнивать. Через три месяца подрядчик покажет отчет, где бренд упомянут в семи ответах из двадцати, и вы не сможете сказать, рост это или падение. Если понятие GEO пока размыто, начните с обзора что такое GEO и чем оно отличается от SEO. Если нужен ответ «да или нет» за полчаса, есть короткий тест на четыре действия - здесь развернутая процедура с фиксацией результатов.

Что проверяем и в каком порядке

Шагов четыре, а вопросов, на которые они отвечают, три. Первый: доступен ли сайт для краулеров нейросетей. Второй: присутствует ли бренд в ответах на вопросы, которые задают клиенты. Третий: кто занимает ваше место в этих ответах.

Порядок обязателен. Если сайт не отдается краулерам, отсутствие упоминаний объясняется этим, и дальше мерить нечего. Сначала техника, потом содержание.

Дальше разница, из-за которой отчеты подрядчиков часто читаются неверно. Упоминание и цитирование - разные результаты. Бренд может быть назван в ответе, а источником при этом выступит чужой сайт: обзор, отраслевое издание, ветка форума. Компанию видят, но переход и доверие достаются другому домену. В таблице это две отдельные колонки.

Третья величина - тональность. Появление в ответе не равно хорошему упоминанию. Модель может назвать компанию в списке, где она проигрывает по всем параметрам, или описать ее нейтрально, без единой причины выбрать. Нейтральное или негативное описание хуже отсутствия: клиент получил ответ и вычеркнул вариант.

Разовым такой замер не бывает. Ответы моделей не воспроизводятся: тот же вопрос через день дает другой список компаний, потому что генерация вероятностная. Один замер дает точку, ряд замеров - линию. Рабочий ритм: раз в месяц по одному и тому же списку вопросов.

По времени: сбор списка вопросов - около получаса, техническая часть - час, прогон двадцати вопросов по четырем площадкам - два-три часа. За вечер закрывается техника и список, за второй - замеры.

Делюсь практикой и разборами по performance‑маркетингу
подписаться → @marataxanov

Таблица для фиксации результатов

Таблица заводится до начала аудита, а не после. Подойдет любой табличный редактор, пять блоков или пять листов.

| Блок | Поля | |---|---| | Техническая доступность | страница отдается ботам, текст без скриптов, robots.txt, защита сервиса, обращения краулеров за месяц, коды ответа | | Список вопросов | формулировка, стадия, откуда взят | | Замер по моделям | вопрос, площадка, дата, упомянут, ссылка на сайт, тональность, источники в ответе | | Конкуренты | вопрос, кто упомянут, домены источников, отметка о пробеле | | Итог | доля вопросов с упоминанием, доля со ссылкой, число пробелов, дата замера |

Три правила ведения, без которых таблица теряет смысл.

Дата и площадка обязательны в каждой строке. Ответ месячной давности и вчерашний ответ - разные данные, и без даты они смешиваются в одну кашу.

Формулировки вопросов между замерами не меняются. Захотелось переписать вопрос - заведите новую строку, старую оставьте. Иначе через квартал вы будете сравнивать разные вопросы и считать разницу результатом работ.

Ритм: сверка раз в месяц по тому же списку, разбор конкурентов и источников - раз в квартал, глубже. Месячного шага достаточно, чтобы отделить движение от случайных колебаний.

Дальше это автоматизируется сервисами мониторинга, они прогоняют сотни вопросов и считают доли за вас - обзор инструментов отдельно. Методику счета метрик и нормализацию разбираем в материале как считать метрики AI-видимости. Для первого замера хватит таблицы.

Шаг первый: видят ли модели сайт технически

Этот шаг объясняет все остальные. Пустая выдача по бренду означает две разные вещи: либо о компании нечего сказать, либо страницу не удалось получить. Разница принципиальная, и стоит она час работы.

Запрос страницы от имени бота. Краулер приходит не браузером и получает то, что сервер отдает по его имени. Проверяется командой в терминале:

curl -A GPTBot https://vash-sayt.uz/uslugi/

В ответ придет HTML-код страницы. Смотрите на две вещи: пришел ли ответ вообще и есть ли внутри текст, который читатель видит на экране. Пустой ответ или код ошибки означает, что для модели контента нет. Повторите с именами `ClaudeBot` и `PerplexityBot` - правила блокировки часто заданы для одного бота и не заданы для остальных.

Терминал есть не у всех, и это не повод пропускать шаг. Альтернатива: попросите любую модель с доступом к интернету открыть конкретный адрес и пересказать содержимое страницы. Если она отвечает общими словами о компании вместо содержания страницы, страницу она не получила.

Сравнение с тем, что видит человек. Откройте исходный код страницы через контекстное меню браузера и поищите в нем абзац, который видите на экране. Нет совпадения - текст собирается скриптами в момент загрузки. Большинство краулеров нейросетей скрипты не выполняют и получают пустой каркас. Второй способ проверки: отключить выполнение скриптов в настройках браузера и обновить страницу.

robots.txt. Откройте адрес вида `site.uz/robots.txt` и найдите строки с именами ботов. Часть сайтов закрывает краулеров нейросетей без ведома владельца: сервисы защиты добавляют такое правило по умолчанию, а конструкторы наследуют его из шаблона. По данным Ahrefs, из 140 миллионов проверенных сайтов GPTBot закрывают около 5,9%. Директивы и список ботов разбираем отдельно - как настроить robots.txt под AI-ботов.

Защита на стороне сервиса безопасности. Файл robots.txt чист, а бот получает отказ - блокировка стоит уровнем выше. Смотрите в панели сервиса защиты от атак, в настройках ускорителя, в правилах файрвола движка. Такие системы принимают частые запросы с незнакомого имени за скрапер и режут трафик автоматически, а для владельца сайт при этом работает исправно.

Отдельный случай - сайт на стороне подрядчика-разработчика. Студии закрывают все, что не похоже на браузер, и снятие блокировки упирается в согласование со службой безопасности. На сложных проектах у нас такие согласования тянулись неделями. Если сайтом занимается подряд, запрашивайте доступ к настройкам защиты и к логам заранее, до начала аудита.

Логи сервера. Самый честный источник. В логах хостинга ищите обращения `GPTBot`, `ChatGPT-User`, `ClaudeBot`, `PerplexityBot` и смотрите, какой код ответа они получили. Здесь же вскрывается вторая проблема - скорость. Модель запрашивает страницу в момент ответа пользователю, ждать долго она не будет: код 499 в логах означает, что соединение оборвано со стороны запрашивающего, и ответ собран из чужих источников. Этот код придумал nginx, в спецификации HTTP его нет, но в отчетах хостинга он попадается часто.

Больших чисел тут ждать не стоит. Краулер запрашивает страницу заново на каждое цитирование, но на сайте среднего бизнеса за квартал набегают сотни обращений, а не тысячи. Основная часть приходится на бота OpenAI, краулер Anthropic прибавляет быстрее прочих. Для таблицы важен сам факт: если обращений нет ни от кого, вопрос в доступе к сайту.

В таблицу: отдается ли страница по запросу от имени бота, есть ли текст без скриптов, что написано в robots.txt, есть ли обращения краулеров за последний месяц, какие коды ответа они получали.

Нашли закрытый доступ - открывайте, дальнейшие замеры до этого не имеют смысла. Если закрыть всех краулеров подряд, канал отрезается целиком: контент от копирования это не спасает, а из ответов нейросетей компания пропадает. Причины недоступности и порядок починки разбираем в отдельном материале - почему сайт не отдается моделям и как это чинить.

Шаг второй: собираем список вопросов

Совет «подумайте, о чем спрашивают клиенты» не работает: список из головы получается маркетинговым, а клиенты формулируют иначе. Нужен способ собрать вопросы из данных, которые уже есть.

Начинайте с двадцати. Полный охват ниши требует сотен формулировок и инструментов, но первый замер делается вручную: вопрос вбивается в модель, ответ читается, результат идет в таблицу. Двадцать вопросов на четыре площадки - восемьдесят ответов, объем одного вечера.

Вопрос к модели устроен иначе, чем поисковый запрос. В поиске человек вводит два-три слова. Модели он пишет предложение с условиями: бюджетом, сроком, районом, ограничениями. Средняя длина заметно выше - около 8 слов. Сравните: в поиске «стоматология Ташкент», в диалоге - «нужна клиника в Ташкенте, где поставят имплант за один визит, бюджет до 700 долларов, желательно Мирзо-Улугбекский район». Список из поисковых ключей в чистом виде для замера не годится, его нужно переписать в вопросы.

Пять источников, откуда берутся формулировки:

• ключевые слова с конверсиями из рекламного кабинета. Берите те, что приносили заявки, а не те, что собирали клики - это разные списки;
• страницы сайта, дающие заявки, и запросы к ним из Search Console. Страница уже отобрана рынком, вопросы к ней самые денежные;
• запросы, по которым конкурент держит рекламу три месяца и дольше. Долгая открутка означает окупаемость, случайные ставки столько не держат;
• ключи конкурентов в контексте целиком - для полноты картины по нише;
• вопрос новым клиентам: как вы нас искали, что вводили, к кому обращались до нас. Этот источник пропускают чаще прочих, а формулировки он дает самые точные.

Три стадии. Разложите двадцать вопросов по этапу принятия решения: восемь на осознание проблемы, семь на сравнение вариантов, пять на выбор исполнителя. Деление принципиальное, потому что на первой стадии человек описывает симптом и названия категории в вопросе нет. Конкурентов видно только на третьей, где звучат слова «лучший», «кому доверить», «сравните».

Пример для стоматологической клиники в Ташкенте. Осознание: «болит зуб под коронкой, что это может быть», «стоит ли ставить имплант или лучше мост». Сравнение: «имплант или съемный протез после 60 лет, что выбирают», «сколько стоит имплантация в Узбекистане и почему цены отличаются в два раза». Выбор: «какая клиника в Ташкенте делает имплантацию под ключ с гарантией», «где в Ташкенте лечат зубы под наркозом для взрослых». Переложите структуру на свою нишу: пропорция восемь-семь-пять сохраняется.

Цепочки. Диалог с моделью развивается уточнениями: первый ответ порождает второй вопрос. Клиент спрашивает про материал грядки от плесени, получает совет про сталь и следом спрашивает, какие марки продают стальные грядки. Продавец попадает в ответ на второй вопрос, а не на первый. Пять-шесть позиций списка должны быть такими вторыми шагами.

Список дописывается. Формулировки клиентов меняются вместе с рынком, поэтому набор вопросов ведется как рабочий документ. Добавляйте новые после каждого разговора с клиентом, старые не удаляйте - иначе замеры перестанут сравниваться между собой.

В таблицу: формулировка, стадия, источник.

Шаг третий: что модели говорят о бренде

Список готов, теперь прогон.

Прямой вопрос о компании. Начните с него: что вы знаете о компании такой-то из такого-то города. Ответ показывает, есть ли у модели вообще сведения о бренде и откуда они. Если ответ пустой, задайте следом второй вопрос - какой информации не хватает, чтобы рассказать о компании. Модель перечислит, какие источники она ищет по такой категории, и это готовый список задач.

Спрашивайте как клиент. Вопрос от лица компании («расскажи о нашем агентстве») и вопрос от лица покупателя («ищу подрядчика на такую задачу в Алматы, кого посоветуете») дают разные ответы. Второй ближе к тому, что происходит у клиента в диалоге. Работает и промежуточная формулировка: слышал про такую компанию, что о ней скажете - так видно, какими данными модель располагает и насколько она в них уверена.

Где спрашивать. Мы снимаем замер по четырем площадкам: ChatGPT, Claude, Gemini и Алиса от Яндекса. Ответы расходятся, потому что источники у моделей разные, а по рынкам СНГ картина без Алисы неполная. Внутри одной модели фиксируйте отдельно два режима: с поиском по интернету и без него. Первый показывает, что модель нашла сейчас, второй - что она усвоила раньше. Расхождение между режимами говорит, что данные о компании появились недавно и еще не закрепились.

Чистота замера. Один вопрос дает разным людям разные ответы: история диалогов, регион, прошлые запросы. Правила простые: новый диалог на каждый вопрос, выход из аккаунта или окно в режиме инкогнито, никаких наводящих реплик до основного вопроса. Спросили в том же чате «а моя компания?» - замер испорчен, модель подхватила подсказку.

Что фиксируем по каждому вопросу. Упомянут ли бренд. В каком месте ответа: в первой тройке, в общем перечислении или одной строкой в конце. Есть ли ссылка на сайт. Какие источники модель привела. Тональность формулировки: рекомендует, называет нейтрально или упоминает с оговоркой.

После основного прогона добавьте короткий блок из семи вопросов о бренде - это уже разбор причин, а не замер. За что компания известна сейчас. За что она хочет быть известна. Одинаково ли она описана на сайте, в каталогах и в профилях. Есть ли база клиентов, которые возвращаются. Кто ваши партнеры и как о них говорят. Ссылаются ли на компанию отраслевые издания. Доверяет ли ей модель - проверяется просьбой оценить надежность компании и объяснить оценку. Расхождение между первым и вторым ответом и объясняет результат замера.

В таблицу: доля вопросов с упоминанием, доля вопросов со ссылкой на сайт, тональность по каждому ответу.

Шаг четвертый: кого показывают вместо вас

Тот же список, другая колонка. По каждому вопросу записывайте, какие компании модель назвала и на какие домены сослалась. Вопросы, где вас нет, складываются в список пробелов - это и есть содержание будущих работ.

Список процитированных доменов ценнее, чем имена конкурентов. Он показывает, откуда модель берет данные по вашей нише: сравнения на отраслевых сайтах, ветки форумов, справочники, публикации изданий, видеообзоры. Площадки, на которых вас нет, перечислены в этом списке.

Отдельно прогоните вопросы про альтернативы: лучшие компании в категории, замена такой-то компании, аналог такого-то сервиса в Казахстане. Эти формулировки вытаскивают ближайших соперников в ответах вместе с источниками, из которых модель их знает.

Присматривайтесь, какие типы источников повторяются от ответа к ответу. Форумы и сообщества, отраслевые издания, агрегаторы отзывов - соотношение зависит от ниши, и знать его полезно до того, как планировать внешние публикации.

Зачем это нужно до любых работ: в генеративной выдаче вы соревнуетесь не с сайтами напрямую, а с представлением модели о категории. Список того, кто и по каким источникам занимает ответы, - описание этого представления в конкретных именах и доменах.

В таблицу: компании по каждому вопросу, домены источников, отметка о пробеле.

Что делать с расхождением

Таблица заполнена. Дальше по ней читается один из пяти исходов.

Сайт закрыт для ботов. Остальные строки таблицы недействительны, потому что модель отвечала без вашего сайта. Сначала доступность: снять блокировку, проверить, что текст отдается без скриптов, ускорить страницы с кодом 499. Порядок починки - в материалах почему сайт не отдается моделям и как настроить robots.txt под AI-ботов. После починки замер повторяется целиком.

Сайт открыт, упоминаний нет. Ранняя задача. О компании нечего сказать: страниц под вопросы клиентов нет, внешних упоминаний тоже. Работа идет в двух направлениях сразу - контент под вопросы из вашего списка и присутствие на сайтах, которые вы выписали в колонку источников. Быстрых результатов здесь не бывает, зато порядок действий понятен.

Упоминания есть, ссылок на сайт нет. Здесь важно разделить два случая. Либо контент вообще не извлекается, либо извлекается, но не выбирается для ответа. Как отличить: если страница по теме существует, отдается краулерам и все равно не появляется в источниках, вопрос в подаче - структуре, формулировках, наличии прямого ответа в первых абзацах. Об этом отдельно: как перестроить текст, чтобы его брали в ответы.

Ссылки на сайт есть, названия компании нет. Сочетание редкое. Модель берет страницу как справку, пересказывает содержание и ссылается на домен, но саму компанию в ответе не называет. Так выходит, когда материалы написаны обезличенно: инструкция или разбор без единого указания, кто за ними стоит. Чинится на своих же страницах: назовите компанию там, где идет речь о ее работе, и проставьте авторство.

Упоминания есть, но данные неверные. Поздняя задача и самая неприятная. Модель называет старый адрес, закрытую услугу, прежнее название после ребрендинга. Заметить это труднее, потому что видимость выглядит хорошей. Чинится через источники: найдите в ответах, откуда приходят устаревшие сведения, и обновляйте в первую очередь их. Одной правки на сайте недостаточно, пока каталоги и обзоры повторяют старую версию.

Встречается и обратное искажение. На аудите одного агентства ChatGPT по коммерческому вопросу выдал кейсы, которых у компании не было: модель собрала описание из чужих работ и приписала их бренду. Нашли это на замере, до того как за несуществующей услугой пришел клиент. На замере смотрят в обе стороны: чего модель о компании не знает и что она дописала за нее.

Рабочая рамка после аудита рассчитана примерно на месяц. Первая неделя - доступность и техника. Вторая и третья - переписываем тексты под вопросы из списка, добавляем фактуру, цифры и подтверждения. Четвертая - повторный замер и наблюдение за цитированием. Дальше цикл повторяется по той же таблице.

Если объем работ оказался больше, чем вы готовы вести сами, посмотрите, с чего начинается работа в HITZ Agency - GEO-агентство в Центральной Азии. Прежде чем выбирать подрядчика, стоит прочитать как проверить его по ответам на вопросы: заполненная таблица дает преимущество на первом же созвоне.

Коротко

Аудит состоит из четырех шагов: техническая доступность, сбор двадцати вопросов, прогон по четырем площадкам, разбор конкурентов в тех же ответах.

Порядок нарушать нельзя: закрытый для краулеров сайт объясняет пустой результат остальных проверок.

Вопросы берутся из пяти источников и делятся по стадиям в пропорции восемь-семь-пять. Опрос клиентов дает самые точные формулировки.

Фиксируются три величины: упоминание, ссылка на сайт, тональность. Упоминание без ссылки - отдельная задача, а не половина успеха.

Исходов пять: закрытый сайт, отсутствие упоминаний, упоминания без ссылок, ссылки без названия компании, упоминания с неверными данными. Каждый ведет к своему набору работ.

Замер повторяется раз в месяц по неизменному списку вопросов, с датой и названием площадки в каждой строке.

Частые вопросы

Как проверить, видит ли ChatGPT мой сайт?

Запросите страницу от имени бота командой `curl -A GPTBot адрес-страницы` и посмотрите, приходит ли в ответ текст. Затем откройте robots.txt и проверьте, нет ли запрета для GPTBot, и загляните в логи хостинга: есть ли обращения краулера за последний месяц и какие коды ответа он получал. Пустой ответ или отказ означает, что модель работает без вашего сайта.

Как узнать, что нейросети говорят о моей компании?

Задайте в новом диалоге прямой вопрос: что известно о компании такой-то из такого-то города. Повторите на четырех площадках (ChatGPT, Claude, Gemini, Алиса) и в двух режимах - с поиском по интернету и без него. Запишите, что модель называет верно, что устарело и на какие источники она ссылается. Ответ без источников означает, что сведения взяты из усвоенных данных, а не найдены сейчас.

Сколько запросов нужно для проверки AI-видимости?

Для первого замера достаточно двадцати: восемь на стадию осознания проблемы, семь на сравнение вариантов, пять на выбор исполнителя. Меньше десяти дают случайную картину, больше тридцати вручную не прогоняются за разумное время. Список расширяется позже, когда появятся инструменты мониторинга или помощник, который снимает замеры регулярно.

Почему ChatGPT дает разные ответы на один и тот же вопрос?

Ответ собирается заново каждый раз, влияет история диалога, регион и данные аккаунта. Состав упомянутых компаний от ответа к ответу меняется, поэтому судить по одному замеру нельзя. Спрашивайте в новом диалоге без входа в аккаунт, повторяйте вопрос дважды и записывайте оба результата - расхождение и есть информация о неустойчивости позиции.

Нужны ли платные сервисы для аудита AI-видимости?

Для первого замера нет. Вся процедура проходится браузером, доступом к логам хостинга и таблицей. Сервисы мониторинга нужны позже, когда вопросов становятся сотни и замеры делаются еженедельно: считать доли вручную на таком объеме уже неудобно. Начинать с покупки инструмента до первого ручного замера смысла нет.

Как часто повторять проверку?

Раз в месяц по неизменному списку вопросов - этого шага хватает, чтобы отличить движение от случайных колебаний. Раз в квартал добавляйте разбор конкурентов и источников: смотрите, какие домены стали цитироваться чаще и появились ли новые компании в ответах. После крупных изменений на сайте или ребрендинга делайте внеочередной замер.