Как попасть в ответы нейросетей

Ключевое слово здесь — сущность (entity). В модели Google сущность это «чётко определённая, уникальная и различимая вещь»: то, что можно однозначно опознать и отличить от всего остального.⁴ Человек, город, компания, а иногда и абстрактное понятие вроде цвета или эмоции. Разницу между сущностью и ключевым словом стоит уложить в голове крепко: на ней держится вся глава.

Ключевое слово — это строка символов. «Ягуар» как набор букв. А сущность — это то, что стоит за словом. И тут вылезает подвох: у одной строки может быть несколько сущностей. «Ягуар» — это и хищная кошка, и марка машины. Классический пример из учебников — английское слово Mercury: планета, римский бог, автомобильный бренд, химический элемент и вдобавок имя музыканта. Пять совершенно разных вещей за одной строкой.⁵ Человек разбирается по контексту мгновенно. А машине нужно проделать отдельную работу — понять, о какой именно из пяти сущностей речь, прежде чем что-то отвечать.

Эта работа называется entity linking, или disambiguation — связывание и разрешение неоднозначности сущностей. Звучит мудрёно, а суть простая: система берёт упоминание в тексте и сопоставляет его с конкретной записью в базе знаний. Не просто «это какая-то организация», а «это вот эта конкретная организация, номер такой-то». ⁵ У сущности, в отличие от ключевого слова, есть уникальный идентификатор, и она не зависит ни от языка, ни от написания. «Ягуар», jaguar и 美洲豹 могут указывать на одну и ту же кошку.

Почему нейросети «думают сущностями»

Хорошо, скажете вы, это всё про поиск Google. А при чём тут ChatGPT и другие языковые модели, которые вроде бы просто «предсказывают следующее слово»?

При том, что модели впитали ту же логику из данных, на которых учились. И есть один источник, который тут стоит особняком, — Wikipedia. В классической таблице состава обучающих данных GPT-3 Wikipedia занимала всего около 3% корпуса; основной объём давал Common Crawl — гигантская свалка веб-страниц.⁶ Всего 3%. Но весили эти 3% куда больше своей доли, и дело тут не в объёме. Wikipedia — источник плотный, выверенный, структурированный: каждая статья описывает ровно одну сущность, у неё есть чёткое имя, тип и связи с другими статьями. Модель училась на таком материале видеть за словами объекты, а не строки. Поэтому и она, и поиск, из которого нейросети сегодня тянут свежие факты, устроены вокруг сущностей.

Вывод для вас практический. Чтобы попасть в ответ, мало быть в интернете под своим названием. Нужно, чтобы машина смогла собрать все разрозненные упоминания — сайт, отзывы, статьи, профили — в одну сущность и уверенно отличить её от тёзок. Мы уже видели раньше: как часто упоминают бренд, для цитируемости важнее, чем сколько на него ведёт ссылок. Но здесь копнём глубже. Упоминания работают, только если они склеиваются в один узнаваемый объект. Иначе получается та самая история с фигурками вымышленного персонажа.

Машиночитаемый паспорт бренда

Как же помочь машине собрать вас в одну сущность? Хорошая новость: для этого есть вполне конкретные, технические инструменты, а не только «станьте знаменитым».

Первый — Wikidata. Это свободная база знаний, которую одновременно читают и правят люди и машины; она же — общее хранилище структурированных данных для проектов Викимедиа, включая Wikipedia. Устроена она как огромный набор фактов вида «объект → свойство → значение». У каждого объекта — уникальный номер с буквой Q, у каждого свойства — номер с буквой P. Запись «Дуглас Адамс — это человек» выглядит так: Q42 → P31 → Q5.⁷ По сути это машиночитаемый паспорт: карточка, где про сущность записаны проверяемые факты в формате, который бот прочтёт без ошибок.

Второй инструмент связывает ваш сайт с этим паспортом — разметка schema.org для типа Organization, а в ней свойство sameAs. Это способ прямо, машинным языком заявить: «сущность на моём сайте — то же самое, что вот эта карточка в Wikidata, вот эта статья в Wikipedia и вот эти официальные профили в соцсетях». Официальная документация Google относит sameAs — рядом с названием, адресом сайта и логотипом — к рекомендованным свойствам разметки организации.⁸ Проще говоря, вы своими руками сшиваете разбросанные упоминания в один узел и говорите поисковику: это всё я, не путайте.

Третий инструмент старый как локальное SEO, но никуда не делся — NAP. Три буквы: Name, Address, Phone — название, адрес, телефон. Это те поля, по которым бизнес опознают в справочниках, на картах и в отзовиках. Каждый раз, когда эти данные всплывают где-то онлайн — у вас, у партнёров, в СМИ, — появляется «цитирование» (citation). А NAP-единообразие означает, что название, адрес и телефон совпадают во всех этих местах до буквы.⁹ И это важнее, чем кажется. Логика поисковика простая: если десятки источников называют бизнес одинаково, данным можно верить и не страшно показывать их человеку. А если адрес то такой, то сякой, телефон в одном месте один, в другом другой — возникает сомнение, и доверие падает.⁹ Тот же BrightLocal спрашивал об этом самих потребителей: неточные данные в справочниках раздражают почти всех (93%), а если контакты в разных местах не совпадают, бизнесу перестают доверять восемь человек из десяти.¹⁰ Машина реагирует ровно так же, только молча — она просто не собирает вас в надёжную сущность.

Отсюда первое конкретное действие, из самых дешёвых и недооценённых. Откройте табличку и выпишите, как ваша компания называется на сайте, в Google, в Яндексе, на картах, в каждом отзовике и каталоге. «ООО Ромашка», «Ромашка», «Romashka», «Студия Ромашка» — если вы насчитали три-четыре варианта написания и два телефона, вы только что нашли, почему машина вас путает. Приведите всё к одному эталону. Это скучно и не гламурно, зато работает.

Wikipedia нельзя взломать

Тут в голове читателя обычно вспыхивает соблазнительная мысль: раз Wikipedia так важна, надо просто завести себе статью. Сесть и написать. На этом обжигаются регулярно.

Wikipedia и Wikidata живут по очень разным правилам, и разница принципиальная. У Wikidata порог мягкий — для большинства брендов это вполне реальная цель. А вот у Wikipedia планка высокая: статья допустима, только если тема получила существенное освещение в надёжных источниках, независимых от неё самой. И главное, что стоит принять раз и навсегда: Wikipedia прямо называет себя запаздывающим индикатором значимости.¹¹ Статья в энциклопедии не создаёт значимость — она её только фиксирует, когда внешний мир уже обратил на вас внимание. Нельзя стать значимым, написав про себя статью. Можно только заслужить значимость в реальном мире, а статья придёт следом.

Почему энциклопедию нельзя взломать, чем кончаются попытки срезать путь и что с этим делать — отдельная глава 14: там и правила значимости в деталях, и поучительные истории тех, кто попробовал. Здесь достаточно вывода: карточку знаний нельзя построить, дёргая один рычаг. Нужна сеть источников, которые говорят о вас одинаково и независимо друг от друга.

Дом сущности

Среди специалистов по сущностям ходит удобная практическая идея — термин entity home, «дом сущности». Это одна страница, которую вы назначаете якорем: обычно раздел «О компании» (About). Именно по ней боты, модели и люди понимают, кто вы такие, и от неё отталкиваются, разбирая все остальные упоминания.¹² У этой страницы одна задача — быть эталонным, недвусмысленным описанием сущности. Полное название, чем занимаетесь, где находитесь, ключевые факты, а в разметке — тот самый sameAs со ссылками на Wikidata и профили. Это ваша точка сборки: отсюда машина начинает распутывать, что все эти разбросанные по сети упоминания — про один и тот же объект.

А теперь — почему без этой сборки бренд буквально растворяется. Вернёмся к источнику нашей истории про фигурки. В том же разборе описан второй случай: американская консалтинговая фирма и британская компания с почти таким же названием. Нейросети смешивали их истории в один усреднённый образ — часть фактов от одной, часть от другой.¹ И по запросам, где потенциальные клиенты сравнивали варианты, американская фирма фактически была невидима под собственным именем: вместо неё модель показывала гибрид из двух компаний. Это и есть entity ambiguity, неоднозначность сущности, во всей красе. Не оштрафовали, не понизили — просто не смогли отделить вас от двойника, и вы пропали.

Чего наука пока не измерила

Всё, что выше, — про механику: граф знаний устроен вокруг сущностей, Wikidata кормит карточки Google, Wikipedia весит непропорционально в обучающих данных, а путаница сущностей ломает видимость на живых кейсах. Логика прочная, и косвенных подтверждений хватает.

Но прямого, независимого, названного по имени исследования, которое измерило бы именно это — «навёл порядок с сущностью, и цитируемость в ChatGPT или Perplexity выросла на столько-то процентов», — на момент написания книги нет. Не «я не нашёл», а его пока не существует. Отрасль это признаёт сама: авторы разбора про путаницу брендов прямо пишут, что на февраль 2026 года ни одна опубликованная работа не изучает конфликтующие значения брендов в ИИ-платформах — тема обогнала академию.¹ Так что относитесь к приёму трезво: это хорошо обоснованная, подтверждённая кейсами практика, а не измеренное число вроде тех «плюс 40%», которые мы ещё увидим у статистики и цитат.

Российский контур

Есть один нюанс — он важен для Рунета: здесь свой граф знаний и свои площадки.

У Яндекса есть прямой аналог карточки знаний — объектный ответ: справка сбоку от выдачи с краткой информацией о предмете запроса, будь то человек, компания, город или фильм. Строится она на семантическом графе Яндекса. Показывать такие карточки Яндекс начал в апреле 2015 года, и уже на старте база содержала описания около 92 миллионов сущностей — личностей, фильмов, альбомов, городов, лекарств, машин.¹³ Данные Яндекс собирает из десятков источников, включая Википедию, сам сопоставляет и чистит факты, отсеивая дубли и противоречия. То есть та же самая идея: система хочет понять, о какой вещи речь, и собрать про неё непротиворечивый паспорт.

Практика для российского бизнеса перекликается с мировой. Данные об организации — адрес, телефон, часы — можно передать Яндексу через Яндекс Бизнес или через ту же разметку schema.org/Organization на сайте. Причём если данные из разных источников не совпадут с тем, что вы указали в Бизнесе, заявку на публикацию могут просто отклонить.¹⁴ Снова то же правило единообразия, только уже с конкретным механизмом наказания за разнобой.

Отдельно — про энциклопедии, потому что тут легко запутаться. Кроме Wikipedia, в русскоязычном поле теперь есть Рувики — созданный в 2023 году форк русской Википедии; при запуске он перенёс к себе почти два миллиона статей — свободная лицензия это разрешает, — а часть из них переписал под российское законодательство; и в отличие от некоммерческой Wikipedia это коммерческий проект со своей инфраструктурой в России; официальный запуск — январь 2024 года.¹⁵ Есть и Знание. Вики — энциклопедия общества «Знание», ещё один отдельный источник карточек.¹⁶ Держите в голове простую вещь: это самостоятельные проекты со своими правилами, а не «российские зеркала» Wikipedia с теми же критериями. Как именно каждая российская нейросеть — Алиса, GigaChat, доступный в стране DeepSeek — опирается на эти энциклопедии и графы, отдельно и надёжно пока не измерено: общая логика сущностей работает и здесь, но точных цифр по каждой платформе нет.

Мини-шаблон: как оформить свою сущность

Соберём практику в короткий маршрут. Пройдите по нему один раз для своего бренда — большинство шагов делаются за вечер и не стоят денег.

Шаг 1. Сведите NAP к одному эталону. Выпишите название, адрес и телефон так, как они указаны на сайте, в Google, в Яндексе, на картах и во всех каталогах. Найдите расхождения и приведите к единому написанию везде. Это фундамент — без него остальное шатается.

Шаг 2. Назначьте дом сущности. Сделайте страницу «О компании» эталонным описанием: полное имя, чем занимаетесь, где находитесь, ключевые проверяемые факты. Одна страница, к которой всё остальное отсылает.

Шаг 3. Свяжите профили через sameAs. Добавьте на сайт разметку schema.org/Organization и в свойстве sameAs перечислите ссылки на свои профили — соцсети, каталоги, а если есть, то карточку Wikidata и статью Wikipedia. Так вы сами говорите машине: это всё один объект.

Шаг 4. Заведите или проверьте паспорт в базах знаний. Убедитесь, что вы есть в Яндекс Бизнесе с верными данными. Wikidata с её мягким порогом — реальная цель для большинства; Wikipedia — только когда о вас уже есть независимые серьёзные публикации, не раньше.

Шаг 5. Не пытайтесь взломать. Не пишите статью о себе в Wikipedia сами — чем кончаются такие попытки, увидите в главе 14. Значимость зарабатывают в реальном мире, а энциклопедия её лишь фиксирует.

Шаг 6. Проверьте на тёзок. Спросите у нейросетей про свой бренд по имени и посмотрите, не подмешивают ли они чужую сущность — персонажа, другую компанию, однофамильца. Если да, это сигнал усиливать однозначность: полнее имя, чётче дом сущности, больше независимых упоминаний, где вас нельзя спутать.

Итог главы

Нейросети и поиск думают не строками, а сущностями — «вещами, а не строками», как сформулировал Google ещё в 2012 году.² Чтобы попасть в ответ, мало засветиться в интернете под своим названием: машина должна собрать все ваши упоминания в один узнаваемый объект и отличить его от тёзок. Помогают этому вещи конкретные и в основном бесплатные — единый NAP, дом сущности, разметка sameAs, паспорт в Wikidata. А Wikipedia нельзя взломать: значимость зарабатывают снаружи, статья приходит следом. Прямого измеренного числа у этого приёма пока нет: это практика, подтверждённая кейсами, и не более того.

Если унести из главы одно: сделайте так, чтобы на вопрос «кто это?» и человек, и машина отвечали одинаково и без запинки. Одна сущность, одно имя, один паспорт.

Сделайте сейчас одну вещь: спросите у любой нейросети, что она знает о вашем бренде по имени. Если в ответе всплыл тёзка или перепутанные факты — вы нашли свою первую задачу.

А дальше — самое интересное. Сущность собирается не в одном месте, а по всему интернету сразу: из сайта, форумов, энциклопедий, отзывов, чужих публикаций. Только вот интернет для нейросети — не сплошное поле, а несколько узких пятачков, за пределами которых она почти не смотрит. Где именно эти пятачки — с этого начнём следующую главу.

Глава 10. Карта площадок 2026: где ИИ берёт источники

Третий по цитируемости сайт в ChatGPT — это сам ChatGPT

Компания Similarweb разобрала около 600 тысяч случаев, когда нейросети ссылались на источники, — данные за январь—февраль 2026 года, опубликованы 14 апреля.¹ Наверху у ChatGPT в режиме веб-поиска стоят Википедия — 13,15% всех цитирований — и Reddit с его 11,97%. А третьим, обгоняя Walmart, YouTube и LinkedIn, идёт openai.com — 6,21%.¹

Третий по цитируемости домен в ChatGPT — собственная документация OpenAI. Модель ссылается на саму себя втрое чаще, чем на каждый из таких столпов, как Reuters, NIH или LinkedIn, — у любого из них лишь пара процентов.¹ Уточню сразу, чтобы не приукрашивать: втроём эти трое всё-таки дают чуть больше, чем openai.com в одиночку. И это не причуда одного ChatGPT: Google в своём AI Mode так же исправно тащит google.com в собственную пятёрку источников.¹ Похоже, первым делом ИИ доверяет самому себе.

Но удивляет даже не это. Удивляет, до чего узок весь остальной круг. По оценке отраслевого агрегатора Everything-PR (о нём — с оговоркой ниже), всего пятнадцать доменов забирают около 68% совокупной доли цитирований по пяти крупным платформам сразу — ChatGPT, Claude, Gemini, Perplexity и Google AI Overviews.² Пользовательский контент — Reddit, YouTube, LinkedIn, Quora — в сумме цитируется чаще, чем два десятка крупнейших журналистских изданий вместе взятых.²

Никакого единого «интернета», из которого нейросеть черпает факты, не существует. Есть несколько узких, почти не пересекающихся пулов площадок — и они разные для мира и для России. Эта глава — карта этих пулов: какие именно площадки, с какими долями, на какую дату. Механику отбора мы уже разобрали раньше (два сита, у каждой платформы свой поисковый движок под капотом) — повторять не будем. Здесь — конкретные списки и, главное, ответ на вопрос: как из всего этого выбрать свои десять-пятнадцать площадок и не распылиться.

Все цифры ниже — снимки конкретного месяца, поэтому у каждой стоит дата: доли источников штормит, и к выходу книги они наверняка сдвинутся. Карта верна по направлению, а не по второму знаку после запятой.

Мировой топ: горстка доменов забирает почти всё

Начнём с глобальных платформ. Первое, что бросается в глаза: у каждой — свой любимый набор. И второе, важнее первого: концентрация тут жёстче, чем в обычном поиске. Классический Google размазывает внимание по десяткам сайтов на первых страницах выдачи; ИИ же не строит топ-10 ссылок, а вылавливает горстку источников, из которых можно собрать цельный ответ, — и эта горстка сильно смещена к узкому набору доменов.² Попасть в неё труднее, но и площадок, за которые стоит бороться, меньше.

ChatGPT тянется к энциклопедиям и деловым медиа. По тому же замеру Similarweb (январь—февраль 2026) его топ возглавляют Википедия и Reddit, дальше — собственная документация OpenAI, Walmart, YouTube, LinkedIn, Reuters, NIH.¹ Более ранний и более крупный разбор Ahrefs на 9,6 миллиона запросов (сентябрь 2025) рисует похожую картину: в глобальном топе ChatGPT первые места делят Reddit и Википедия — причём Википедия сразу на нескольких языках: английская, испанская, немецкая.³ Русская Википедия в том глобальном рейтинге тоже есть — на 78-м месте.³ Запомните эту деталь, к российскому контуру она ещё пригодится.

Google AI Overviews держится на видео и обсуждениях. Ahrefs ведёт живую, ежемесячно обновляемую таблицу пятидесяти самых цитируемых доменов в ИИ-сводках Google. На снимке июня 2026 года впереди YouTube — 20,9% — и Reddit с его 19,6%, третьим идёт Facebook, а дальше — Google, Instagram, Википедия, Amazon, Quora и TikTok, у каждого лишь единицы процентов.⁴ (Facebook принадлежит компании Meta, признанной в России экстремистской организацией и запрещённой; то же касается Instagram — здесь и далее обе площадки упоминаются только как источники данных.) Только первая тройка — YouTube, Reddit, Facebook — забирает больше половины всей доли, 52,1%.⁴ Видео и обсуждения перевешивают всё остальное.

Отдельная поучительная деталь. В режиме Google AI Mode, по замеру Similarweb, неожиданно лидирует fandom.com — вики-платформа фанатских сообществ, с долей 7,16%, впереди самой Википедии.¹ Не потому, что fandom известнее, а потому, что у него глубокие, подробные страницы по узким темам. Глубина на конкретной теме бьёт общую известность — это принцип, который нам ещё понадобится, когда будем выбирать площадки.

А вот как расставляют приоритеты пять платформ, если свести их в одну таблицу. Здесь нужна оговорка: детальную разбивку по Perplexity, Claude и Gemini даёт синтез Everything-PR / 5W — это не первичное исследование, а маркетинговый обзор PR-агентства, которое само продаёт услуги ИИ-видимости.² Цифры оттуда берите как порядок величины, а не как точный замер. Строки по ChatGPT и Google подтверждены первичными данными Ahrefs и Similarweb.

ChatGPT. Википедия (доминирует), деловые медиа (Forbes, Business Insider, Reuters), Amazon, собственная документация OpenAI.

Google AI Overviews / AI Mode. YouTube (лидер с отрывом), Reddit, продукты Google; в AI Mode неожиданно — Fandom.

Perplexity. Reddit, NIH/PubMed, Britannica, LinkedIn, Quora — крен в первоисточники и живой поиск.

Claude. Длинная авторитетная журналистика: The New York Times, The Atlantic, The Economist, Financial Times, The Washington Post.

Gemini. YouTube, продукты Google, Associated Press, The Guardian.

Источники: Ahrefs и Similarweb (ChatGPT, Google); синтез Everything-PR / 5W (Perplexity, Claude, Gemini), апрель—июнь 2026. ¹ ² ⁴

Две площадки в этом списке заслуживают отдельной пометки, потому что они — самое живое, что происходило в 2026 году. Первая — LinkedIn: как мы уже видели раньше, он за три месяца ворвался в топ цитирований ChatGPT почти с окраины и стал источником номер один по профессиональным запросам сразу на шести платформах.⁵ Для B2B это теперь обязательная площадка. Вторая — площадки отзывов: G2, Capterra, Trustpilot. Про их вес мы тоже говорили — развитый профиль поднимает цитируемость в разы, а G2 через поглощение конкурентов нарастил долю в B2B-запросах.⁶ Здесь важно лишь зафиксировать их место на карте: для отзывов и сравнений софта это отдельный, обязательный пул.

Российский топ: другая карта той же страны

Теперь пересечём границу — и карта меняется почти полностью. И это не мелочь для узкого круга: как мы видели раньше, в топе российских нейросетей устойчиво держатся Яндекс и GigaChat наравне с ChatGPT, а значит, для клиентов в России отдельная карта — не приятное дополнение, а половина всей работы.

Главный структурный факт мы уже разбирали: «Поиск с Алисой» — не отдельный поисковик, а надстройка над обычной выдачей Яндекса. Отсюда всё остальное. Как ранее выяснили по замерам MOAB, почти две трети ссылок в нейроответе Алисы одновременно стоят в самой макушке органики, а условие ещё жёстче: нет сайта в топ-20 обычной выдачи — не будет и ссылки в нейроответе, вообще.⁷ И по данным «Ашманов и партнёры» доля источников из-за пределов топ-10 продолжает падать: девять ссылок из десяти сегодня берутся с первой страницы.⁸

Вывод для российского рынка простой и железный: карта площадок в Рунете начинается не с площадок, а с позиций в Яндексе. Не в топе органики — вас для Алисы нет. Это фундамент, на котором стоит всё остальное.

Но и внутри этого фундамента есть свои приоритетные «доноры» — площадки, которые Алиса подтягивает особенно охотно: Википедия, Яндекс. Карты, отзовики.⁹ И тут же — парадокс, ради которого стоит остановиться. В топ-20 сайтов, которые Алиса цитирует, нет ни одного маркетплейса. Ни одного.¹⁰ При этом в российских нейросетях в целом маркетплейсы забирают около трети всех цитирований — три крупнейшие площадки суммарно дают порядка 31%.¹¹ Одна и та же страна, один и тот же товар — но спросите Алису, и маркетплейсов в источниках не будет, а спросите «средний» российский ИИ, и они займут треть.

Почему так выходит? Потому что «средний российский ИИ» — это фикция, удобная для отчёта, но не для стратегии. За усреднённой цифрой стоят очень разные машины: Алиса, намертво привязанная к органике Яндекса, где карточки маркетплейсов ранжируются иначе; GigaChat со своим индексом; глобальные модели со своими пулами. Треть цитирований на маркетплейсы набирается за счёт одних платформ при почти нулевом вкладе других. Вывод практический: при выборе ориентируйтесь в первую очередь на то, какие нейросети в приоритете у вашей целевой аудитории. Если это Алиса — карточка на Wildberries вас в её ответ не приведёт, нужен топ Яндекса.

С сообществами в Рунете отдельная история. У Reddit здесь нет единого аналога — по наблюдению сервиса-монитора GEO Scout, его роль выполняет комбинация из четырёх площадок: Pikabu, DTF, Habr и vc.ru.¹² Ни одна поодиночке не дотягивает до влияния Reddit, но вместе они дают сопоставимый сигнал. Тот же отчёт (напомню — это вендорский отчёт компании, продающей мониторинг ИИ-видимости, цифры берите с этой поправкой) перечисляет площадки, которые российские нейросети цитируют активнее всего помимо YouTube и Википедии: vc.ru — по темам финтеха, e-commerce, SaaS; Habr — по технологиям и хостингу; Яндекс. Дзен — по широким запросам; Pikabu — по пользовательскому опыту; DTF — по играм и медиа; RuTube — как видеоальтернатива; Отзовик и iRecommend — по отзывам; Авито.¹² По их же данным, бренды, которые активно присутствуют на Habr и vc.ru, цитируются в технических нишах на 23—31% чаще тех, кто публикуется только на своём сайте, — но системно на этих площадках работает лишь около четверти компаний.¹² То есть комьюнити-сигнал у большинства просто не закрыт.