ИП Савицкий Вячеслав Альфредович 
Тендеры и лиды
Информация
В начале октября я проверил, кого Алиса AI и ChatGPT советуют в пяти нишах и пяти городах. В выборку взял 30 сайтов местных компаний с первых страниц Яндекса. Итог неприятный для SEO: за три проверки нейросети хотя бы раз назвали только 9 из них, а 21 сайт не упомянули ни разу. Ниже — методика, которую можно повторить для своего клиента за час, и выводы, которые стоит превратить в конкретные работы по проекту.
Меня зовут Вячеслав Савицкий, я частный специалист по продвижению в нейросетях, копирайтер-маркетолог с 2009 года. Веду компаниям блоги под нейровыдачу. Прежде чем обещать клиентам рост упоминаний, захотел своими глазами увидеть, по каким правилам нейросети вообще выбирают, кого советовать.
Схема простая, и её легко воспроизвести под любую нишу. Я взял пять пар «ниша + город»:
грузоперевозки — Казань;
стоматология — Екатеринбург;
ремонт квартир — Новосибирск;
юрист по банкротству — Краснодар;
турагентство — Самара.
По каждой паре вбил в Яндекс запрос вида «стоматология екатеринбург» с регионом поиска, совпадающим с городом, и без учёта рекламы. В выборку шли первые шесть сайтов компаний с главным офисом в этом городе. Отсеивал три типа результатов: агрегаторы и справочники (Авито, 2ГИС, Яндекс Услуги, Профи, ПроДокторов, Zoon), региональные поддомены федеральных сетей и компании из других городов.
Уже на этом шаге видно, как тесно местному бизнесу в выдаче. По запросу «грузоперевозки казань» первую страницу целиком заняли агрегаторы, сети и иногородние компании — казанскую шестёрку пришлось собирать со 2-й по 5-ю страницу.
Дальше — вопрос от лица обычного клиента: «Посоветуй компанию для грузоперевозок в Казани» и так далее. Алису спрашивал на alice.yandex.ru в режиме «Интеллект: Авто», ChatGPT — во временном чате. Каждый вопрос задавал в новом чате. Компанию считал названной, если она есть в тексте ответа или в карточке организации. Проверка шла 3 и 4 октября 2026 года, на выходе — 36 скриншотов и сводная таблица.
Совет для работы с клиентами: зафиксируйте список вопросов один раз и повторяйте его каждый месяц. Один скриншот ничего не доказывает — смысл имеет только динамика.
Первая проверка 3 октября: Алиса назвала 7 компаний из 30, ChatGPT — 5. Хотя бы одна нейросеть вспомнила 8 сайтов, обе совпали на четырёх.
Разброс по нишам огромный. В Казани и Екатеринбурге — ноль из двенадцати: при этом нейросети охотно советовали других игроков, в основном федеральных перевозчиков и компании, которые стояли в выдаче ниже моей шестёрки. Лучше всех выступили турагентства Самары: три из шести назвали обе нейросети.
Алиса AI, 4 октября: в Казани первыми идут федеральные перевозчики. Из шести казанских сайтов выборки в ответе — ни одного.
4 октября я повторил вопросы Алисе со второго аккаунта Яндекса. Снова 7 из 30, но состав поменялся: одна новосибирская компания выпала, одна самарская появилась. За три проверки в рекомендации хоть раз попали 9 сайтов из 30.
Для SEO-специалиста это неприятный сигнал. Отчёт о позициях больше не отвечает на вопрос клиента «почему меня не советует Алиса». Видимость в нейросетях — отдельная метрика, и её нужно отдельно замерять.
Параллельно я разобрал код и служебные файлы всех 30 сайтов. Вот что получилось:
robots.txt. Ботам нейросетей не закрыт ни один из 29 доступных для проверки сайтов. Тридцатый отдаёт 403 на любые автоматические запросы.
Schema.org для организации. Есть на 14 сайтах из 29. Но среди восьми названных компаний разметка нашлась только у трёх.
llms.txt. Лежит на двух сайтах, в ответы попал один из них.
По этим данным техника — гигиена, а не рычаг. Если клиенту продают «внедрим llms.txt и попадём в ChatGPT», моя выборка этого не подтверждает. В чек-лист аудита — да, в обещания — нет.
Наша система сама подберет вам исполнителей на услуги, связанные с разработкой сайта или приложения, поисковой оптимизацией, контекстной рекламой, маркетингом, SMM и PR.
Заполнить заявку
13799 тендеров
проведено за восемь лет работы нашего сайта.
Первый источник — карточки с рейтингом. 3 октября Алиса в четырёх ответах из пяти показала карточки из Яндекс Карт, у названных компаний оценки держались от 4,2 до 5,0. ChatGPT во всех пяти ответах строил список по карте с рейтингами. Самарские лидеры «Самараинтур» и «Турмаркет» — это рейтинг 5,0 и от 165 до 194 отзывов.
Второй источник — подборки СМИ. В Новосибирске Алиса оба дня опиралась на подборку kp.ru по ремонтным компаниям, а 4 октября ссылка на неё стояла у всех пяти рекомендаций. В Краснодаре среди источников был обзор КП о банкротстве. В Екатеринбурге первой в списке шла клиника, и Алиса почти дословно пересказала её самоподачу «стоматология № 1 по версии журнала «Деловой Квартал»».
Алиса AI, 4 октября: у описания каждой компании — ссылка на kp.ru.
Забавная деталь: в ответе про юристов Алиса сама предупредила, что многие рейтинги лучших компаний в сети заказные. И тут же сослалась на обзор КП. Подборки на крупных площадках нейросеть читает, даже когда к жанру относится с подозрением.
Вторую часть я построил на гипотезе: статьи на сайте нужны клиенту, когда он сравнивает цены и разбирается в услуге. Задал Алисе 10 информационных вопросов, по два на нишу: про цену в городе и про выбор подрядчика или риски.
Разница вышла резкой. На вопрос «сколько стоит» Алиса в четырёх городах из пяти взяла цифры с сайтов местных компаний. На вопросы о выборе и рисках местные сайты не попали в источники ни разу.
Всего в десяти ответах Алиса поставила 73 ссылки. Распределение такое:
СМИ и журналы, включая журналы банков и порталов — 30 %;
агрегаторы и справочники — 18 %;
блоги компаний из других городов — 16 %;
региональные страницы федеральных сетей — 15 %;
сайты и блоги местных компаний — 11 %;
госорганы и правовые базы — 5 %, прочие сайты компаний — 4 %.
Логика понятна. Совет «как выбрать стоматологию» одинаков для всей страны, поэтому нейросеть берёт лучшую статью из любого города: в ответе для Екатеринбурга шесть источников из десяти оказались блогами клиник из Фрязино, Реутова, Москвы и Перми. А по запросу «сколько стоит в Екатеринбурге» местная компания конкурирует только с соседями.
Кейс, ради которого стоило всё это делать. По запросу «ремонт квартир новосибирск» сайт небольшой компании «Авантстрой» стоит лишь на 3-й странице Яндекса. Но в ответе Алисы о цене ремонта однушки семь сносок ведут на одну его статью — «Сколько стоит ремонт однокомнатной квартиры в Новосибирске в 2026 году». Без автора и без даты. Зато у статьи три свойства, удобных для нейросети: заголовок повторяет вопрос клиента, текст привязан к городу и году, внутри — цифры за квадратный метр и пример сметы.
Алиса AI, 4 октября: структура бюджета и ловушки сметы взяты из статьи новосибирской компании.
Страницы услуг с ценами работают по той же логике. В Краснодаре Алиса взяла тариф от 55 000 до 69 000 рублей со страницы услуги «Главбанкрота». В Казани ChatGPT процитировал цены сайта, который на просьбу «посоветуй» не прошёл ни разу. Отдельно отмечу: ChatGPT в двух ответах из пяти обошёлся вообще без ссылок на сайты — цифры брал из своих знаний, а компании из карточек на карте.
Из методики легко сделать регулярный отчёт. Я бы брал на каждого клиента шесть вопросов в трёх типах:
Два вопроса «посоветуй». Например, «Посоветуй [услугу] в [городе]» и «Где в [городе] лучше заказать [услугу]?». Показывают, попадает ли клиент в рекомендации.
Два вопроса «сколько стоит». «Сколько стоит [услуга] в [городе] в [году]?» — проверяют, цитирует ли нейросеть цены клиента.
Два вопроса «как выбрать». «Как выбрать [подрядчика]?», «На что обратить внимание при заказе [услуги]?» — показывают, чьи советы нейросеть пересказывает.
Каждый вопрос — в новом чате, в Алисе и ChatGPT, примерно в одни и те же даты месяца. По каждому ответу фиксируем четыре вещи: назван ли клиент, кого назвали вместо него, какие источники стоят в тексте ответа и есть ли среди них сайт клиента. Сравнивать имеет смысл месяц к месяцу, а не отдельные ответы.
Гипотеза про блог подтвердилась частично, и так даже полезнее: видно, куда вкладывать бюджет клиента и в каком порядке.
Сначала — то, что вне сайта. Карточка в Яндекс Картах и работа с отзывами: на «посоветуй» нейросети почти всегда показывали организации с рейтингом. Затем внешние публикации — подборки и рейтинги на крупных площадках, которые нейросети пересказывают прямо в ответах.
Потом — сайт. Открытые цены на страницах услуг с привязкой к городу. Статьи на ценовые вопросы с реальными цифрами клиента, по одной статье на вопрос. Общие темы «как выбрать» — только если у клиента есть собственный опыт и данные: пересказ общеизвестного проиграет блогам федеральных компаний.
Постоянно — замер. Шаблон выше, раз в месяц, с отчётом по динамике.
Чего не обещать. Что llms.txt, Schema.org или правки в robots.txt выведут клиента в ответы нейросетей. Делать — да, это гигиена. Строить на этом обещания — нет.
Маленькая выборка. 30 сайтов и 5 ниш показывают тенденцию, а не статистику по рынку.
Мало повторов. Информационные вопросы я задал по одному разу. ChatGPT успел ответить только на пять из десяти — закончился недельный лимит аккаунта.
Персонализация. Алису спрашивал с двух своих аккаунтов, в ChatGPT переключатель «Без персонализации» остался выключенным.
Но разница между 9 названными и 21 забытым сайтом слишком велика, чтобы списать её на случайность одного дня.
Полная версия исследования со всеми таблицами и скриншотами — в моём блоге: smextenej.ru/blog/vidimost-v-nejrosetyah-30-sajtov. Если хотите сравнить с вашими клиентами — напишите, поделюсь таблицей.
