ChatGPT рекомендует одни компании, а цитирует другие: разбор коммерческих ответов

В ответе ChatGPT компания может оказаться среди рекомендаций без ссылки на собственный сайт. Возможна и обратная ситуация: официальный материал используется как источник, но бренд не входит в shortlist. Если считать упоминания и цитирования одной метрикой, эти два сценария выглядят одинаково, хотя требуют разных действий.

Редакционная оговорка: массив из 500 коммерческих ответов еще не передан для анализа. Поэтому ниже дана воспроизводимая методика исследования и правила интерпретации, а не выдуманные проценты, победители или рейтинг компаний.

Почему упоминание и ссылка отвечают на разные вопросы

Упоминание показывает, вошел ли бренд в текст ответа и какую роль получил: основной выбор, один из вариантов, дополнительная рекомендация или пример. Цитирование показывает, какой URL система предъявила как источник. Ссылка может подтверждать соседний факт, определение категории или характеристику рынка, а не сам совет выбрать компанию.

OpenAI отдельно предупреждает, что ссылки в ответах могут быть неполными, устаревшими или ошибочными. Поэтому автоматического совпадения домена с ответом недостаточно. Для коммерческих рекомендаций нужно вручную проверить, какое утверждение поддерживает каждая ссылка и действительно ли страница содержит заявленный факт.

Спрос на тему источников уже виден в Wordstat: фраза «источники ответов нейросетей» получила 680 запросов, «как нейросети выбирают источники» - 437, «ChatGPT источник» - 353, «как внешние источники влияют на ChatGPT» - 90. Эти значения пересекаются и не суммируются, но показывают самостоятельный интерес к происхождению ответа.

Четыре сценария, которые должен различать отчет

1. Бренд упомянут, собственный сайт процитирован

Это наиболее понятный сценарий, но даже его нельзя автоматически считать успехом. Проверьте позицию бренда, тональность, точность характеристики и связь ссылки с рекомендацией. Официальная страница может использоваться для цены, а решение выбрать компанию объясняться сведениями из обзора.

2. Бренд упомянут, ссылки на собственный сайт нет

Компания известна системе или подтверждается внешними площадками, но собственный контент не участвует в видимой доказательной цепочке. Команде нужно выяснить, какие домены поддерживают упоминание, насколько они актуальны и можно ли усилить официальные страницы фактами, сравнениями и ясным позиционированием.

3. Собственный сайт процитирован, бренд не рекомендован

Сайт полезен как справочник, но компания не становится объектом выбора. Такое бывает, если материал хорошо объясняет категорию, а связь между фактом, продуктом и целевой аудиторией выражена слабо. Задача находится не только в SEO: нужно показать, для кого решение, в какой ситуации оно подходит и чем подтверждается.

4. Нет ни упоминания, ни собственного источника

Это не диагноз «модель не знает бренд». Причиной может быть неподходящий промпт, отсутствие страницы по сценарию, слабые внешние подтверждения, региональное ограничение или иной shortlist. Сначала изучают использованные источники и конкурентов, затем формулируют гипотезу.

Как собрать корпус из 500 коммерческих ответов

Удобная схема для первого исследования: 100 небрендовых промптов по пяти интентам и пять AI-платформ. Один запуск каждого промпта в ChatGPT, Gemini, Perplexity, DeepSeek и YandexGPT даст 500 платформенных ответов. Если нужна оценка повторяемости, число прогонов увеличивают, а объем корпуса честно пересчитывают.

1. Сформировать 20 категорийных, 20 проблемных, 20 сравнительных, 20 альтернативных и 20 прямых коммерческих промптов.
2. Убрать названия исследуемых брендов из основного набора и оставить несколько брендовых вопросов как контроль.
3. Зафиксировать дату, язык, регион, режим веб-поиска, тип сессии и доступную версию каждой системы.
4. Сохранить полный ответ, порядок компаний, аргументы, все URL и видимый текст ссылок.
5. Вручную проверить спорные названия, редиректы, одинаковые домены и соответствие ссылки конкретному утверждению.
6. Опубликовать правила кодирования до объявления результатов, чтобы метрики не подгонялись под красивый вывод.

Что именно кодировать в каждом ответе

1. бренд упомянут или нет;
2. первое место, топ-3, основной список или дополнительный вариант;
3. собственный домен процитирован или нет;
4. какой URL поддерживает рекомендацию, характеристику или общий контекст;
5. какие внешние домены связаны с брендом;
6. есть ли фактическая ошибка в цене, функции, регионе или статусе компании;
7. какие конкуренты находятся рядом и какими аргументами объяснен выбор.

Один домен лучше считать один раз на ответ, даже если ссылка повторяется. Для анализа страниц сохраняется каждый уникальный URL. Упоминание бренда также удобно считать один раз на ответ, а отдельным полем хранить число и роль повторов. Такие правила защищают метрики от длинных ответов и дублирующихся ссылок.

Пять показателей без смешивания смыслов

1. Mention Rate: ответы с брендом делятся на все валидные ответы выбранного среза.
2. Owned Citation Rate: ответы со ссылкой на официальный домен делятся на все валидные ответы.
3. Mention-to-Citation Linkage: ответы, где одновременно есть бренд и его домен, делятся на ответы с брендом.
4. Source-without-Brand Rate: ответы с официальным доменом без рекомендации бренда делятся на все ответы с этим доменом.
5. Citation Diversity: число уникальных доменов и URL рядом с долей крупнейших источников.

Показатели считают по интентам и платформам. Сводная средняя может скрыть главное: например, бренд цитируется в информационных вопросах, но исчезает из прямого коммерческого выбора. Точно так же сильная видимость в Perplexity не компенсирует отсутствие в ChatGPT для аудитории, которая пользуется только ChatGPT.

Почему нельзя приравнивать цитирование к влиянию

Исследование Citation Pathways различает выбор источника и его фактическое влияние на итоговый текст. В контролируемых запросах авторы анализировали не только появление ссылки, но и то, насколько содержание источника было поглощено ответом. Для бренда это практическое предупреждение: присутствие URL в списке источников еще не доказывает, что именно он сформировал рекомендацию.

Дополнительная проблема находится в качестве самих источников. Исследование Synthetic Sources на 712 реальных запросах показало заметную долю страниц с признаками AI-генерации среди процитированных материалов. Это не повод автоматически отвергать такие страницы, но повод проверять первичность фактов, авторство и независимость подтверждений.

Как превратить четыре сценария в задачи для команды

1. Есть бренд и собственная ссылка: проверить точность, удерживать актуальность страницы и повторяемость результата.
2. Есть бренд, нет собственной ссылки: изучить внешние источники и усилить официальные доказательства.
3. Есть собственная ссылка, нет бренда: связать полезный факт с продуктом, аудиторией и сценарием выбора.
4. Нет обоих сигналов: сравнить источники конкурентов, покрытие запроса и доступность страниц.

Metricore позволяет хранить ответы, бренды и цитируемые URL по одному набору запросов. Но вывод рождается не в дашборде, а в корректном кодировании. Пока корпус из 500 ответов не собран и не проверен, честный материал должен описывать методику, а не назначать лидеров рынка.