Почему трафик из нейросетей почти невозможно посчитать правильно

Компании всё чаще пытаются понять, сколько посетителей, заявок и продаж им приносят ChatGPT, Алиса, Perplexity, Google AI Overviews и другие нейросети. В аналитике появляются отдельные каналы, GEO-сервисы показывают проценты видимости, а подрядчики отчитываются о росте упоминаний.

Проблема в том, что под словами «трафик из нейросетей» обычно скрываются четыре совершенно разные вещи:

1. видимость — бренд появился в AI-ответе;
2. переход — человек нажал ссылку и пришёл на сайт;
3. влияние — человек увидел бренд в нейросети, но позже пришёл через поиск, Direct или другим способом;
4. результат — визит превратился в заявку, продажу или выручку.

Смешивать эти уровни нельзя. Упоминание бренда не равно переходу, переход не равен влиянию, а влияние не доказывает дополнительную выручку.

Аналитика видит только нижнюю границу

В мае 2026 года Google Analytics добавил канал AI Assistants для переходов из ChatGPT, Gemini, DeepSeek, Copilot и Grok. При этом Google отдельно указывает, что AI Overviews и AI Mode в него не входят: клики из этих интерфейсов относятся к Organic Search.

Есть и более серьёзное ограничение. Для определения источника аналитике нужен корректный referrer. Чатовые интерфейсы передают его не всегда. В результате часть переходов из нейросетей попадает в Direct и становится неотличимой от:

1. ручного ввода адреса;
2. закладок;
3. переходов из мессенджеров;
4. мобильных приложений;
5. почтовых клиентов;
6. визитов с потерянными метками.

Но отсюда нельзя делать популярный вывод, что весь необъяснимый Direct — это скрытый AI-трафик. Стандартная аналитика позволяет утверждать только одно: наблюдаемые переходы из нейросетей являются нижней границей, а полный объём неизвестен.

Один замер AI-видимости почти ничего не доказывает

С переходами проблема заключается в потере источника. С измерением видимости проблема другая: сами ответы нейросетей нестабильны.

Я проверил это на восьми русскоязычных запросах. Каждый запрос был отправлен в Perplexity пять раз подряд в течение примерно десяти минут.

Результат:

1. среднее совпадение наборов цитируемых доменов по коэффициенту Жаккара — 0,72;
2. из 95 связок «запрос — домен» во всех пяти ответах удержались только 49, или 51,6%;
3. домен на первой позиции сменился в трёх запросах из восьми.

Это не означает, что остальные источники были случайными или бесполезными. Корректный вывод скромнее: почти половина наблюдаемых связок хотя бы раз исчезала между повторными прогонами.

Поэтому одиночный ответ нельзя превращать в точную метрику видимости. Он показывает один возможный результат стохастической системы, а не стабильную позицию, аналогичную месту в классической поисковой выдаче.

Формулировка вопроса меняет результат сильнее обычного шума

Второй эксперимент проверял не повторяемость одного запроса, а влияние его формулировки.

Я взял восемь информационных потребностей. Для каждой подготовил пять вариантов:

1. исходную формулировку;
2. лексическую перефразировку;
3. другую синтаксическую конструкцию;
4. разговорную версию;
5. короткую поисковую формулировку.

Каждый вариант запускался пять раз. Всего получилось 200 ответов.

Важно, что потребность оставалась одной и той же. Не менялись сущности, регион, язык и тип интента. Менялась только форма вопроса.

Сначала я посчитал воспроизводимость одинакового текста. Затем — сходство источников между разными формулировками одной потребности.

Получилось:

1. устойчивость одинаковой формулировки — 0,723;
2. устойчивость разных формулировок — 0,431;
3. дополнительное снижение из-за перефразирования — 0,292.

Статистическая проверка показала, что эффект не объясняется обычным шумом повторных запусков.

Ещё нагляднее результат выглядит без коэффициентов. Среди 300 пар «потребность — домен», где источник встретился хотя бы однажды:

1. у 58% размах присутствия между формулировками составил не менее 50 процентных пунктов;
2. у 35% одна формулировка давала источник во всех пяти ответах, а другая — ни в одном.

Сайт, его контент и авторитет при этом не менялись. Менялся только способ задать вопрос.

Это означает, что подрядчик, который самостоятельно составляет корзину промптов, может существенно влиять на итоговый процент AI-видимости даже без намеренной манипуляции.

Почему процент видимости нельзя сравнивать без корзины промптов

Представим, что в декабре бренд отслеживали по 14 запросам, а в феврале уже по 42. Видимость выросла с 20 до 43%.

Это рост или изменение методики?

Без дополнительного расчёта неизвестно.

Динамику нужно разделять минимум на два компонента:

1. эффект работы — видимость выросла внутри прежних групп запросов;
2. эффект корзины — общий процент изменился из-за добавления, удаления или перевзвешивания промптов.

Поэтому честный отчёт должен показывать:

1. полный список формулировок;
2. модель и режим работы;
3. число повторов;
4. даты и регион;
5. правила агрегации;
6. обработку ответов без источников;
7. неизменную сопоставимую корзину;
8. отдельно эффект работы и эффект изменения методики.

Без этого фраза «видимость выросла» практически непроверяема.

Как измерять GEO и AEO сейчас

Одного универсального показателя недостаточно. Практический отчёт должен включать несколько независимых координат.

1. Видимость с неопределённостью

Пять появлений бренда из пяти обычно показывают как 100%. Но маленькая выборка не позволяет утверждать, что реальная вероятность присутствия действительно равна 100%.

При использовании нижней байесовской границы с поправкой Джеффриса:

1. 5 из 5 дают нижнюю границу около 69,4%;
2. 10 из 10 — около 82,9%;
3. 20 из 20 — около 91%.

В отчёте должны быть обе цифры: точечная оценка и её консервативная нижняя граница.

2. Три вида устойчивости

Нужно отдельно считать:

1. повторяемость одинакового промпта;
2. устойчивость к перефразированию;
3. изменение результата во времени.

Эти показатели нельзя заменять одним абстрактным процентом стабильности.

3. Срок жизни цитирования

Рост с 12 до 20 упоминаний мало о чём говорит, если новые источники исчезают через несколько дней.

Поэтому полезно считать период полураспада цитирования: срок, после которого сохраняется половина новых связок «запрос — домен».

4. Цитирование, упоминание и использование содержания

Наличие ссылки ещё не означает, что нейросеть:

1. назвала бренд;
2. использовала информацию источника;
3. передала её корректно.

Эти уровни нужно проверять отдельно.

5. Контрольная группа

Чтобы оценить эффект GEO-работ, нужны сопоставимые страницы или кластеры:

1. часть материалов изменяется;
2. часть остаётся контролем;
3. промпты и методика фиксируются;
4. сравнивается динамика до и после.

Простого графика роста без контроля недостаточно для причинного вывода.

Что можно обещать клиенту

Сегодня можно относительно честно обещать:

1. измеримую AI-видимость с указанной неопределённостью;
2. наблюдаемые переходы как нижнюю границу;
3. сопоставимую динамику по фиксированной корзине;
4. оценку устойчивости результата;
5. опросы как дополнительный сигнал влияния.

Нельзя надёжно обещать:

1. полный объём трафика из нейросетей;
2. прогноз переходов для конкретного сайта;
3. ROI только на основании роста упоминаний;
4. причинный эффект без контрольной группы;
5. рост видимости, если одновременно менялась корзина промптов.

Главный вывод простой: GEO и AEO нельзя измерять как классическое SEO. Здесь нет устойчивой позиции, одного источника трафика и единственного процента, который описывает результат.

Единицей измерения становится набор показателей: видимость, неопределённость, устойчивость, срок жизни цитирования, наблюдаемые переходы, влияние на выбор и бизнес-результат.

Полная версия исследования с формулами, тремя собственными замерами, разбором научных работ, калькуляторами и открытыми данными опубликована на SK-SEO:

Сколько трафика вам на самом деле приносят нейросети