Проверил семь советов по повышению видимости в нейросетях. Не сработал ни один
Коротко
- Самые цитируемые кросс-модельные страницы оказались обзорами: DTF получил 27 упоминаний у четырёх моделей, VC — 25 у четырёх,
Sostav — 24 у трёх. - FAQ-блок встречался у 76% кросс-модельных и 79% разовых страниц; p = 0,784 — самый слабый результат среди проверенных булевых признаков.
- По объёму текста разовые страницы даже немного опережали кросс-модельные: медиана 18 021 против 17 366 знаков, по спискам — 78 против 65,5 пунктов.
- Результат по видимому автору дал p = 0,013, но не прошёл поправку Бонферрони для семи проверок: скорректированный порог составил около 0,007.
Для проверки страницы разделили на две группы: 34 URL, которые цитировали минимум две разные модели, и 39 URL, процитированных один раз одной моделью. По HTML, полученному через curl, сравнивались ключевые слова в title и h1, дата, FAQ, Schema.org, чистота URL, объём и структура текста, а также авторство; для семи булевых признаков использовался точный тест Фишера. Все семь GEO-советов дали p выше 0,05: например, FAQ встречался у 76% и 79% страниц, Schema.org — у 85% и 69%, ключ в начале h1 — у 94% и 82%.
Длинный и подробно структурированный текст тоже не дал преимущества: у разовых страниц медианный объём оказался даже немного выше — 18 021 против 17 366 знаков, как и число подзаголовков и пунктов списков. Единственное различие ниже обычного порога 0,05 обнаружилось у авторства: видимый автор был у 34 из 34 кросс-модельных страниц и у 32 из 39 разовых, p = 0,013.
Этот результат нельзя превращать в правило «добавьте автора — и нейросети начнут цитировать страницу». Выборка мала, обе группы уже хотя бы раз попадали в источники, анализ охватывал одну нишу, а HTML без выполнения JavaScript мог скрыть часть признаков. Кроме того, p = 0,013 не проходит поправку Бонферрони с порогом около 0,007; для проверки причинности нужен отдельный эксперимент, где авторство или другой признак меняют только у части сопоставимых страниц и затем наблюдают изменение цитируемости.
FAQ
Зачем вообще проверять популярные GEO-советы статистически, если многие из них уже стали стандартными рекомендациями для оптимизации под нейросети?
Чтобы отделить распространённые практические советы от признаков, которые действительно связаны с более частым цитированием. В этой выборке семь типовых рекомендаций статистически группы не разделили.
Почему видимый автор нельзя считать доказанным способом повысить вероятность цитирования страницы сразу несколькими AI-моделями?
Исследование обнаружило только корреляцию: страницы с автором могли одновременно отличаться качеством, типом контента и другими неучтёнными признаками. Причинный эффект добавления автора отдельно не проверялся.
Какой эксперимент нужен, чтобы проверить причинную связь между отдельным признаком страницы и ростом её цитируемости нейросетями?
Нужно взять сопоставимые страницы, изменить только исследуемый признак у части из них и затем несколько недель или месяцев сравнивать частоту цитирования с неизменённой группой.
Читайте также
Топ-50 лучших промтов Reddit за всё время
Как заставить нейросеть рекомендовать ваши услуги: советы по GEO
Google Analytics начал отдельно отслеживать трафик из ChatGPT и Claude
Турбизнес начал конкурировать за рекомендации нейросетей: пока лидирует Сочи
Длинный хвост из 23 000 запросов: как перестроить структуру каталога и учёт продаж в SEO большого онлайн-сервиса
- Проверять GEO-рекомендации через сравнение реально цитируемых страниц: Популярные рекомендации по GEO лучше валидировать на собственных логах цитирования, а не принимать как универсальные правила. В эксперименте на 73 страницах наличие FAQ, Schema.org, свежей даты, чистого URL, ключевого слова в заголовке, большого объёма и развитой структуры текста не отличало страницы, цитируемые несколькими AI-моделями, от страниц с единичным цитированием.
[AI Discoverability / Методология]
Зарегистрированные пользователи видят только два тезиса.
Зарегистрироваться



Автор проверил семь популярных рекомендаций по GEO на 73 страницах, которые уже попадали в источники
ChatGPT,
Claude,
Perplexity,
Gemini, GigaChat и Алисы AI. Ни один пункт типового чек-листа не отделил страницы, цитируемые несколькими моделями, от страниц с единичным цитированием; единственным заметным признаком оказался видимый автор, но причинность эксперимент не доказывает.