Статья вышла и собрала просмотры. Это не значит, что она сработала

Контент-команды отчитываются просмотрами и дочитываниями, но эти цифры больше не отвечают на главный вопрос: попал ли материал в ответы нейросетей. По данным Semrush, за месяц ChatGPT процитировал 42% новых страниц, Google AI Mode в лучший день дошёл до 59%, а остальные так и остались невидимыми. Разбираю, через сколько дней контент попадает в AI-ответы, почему Google и ChatGPT ведут себя противоположно и как это правильно замерять

Обычная ситуация. Команда посмотрела аналитику, увидела просадку по теме, написала статью, опубликовала. Через месяц в отчёте появляются просмотры, дочитывания, может быть, время на странице и все довольны.

Вопрос, на который эти цифры не отвечают: начали ли нейросети на эту статью ссылаться. А это сегодня важнее, потому что именно там всё чаще принимается решение о выборе.

Самое крупное публичное исследование на эту тему провёл Semrush. Они опубликовали 81 новую страницу и следили, когда те начнут появляться в AI-ответах.

Google AI Mode оказался быстрым. Уже на следующий день после публикации он процитировал 29 страниц из 81, это 36%. ChatGPT Search в тот же срок взял только 8 страниц, около 10%.

Дальше динамика такая: ChatGPT цитировал 8 страниц в первый день, 14 через неделю, 28 через две и 34 за месяц.

И вот главное, что стоит запомнить. Даже к концу месяца лучший результат Google AI Mode составил 48 страниц из 81, это 59%, а у ChatGPT 34 страницы, то есть 42%. Значительная часть материалов не стала источником ни разу, и это нормальный исход, а не провал.

Из того же исследования следует наблюдение, которое меняет подход к замерам.

Google AI Mode цитирует быстро, но нестабильно. Он постоянно пересматривает свой пул источников, добавляя и убирая страницы чуть ли не ежедневно. То, что цитируется на этой неделе, может исчезнуть на следующей. Страницы, которые уже попали в ответы, внезапно оттуда пропадали.

ChatGPT наоборот: раскачивается медленно, но, однажды взяв страницу в источники, держит её и постепенно добавляет новые.

Практический вывод отсюда прямой. Разовая проверка через неделю после публикации почти ничего не скажет. В Google вы можете попасть в выборку случайно, а можете так же случайно из неё выпасть. Смотреть надо на динамику за несколько недель, а не на снимок одного дня.

Тут стоит разобраться в механике, потому что она объясняет разброс сроков.

У моделей два разных источника знаний, и работают они с совершенно разной скоростью.

Первый это живой поиск. Модель идёт в интернет прямо во время ответа, находит свежие страницы и цитирует их. Здесь срок измеряется днями и неделями: сначала краулер должен найти страницу, потом она попадает в индекс, потом становится доступной для цитирования.

Второй это то, что модель усвоила при обучении. Эти знания меняются только с выходом новой версии модели, а между версиями проходят месяцы. Для ответов без веб-поиска ваша новая статья может стать видимой через год, и повлиять на это невозможно.

Отсюда разные ожидания по платформам. Практики называют такие ориентиры: ChatGPT с включённым веб-поиском от 3 до 14 дней, Google AI Overviews 2-3 недели после сильного размещения, Bing Copilot около недели-двух. А базовая модель без веб-поиска от трёх месяцев до полутора лет.

В России разброс ещё заметнее, и это стоит учитывать отдельно. Алиса опирается на экосистему Яндекса и поисковый индекс, то есть работает по быстрым часам, как и Google. А у GigaChat, как отмечают работающие с ним специалисты, нет открытого поиска по интернету, и без него модель отвечает по тому, что усвоила при обучении. Для неё ваша новая статья становится видимой не через неделю, а со следующей версией модели. Отсюда неприятный, но полезный вывод: одна и та же публикация даст результат в Алисе через дни, а в GigaChat может не дать вовсе до очередного обновления.

Разумный горизонт для оценки результата это 30-60 дней. Не неделя.

Вторая неприятная особенность: попасть в ответы мало, там ещё надо удержаться.

Модели заметно предпочитают свежее. По данным Salespeak, около половины цитируемого контента младше тринадцати недель. Анализ Far & Wide на выборке из 939 цитат по 5-ти движкам дал похожую картину: 65% цитат приходились на материалы моложе тринадцати недель.

Через три месяца ваша статья не исчезает, но начинает проигрывать более свежим материалам при прочих равных. Отсюда практика, которую советуют в разборах по теме: раз в 2-3 месяца обновлять коммерчески важные материалы. Не менять дату, а добавлять свежие данные и примеры, убирать устаревшее, подтягивать формулировки.

Раз значительная часть материалов не цитируется никогда, логично спросить, что отличает удачные.

Авторитет домена решает скорость. Страницы на сайтах с историей, которые роботы обходят часто, попадают в индекс за часы, на молодых доменах со слабой историей это занимает дни и недели, а до появления в AI-ответах проходит ещё столько же. В исследовании Semrush быстрый результат Google объясняли в том числе высоким авторитетом самого домена.

Свежесть работает как фильтр на входе. По данным Seer Interactive, 85% цитат в AI Overviews приходились на материалы последних двух лет. Старый текст никто не запрещает, он просто уступает свежему в очереди на цитирование.

Из текста должно быть что взять. Модель забирает в ответ кусок, а не статью целиком. Значит выигрывает материал, из которого легко вынуть готовый ответ: прямая формулировка в начале, понятная структура, конкретика вместо общих слов.

И главное, о чём часто забывают. Есть ещё одна цифра, тоже про 85%, но совсем о другом. По данным AirOps, примерно столько упоминаний брендов приходит не с их собственных сайтов, а со сторонних страниц. Ваша статья в корпоративном блоге конкурирует за цитату с обзорами, форумами и отраслевыми изданиями, где о вас пишут другие. Иногда правильный ответ на вопрос «почему нас не цитируют» лежит вообще не в вашем контенте.

Материал вышел, месяц прошёл, в ответах его нет. Три варианта, что дальше.

Обновить и усилить. Если тема важная, добавьте свежие данные, конкретные цифры, вынесите прямой ответ в первые абзацы. Часто помогает не новая статья, а доработка существующей.

Продвинуть снаружи. Раз большая часть цитат приходит со сторонних площадок, имеет смысл добиваться упоминаний темы там, где модель уже привыкла брать источники по вашей категории.

Признать промах. Если тема не даёт цитирований ни у вас, ни у конкурентов, возможно, по ней просто не спрашивают. Это тоже результат замера, и он экономит бюджет следующего квартала.

Соберу методику из всего сказанного.

Фиксируйте состояние до публикации. Прогоните набор запросов своей категории до выхода материала и запишите, кого называют модели и на какие источники ссылаются. Без этой точки отсчёта сравнивать будет не с чем.

Проверяйте не раз, а по расписанию. Учитывая нестабильность Google, разумный ритм это раз в неделю на протяжении двух месяцев. Одна проверка ничего не докажет.

Считайте две вещи отдельно. Первое: цитируют ли конкретную статью. Второе: изменилась ли общая частота упоминаний бренда по вашим запросам. Это разные показатели, и статья может сработать на второй, не попав в первый.

Не ждите стопроцентного попадания. Если из десяти материалов процитированы четыре, это уже сопоставимо с результатами того самого исследования Semrush. Задача не в том, чтобы попадали все, а в том, чтобы понять, чем отличаются те, что попали.

В brandfound.ai под эту задачу сделан отдельный механизм: после публикации вы вставляете ссылку на материал в его карточку, и дальше платформа сама отслеживает его судьбу. Она проверяет, через какое время нейросети начали ссылаться на эту конкретную страницу, и одновременно считает, как публикация повлияла на общую частоту упоминаний бренда: сравнивает показатели до выхода материала и после.

Получается тот самый замкнутый цикл, которого обычно не хватает. Сначала система находит темы, по которым бренд не виден, помогает подготовить материал, а после публикации показывает результат в тех же метриках, в которых была обнаружена проблема. В отчёте это выглядит предметно: одна статья за месяц дала прирост упоминаний, вторая пока ноль и её надо продвигать дальше, третья попала в цитирования у одной модели и не попала у другой. С такими данными разговор с руководством строится не на «мы видим просадку», а на «вот публикация, которая её закрыла, и вот цифры».

Просмотры и дочитывания показывают, что статью прочитали люди. Они ничего не говорят о том, взяли ли её в источники машины, а именно это определяет, узнает ли о вас человек, который спрашивает нейросеть про вашу категорию.

Три вещи, которые стоит запомнить. Значительная часть опубликованного не цитируется вообще, и это нормальный расклад, а не провал. Разные платформы реагируют с разной скоростью, от нескольких дней до многих месяцев. И цитирование не навсегда: примерно через три месяца материал начинает проигрывать более свежему.

Из этого следует простой рабочий ритм: замер до публикации, регулярные проверки в течение двух месяцев после, обновление важных материалов раз в квартал. Всё остальное это надежда, а не измерение.

Пишу здесь регулярно про AI в маркетинге, видимость брендов в нейросетях, GEO/AEO. Подписывайтесь, чтобы не пропустить следующее.