Оптимизация под ChatGPT и Claude

Кроме нейровыдачи Google и Яндекса, источниками трафика и упоминаний бренда становятся LLM-движки (Large Language Model — большая языковая модель) от OpenAI, Anthropic и Perplexity. ChatGPT обрабатывает 2,5 млрд запросов в день при 900 млн активных пользователей в неделю; Perplexity конвертирует посетителей в 14,2% против 2,8% у классического Google; Claude используют 70% компаний из Fortune 100. При продвижении сайтов попадание в источники цитирования этих движков работает иначе, чем в Google AIO или Поиске с Алисой, — отличаются и краулеры, и логика отбора, и метрики. Статья — про прикладную часть: какие боты на сайт ходят, что им открывать и закрывать, как переоформлять контент под цитирование тремя крупнейшими LLM-движками одновременно.

Что общего у LLM-движков и чем они отличаются от поисковиков

ChatGPT, Perplexity и Claude — не поисковые системы в классическом смысле. У них нет собственного индекса миллиардов страниц, как у Google или Яндекса. Каждый из них работает по схеме RAG (Retrieval-Augmented Generation — генерация ответа с подтягиванием внешних источников): пользователь задаёт вопрос, движок принимает решение, нужен ли поиск в вебе, запускает поисковый агент, обходит несколько страниц, синтезирует ответ и проставляет ссылки на источники.

В индустрии работа с такими движками получила два смежных названия: AI SEO (оптимизация под AI-поиск как новое направление SEO) и AEO (Answer Engine Optimization — оптимизация под движки прямых ответов). Цитирование в AI как метрика — главный результат AI SEO, и эту метрику нужно понимать отдельно от классических позиций в SERP.

Из этого следует первое практическое различие. В Google AIO и в Поиске с Алисой шорт-лист источников строится из классической выдачи — у поисковика есть собственный индекс, и попадание в AIO требует попасть в ТОП-10 органики. У LLM-движков такого собственного индекса нет: ChatGPT использует Bing для поиска, Claude — собственный поисковый агент, Perplexity — комбинацию своего краулера и API-партнёрств. Стратегия «вывести страницу в ТОП-3 Google» не гарантирует попадания в источники, например, Perplexity, и наоборот.

Второе различие — режимы работы. У каждого движка есть два режима:

• Тренировочное знание. Базовая модель содержит всё, что было в обучающем корпусе на момент cut-off. Если бренд «вшит» в обучение — он цитируется в ответе без активного поиска и без кликабельной ссылки.
• Live-retrieval. Когда модели требуется свежий контекст, запускается поиск. В ответе появляются кликабельные ссылки-сноски — это и есть то, что в обиходе называют «цитированием».

Третье — масштаб ставок. По данным Leapd.ai за апрель 2026 на выборке 34 234 ответов, средний показатель цитирования брендов между платформами различается в 46 раз: у ChatGPT — 0,59%, у Perplexity — 13,05%, у Grok — 27%. Сайт, который попадает в Perplexity, получает существенно больше прямой видимости, чем тот же сайт в ChatGPT. Это нужно учитывать при распределении усилий: универсальной «оптимизации под AI» нет, у каждой платформы свои сигналы.

ChatGPT Search: архитектура и боты

ChatGPT Search — функция поиска по вебу, встроенная в ChatGPT. Запущена осенью 2024 года как отдельный продукт SearchGPT, затем интегрирована в основной интерфейс ChatGPT. По данным Similarweb, к началу 2026 года ChatGPT обрабатывает порядка 2,5 млрд запросов в день и имеет 800–900 млн weekly active users.

Три бота OpenAI

OpenAI разделил функции краулеров на три отдельных user-agent:

• GPTBot — массовый краулер для обучения моделей. Не отвечает за цитирование. Блокировать имеет смысл, если не хочется участвовать в обучении будущих моделей.
• OAI-SearchBot — отвечает за поиск и цитирование в ChatGPT Search. Блокировать этого бота означает исключить сайт из live-retrieval ChatGPT.
• ChatGPT-User — отрабатывает on-demand запросы: когда пользователь явно даёт ChatGPT ссылку на страницу или просит её прочитать.

Типовая ошибка — блокировка GPTBot wildcard-правилом, которое случайно ловит и OAI-SearchBot. Перед блокировкой обучающего бота нужно явно разрешить поисковый и пользовательский.

Как ChatGPT выбирает источники

По исследованию Кевина Индига от 2026 года на 1,2 млн цитирований, у ChatGPT выраженная позиционная предвзятость: 44% всех цитирований приходятся на первые 30% страницы. Поисковый агент извлекает фрейминг документа — если прямой ответ не в верхней трети, источник теряет шансы. H2 рассматриваются как пользовательский вопрос, и ChatGPT сопоставляет промпт с заголовком, забирая следующий за H2 параграф как кандидат на цитирование.

Сильно влияет «entity anchoring». Текст с конкретными брендами, инструментами, людьми, индустриальными стандартами цитируется чаще, чем общие формулировки вроде «наша платформа помогает расти». Конкретные сущности работают как verifiability triggers — точки, по которым факты сопоставляются с источниками.

Около 53% поиск-триггерных запросов в ChatGPT имеют коммерческую интенцию. На таких запросах ChatGPT отдаёт приоритет «третьесторонней валидации» — Reddit, ревью-сайтам, нишевым форумам — над собственными страницами брендов. Логика — избежать корпоративной самопрезентации в ответе.

Perplexity: архитектура и боты

Perplexity — AI-движок ответов, изначально построенный как RAG-первая система. У него нет тренировочного компонента в традиционном смысле — каждый ответ собирается из свежих поисковых результатов. Это делает Perplexity самой «честной» платформой по части цитирования: брендов в его ответах — 13,05%, против 0,59% у ChatGPT.

Боты Perplexity

• PerplexityBot — основной краулер. Индексирует контент для retrieval. Должен иметь свободный доступ через robots.txt.
• Perplexity-User — отрабатывает on-demand запросы, когда пользователь даёт ссылку или просит обновить данные по конкретной странице.

По наблюдениям инфраструктурных команд, Perplexity активно использует индекс-партнёрства — то есть забирает данные не только через собственный краулер, но и из других источников. Тем не менее блокировка PerplexityBot напрямую влияет на цитирование.

Как Perplexity отбирает источники

Процесс отбора в Perplexity делится на два этапа: retrieval selection (попадание страницы в шорт-лист кандидатов) и answer absorption (включение фрагмента в финальный текст ответа). Страница может пройти один этап и не пройти второй — это объясняет, почему сайт виден в источниках, но не цитируется в самом тексте.

Ключевые сигналы:

• BLUF-формат (Bottom Line Up Front — главный вывод в первой строке). Параграф, который сразу даёт прямой ответ, имеет в 2,8 раза больше шансов на цитирование.
• Свежесть. У Perplexity выраженный freshness bias: материалы старше 12 месяцев без обновления теряют цитирование. Поле dateModified в Schema.org нужно держать актуальным.
• Собственные данные. Оригинальные исследования, бенчмарки, опросы становятся «единственным источником» по своим запросам — Perplexity цитирует такие страницы устойчиво.
• Авторство. Названный автор с биографией и регалиями повышает шансы. Perplexity кросс-валидирует сущность автора по нескольким платформам.
• Третьесторонняя валидация. Reddit, профессиональные форумы, Quora — 24% цитирований Perplexity приходят оттуда. Для брендов это означает работать не только над собственным сайтом, но и над присутствием в нишевых сообществах.

Конверсия у Perplexity-трафика — отдельная история. По данным Discovered Labs, посетители из Perplexity конвертируются в 14,2%, против 2,8% у обычного органического трафика. Перплексити-трафик — почти в 5 раз эффективнее по конверсии, даже при меньшем абсолютном объёме.

Claude: архитектура и боты

Anthropic запустил web search в Claude в мае 2025 года, и эта функция стала доступна на всех планах Claude.ai глобально. Внутри запроса модель сама принимает решение, нужен ли поиск, делает запрос, читает страницы и проставляет inline citations с указанием, какие конкретно утверждения откуда взяты. По публичным оценкам индустрии, около 18,9 млн человек ежемесячно используют Claude для поиска ответов.

Три бота Anthropic

В феврале 2026 года Anthropic уточнил архитектуру краулеров — теперь это три отдельных бота:

• ClaudeBot — сбор веб-контента для обучения и улучшения моделей. Блокировка означает исключение сайта из тренировочных датасетов будущих моделей. На цитирование в текущем web search не влияет.
• Claude-User — отрабатывает пользовательские запросы, когда Claude нужно открыть конкретную страницу по запросу пользователя.
• Claude-SearchBot — отвечает за поиск и цитирование в web search Claude. Блокировка этого бота исключает сайт из источников Claude.

Критический момент: 71% издателей, которые в 2024 году блокировали ClaudeBot wildcard-правилом для отказа от обучения, попутно заблокировали Claude-SearchBot и Claude-User. Эти сайты исчезли из источников Claude, хотя сами они этого не планировали. Конфигурация robots.txt должна явно прописывать каждый из трёх ботов отдельно.

Как Claude отбирает источники

Claude известен sentence-level цитированием: модель отмечает не страницу целиком, а конкретные предложения, из которых пришла информация. Это меняет требования к структуре. Хорошо написанный отдельный параграф может получить цитирование, даже если страница в целом средняя. Страница с высоким общим уровнем, но с неструктурированными отдельными абзацами, будет прочитана, но не процитирована.

Практически это означает три правила для Claude:

• Самодостаточные предложения. Каждое утверждение должно быть понятно без предыдущего контекста — без слов «это», «такой подход», «как уже сказано».
• Имена и числа. Конкретные сущности, цифры, даты — то, что Claude может вырезать и вставить в ответ без потери смысла.
• Структурная клейкость. Заголовок-вопрос → прямой ответ → подкрепление. Эта триада на уровне H2/H3 даёт модели чёткие точки извлечения.

В апреле 2026 года Anthropic выпустил Claude Opus 4.7 с расширенными возможностями фильтрации источников: в контекстное окно модели проходят только цитируемые, самодостаточные, фактологически насыщенные фрагменты — остальное отбрасывается до этапа синтеза. Для оптимизации это означает, что плотность фактов на абзац стала критичнее общего объёма статьи.

Технический минимум: robots.txt и llms.txt

До начала работы со структурой контента нужно убедиться, что AI-боты вообще доходят до сайта. По данным Pixelmojo, у большинства брендов с нулевым числом цитирований проблема не в качестве контента, а в инфраструктуре.

Рабочий шаблон robots.txt

Конфигурация, которая блокирует обучающие краулеры и разрешает поисковые/пользовательские:

# Блокируем обучение моделей
User-agent: GPTBot
Disallow: /

User-agent: ClaudeBot
Disallow: /

User-agent: CCBot
Disallow: /

User-agent: Google-Extended
Disallow: /

User-agent: Meta-ExternalAgent
Disallow: /

# Разрешаем поисковые и пользовательские
User-agent: OAI-SearchBot
Allow: /

User-agent: ChatGPT-User
Allow: /

User-agent: Claude-SearchBot
Allow: /

User-agent: Claude-User
Allow: /

User-agent: PerplexityBot
Allow: /

User-agent: Perplexity-User
Allow: /

Это не догма — некоторые издатели сознательно открывают сайт и для обучения, чтобы попасть в тренировочный корпус будущих моделей. Решение зависит от того, что важнее: краткосрочное цитирование или долгосрочная «вшитость» бренда в модель.

CDN и брандмауэр. Дополнительный уровень контроля — на стороне CDN или WAF. Cloudflare с 2024 года предоставляет управление AI-ботами как отдельный раздел настроек: можно блокировать обучающие краулеры без правки robots.txt, что удобно для крупных сайтов с тысячами страниц. Bot management AWS WAF и многие плагины безопасности WordPress по умолчанию блокируют PerplexityBot — стоит проверить серверные логи, а не только текст robots.txt.

Стандарт llms.txt: что это и зачем

llms.txt — стандарт, предложенный в 2024 году для предоставления LLM-моделям структурированной сводки сайта в Markdown-формате. Файл располагается в корне сайта и содержит описание разделов, ключевых страниц, продуктов с приоритетной разметкой для машинного чтения.

Текущий статус по данным Limy на анализе 500 млн событий AI-трафика: GPTBot, ClaudeBot, PerplexityBot и Google-Extended в массе своей не обращаются к файлу llms.txt и краулят HTML напрямую. То есть прямого эффекта на цитирование llms.txt сейчас не даёт. Тем не менее:

• Anthropic официально поддерживает llms.txt и llms-full.txt с ноября 2024 года в документации Claude;
• Perplexity подтвердил использование llms.txt для приоритизации страниц;
• OpenAI не подтвердил, но наблюдается корреляция между публикацией llms.txt и изменениями в паттернах цитирования SearchGPT.

Практическая рекомендация — создать файл за 20–30 минут, потерь нет, потенциальный выигрыш по мере принятия стандарта есть.

Рендеринг и доступность контента. Если контент рендерится через client-side JavaScript (React, Vue, Angular без SSR), большинство AI-ботов получают пустой HTML — без ожидания выполнения JS. Сайты на чистом SPA исключают себя из источников AI-цитирования. Решение — SSR или статическая генерация с предзаполненным HTML.

Структура контента под цитирование

Технический доступ — необходимое условие, но не достаточное. Контент должен быть «извлекаемым» — то есть удобным для вырезания фрагментов и вставки в ответ модели. Принципы, общие для ChatGPT, Perplexity, Claude:

Прямой ответ в первой строке. Каждый раздел под H2 или H3 начинается с самодостаточного предложения, которое отвечает на вопрос H2/H3 напрямую. Без вводных историй, без разогрева аудитории. Длина первого абзаца — 50–80 слов. Этот подход называется BLUF (Bottom Line Up Front — главный вывод в начало). Он равно работает на ChatGPT (44% цитирований из первых 30% страницы) и на Perplexity (BLUF указан в исследованиях как сигнал №1).

Привязка к именам сущностей. Текст с конкретными названиями (брендов, инструментов, людей, стандартов) цитируется чаще, чем общие формулировки. «Платформа управления проектами» — общий термин, который модели проигнорируют. «Asana, Trello, Linear, Monday.com» — список сущностей, по которому факты сверяются с источниками. Этот приём в англоязычной литературе называется entity anchoring — привязка контента к проверяемым сущностям. Чем больше уникальных имён на странице, тем выше шанс попасть в ответы на разные смежные запросы.

Плотность данных и проверяемых фактов. LLM-модели цитируют то, что можно перепроверить. Цифры, даты, конкретные имена, ссылки на исследования, прямые цитаты — всё это работает как «крючки» для отбора. Текст без чисел и без сущностей — слишком общий для цитирования. Целевой минимум — 1–2 фактологических утверждения на каждый абзац среднего размера.

Микроразметка

Schema.org-разметка помогает LLM-моделям быстрее парсить структуру страницы. Особенно эффективны:

• Article с заполненными полями author, datePublished, dateModified;
• FAQPage для блоков «вопрос — ответ»;
• HowTo для пошаговых инструкций;
• Person для страниц авторов с регалиями;
• Organization для информации о компании.

Свежесть контента. Для Perplexity и ChatGPT-Search дата последнего обновления — самостоятельный сигнал. Контент старше 12 месяцев без обновления уступает место более свежим аналогам, даже если последний — менее полный. Поле dateModified в разметке должно обновляться при реальных правках, а не только при перезаписи даты в шаблоне.

Что цитирует каждая платформа

Distribution of citations по платформам различается заметно. По данным Q1 2026 AI Citation Trends Report от Tinuiti на девяти вертикалях:

Из этого следует прикладной вывод: оптимизация только под собственный сайт даёт ограниченную видимость в ChatGPT и Gemini, где доминируют Wikipedia, авторитетные СМИ и Reddit. Для попадания в эти платформы требуется работа с дистрибуцией бренда за пределами своего домена — упоминания в нишевых медиа, цитируемые публикации, участие в Reddit/Quora-сообществах с реальной экспертизой.

В Perplexity и Grok собственные домены брендов имеют больший вес. Здесь работают традиционные SEO-сигналы плюс структура контента, оптимизированная под извлечение.

Измерение цитирований

Прямых отчётов «трафик из ChatGPT» или «цитирования в Claude» нет ни в одной из платформ. Для отслеживания используются три уровня инструментов.

Серверные логи

Базовый уровень — анализ access-логов на предмет user-agent ботов. Маска для grep:

GPTBot|OAI-SearchBot|ChatGPT-User|ClaudeBot|Claude-User|Claude-SearchBot|PerplexityBot|Perplexity-User|Google-Extended

Это даёт картину «кто и сколько раз приходит». Не отвечает на вопрос «процитировал ли», но показывает, что технический доступ работает.

Специализированные сервисы. В 2025–2026 годах появился класс сервисов AI Visibility Tracking. Они эмулируют запросы пользователя к ChatGPT, Perplexity, Claude, Gemini, парсят ответы и фиксируют, какие сайты цитировались. Основные имена на рынке — Profound, Otterly, Peec AI, Geotracker AI, AdvancedWebRanking GEO Module, Semrush AI Toolkit. Стоимость подписки — в диапазоне базовых SaaS-тарифов для одного домена.

UTM и Google Analytics. Часть трафика из ChatGPT и Perplexity приходит с referer-заголовком, который виден в GA4 как «chatgpt.com», «perplexity.ai», «claude.ai». Старый домен «chat.openai.com» сейчас перенаправляет на «chatgpt.com» и встречается реже. Этот метод не покрывает все цитирования (часть переходов идёт без referer), но даёт нижнюю границу для оценки.

Риски и стратегия для русскоязычных сайтов

Для команд из РБ, РФ, Казахстана работа с LLM-движками имеет свою специфику.

Доступ к платформам. ChatGPT, Claude, Perplexity официально недоступны в России и Беларуси для регистрации с местным номером телефона. Перечень заблокированных стран обновляется. При этом краулеры этих сервисов исправно ходят на любые сайты независимо от региона хостинга — то есть оптимизация имеет смысл даже без официального доступа к самому продукту.

Аудитория. Прямая русскоязычная аудитория Claude и ChatGPT внутри РБ/РФ — это пользователи с VPN, по разным оценкам 10–15% активной интернет-аудитории. Это меньше, чем у Яндекса, но это ценный сегмент — обычно с более высоким доходом, чаще принимающие B2B-решения. Для экспортно ориентированных компаний (продают в ЕС, США) русскоязычные пользователи Claude/ChatGPT за рубежом — отдельный важный канал. SEO-продвижение в Беларуси для B2B-сайтов всё чаще включает мониторинг этих платформ как обязательный третий канал после Яндекса и Google.

Стратегия трафика

Здравая модель — диверсификация по трём уровням:

• Slow. Классический SEO под Google и Яндекс — основа трафика, медленно меняющаяся база.
• Mid. Нейровыдача Google AIO и Поиск с Алисой Яндекса — растущая доля верхнего блока SERP.
• Fast. Цитирования в ChatGPT, Claude, Perplexity — небольшой объём в абсолютных цифрах, но высокая конверсия и сильный эффект на бренд-узнаваемость.

Делать ставку только на один уровень рискованно, особенно на верхний — рынок меняется ежеквартально.

С чего начать: чек-лист

Раскрутка сайтов под цитирование в LLM-движках начинается с инфраструктурного аудита и постепенно переходит к содержательной части:

1. Аудит robots.txt. Проверить, какие из девяти AI-ботов заблокированы, какие открыты. Сравнить с целевой конфигурацией.
2. Проверка серверных логов. За последние 30 дней — соотношение обучающих и поисковых ботов. Если обучающие в 5+ раз превышают поисковые, нужно балансировать.
3. Проверка рендеринга. Если сайт на React/Vue без SSR — настроить серверный рендеринг или статическую генерацию для приоритетных страниц.
4. Создать llms.txt. Минимальная Markdown-карта сайта в корне домена. Получаса работы.
5. Аудит топ-страниц. Под каждый информационный H2 — параграф 50–80 слов с прямым ответом в BLUF-формате. Удалить вводные истории.
6. Усилить entity-плотность. Заменить общие формулировки на конкретные сущности: бренды, инструменты, имена, стандарты.
7. Обновить страницы авторов. Имя, регалии, ссылки на профили в LinkedIn, кросс-платформенное присутствие.
8. Обновить даты. Поле dateModified в Schema.org при реальных правках. Установить квартальный график обновления приоритетных материалов.
9. Включить мониторинг. Один из сервисов AI Visibility Tracking на 20–50 ключевых запросов плюс ручная проверка раз в две недели.
10. Дистрибуция за пределы домена. Reddit/Quora/профильные форумы и СМИ — отдельный канал, без которого ChatGPT и Gemini остаются недоступными.

Продвижение сайтов в Cropas включает оптимизацию под ChatGPT, Perplexity и Claude как отдельное направление услуги SEO + AI: технический аудит крауления AI-ботами, реструктуризация контента под извлечение, страницы авторов, мониторинг цитирований — параллельно с классическим SEO и работой с нейровыдачей Google и Яндекса.

Часто задаваемые вопросы

Можно ли заблокировать ChatGPT для обучения, но оставить для цитирования?

Да, в этом и состоит смысл разделения ботов OpenAI на три user-agent. Блокировка GPTBot исключает сайт из тренировочных датасетов, но не влияет на OAI-SearchBot и ChatGPT-User, которые отвечают за live-retrieval и пользовательские запросы. Конфигурация прописывается в robots.txt раздельно по каждому боту.

Что важнее — попадание в обучение модели или в live-retrieval?

Зависит от стратегии. Live-retrieval даёт измеримые цитирования с кликабельными ссылками и трафиком в краткосрочной перспективе. Попадание в обучение — это «вшитость» бренда в саму модель, упоминания без кликабельной ссылки, длинный эффект на 1–3 года. Для бизнеса с устоявшейся темой и долгим циклом — обучение ценнее. Для бизнеса в быстро меняющейся нише — приоритет live-retrieval.

Почему мой сайт виден в одной AI-платформе, но не в другой?

Логика отбора у каждой платформы своя. ChatGPT отдаёт приоритет Wikipedia и авторитетным энциклопедическим источникам, Perplexity — оригинальным данным и BLUF-структуре, Claude — sentence-level чёткости. Сайт, оптимизированный под Wikipedia-структуру, виден в ChatGPT, но не в Perplexity, и наоборот. Универсальной формулы нет — приоритеты выбираются по аудитории.

Стоит ли создавать llms.txt, если боты его пока не читают?

Да, по двум причинам. Первая — Anthropic и Perplexity уже официально поддерживают стандарт. Вторая — стоимость создания низкая (20–30 минут), а потенциальная выгода по мере распространения стандарта — высокая. Это инвестиция в будущее, не текущий канал трафика.

Как защититься от галлюцинаций — когда AI неправильно описывает бренд?

Универсальной защиты нет. Тактика: следить за брендовыми запросами раз в неделю через сервисы AI Visibility, при обнаружении искажения публиковать опровергающую страницу с прямой формулировкой, прорабатывать внешние авторитетные источники (Wikipedia, отраслевые СМИ) с правильным описанием. По данным Contently, 50–90% LLM-цитирований не полностью подтверждают свои утверждения, поэтому регулярный мониторинг — не опция, а необходимость.

Какая платформа даст наибольший трафик при ограниченном бюджете?

Для большинства русскоязычных B2B-сайтов первая ставка — Perplexity. Причины: самый высокий процент цитирований брендов (13%), самая высокая конверсия трафика (14,2%), активная русскоязычная аудитория через VPN. Вторая ставка — Claude, поскольку 70% Fortune 100 используют его в работе, и попадание в источники Claude даёт доступ к B2B-аудитории корпоративных пользователей.

Зависит ли AI-цитирование от классической позиции в Google?

Частично. ChatGPT Search использует Bing для retrieval, и сильная позиция в Bing коррелирует с шансами на цитирование в ChatGPT. Perplexity имеет собственный краулер плюс index-партнёрства — здесь Bing-позиция значит меньше. Claude использует собственный поисковый агент — здесь связь с классической выдачей самая слабая. Для всех трёх работает общий принцип: качество контента и техническая доступность важнее позиций в SERP. Это, кстати, отличает AI-цитирование от контекстной рекламы: там аукционная позиция покупается напрямую, в AI-цитировании купить место невозможно — оно зарабатывается структурой контента и авторитетом.

Материал описывает работу ChatGPT Search, Perplexity и Claude по состоянию на середину 2026 года. Архитектура ботов и условия цитирования меняются: Anthropic уточнял краулерную систему в феврале 2026, OpenAI перестраивал ChatGPT Search в течение 2024–2025, Perplexity регулярно обновляет API. Перед внедрением рекомендуется свериться с актуальной документацией каждого провайдера.