Чтобы собрать карту источников нейросетей, я предлагаю проверять серию тематических вопросов, сохранять ссылки из ответов и повторять замеры в разные даты. Затем — оценивать, какие площадки появляются по нескольким вопросам, насколько регулярно это происходит и какую информацию они подтверждают.
Один ответ даёт только список кандидатов. Для решения о публикации статьи или выборе площадки мне нужна воспроизводимая картина: источник, тема, конкретная страница, частота появления и условия проверки.
В этой статье я разберу такую методику. Числа и площадки в примерах — учебные. Они показывают порядок расчёта, а не результаты исследования рынка. Предлагаемые пороги — правила организации работы, а не раскрытые факторы алгоритмов.
Что именно я называю источником нейросети
Для начала ограничу задачу: я исследую внешние веб-страницы, ссылки на которые сервис показывает в связи с ответом. По этим данным я не пытаюсь восстановить состав обучающей выборки модели.
Например, OpenAI указывает, что ответы ChatGPT с веб-поиском могут содержать ссылки-цитаты, а раздел Sources — как процитированные источники, так и другие релевантные ссылки. Следовательно, попадание страницы в этот раздел и ссылка, подтверждающая конкретный тезис, — разные события.
Для сбора я разделяю три типа наблюдений:
| Наблюдение | Что фиксирую | Как трактую |
|---|---|---|
| Ссылка связана с тезисом ответа | URL, фрагмент ответа, подтверждаемый факт | Цитирование страницы |
| Страница есть в дополнительном списке источников | URL и место появления | Присутствие среди показанных источников |
| Бренд назван без ссылки | Название и контекст | Упоминание бренда |
В основную метрику цитирования я включаю первый тип. Остальные сохраняю отдельно. Это позволяет избежать отчёта, в котором упоминание компании приравнивается к использованию её материала как источника.
Если сервис не позволяет понять, к какому тезису относится ссылка, я помечаю её как «источник ответа без точной привязки». Я не приписываю ей подтверждение конкретного утверждения.
Почему я собираю серию вопросов
Пользовательский вопрос и поисковые запросы внутри сервиса могут различаться. OpenAI описывает преобразование вопроса в один или несколько поисковых запросов. Google сообщает, что AI Overviews и AI Mode могут использовать query fan-out: выполнять несколько связанных поисков по подтемам.
Поэтому один вопрос «Какую CRM выбрать?» я не считаю достаточным представлением всей ниши CRM. Для своей карты я отдельно проверяю выбор продукта, сравнение, стоимость, внедрение и ограничения.
| Кластер | Пример вопроса | Что хочу обнаружить |
|---|---|---|
| Выбор | Как выбрать CRM для небольшой строительной компании? | Обзоры и критерии выбора |
| Сравнение | Чем отличаются облачная и коробочная CRM для малого бизнеса? | Сравнения и документацию |
| Затраты | Из чего складывается стоимость внедрения CRM? | Расчёты, тарифы, объяснения |
| Внедрение | Как перенести клиентскую базу в CRM без потери данных? | Инструкции и кейсы |
| Ограничения | Какие ошибки мешают внедрить CRM в отделе продаж? | Разборы проблем |
Это исследовательский план, а не утверждение о том, какие источники обязательно появятся.
Для первого цикла я предлагаю пять кластеров по четыре вопроса: 5 × 4 = 20 вопросов.
Такой объём выбран для удобства пилота. Это не норматив и не гарантия полноты.
Вопросы я беру из доступных бизнесу данных: обращений клиентов, поисковой семантики, брифов и разговоров с отделом продаж. Разные формулировки одной потребности объединяю в семейство. Иначе десять почти одинаковых вопросов искусственно увеличат вес одной темы.
Брендовые запросы проверяю отдельной группой. Вопрос «Какие CRM подходят строительной компании?» и вопрос «Подходит ли CRM X строительной компании?» решают разные исследовательские задачи. Я не объединяю их показатели.
Как я задаю условия проверки
Прежде чем собирать ссылки, я составляю паспорт замера:
- сервис и доступное название модели;
- пользовательский интерфейс или API;
- режим поиска;
- язык и региональные настройки;
- настройки персонализации;
- дата и время;
- точный текст вопроса.
Для каждого вопроса открываю новый диалог. При этом новый чат сам по себе не считаю доказательством отсутствия персонализации. OpenAI указывает, что память может участвовать в переформулировании поискового запроса, а местоположение — в подборе локальных результатов.
Я разделяю два сценария.
Обычный вопрос пользователя. Отправляю вопрос без требования искать в интернете и фиксирую, появились ли веб-поиск и ссылки.
Исследование с поиском. Использую доступный поисковый режим или одинаковую инструкцию о поиске для всей серии.
Первый сценарий нужен мне для оценки поведения сервиса при выбранных условиях. Второй — для целенаправленного сбора веб-источников. Результаты храню раздельно: инструкция «найди в интернете и укажи ссылки» является частью эксперимента.
В базовой серии я не называю площадки, которые хочу обнаружить. Запрос «используй сайт X» превращает проверку самостоятельного выбора источника в проверку работы с заданным сайтом.
Сервисы также рассматриваю отдельно. Объединённый список полезен для знакомства с площадками, но показатели повторяемости рассчитываю внутри каждого сервиса и режима.
Как я собираю данные
Я использую две связанные таблицы — это журнал запусков и журнал источников. У каждого запуска есть уникальный ID.
В журнале запусков сохраняю условия проверки, полный ответ и статус. В журнале источников — ссылки и их контекст.
Если ответ не содержит ссылок, запись о запуске всё равно остаётся. Иначе из отчёта исчезнет часть наблюдений, необходимая для расчёта долей.
Минимальная структура журнала источников:
| Поле | Зачем сохраняю |
|---|---|
| ID запуска, вопрос и кластер | Связать ссылку с условиями проверки |
| Исходный URL | Сохранить адрес, показанный сервисом |
| Конечный URL | Учесть проверенное перенаправление |
| Нормализованный URL | Объединить подтверждённые дубли |
| Домен и раздел | Анализировать площадку и её тематическую часть |
| Тип появления | Разделять цитату, дополнительный источник и упоминание |
| Фрагмент ответа | Понимать роль ссылки |
| Проверка страницы | Отметить доступность и соответствие тезису |
| Тип материала | Различать инструкцию, обзор, кейс, исследование |
Статусы запусков тоже разделяю: ответ со ссылками, ответ без ссылок, отказ, техническая ошибка. Ошибку загрузки не считаю ответом без цитирования.
Повторные ссылки на одну площадку внутри одного ответа считаю одним появлением домена. Все уникальные страницы сохраняю отдельно: они нужны для анализа контента.
После сбора я открываю страницы и проверяю, действительно ли они подтверждают связанные с ними тезисы. OpenAI предупреждает, что поисковые результаты и цитаты могут быть неполными, устаревшими или ошибочными.
Если страницу проверить не удалось, оставляю наблюдаемое цитирование с пометкой «содержание не проверено». Недоступность страницы и отсутствие ссылки в ответе — разные факты.
При очистке URL убираю только подтверждённые технические метки, например параметры рекламного отслеживания. Параметры, меняющие содержание, сохраняю. Исходный адрес оставляю всегда.
Для крупных платформ дополнительно анализирую раздел или автора. Присутствие одной публикации не даёт мне основания считать все разделы платформы одинаково перспективными.
Как я измеряю повторяемость
Для пилота предлагаю повторить одинаковый набор вопросов в три разные даты. Для 20 вопросов и двух сервисов получится:
20 вопросов × 2 сервиса × 3 даты = 120 запланированных запусков.
Это объём предложенной схемы, а не статистически обоснованный минимум.
В каждом замере сохраняю одинаковые формулировки и настройки. Если меняется модель или режим, отмечаю начало новой серии.
Затем рассчитываю четыре показателя.
1. Доля ответов с цитированием домена
Доля = ответы со ссылкой на домен / все валидные ответы × 100%.
Валидным здесь считаю завершённый содержательный ответ, в том числе без ссылок. Отказы и технические ошибки показываю отдельно и исключаю из знаменателя.
Учебный пример: из 60 запланированных запусков два завершились технической ошибкой, один — отказом. Осталось 57 валидных ответов. Домен процитирован в 12 из них:
12 / 57 × 100% ≈ 21,1%.
Это доля в моей выборке. Я не называю её вероятностью показа сайта всем пользователям или долей рынка.
Если дополнительно рассчитываю долю только среди ответов со ссылками, подписываю её отдельно и указываю знаменатель.
2. Охват вопросов
Охват = уникальные вопросы с цитированием домена / все проверенные уникальные вопросы × 100%.
Если домен появился хотя бы раз по восьми из 20 вопросов:
8 / 20 × 100% = 40%.
Так я различаю площадку, которую многократно цитируют по одному вопросу, и площадку, которая встречается по нескольким потребностям аудитории.
Дополнительно показываю охват семейств вопросов и кластеров. Это помогает увидеть, не обеспечен ли высокий показатель почти одинаковыми формулировками.
3. Повторяемость по датам
Если домен обнаружен во всех трёх замерах, записываю 3/3. Если только в одном — 1/3.
Затем проверяю повторяемость связки «домен — конкретный вопрос»: общий показатель 3/3 может складываться из разных тем в разные дни.
Для отдельных страниц рассчитываю такой же показатель. Стабильное присутствие домена ещё не означает, что сервис регулярно выбирает один URL.
4. Охват сервисов
Фиксирую, в скольких проверенных сервисах встретился домен, и показываю показатели каждого отдельно.
Если в одной системе выполнено значительно больше проверок, я не позволяю её объёму незаметно определять общий рейтинг.
Какие появления я считаю устойчивыми
Для первичного отбора предлагаю следующую рабочую классификацию. Она помогает распределять внимание, но не доказывает статистическую устойчивость.
| Группа | Правило для пилота | Следующий шаг |
|---|---|---|
| Повторяемое тематическое присутствие | Домен встречается в каждую из трёх дат, минимум по трём семействам вопросов и в двух кластерах | Проверить площадку для сотрудничества |
| Повторяемый узкий источник | Домен цитируется по одному семейству вопросов минимум в две даты | Рассмотреть для конкретной темы |
| Единичное наблюдение | Одно появление за цикл | Повторить проверку |
| Требует разбирательства | Непроверенная ссылка или несоответствие источника тезису | Проверить вручную |
Пороги «три семейства» и «два кластера» — выбранные мной условия пилота. Для узкой ниши их следует пересмотреть до начала анализа, а не подгонять под понравившиеся сайты.
Я сознательно использую выражение «единичное наблюдение». По одному появлению я не могу подтвердить, что источник случайный. Отсутствие домена в моей выборке также не доказывает, что сервис никогда на него не ссылается.
Для спорных кандидатов добавляю новый цикл с теми же вопросами. Если нужны переформулировки, выделяю их в отдельную проверку: повтор вопроса и расширение семантики решают разные задачи.
Как выглядит готовая карта площадок
Итоговую карту собираю на уровне доменов, а внутри каждого сохраняю страницы и темы.
Ниже — полностью условный пример для одного сервиса с 60 валидными ответами: 20 вопросов в три даты.
| Условная площадка | Ответы с цитированием | Уникальные вопросы | Даты | Роль в карте |
|---|---|---|---|---|
| Отраслевой журнал А | 18/60 = 30% | 10/20 | 3/3 | Обзоры выбора и внедрения |
| Блог интегратора Б | 12/60 = 20% | 6/20 | 3/3 | Инструкции по внедрению |
| Документация продукта В | 9/60 = 15% | 3/20 | 3/3 | Подтверждение функций |
| Форум Г | 3/60 = 5% | 2/20 | 2/3 | Пользовательские проблемы |
| Новостная площадка Д | 1/60 ≈ 1,7% | 1/20 | 1/3 | Единственный найденный материал |
Столбец «роль» для меня не менее важен, чем частота.
Официальная документация может регулярно подтверждать характеристики, но это само по себе не делает её площадкой для сторонней статьи. Форум можно использовать для изучения вопросов аудитории, даже если размещение материала там не входит в план.
К каждой строке добавляю подтверждающие наблюдения: ID запусков, URL, цитируемые фрагменты и даты. Карта должна позволять перейти от итогового вывода к исходному ответу.
Как я использую карту для статейного продвижения
Для задач статейного продвижения через Miralinks предлагаю использовать карту как дополнительный фильтр площадок. Сначала проверяю тематическое соответствие и повторяемость, затем изучаю конкретный раздел и возможность разместить полезный материал.
При оценке кандидата отвечаю на три вопроса:
- Какую потребность аудитории закрывает площадка?
- Какие материалы с неё цитируются?
- Есть ли у компании информация, которой можно содержательно дополнить тему?
Если повторяются инструкции по миграции данных, я рассматриваю материал с порядком переноса, проверками и ограничениями. Если цитируются расчёты стоимости — статью с исходными условиями и прозрачной методикой расчёта.
Это редакционные решения по результатам наблюдений, а не обещание цитирования.
Я не переношу частоту появления старой статьи на будущую публикацию. Google указывает, что соответствие требованиям не гарантирует показ страницы, а для участия в AI Overviews и AI Mode сохраняются базовые SEO-требования.
Если публикация предусматривает оплаченные ссылки, учитываю рекомендации Google: рекламные и платные размещения следует обозначать rel="sponsored"; nofollow также остаётся допустимым вариантом.
После публикации продолжаю замеры по исходной серии вопросов. Отдельно фиксирую:
- появление нового URL среди цитат;
- упоминание бренда;
- переходы на сайт;
- обращения и другие целевые действия.
Появление цитаты и коммерческий результат оцениваю как разные показатели. Без подходящего сравнения рост после публикации не считаю доказательством её причинного влияния.
Что я автоматизирую
Для регулярного мониторинга предлагаю автоматизировать хранение вопросов, запуск проверок, сохранение ответов, извлечение ссылок и расчёт повторяемости.
Проверку смыслового соответствия источника тезису оставляю отдельным этапом контроля.
При API-сборе использую структурированные данные, когда они доступны. Например, в OpenAI Responses API аннотации url_citation содержат данные о процитированных ссылках. Поле sources, доступное через include: ["web_search_call.action.sources"], возвращает более широкий список источников, к которым обращалась модель. Эти списки нельзя складывать в одну метрику цитирования.
Данные API подписываю как отдельный канал наблюдения. Чтобы применять их как замену проверкам пользовательского интерфейса, сначала провожу сопоставление на одинаковых вопросах. Само использование модели того же семейства не является для меня доказательством одинаковой выдачи.
Главный результат этой работы для меня — обоснованное решение по каждой площадке. Я могу показать, по каким вопросам и в какие даты она появлялась, какие страницы использовались и что стоит делать дальше: изучать условия публикации, готовить материал для узкой темы или продолжать наблюдение.
В таком виде карта источников становится рабочим инструментом статейного продвижения, где каждое решение опирается на сохранённые ответы и проверяемые ссылки.


