Как определить трафик из нейросетей и найти контент, который цитируют ИИ в своих ответах

В этой статье расскажем, как найти переходы на ваш сайт из нейросетей и определить, участвует ли ваш контент в поиске Яндекс с Алисой и Google ИИ-пересказах. Научимся находить контент, который нейросети определили как наиболее полезный и доступный для понимания, а также попробуем определить, что общего у этих материалов.

Взаимодействие сайтов с нейросетями пока остается непрозрачным и представляет собой одно большое поле для экспериментов. Поэтому подобно первооткрывателям древности мы будем проводить эксперимент на себе, то есть, на сайте нашего агентства.

Вступление

Если вы тщательно отслеживаете трафик на вашем сайте, вы могли заметить в отчете по трафику со сторонних сайтов переходы с сайтов ChatGPT, DeepSeek, Perplexity, Яндекс Алисы и множества других популярных нейросетей.

Вам могли попадаться переходы по UTM меткам, например, UTM_Source=chatgpt или UTM_Source=perplexity.

Среди страниц входа из поиска вы могли видеть непривычный параметр #:~:text= с длинным текстом в значении.

1. Как понять, находят ли мой сайт через нейросети?

Количество пользователей нейросетей растет экспоненциально. Например, аудитория нейропоиска с Алисой в июне 2025 года превысила 43 млн человек.

Пользователи используют ИИ в работе, сокращают время, которое требуется на поиск и анализ отзывов при выборе товаров, просят составить пересказы длинных текстов, написать поздравление или даже составить гороскоп.

Почему важно быть среди тех ресурсов, которые цитирует ИИ? Где-то среди миллионов пользователей нейросетей есть те, кто интересуются вашим бизнесом, ищут именно ваш товар или нашли ответ на жизненно важный вопрос именно у вас в блоге.

Так, как же найти тех, кто пришел к вам на сайте после обращения к нейросети?

Мы сделаем это тремя способами!

Способ 1. Переход из чата с ИИ как со стороннего сайта

Яндекс Метрика считает переходы из нейросетей как переходы по реферальным ссылкам (со сторонних сайтов). Чтобы создать отчет нужно выполнить 3 простых шага.

1. Выбрать правильной отчет по источникам
2. Создать сегмент аудитории
3. Сохранить сегмент для будущих отчетов

А теперь подробнее.
Чтобы найти такие переходы, выберите в счетчике Метрики отчет Источники → Сайты

Выберите период побольше, лучше за последний год. Вы увидите список URL-ов источников трафика на ваш сайт.

Таких адресов может оказаться сотни или даже тысячи, а адресов только самых популярных нейросетей уже несколько десятков, и появляются новые.

Чтобы найти все, воспользуемся регулярным выражением для создания сегмента аудитории, которая пришла из нейросетей.

Выберите визиты, у которых источником будет указан «Переходы с сайтов»

Совет от BR:

А теперь самое главное — вставляйте это регулярно выражение в открывшемся окне:

Регулярное выражение:

*chatgpt*
*perplexity*
*copilot*
*openai.com*
*gemini*
*claude*
*alice.yandex*
*chat‑gpt*
*gptbot*
*huggingface*
*deepseek*
*grok*
*x.ai*
*iask*
*quillbot*
*edgepilot*
*nimble*
*aitastic*
*bnngpt*

Почему такой маленький список? Дело в ограничении Метрики. Создайте несколько сегментов или выберите подходящие значения из списка: регулярное выражение для поиска ИИ-трафика в Метрике (список актуален на осень 2025 г).

Получилось! Вы увидите примерно такой отчет.

Это переходы на сайт нашего агентства из нейросетей. Как видим, переходы зафиксированы из пяти популярных нейросетей.

Добавьте этот сегмент в сохраненные, он вам обязательно пригодится.

Способ 2. Переходы из чатов с ИИ по UTM меткам

В некоторых случаях нейросети передают данные в UTM метке utm_source. Чтобы составить такой отчет:

1. Постройте отчет за выбранный период по UTM меткам.
2. Отфильтруйте платный трафик и найдите подходящие значения utm_source.
3. Отфильтруйте только переходы из ИИ.

В счетчике Метрике постройте отчет Источники → Метки UTM за нужный период.

Если вы используете платные каналы продвижения и правильно размечаете рекламу, вы, скорее всего, увидите отчет на множество строк.

Применим регулярно выражение, чтобы отфильтровать платный трафик.

В нашем случае это выражение:

!cpc
!cpa
!social
!coldy
!vdo.cpm
!rtb-cpm

Для вашего отчета список может отличаться!

Получился отчет по utm-меткам без учета платного трафика. Для нашего сайта он выглядит так.

В список попали неопределенные переходы из Яндекс, переходы из Телеграм, а также подсветились переходы по UTM-меткам нейросетей.

Скопируем все теги, относящиеся к нейросетям, и заменим выбранный сегмент. Построим отчет только для переходов, где utm_source принимает подходящие значение. По нашему отчету это:

chatgpt.com
perplexity

Готовый отчет по переходам из нейросетей по UTM меткам выглядит так.

Промпт, или запрос пользователя к ИИ не передается, поэтому возможности для анализа ограничены.

Легко заметить, что количество переходов в разных отчетах для одной и той же нейросети отличается, не зависимо от выбранной модели атрибутации.

Добавьте сегмент в сохраненные для будущего анализа.

Способ 3. Как найти переходы из Google ИИ-пересказов и поиска Яндекс с Алисой

Переходы из нейросетей, которые встроены в поисковые машины Яндекс и Google, пока очень сложно дифференцировать.

Переходы из поиска Яндекс с Алисой считаются как органические, и пока нет инструмента, чтобы разделить эти посещения.

Переходы из Google ИИ-пересказов можно определить по специальному тегу: #:~:text=

Для этого нужно:

1. Выбрать отчет, где можно увидеть переходы из Google.
2. Создать сегмент по странице входа, используя регулярное выражение *#:~:text=*
3. Да, вы угадали, сохранить сегмент для будущих отчетов.

Приступим. Чтобы найти такие переходы, найдите в Метрике отчет Источники → Сводка или Поисковые системы

Создадим сегмент по поведению посетителей. Выберем страницу входа и введем регулярное выражение:

*#:~:text=*

Получаем отчет о трафике, который сайт получил из Google ИИ-переходов.

Сохраним сегмент для дальнейшей работы.

2. Как работать с полученными сегментами ИИ-трафика

Теперь, когда у вас есть готовые сегменты, вы можете проводить анализ ИИ-трафика по привычным вам метрикам.

Как посетители из нейросетей взаимодействую с сайтом по сравнению с органическим трафиком?

Как отличается вовлеченность в контент и конверсия для тех кто, пришел из соцсетей и нашел вас в нейропоиске?

Используйте для этого функцию сравнения сегментов в Метрике.

Для нашего сайта мы сравнили бесплатный трафик и ИИ-трафик.

Средние показатели вовлеченности (глубина просмотра, время на сайте) на данный момент отличаются для этих сегментов незначительно, а вот показатель отказов для трафика из нейросетей оказалось почти в два раза ниже.

Наиболее вовлеченные посетители приходили из ChatGPT, в среднем проводят по 2,5-5 минут на нашем сайте (по разным отчетам).

Используйте эту информацию для корректировки стратегии для AI-продвижения вашего бизнеса (также ищут как GEO, или Generative Engine Optimization и AEO, или Answer Engine Optimization).

3. А если мой сайт находят через нейросети, но не кликают?

Можно ли это проверить и узнать наверняка? Очевидно, что переходы из нейросетей говорят о том, что материалы с сайта используют нейросети для формирования ответа.

Можно с высокой долей вероятности предположить, что переходов на ресурс кратно меньше, чем показов. Рассмотрим, какую информацию мы можем получить из систем аналитики.

3.1 Упоминания в нейросетях ChatGPT, DeepSeek, Perplexity и др

Теперь мы умеем определять аудиторию, которая пришла на сайт нашего агентства с помощью ИИ-помощников.

Как мы видим в отчете, любые параметры сессии, промпт или контекст остаются полностью приватными и не попадают в системы аналитики.

Поэтому информацию о таких показах можно найти только косвенно, например, включив этот вопрос в бриф при составлении коммерческого предложения.

Если вы целенаправленно занимаетесь ИИ-продвижение вашего бизнеса, об этом может косвенно говорить рост интереса к бренду и осведомленности о нем.

3.2 Яндекс поиск с Алисой, или поиск на основе YandexGPT

Если Алиса использует ваш материал для составления пересказа, который можно заметить среди результатов поиска Яндекс, то узнать об этом достоверно пока проблематично.

Переходы и, вероятно, показы вашего контента в ИИ-блоке на данном этапе неотделимы от другого органического трафика.

Инструментами Метрики или Яндекс Вебмастера пока невозможно отследить показы и даже переходы из нейро-пересказа.

Алиса цитирует статью из нашего блога.

Самостоятельно искать цитирование через нейропоиск Яндекс неоправданно. Поиск на основе LLM-моделей зависим от контекста, интента и истории обращений пользователя. Такие системы учатся предугадывать запросы пользователя и даже создают синтетические запросы самостоятельно. Получить два одинаковых результата на один и тот же запрос у разных пользователей можно только случайно.

Шевляков Роман
Веб-разработчик

Будем следить за обновлениями инструментов, чтобы актуализировать статью.

Подписывайтесь на наш Телеграм, чтобы следить за новостями интернет-маркетинга.

3.3. ИИ-пересказы от Google

ИИ-пересказы в результатах поиска показали взрывной рост в 2024 году. По данным ahrefs 16% всех поисковых запросов в США теперь отображают краткие пересказы от ИИ. Это усредненные значения, которые для информационных запросов значительно выше.

При этом, нам известно, что:

1. сайты, которые участвуют в ИИ-пересказе получают одинаковое (высокое) значение позиции показа;
2. среди SEO-специалистов распространено мнение, что участие в нейропересказе снижает CTR на органике.

Соединим эти два факта, чтобы попробовать извлечь максимум информации о показах нашего сайта в нейроперескзах Google.

Как получить запросы, по которым сайт, скорее всего, участвует в ИИ-пересказах.

1. Откройте в GSC раздел Performance.
2. Выберите Web-поиск за длительный период (например, 16 месяцев).
3. Исключите брендовый трафик регулярным выражением. Эти запросы будут иметь высокую позицию показа и без ИИ-пересказов.
4. Включите отображение всех доступных значенией: показы, клики, CTR и средняя позиция.
5. Отфильтруйте показатели CTR и Position. В нашем варианте мы оставили только запросы с CTR<5% и средней позиции до 3.
6. Отсортируйте таблицу по возрастанию позиции показа.

Мы получили отчет. Запросы с CTR 2-3% при позиции показа 2 — потенциальные кандидаты на показы в ИИ-пересказах.

Проверим выборочно запросы в режиме инкогнито.

Например, по запросу «почему просмотров больше чем подписчиков в телеграмме» наша статья цитируется первой. В ТОП-10 ее нет, с высокой долей вероятности можно засчитать все 238 показов на счет ИИ-пересказа.

А по запросу «почему в тгк больше просмотров чем подписчиков» наша статья участвует два раза — и в ИИ-пересказах, и в ТОП-3.

По запросу зафиксировано 372 показа и всего 4 перехода. Вероятно, это тот самый случай, когда ИИ-пересказ «забрал» потенциальные переходы на сайт. И, как и в случае с Яндекс Алисой, мы не можем утверждать, откуда был клик: из ИИ-пересказа или из ТОПа.

4. Как найти мой контент, который используют нейросети для ответов

Чтобы собрать полную доступную информацию о вашем контенте, который используют нейросети в ответах, мы воспользуемся Яндекс Метрикой, Google Search Console (GSC), Яндекс Вебмастером и конечно, таблицами.

Алгоритм действий:

1. Найти страницы входа для подготовленных сегментов входящего ИИ-трафика.
2. Собрать проиндексированные внешние ссылки из нейро ответов.
3. Консолидировать информацию в единой таблице.

4.1. Определим страницы входа для ИИ-трафика

Посмотрим отчет по страницам входа в Яндекс Метрике

Применим последовательно три сегмента аудитории, подготовленных по инструкции в п.1 статьи.

Позволим себе сделать более расширенную таблицу и посмотреть страницы входа по отдельным нейросетям. Соберем адреса статей в блоге и отметим, какие нейросети на какую страницу привели посетителей.

4.2. Отчет по переходам из ИИ-пересказов Google

Переходы из Google ИИ-пересказов отличаются от остальных. Прямо в Метрике мы можем видеть часть текста, которая цитировалась нейросетью.

В данном исследовании эта информация нам не пригодится, но при беглой оценке можно заметить, что в одной и той же статье нейросеть цитирует совершенно разные отрывки.

Попробуйте перейти из отчета по любой ссылке (работает в Яндекс Браузере), и вы увидите подсвеченный кусочек текста, который выбрала нейросеть.

4.3. Ссылки из сохраненных ответов Яндекс Нейро

YandexGPT позволяет проанализировать, какой контент с вашего сайта используется Алисой. Для этого потребуются инструменты проверки бэклинков.

Возможно среди внешних ссылок на сайт вы встречали ссылки вида:

https://ya.ru/neurum/…

Это нейроответы, которые содержат ссылки на ваш ресурс. А значит, нейросеть YandexGPT использовала этот материал для того, чтобы сформировать ответ.

Чтобы собрать все такие ссылки воспользуемся Яндекс Вебмастером и GSC (снова используем более одного метода, в экспериментах никогда не стоит пренебрегать достоверностью и полнотой информации).

В Яндекс Вебмастере выгружаем архив внешних ссылок (Ссылки → Внешние ссылки) и после обработки таблицы получаем список страниц, на которые ссылается ИИ.

Дополним этот список выгрузкой внешних ссылок из Google Search Console. В ручном режиме это удобно делать только для небольшого сайта.

Перейдите в раздел Links → External links и выберите те адреса, на которые есть ссылки с домена ya.ru.

Соберем данные в одну таблицу и убедимся, что двойной источник информации был не лишним.

Источник таблицы

4.4. Статьи Black River, которые получают ИИ-трафик

Наши статьи, которые чаще получают нейротрафик:

Оригинал таблицы

Зачем вообще искать такой контент?

Пока рынок только обсуждает потенциал AI, самые проницательные бренды уже формируют в нем свои правила. Это не просто «новый канал» — это шанс занять нишу, которая еще не стала ареной жесткой конкуренции.

AI-поиск — это следующая вершина цифрового маркетинга, и подъем только начался. Ваша цель — создавать контент с двойной оптимизацией: для людей (польза) и для нейросетей (структура). Пока конкуренты изучают вопрос, вы можете собирать первых целевых клиентов и формировать репутацию эксперта в новой системе координат.

Петров Михаил
Генеральный директор

Получается, зная, какой контент попал точно в нерв своей аудитории и при этом, оказался полезен и доступен для анализа LLM, можно определить удачные приемы, решения и масштабировать их в дальнейшем

Соберем единый список источников: статьи с трафиком и те, на которые ссылается YandexGPT из раздела Нейро.

Источник таблицы

Любопытно отметить, что среди источников для YandexGPT много уникальных статей, которые пока не получали трафик из других ИИ. Но, возможно, цитировались.

Главные победители этой гонки — статьи про Телеграм, подсчет просмотров и реакции

5. Анализируем контент, который понравился нейросетям

Теперь у нас есть список статей, которые оказались очень понятными для нейросетей и при этом достаточно полезными и интересными для пользователей ИИ.

Попробуем их проанализировать по нескольким параметрами и определить, что их объединяет.

Оригинал таблицы

На первый взгляд у статей не очень много общего.

Объем варьируется от 2,5 до 15 тысяч символов. Часть статей содержит FAQ. Где акутально, статьи снабжены иллюстрациям и скриншотами для наглядности. Все статьи имеют вложенную структуру, абсолютное большинство статей содержат списки, структурирующие текст.

Проанализируем содержание, стилистику, авторский «голос» в этих статьях. Можно ли сказать, что они однородные по этим показателям?

Большинство приведенных статей — аналитические материалы, инструкции или гайды с понятной структурой. Более повествовательный текст о неудачной коммуникации бренда также составлен в формате разбора с четкой структурой. При этом статьи демонстрируют разнообразие в подаче материала, стилистически они разные.

Попробуем выявить общие паттерны и сформулировать гипотезы, почему эти тексты оказались понятными для языковой модели.

5.1 Сравнительный анализ: что объединяет тексты

1. Наиболее мощным объединяющим фактором можно назвать четкую, предсказуемую и иерархическая структу

• Структура помогает модели определить главные темы, подтемы и взаимосвязи между ними.
• Тексты, размеченные с помощью заголовков (H1-H4), списков и блоков (FAQ, «Преимущества/Недостатки»), а также с оглавлением в начале статьи, представляют собой уже готовую, предварительно размеченную базу знаний. ИИ не нужно самостоятельно проводить сложный анализ для вычленения структуры, а это снижает когнитивную нагрузку на модель.
• Использование списков и перечислений вместо сплошного текста дробит контент на семантические блоки, которые легче обрабатывать.

2. Высокая смысловая плотность статей.

• Тексты лишены эмоциональных оценок и пространных многословных рассуждений, которые сложно поддаются однозначной интерпретации.
• ИИ, будучи системой, работающей с паттернами и фактами, получает концентрированную, чистую информацию без помех. Чем меньше нерелевантной информации, тем точнее модель может извлечь факты и построить логические цепочки.
• Использование маркеров типа «Преимущества», «Недостатки», «Этапы», «Причины». Эти слова и конструкции являются сильными сигналами для классификации текста. Модель видит слово «недостатки» и понимает, что дальше последует список негативных свойств.

3. FAQ: прямые ответы на потенциальные вопросы

• Практически в каждой длинной статье есть блок «Часто задаваемые вопросы».
• Модель обучается на таких данных, поэтому тексты, которые уже структурированы подобным образом, она воспринимает как эталонные. Она легко может извлечь готовый ответ на вопрос пользователя, почти без обработки.

4. Логичная аргументация и причинно-следственные связи

• Анализируемые тексты не просто перечисляют факты, а выстраивают их в логичной последовательности и используют приемы, близкие к тому, как работает сама модель.
• Языковые модели хорошо справляются с пониманием и генерацией нарративов, построенных по схемам «проблема-решение» или «тезис-обоснование-пример». Тексты, которые сами следуют этим схемам, являются для них идеальным источником. Рассуждения «Если___, то___ », «Для решения задачи необходимо: шаг 1, шаг 2» повышают шансы текста на легкую обработку без ошибок.

Перейдем от анализа к синтезу и выведем критерии для копирайтеров на основе полученных знаний.

6. Как написать полезную статью, которую поймет нейросеть

Если вы хотите написать статью, которая будут хорошо индексироваться, пониматься и цитироваться нейросетями, следует применять следующий подход.

1. Сначала структура, потом текст. Перед написанием продумайте иерархию заголовков. Обязательно используйте один заголовок H1, заголовки H2, желательно, заголовки H3 и H4. Создавайте оглавление и включите его в текст статьи. Продумайте, на какие вопросы должен ответить каждый раздел.
2. Представьте, что ваш текст будут не читать, а просматривать. Дробите текст на абзацы не длиннее 3-4 строк. Активно используйте маркированные и нумерованные списки. Выделяйте ключевые мысли начертанием (жирный, курсив).
3. Внедряйте блоки Вопрос-Ответ. В конце любого значимого материала формулируйте 5-7 самых вероятных вопросов по теме и давайте на них прямые, развернутые ответы. Это готовый материал для цитирования.

   Совет: используйте разнообразные инструменты для работы с семантикой для поиска подходящих формулировок вопросов, но не ориентируйтесь только на частоту запроса по Вордстат.

4. Говорите на языке предметной области. Используя точные термины, давайте им определения. Составляйте глоссарии в рамках статьи. Это помогает ИИ связать синонимы и специализированные понятия.
5. Следуйте логическим схемам. Используйте проверенные структуры: «Проблема -> Решение», «Что это -> Зачем нужно -> Как использовать», «Тезис -> Аргументы -> Контраргументы -> Опровержение контраргументов», «Тезис -> Обоснование -> Пример/Цифра -> Вывод». Экспериментируйте с видами структур в вашей тематике, чтобы найти более удачные и эффективные.
6. Будьте прямыми и конкретными. Избегайте сложных метафор, длинных вступлений, оценочных суждений, не подкрепленных фактами.

Создание текстов, которые хорошо понимают нейросети, — это практика качественного структурированного и смыслоемкого письма. Как показывает пример статей агентства, таким текстом может быть как подробное руководство со скриншотами и списками, так и лаконичный анализ, если он написан по существу и логично выстроен.

Форматирование и постепенное составление документа от структуры к деталям — не самоцель, а инструменты, которые служат главной задаче: решить проблему или дать исчерпывающий ответ на вопрос пользователя. Именно такой подход делает контент по-настоящему ценным и востребованным в современной цифровой среде.

Забрать шапаргалу по текстам

Выводы

В результате анализа сформирован рабочий инструментарий для отслеживания и анализа ИИ-трафика. Его применение показало, что нейросети чаще всего цитируют материалы, которые требуют минимальных усилий для обработки.

Таким материалом является текст с предсказуемой логикой, явными структурными маркерами (списки, заголовки H2-H4) и готовыми ответами на частые вопросы.

Эти признаки эффективного контента могут служить практическим ориентиром как для редактуры уже существующих материалов, так и для разработки стратегии AI-продвижения.

Вывод подтверждают, не существует дилеммы между созданием материалов для людей и для алгоритмов. Нейросети эффективнее всего ранжируют и используют тот же самый структурированный, логичный и насыщенный фактами контент, что и живой читатель.

P.S. Мы находимся в начале развития аналитики ИИ-трафика. Предлагаем вместе исследовать гипотезы о продвижении в эпоху нейросетей. Будем рады услышать ваши кейсы и идеи по этой теме в нашем Телеграм-канале.