Semantica предлагает смотреть на новую метрику — Source Influence, или «влияние источников». По сути, это не про классическую видимость сайта в поиске, а про то, какие домены реально формируют ответы ИИ по теме. Данные собирались из ответов нейросетей по целевым клиентским запросам; в выборку вошли ответы ChatGPT, Claude, Perplexity, DeepSeek и других моделей.
Именно поэтому исследование выглядит важным не только для SEO-специалистов, но и для брендов, редакций, PR-команд, маркетплейсов и продуктовых команд. Еще в академической работе GEO: Generative Engine Optimization исследователи описали новый класс оптимизации — не под список ссылок, а под видимость в генеративных ответах. Более свежие исследования AI search уже показывали, что такие системы часто тяготеют к авторитетным внешним источникам и заметно отличаются друг от друга по разнообразию доменов и чувствительности к формулировке запроса. Semantica добавляет к этому очень прикладной, российский и отраслевой срез.
Главное открытие: нейросеть выбирает не «лучший» сайт, а самый удобный для цитирования
Это, пожалуй, центральный вывод исследования. Нейросети не мыслят категориями «самый экспертный бренд» в привычном для бизнеса смысле. Они тянутся к тем источникам, которые уже упаковали тему в понятную структуру: сравнили, агрегировали, объяснили, собрали отзывы, перечислили параметры, оформили сущности и сделали информацию легко извлекаемой. На практике выигрывает не только авторитет, но и цитируемость — способность материала стать фрагментом ответа. Это напрямую совпадает с тем, как GEO-исследования описывают новую конкуренцию за внимание: не за клик, а за включение в итоговый синтез модели.
Медицина: ИИ выбирает не журналы, а агрегаторы с доверием пользователей
Самый показательный кейс в исследовании — медицина и стоматология. В этой категории Semantica зафиксировала около 70 тысяч цитирований, а главный вывод сформулирован жестко: ИИ не читает медицинские журналы, ИИ читает агрегаторы с отзывами пациентов. Prodoctorov.ru в этой вертикали доминирует с долей 9,3% и опережает ближайший источник примерно вдвое.
Для рынка это очень неприятный, но полезный сигнал. Клиника может иметь сильных врачей, качественный сайт и хорошие экспертные тексты, но если у нее слабое присутствие в экосистеме агрегаторов, отзывов и карточек специалистов, AI-ответы будут чаще строиться не вокруг ее собственного контента, а вокруг внешней платформы. Это означает, что в медицинском GEO уже недостаточно просто «писать экспертно». Нужно управлять тем, где и как бренд представлен в источниках, которым модель доверяет как удобным контейнерам проверяемой информации.
Недвижимость: побеждают платформы с покрытием рынка, но контент бренда тоже может пробиться
В тематике недвижимости исследование показывает другую, но не менее важную логику. Три источника делят 15% всего «трафика цитирований», а Яндекс Недвижимость и ЦИАН идут почти вровень — 5,9% и 5,8% соответственно. При этом в топ-6 попадает блог Domclick, и Semantica отдельно подчеркивает: собственный редакционный контент работает как второй канал GEO.
Это очень важный момент. В AI search недостаточно быть просто сервисом или просто медиа. Лучше всего работает комбинация двух ролей: платформа, которая покрывает рынок, и контентный слой, который объясняет решения, сценарии, риски, документы, ипотеку и последовательность действий. Иными словами, бренд выигрывает, когда он одновременно присутствует и в «данных рынка», и в «логике выбора». Domclick здесь показателен именно потому, что не ограничивается сервисной частью.
Ритейл и e-commerce: маркетплейсы уже стали инфраструктурой AI-ответов
В ритейле и e-commerce Semantica насчитала примерно 14,7 тысячи цитирований. Вывод сформулирован еще жестче: маркетплейсы «съедают» треть всех цитирований. Три лидера вместе дают 31% всех ссылок: ozon.ru — 16,1%, wildberries.ru — 8,1%, market.yandex.ru — 6,8%. Следом в топе видны и медиа, например kp.ru — 3,8%.
Это означает, что для товарного бизнеса карточка товара, отзывы, ассортиментное покрытие, наличие бренда на маркетплейсах и качество продуктовых данных становятся не только performance-инструментом, но и частью GEO-стратегии. Когда нейросеть отвечает на коммерческий вопрос, она часто ищет не «лучшую статью», а самый насыщенный и машиночитаемый источник фактов о товаре, цене, наличии, категории, аналогах и пользовательском опыте. И именно поэтому маркетплейсы так уверенно перехватывают цитируемость.
Образование: работает не просто школа, а школа-медиа
Один из самых умных выводов Semantica касается образования. Исследование прямо формулирует идею «двойного GEO»: продукт плюс контент. По данным отчета, Practicum и Skillbox выигрывают за счет двойной стратегии — сам курс плюс образовательный контент-хаб. Отдельно в сниппетах исследования упоминается sky.pro как заметный участник категории.
На языке бизнеса это означает следующее: лендинга курса уже недостаточно. Если бренд хочет стать частью AI-ответов, ему нужен слой объясняющего контента — статьи о профессиях, зарплатах, навыках, карьерных траекториях, сравнении ролей, входе в профессию и рынке труда. Нейросеть охотнее берет в работу не чистую коммерческую страницу, а экосистему, где есть и предложение, и контекст, и разложенная по полочкам логика выбора.
Финансы: PR и экспертные комментарии снова становятся каналом роста
Еще один сильный сигнал — финансы. В исследовании Semantica отдельно отмечено, что kp.ru входит в топ-10 финансовых источников, а экспертные комментарии финансистов в крупных медиа реально работают. Практический вывод Semantica тоже прозрачен: брендам стоит выстраивать отношения с редакциями, которые пишут о деньгах, кредитах, вкладах и личных финансах.
Это хороший пример того, как меняется роль PR. Если раньше публикация в медиа часто оценивалась по охвату, репутации и ссылочному эффекту, то теперь у нее появляется еще одна функция: стать источником, который попадет в retriever и будет использован нейросетью в ответе. То есть медиа-цитируемость постепенно превращается в компонент AI-видимости. И это полностью укладывается в общую логику GEO, где внешние авторитетные площадки часто оказываются сильнее брендовых страниц.
Что на самом деле доказало исследование
Если убрать шум вокруг модных терминов, Semantica доказывает очень простую вещь: в AI search выигрывает не тот, кто громче говорит о себе, а тот, чьи данные и форматы легче встроить в ответ. В одних нишах эту роль берут на себя агрегаторы. В других — маркетплейсы. В третьих — сильные редакционные хабы. Но логика везде одна: нейросеть тянется к структуре, покрытию, ясности и повторяемому формату источника.
Для SEO это почти тектонический сдвиг. Да, классическое ранжирование никуда не исчезает. Но если пользователь получает готовый ответ в ChatGPT, Claude, Perplexity или другом AI-интерфейсе, борьба смещается с позиции в выдаче на позицию в логике ответа. Отсюда и новая конкуренция: не только за поисковый трафик, но и за место в «источниковой архитектуре» отрасли.
Что это меняет в стратегии бренда
Первое. Бренду уже недостаточно развивать только свой сайт. Нужно понимать, какие внешние домены формируют ответы ИИ в вашей категории. Если это отзывики, маркетплейсы, классифайды, отраслевые медиа или контент-хабы, работа с ними становится частью органической стратегии, а не побочным направлением.
Второе. Становится критически важным создавать цитируемые активы: страницы со статистикой, понятные гайды, сравнения, FAQ, обзоры сценариев выбора, словари терминов, страницы с признаками сущностей и машиночитаемой структурой. Нейросеть охотнее использует контент, который легко разобрать, извлечь и сопоставить с вопросом пользователя. Это прямо согласуется и с базовой логикой GEO, и с тем, что показывает Semantica в отраслевых кейсах.
Третье. Нужно перестать разделять SEO, контент и PR как три изолированные функции. В новой модели они работают как одна система. SEO отвечает за доступность и структуру. Контент — за полноту и объясняющую силу. PR — за присутствие в доверенных внешних источниках, откуда ИИ уже привык забирать факты и рамку обсуждения.
Четвертое. Бизнесу придется отдельно смотреть на разные движки. Более широкие исследования AI search уже показывали, что модели различаются по разнообразию источников, свежести данных и чувствительности к формулировкам. Значит, универсальной «оптимизации под ИИ» не существует: то, что хорошо работает для одной модели, может слабее работать для другой.
Как бы я перевел выводы Semantica в практический план для бренда
Сначала нужно построить карту влияния источников: кто именно чаще всего появляется в ответах по вашим коммерческим и информационным запросам. Без такой карты GEO превращается в гадание. Исследование Semantica ценно как раз тем, что показывает: в каждой вертикали есть ограниченный набор доменов, которые забирают disproportionate долю цитируемости.
Потом нужно разделить эти источники на три группы: собственные активы, платформы-инфраструктуры и earned media. Собственные активы — это сайт, блог, база знаний. Платформы-инфраструктуры — маркетплейсы, агрегаторы, классифайды, каталоги. Earned media — редакции, обзоры, комментарии, гостевые материалы. Semantica фактически показывает, что без второй и третьей группы бренд часто остается за пределами AI-ответа.
После этого стоит пересобрать контентную модель. Не просто писать статьи ради ключевых слов, а создавать страницы, которые отвечают на типовые вопросы лучше и яснее конкурентов: что выбрать, как сравнить, чем отличается, когда подходит, сколько стоит, на что смотреть, какие есть риски и альтернативы. Именно такой контент чаще становится частью синтезированного ответа.
И наконец, нужно измерять не только трафик, но и AI-видимость: долю упоминаний, тональность, тип цитирующих площадок и изменение source influence со временем. Иначе бренд будет смотреть только на классические метрики и пропустит момент, когда реальные точки влияния на спрос уже переместились в AI-слой. Semantica в своих материалах о мониторинге AI-видимости как раз описывает такие метрики, как AI Share of Voice и tone of mentions.
Важная оговорка: как правильно читать это исследование
При всей ценности отчета Semantica его нельзя воспринимать как абсолютную карту всего русскоязычного интернета. И это нормально. По описанию методологии видно, что выборка строится на клиентских проектах и целевых клиентских запросах, а данные собираются из ответов нейросетей с цитатами. Значит, исследование, вероятно, лучше всего описывает коммерческий и прикладной слой AI search, а не все возможные информационные сценарии. Это не недостаток, а граница применимости.
Есть и вторая важная рамка. Source Influence в таком подходе показывает видимый слой влияния — те источники, которые модель цитирует или на которые опирается в ответах. Но он не раскрывает скрытые внутренние процессы модели, ее предобучение или весь стек ранжирования retriever-систем. Поэтому воспринимать метрику лучше как максимально полезный прикладной индикатор, а не как попытку полностью «вскрыть» черный ящик LLM. Этот вывод — уже аналитическая интерпретация самой методологии исследования.
