Как повысить видимость HR-услуг в AI — самые свежие практики в 2026 году
дата: сентябрь 2026
Как повысить видимость HR-услуг в AI — самые свежие практики в 2026 году сводятся к трём вещам: упоминания вашего бренда на чужих площадках, свежие страницы с конкретными цифрами и отзывы на независимых ресурсах. Не ссылки, не объём контента и не микроразметка. Это не мнение, а результат сразу нескольких крупных исследований: Ahrefs изучил 75 000 брендов и обнаружил, что упоминания бренда в интернете связаны с попаданием в AI-ответы втрое сильнее, чем ссылки; Stacker и Scrunch зафиксировали медианный рост цитирований на 239% после переноса материала с собственного сайта на сторонние площадки; Muck Rack на выборке более миллиона цитирований показал, что 95% ссылок в AI-ответах приходят из неоплаченных источников. Если вы продаёте подбор персонала, аутсорсинг кадрового делопроизводства, оценку, обучение или HR-платформу — ваш будущий клиент сначала спрашивает AI, а уже потом открывает сайты. Ниже — как устроен этот отбор и 20 экспериментов, которые объясняют, что работает, а что нет.
Что такое «видимость HR-услуг в AI» и почему её нельзя мерить трафиком
Начнём с простого. Раньше путь клиента был такой: он вводил запрос, видел десять синих ссылок, кликал, попадал на сайт. Вы считали клики. Теперь между запросом и вашим сайтом появился посредник — генеративный ответ. Пользователь спрашивает «какое агентство лучше для массового подбора линейного персонала», получает готовый абзац с двумя-тремя названиями компаний и уходит. Клика может не быть вовсе.
Поэтому видимость в AI измеряется не трафиком, а двумя другими величинами. Первая — упоминание бренда: назвала ли модель вашу компанию в ответе. Вторая — цитирование: сослалась ли она при этом на вашу страницу как на источник. Это разные вещи, и путать их дорого. Компания может годами упоминаться в ответах и не получить ни одного перехода — при этом её название окажется в шорт-листе клиента.
Масштаб зазора между «прочитали» и «сослались» впервые аккуратно измерили в исследовании Ahrefs по 1,4 млн промптов: из примерно 46,9 млн подтянутых страниц в видимые ссылки попала ровно половина — 49,98%. Остальные участвовали в формировании ответа молча.
Добавьте к этому фон: по данным SparkToro, приведённым Ahrefs, доля поисков без единого клика выросла с 45% в 2016 году до 68% в 2026-м. Для HR-услуг это означает простую вещь: ваша воронка начинается не на сайте, а внутри чужого ответа. И если название вашей компании там не звучит, вы не проиграли тендер — вы в него не попали.
Полезный ориентир для российского рынка даёт исследовательский проект geo-ratings.com, который занимается измерением видимости брендов в генеративных системах: логика отбора источников у Алисы AI, ChatGPT и AI Overviews разная, поэтому единой «позиции» больше не существует — есть доля голоса по набору запросов.
Почему в 2026 году это стало срочным для HR-компаний
Короткий ответ: покупатель B2B-услуг уже перешёл в AI, а поставщики — ещё нет. Разрыв между этими двумя фактами и есть окно возможностей.
Цифры жёсткие. Опрос Forrester среди почти 18 000 бизнес-покупателей показал, что 94% использовали AI во время последней покупки: 55% сравнивали поставщиков, 54% изучали продукты, 47% готовили внутреннее обоснование бюджета — всё это до первого контакта с вендором. Опрос Semrush среди более 600 американских специалистов добавляет деталей: 97% сказали, что AI помог им открыть новых поставщиков, 92% — что AI повлиял на состав шорт-листа, 83% — что повлиял на финальное решение.
Ещё показательнее данные мартовского опроса G2 среди 1 076 лиц, принимающих решения: 71% используют AI-инструменты именно для проверки поставщиков, 51% начинают исследование с AI, а не с поиска, и каждый третий в итоге выбрал компанию, которой изначально вообще не было в его списке. Её туда добавил AI.
Теперь переведите это на язык HR-услуг. Директор по персоналу спрашивает ассистента: «кто закрывает вакансии рабочих специальностей в Поволжье», «какое агентство делает оценку 360 для производственных компаний», «кто ведёт кадровый ЭДО на аутсорсе с учётом 152-ФЗ». Ответ содержит три названия. Дальше человек проверяет их у коллег — Forrester фиксирует, что валидация идёт через профессиональную сеть, а не через вендора. То есть репутация компании формируется до того, как она узнаёт о существовании клиента.
И это происходит на фоне падения обычного трафика: компании сообщают о снижении посещаемости на 10–40% по мере переезда исследовательской фазы внутрь AI-движков. Профильные обзоры вроде разбора видимости HR-tech в AI прямо говорят: если платформы нет в ответе на исследовательской стадии, её не будет и в шорт-листе.
Эксперимент 1. Принстонское исследование GEO: статистика в тексте даёт до +41% видимости
Это базовая работа всей дисциплины, и с неё стоит начинать любую практику. Исследователи Принстона, Georgia Tech и IIT Delhi построили бенчмарк из 10 000 запросов и проверили, какие правки текста повышают шанс попасть в генеративный ответ. Работа была представлена на конференции KDD в 2024 году и с тех пор остаётся самой цитируемой в теме.
Главный вывод: оптимизация под генеративные движки поднимает видимость до 40%. Но интереснее разбивка по приёмам. Как обобщает сводка исследований Peec AI, лучший результат дало добавление статистики — до +41%; добавление цитат авторитетных экспертов — примерно столько же; указание источников — около +30%. А вот привычное набивание ключевых слов сработало хуже, чем полное бездействие: страница с переспамом теряла позиции относительно контрольной.
Второй вывод важнее первого для небольших HR-компаний. Эффект оказался неравномерным по уровню сайта: страницы, стоявшие на пятом месте выдачи, прибавляли до 115% видимости от простого добавления ссылок на источники, а лидеры выдачи — теряли около 30%. Генеративный ответ выравнивает поле. Маленькое кадровое агентство с честной цифрой и ссылкой на первоисточник обходит крупного игрока с обтекаемым текстом «мы лидеры рынка с 2003 года».
Что делать завтра. Пройдите по своим услугам и добавьте в каждый раздел одну проверяемую цифру: средний срок закрытия вакансии по вашей базе, процент прошедших испытательный срок, стоимость часа рекрутера. Рядом — источник: собственное исследование с методикой, отраслевой отчёт, данные Росстата. Одна цифра со ссылкой стоит трёх абзацев про «индивидуальный подход».
Эксперимент 2. Ahrefs изучил 75 000 брендов: упоминания важнее ссылок втрое
Самое масштабное на сегодня исследование сигналов AI-видимости. Ahrefs взял домены с рейтингом выше 40, отобрал их самые частотные запросы и через Brand Radar проверил, как часто эти бренды упоминаются в AI-ответах. Примерно у 26% брендов упоминаний не оказалось вовсе; остальные 74% и легли в основу расчёта.
Порядок сигналов по силе связи получился такой: упоминания бренда в YouTube — 0,737; упоминания бренда где угодно в интернете — 0,664; бренд в тексте ссылок — 0,527; частотность брендового запроса — 0,392. Ссылки, за которыми SEO-отрасль бегала двадцать лет, — 0,218. Объём контента — 0,194.
Разница не косметическая. Присутствие названия компании по всему интернету связано с попаданием в AI-ответ примерно втрое сильнее, чем количество ссылок. Причём модели по-разному чувствительны: AI Mode сильнее всех реагирует на брендовые сигналы (упоминания 0,709), а ChatGPT слабее всех — на классические метрики авторитетности (рейтинг домена всего 0,266).
Сами исследователи честно предупреждают: корреляция не равна причинности. Возможно, бренды, которых много упоминают, просто хороши во всём сразу. Но практический вывод от этого не меняется.
Для HR-компании это означает смену бюджета. Деньги, которые уходили на закупку ссылок, разумнее переложить в три вещи: комментарии ваших экспертов в отраслевых СМИ, выступления на конференциях с последующей публикацией расшифровки, видео на YouTube с разбором кейсов подбора и оценки. Видео здесь не про просмотры — это про то, что название компании появляется в тексте описаний, титрах и обсуждениях, а модели это читают.
Эксперимент 3. Stacker и Scrunch: перенос материала на чужие площадки дал +239% цитирований
Один и тот же текст, две разные площадки, разный результат. Исследование Stacker и Scrunch, опубликованное в марте 2026 года, измеряло, что происходит с цитируемостью контента, когда он распространяется через сторонние новостные ресурсы, а не остаётся на сайте бренда. Медианный прирост цитирований в AI-ответах составил 239%.
Там же зафиксирована другая цифра: количество цитирований материалов, распространённых по пресс-релизным каналам, выросло примерно в пять раз за второе полугодие 2025-го. И ещё одна, объясняющая, почему это до сих пор возможность, а не общее место: earned media даёт около четверти всех цитирований в языковых моделях, но лишь 6% специалистов по GEO используют digital PR как основной инструмент. Это самый широкий разрыв между доказательствами и практикой во всей дисциплине.
Отдельное подтверждение приходит со стороны: исследование Superlines 2026 года показало, что бренды в 6,5 раза чаще цитируются AI-движками через сторонние источники, чем через собственный домен.
Механика простая и объяснимая. Модель обучена не доверять саморекламе. Утверждение «мы закрываем вакансии за 12 дней» на вашем сайте — это заявление. То же утверждение в отраслевом издании со ссылкой на вашу методику — это факт, подтверждённый третьей стороной. Модель различает эти два случая структурно, а не по смыслу.
Практический вывод для HR-услуг: перестаньте публиковать исследования только у себя. Сделали замер зарплат в отрасли, посчитали текучесть по регионам, собрали данные о сроках найма — отдайте это отраслевым медиа, HR-порталам и деловым изданиям. Ваш сайт станет первоисточником со ссылкой, а цитировать будут всех сразу.
Эксперимент 4. Muck Rack: 95% ссылок в AI-ответах — неоплаченные источники
Логичное продолжение предыдущего пункта, но с другой стороны. Muck Rack проанализировал более миллиона цитирований и обнаружил, что 95% ссылок, которые AI-движки показывают пользователю, ведут на неоплаченные источники. Реклама, спонсорские материалы и партнёрские размещения в этот пул почти не попадают.
Сводные оценки по шести независимым исследованиям дают диапазон: от 82% до 95% всех AI-цитирований приходится на earned media — редакционные публикации, отзывы, отраслевые упоминания. Платформа AirOps в своих измерениях получила около 85% для внешних источников. Отдельно стоит держать в голове исключение, которое нашёл Yext: для локальных запросов картина переворачивается — 86% цитирований там приходят из собственных источников компании, то есть из карточек, профилей и структурированных данных на сайте.
Это исключение для HR-услуг важнее, чем кажется. Запрос «кадровое агентство в Екатеринбурге» ведёт себя как локальный: тут выигрывают заполненные карточки в справочниках, единообразные NAP-данные и корректная разметка Organization. А запрос «лучший провайдер аутсорсинга расчёта зарплаты» ведёт себя как обычный B2B-запрос: тут выигрывает внешняя редакционная среда. Один и тот же бизнес требует двух разных стратегий одновременно.
Ошибка, которую совершают почти все: бюджет уходит на переписывание страниц услуг, потому что это управляемо и видно. А сигнал, который реально двигает видимость, живёт вне вашего контроля — в чужих текстах. Управлять им нельзя, но влиять можно: экспертными комментариями, данными, которые интересно перепечатать, и человеческим присутствием там, где обсуждают вашу тему.
Эксперимент 5. Ahrefs и 1,4 млн промптов: два барьера вместо одного
Это исследование стоит того, чтобы разобрать его подробно, потому что оно объясняет механику отбора лучше любых советов. Ahrefs проанализировал 1,4 миллиона промптов ChatGPT и отследил путь каждой страницы от подтягивания до появления в видимой ссылке.
Первое открытие: модель не ищет по вашему запросу. Она разбивает его на набор более узких подвопросов — это называется fan-out — и ищет отдельно под каждый. Одна фраза пользователя превращается в пять-десять поисков.
Второе: подтягивается в среднем около 16,6 цитируемых и столько же нецитируемых адресов на промпт, а до видимой ссылки доходит ровно половина — 49,98%. Значит, барьера два, и они устроены по-разному. Чтобы попасть в пул кандидатов, нужны позиции и авторитет. Чтобы пройти из пула в цитату, нужно совпадение заголовка, адреса страницы и сниппета с тем самым внутренним подвопросом. Отбор на втором этапе идёт по метаданным, ещё до полного прочтения текста.
Третье, самое неожиданное: у Reddit собственный канал получения данных, более 16 миллионов записей в выборке — и всего 1,93% цитирований. При этом 67,8% всех непроцитированных адресов приходятся именно на Reddit. Модель активно читает форумы, чтобы понять, что люди на самом деле думают, но ссылку отдаёт более «презентабельному» источнику.
Что с этим делать HR-компании. Проверьте заголовки страниц услуг: «Услуги» и «Наши решения» не совпадут ни с одним подвопросом. «Аутсорсинг кадрового делопроизводства: сроки, стоимость, зона ответственности» — совпадёт. Адрес страницы должен читаться человеком. И не удивляйтесь, что обсуждения вашего бренда на форумах не дают ссылок: они работают, просто молча.
Эксперимент 6. AirOps на 16 851 запросе: узкая страница обыгрывает большой гайд
Отраслевая сводка Citonyx приводит результаты анализа AirOps по 16 851 запросу, и он отвечает на вопрос, который волнует всех авторов: насколько важно место в поисковой выдаче, если ответ всё равно генеративный.
Оказалось, важно, но не решающе. Первый подтянутый результат попадает в цитирование примерно в 58% случаев, десятый — примерно в 14%. То есть верхние позиции дают преимущество, но не монополию: шанс у страницы с восьмого места вполне реальный, чего в классическом поиске почти не бывало.
Второй вывод из той же серии наблюдений: узкие сфокусированные страницы обходят «полные руководства». Это ломает привычку последних десяти лет, когда все писали «Полный гид по подбору персонала» на 30 000 знаков в надежде охватить всё сразу. Модель ищет ответ на конкретный подвопрос. Большой гайд формально содержит ответ, но он размазан по тексту, и косинусная близость фрагмента к подвопросу оказывается ниже, чем у отдельной страницы, целиком посвящённой этой теме.
Здесь есть кажущееся противоречие с другим исследованием: бенчмарк ConvertMate рекомендует материалы объёмом выше 20 000 знаков как более цитируемые. Противоречие снимается, если различать объём и фокус. Выигрывает длинный текст об одной узкой теме, проигрывает длинный текст обо всём сразу.
Для HR-услуг это означает разукрупнение. Вместо одной страницы «Подбор персонала» — отдельные материалы: массовый подбор линейного персонала, executive search в производстве, подбор ИТ-специалистов, подбор в регионах присутствия. Каждая отвечает на свой подвопрос в первых двух предложениях, а дальше разворачивает детали. Это не размножение контента ради объёма, а совпадение с тем, как устроен fan-out.
Эксперимент 7. Ahrefs проверил 17 млн цитирований: AI выбирает контент на 25,7% свежее
Прямое измерение того, насколько модели любят новое. Ahrefs разобрал 16,975 млн цитирований в ChatGPT, Perplexity, Gemini, Copilot и AI Overviews и сравнил возраст процитированных страниц с возрастом органической выдачи Google по тем же запросам.
Средний возраст процитированного адреса — 1 064 дня. Средний возраст органического результата — 1 432 дня. Разница 25,7% в пользу свежести. По ChatGPT разрыв ещё заметнее: цитируемые страницы в среднем на 458 дней новее органики.
Но и здесь есть нюанс, который отсекает половину вредных советов. Средний процитированный материал — это почти три года. То есть речь не о правиле «обновляй каждый месяц или умри», а о систематическом преимуществе более свежего при прочих равных. Платформы ведут себя по-разному: Perplexity и Grok реагируют на свежесть агрессивнее всех, поверхности Google — консервативнее, ChatGPT колеблется от релиза к релизу и по-прежнему ценит старую авторитетность.
Ключевое предупреждение из обзора NoGood: смена даты без смены содержания не работает и всё активнее распознаётся. Джон Мюллер из Google публично предостерегал от такой практики, и та же логика действует в генеративном поиске — системы сравнивают текущее тело страницы с предыдущими версиями.
Для HR-компании это переводится в календарь. Страницы со ставками, зарплатными обзорами, сроками и сравнениями провайдеров — раз в квартал, с реальной заменой цифр. Материалы о методиках оценки и структуре HR-функции — раз в полгода-год. И обязательно видимая дата обновления на странице плюс поле dateModified в разметке, синхронное с фактической правкой.
Эксперимент 8. Период полураспада контента: минус половина видимости за год
Продолжение темы свежести, но с другой стороны — не «какой контент выбирают», а «как быстро ваш перестают выбирать».
Аналитики Gander посчитали долю адресов с годом в пути страницы среди всего, что AI-движки подтянули в первом квартале 2026 года. Таких оказалось 17,4%, и внутри этой выборки картина однозначная: переход от 2025 года к 2024-му отнимает 42% видимости, от 2024-го к 2023-му — ещё 43%. Страница 2021 года работает примерно на 18% от пика. Грубое правило: контент теряет около половины своей AI-видимости за каждый прошедший год.
Рядом стоят измерения ConvertMate по более чем 80 миллионам цитирований: материалы, обновлённые за последние 30 дней, получают в 3,2 раза больше цитирований. Анализ Amsive добавляет, что половина всех AI-цитирований приходится на контент моложе 13 недель. Данные Rank.bot ещё жёстче: пик цитируемости приходится на первые два-три дня после публикации, дальше — спад с 2% до 0,2% за полгода.
Цифры между исследованиями расходятся, и это нормально: разные выборки, разные платформы, разные определения «цитирования». Направление у всех одно.
Что это меняет в работе HR-портала или сайта агентства. Появляется понятие обязательного цикла обслуживания контента. Разумная практика, которую описывают агентства: 90 дней для приоритетных коммерческих страниц, полгода для концептуальных материалов и журнал изменений — что именно было заменено. Не «освежили текст», а «заменили данные по срокам закрытия вакансий за I квартал 2026, добавили раздел про изменения в 152-ФЗ». Такое обновление система видит. Смену года в заголовке — нет.
Эксперимент 9. Отзывы на независимых площадках: цитирование в 3,2 раза чаще
Одно из самых прикладных наблюдений во всей подборке. По сводке кейсов Citonyx, бренды с 50 и более свежими отзывами на площадках вроде G2 и Capterra цитируются AI-системами в 3,2 раза чаще, чем бренды, у которых отзывов меньше двадцати. В обзоре это названо активностью с наибольшим влиянием среди всех проанализированных кейсов.
Причина в том, как модель формирует ответ на запрос выбора. Когда пользователь спрашивает «кто лучше», системе нужен внешний арбитраж — источник, который сравнивает нескольких игроков по единым критериям. Отзывы и рейтинги дают именно это: структурированное сравнение, написанное не самим поставщиком. Каталог собственных достижений на сайте эту роль выполнить не может по определению.
Здесь же работает эффект, который зафиксировали в индексе видимости для HR- и work-tech-рынка: стадии сравнения и отзывов почти целиком живут на сторонних площадках — обзорных сайтах, аналитических каталогах, крупных подборках. Это работа с репутацией и аналитиками в той же мере, что и работа с контентом.
Для российского HR-рынка прямых аналогов G2 немного, и это одновременно проблема и возможность. Роль внешнего арбитра берут на себя отраслевые рейтинги, профессиональные ассоциации и аналитические порталы — та функция, которую в HR-сегменте выполняет hr-ratings.com. Попадание в независимый рейтинг с прозрачной методикой даёт модели ровно тот тип источника, который она ищет при запросе на выбор поставщика.
Практический шаг: соберите список площадок, где вашу категорию услуг сравнивают, и обеспечьте там присутствие с актуальными данными. Затем попросите текущих клиентов оставить отзывы — не разом, а равномерно, потому что свежесть отзывов учитывается отдельно от их количества.
Эксперимент 10. Подборки «лучших»: +16,5 пункта видимости и обратная сторона
Здесь два результата, которые нужно читать вместе, иначе получится вредный совет.
Первый. Peec AI отслеживал влияние подборок с сентября 2025 по март 2026 года. Первое место в стороннем списке «лучших» поднимало видимость бренда до 16,5 процентных пункта в сегменте B2B SaaS и до 13,4 пункта в новых martech-категориях. В финансовом сегменте США бренд с первой позицией в подборке упоминался в AI-ответе в среднем на 1,8 позиции раньше конкурентов. Важная деталь: эффект быстро насыщается — максимум достигается после нескольких верхних размещений, а не после ковровой публикации в десятках списков.
Второй результат — предупреждение. Тот же анализ 232 000 цитирований показал, что примерно одно из десяти цитирований в AI-ответах приходило на самопродвигающую подборку: собственный материал вендора «лучшие сервисы категории», где он поставил себя первым. Google AI Mode и Perplexity подтягивали такие тексты примерно втрое чаще, чем ChatGPT.
И третий факт закрывает вопрос. С января 2026 года Google начал подавлять самопродвигающие подборки; в обзоре The Digital Bloom описаны потери органической видимости до 49% у затронутых сайтов, а поскольку многие AI-движки берут кандидатов из индекса Google, падение органики тянет за собой и цитирования.
Вывод для HR-компании: заслуженное место в чужой подборке работает, собственный список «10 лучших кадровых агентств России», где вы номер один, — риск. Разница между этими двумя вещами теперь измерима в трафике.
Эксперимент 11. Ahrefs проверил 1 885 страниц с новой разметкой: прироста цитирований нет
Самый неудобный результат для тех, кто продаёт микроразметку как услугу AI-продвижения. Ahrefs провёл исследование методом разности разностей на 1 885 страницах, куда была добавлена Schema.org-разметка, и сравнил их динамику с контрольной группой. Значимого прироста цитирований в AI Overviews, AI Mode и ChatGPT не обнаружено.
Но у исследования есть принципиальное ограничение, о котором сами авторы предупреждают: в выборку попали страницы, которые уже цитировались активно — не менее ста цитирований в AI Overviews до эксперимента. То есть проверялось, поднимет ли разметка тех, кто уже внутри. Ответ — нет. Поможет ли она страницам, которых система вообще не видит, исследование не отвечает.
Есть и обратная сторона аргумента. На конференции Search Central Live в Торонто в апреле 2026 года инженер Google по структурированным данным Райан Леверинг, по отчётам присутствовавших, сказал, что разметка используется как контекст, передаваемый моделям во время fan-out: разбирать структурированные данные дешевле, чем каждый раз выводить смысл из сырого текста, а разметка может нести идентификаторы и метаданные, которых нет в видимом тексте. Там же прозвучало: будьте точнее, спам разметкой не поможет.
Как это совместить. Разметка — не рычаг видимости, а инструмент точности. Она не поднимет вас в ответах, но не даст перепутать вашу компанию с другой, поможет корректно связать организацию, услугу и автора и снизит риск искажений. Для HR-портала с экспертами, исследованиями и рейтингами это не мелочь: правильная типизация Organization, Person и Article описывает сущности так, как их будет хранить машина.
Что перестать делать: платить за разметку как за «услугу попадания в AI» и добавлять типы, под которые на странице нет видимого содержания.
Эксперимент 12. Как модели на самом деле читают JSON-LD: тест с выдуманной компанией
Февраль 2026 года, эксперимент SEO-специалиста Марка Уильямса-Кука, описанный в разборе ZipTie. Он создал страницу несуществующей компании и разместил её адрес исключительно внутри невалидной, полностью выдуманной JSON-LD-разметки — в видимом тексте страницы адреса не было нигде.
И ChatGPT, и Perplexity успешно извлекли этот адрес и выдали его в ответе. Вывод простой и важный: языковые модели читают блок разметки как обычный текст. Они не разбирают его как структуру, не проверяют валидность, не сверяются со словарём типов. Для них это просто ещё один фрагмент символов на странице.
Отсюда следуют два практических вывода. Первый: всё, что вы написали в разметке, модель прочитает — даже если разметка технически сломана. Второй, менее приятный: раз структура не разбирается, то и её «правильность» не даёт бонуса. Работает содержание, а не синтаксис.
Второе измерение из того же разбора. Анализ SE Ranking показал, что страницы с FAQ-разметкой получали в среднем 3,6 цитирования в ответах ChatGPT, а страницы без неё — 4,2. Слабая отрицательная связь. Скорее всего, это отражает различия в типах контента, а не вред самой разметки, но утверждение «FAQ-разметка повышает цитируемость» она точно не подтверждает.
Практический перевод для HR-сайта: ценность не в блоке FAQPage, а в видимом блоке вопросов и ответов на самой странице. Если клиенты спрашивают «сколько стоит аутсорсинг КДП на 200 сотрудников» — этот вопрос должен стоять подзаголовком, а ответ идти сразу под ним, в двух-трёх предложениях, с цифрой. Разметку добавьте после — как страховку от искажений, а не как рычаг роста. И держите её компактной: только те сущности, которые реально относятся к теме страницы.
Эксперимент 13. llms.txt: проверки не нашли эффекта
История файла llms.txt — хороший пример того, как отрасль год спорила о том, что легко проверить.
Идея была симпатичной: положить в корень сайта markdown-файл с картой лучших материалов, чтобы AI-системы легче ориентировались. За 2025 год вокруг этого сложился отдельный рынок услуг. К 2026-му вопрос закрыт довольно определённо.
Как фиксирует обзор DerivateX, Джон Мюллер из Google подтвердил, что ни одна поисковая система Google не читает и не учитывает этот файл. Ни OpenAI, ни Google, ни Anthropic, ни Meta публично не подтвердили, что используют его в продакшене. В разборе Contentful формулировка ещё аккуратнее: широко подтверждённых доказательств того, что llms.txt повышает цитируемость, частоту упоминаний или переходы, сегодня нет. Тактику предлагается честно маркировать как экспериментальную, дешёвую и низкоуверенную. В Google файл сравнили с метатегом keywords — сравнение говорящее.
Означает ли это, что файл вреден? Нет. У него есть одна реальная область применения: техническая документация. Если ваш продукт интегрируется, и разработчик хочет вставить в чат один аккуратный файл вместо сорока страниц, llms.txt экономит ему время. Это польза для пользователя, а не механизм видимости.
Для HR-услуг практический вывод такой. Если у вас есть HRM-система с документацией и API — сделайте, это час работы. Если вы кадровое агентство или консалтинг — не тратьте на это ни строки бюджета и насторожитесь, если подрядчик ставит этот пункт в начало коммерческого предложения. Там же стоит проверить сроки: перестройка контента и работа с сущностями обычно влияют на цитирование через один-три месяца, внешняя среда — от полугода. Обещания «цитирования за две недели» не имеют под собой измерений.
Эксперимент 14. Seer Interactive: цитирование в AI-ответе поднимает кликабельность на 35%
Этот результат снимает главное возражение против всей темы: «зачем нам попадать в AI-ответ, если оттуда не кликают».
Seer Interactive проанализировала 3 119 запросов по 42 компаниям и, как приводит сводка Cintra, получила две цифры. Первая — про потери: когда по запросу появляется AI-блок, кликабельность органики падает примерно на 61%, а платной выдачи — на 68%. Вторая — про распределение этих потерь: бренды, процитированные внутри AI-ответа, получают на 35% более высокую органическую кликабельность и на 91% более высокую платную по тем же самым запросам, чем непроцитированные.
Читайте это вместе. Клики по запросу с генеративным ответом не исчезают равномерно — они перераспределяются. Кто внутри ответа, тот забирает и то, что осталось в органике, и то, что остаётся в рекламе. Кто снаружи, теряет по обоим каналам одновременно.
Для HR-компании, которая покупает контекст по запросам вроде «подбор персонала под ключ», это прямой экономический аргумент. Если конкурент процитирован в нейроответе, а вы нет, ваша реклама по тому же запросу работает хуже при той же ставке. Присутствие в генеративном ответе перестаёт быть имиджевой историей и становится фактором стоимости лида в платных каналах.
Отсюда практика, которую стоит завести: возьмите двадцать своих главных коммерческих запросов и проверьте по каждому, появляется ли генеративный блок и кто в нём назван. Это делается вручную за один день и даёт более честную картину, чем любой отчёт по позициям.
Эксперимент 15. Конверсия AI-трафика: от 4,4x до 23x к обычной органике
Переходов из AI мало, но они другого качества. Это подтверждают независимые измерения с разной методикой.
Semrush по выборке из более чем 500 высокочастотных тем получил, что посетители из AI конвертируются в 4,4 раза лучше обычной органики. Ahrefs на собственных данных зафиксировал крайний случай: 0,5% трафика из AI-источников дали 12,1% всех регистраций — множитель около 23. Бенчмарк Opollo по 312 B2B-компаниям в сфере ИТ и технологий: конверсия AI-трафика 14,2% против 2,8% у органики Google, причём только по компаниям с сотней и более AI-сессий в месяц, то есть это не артефакт малой выборки. Microsoft Clarity на 1 277 доменах — 1,66% против 0,15%.
Объём при этом остаётся скромным. Анализ Search Engine Land за 13 месяцев показывает, что переходы из языковых моделей составляют менее 2% всего реферального трафика, но конверсия в этой группе — около 18%, выше любого другого канала, включая платный поиск.
Почему так. Модель уже сделала за клиента исследовательскую работу: сформулировала задачу, сравнила варианты, отобрала источники. К вам приходит человек, который не выбирает, а проверяет. Больше половины сессий из AI начинаются сразу с продуктовых страниц против примерно 20% у органики.
Честное предупреждение: у этих измерений есть системные ограничения. Большинство исследований проведено маркетинговыми и технологическими компаниями на собственном трафике — то есть на аудитории, которая пользуется AI чаще всех. Часть AI-переходов теряется в аналитике и попадает в «прямые». А при доле в 1% небольшие абсолютные числа дают неустойчивые проценты. Поэтому воспринимайте диапазон как направление, а не как норматив, и заведите собственный сегмент в аналитике.
Эксперимент 16. Forrester опросил 18 000 покупателей: AI обошёл сайты вендоров
Самое крупное по выборке исследование покупательского поведения в теме. Опрос Forrester Buyers' Journey 2026 года охватил почти 18 000 бизнес-покупателей по всему миру.
94% использовали AI в ходе последней покупки. 55% сравнивали поставщиков внутри AI-инструментов, 54% изучали продукты, 47% готовили внутреннее обоснование — всё до контакта с вендором. Главный структурный вывод: AI-движки стали источником номер один при исследовании поставщиков, обойдя сайты компаний, продавцов и профильных экспертов. Вдвое больше респондентов назвали генеративный AI своим самым значимым источником, чем любой другой вариант.
Второй вывод тоньше и важнее для HR-услуг. Покупатели знают, что AI даёт неполную информацию, и компенсируют это проверкой — но проверяют они у коллег, отраслевых экспертов и аналитиков внутри своей профессиональной сети, а не у поставщика. Раньше у вендора было несколько точек, где он мог исправить неверное впечатление: сайт, кейсы, разговор с менеджером. Теперь репутация формируется до того, как эти точки вообще появятся.
Что это значит на практике для кадрового агентства или HR-провайдера. Ваша задача — не только попасть в ответ, но и быть корректно описанным. Если модель говорит «работают преимущественно с ИТ-сектором», а вы восемь лет закрываете производственные вакансии, вы теряете сделки, о которых никогда не узнаете. Поэтому регулярная проверка того, что именно AI отвечает про вашу компанию, — не любопытство, а элемент управления репутацией. И ещё: контент, который цитируют коллеги на профессиональной валидации — исследования, разборы методик, зарплатные обзоры — работает на обе стадии сразу.
Эксперимент 17. Semrush и G2: каждый третий покупатель выбрал компанию, которой не знал
Два опроса, которые показывают, как AI меняет не только поиск информации, но и состав финального списка.
Semrush опросил более 600 американских специалистов: 66% регулярно используют AI именно для исследования поставщиков и решений. Из тех, кто применяет AI в закупках, 66% изучают возможные решения, 61% напрямую сравнивают вендоров, 59% глубже разбираются в категории, 53% просят рекомендации. Итог: 97% сказали, что AI помог им найти новых поставщиков, 92% — что AI сформировал шорт-лист, 83% — что повлиял на финальный выбор.
Мартовский опрос G2 среди 1 076 руководителей даёт самую тревожную цифру: каждый третий покупатель в итоге выбрал поставщика, которого до появления AI-рекомендации вообще не было в его списке рассмотрения. 69% выбрали не ту компанию, на которую рассчитывали изначально. Доля тех, кто начинает исследование с AI, а не с поиска, выросла до 51% с 29% всего за семь месяцев.
Есть и распределение по платформам, полезное при планировании. По данным Semrush, для рабочих задач ChatGPT используют 76%, Gemini — 62%, Copilot — 53%, Perplexity — 22%, Claude — 20%. Покупатели свободно перемещаются между инструментами, поэтому кросс-платформенная видимость важнее сильного результата в одной системе.
Для российского HR-рынка список платформ другой — доминирует связка Яндекса с Алисой AI, рядом GigaChat, ChatGPT и Perplexity, — но механика та же. И вывод неприятный для крупных игроков: накопленная за годы известность бренда обходится одной фразой ассистента, который просто не назвал вашу компанию.
Эксперимент 18. Обвал цитирований Reddit: почему видимость нельзя считать активом
История, которую стоит знать всем, кто строит стратегию вокруг одной площадки.
Peec AI отслеживал цитирования переведённых машинным способом страниц Reddit и зафиксировал резкий разворот: доля таких цитирований в ChatGPT упала с 6,14% в апреле 2026 года до 0,66% в мае. По Германии падение было ещё резче — с 18,06% до 1,54%. Perplexity за весь период наблюдений с марта по июнь 2026-го не процитировал ни одного машинно-переведённого адреса.
Дальше — больше. Как разбирает The State of Brand, в 2026 году сервис Promptwatch зафиксировал падение цитируемости Reddit в ChatGPT на 86% за четыре дня. При этом сами оценки базового уровня у разных вендоров расходятся радикально: Promptwatch считал долю до падения равной 3,83%, у Ahrefs в июльском наборе данных Reddit был самым цитируемым доменом с 16,7%, более ранние работы Semrush давали около 60% на пике. Это не расхождения округления — это разные определения того, что вообще считать цитированием.
Три практических вывода для HR-компании. Первый: не стройте видимость на одном канале, каким бы эффективным он ни казался в этом квартале. Второй: показатель доли упоминаний имеет смысл сравнивать только внутри одного инструмента и одной методики — цифры разных сервисов несопоставимы. Третий, главный: AI-видимость — это не актив, который вы приобрели, а позиция, которую приходится удерживать. Медианный период полужизни цитирования по платформам оценивается примерно в четыре с половиной недели.
Эксперимент 19. Burson и Profound: процитировали — не значит поверили
Исследование, которое ставит границу всей дисциплине и уберегает от переоценки метрик.
В июне 2026 года Burson совместно с Profound изучили 85 компаний и собрали более 55 тысяч прогнозов доверия к утверждениям в AI-ответах. Вывод, приведённый в сводке Citonyx, звучит отрезвляюще: цитирование в AI-ответе не гарантирует, что упомянутому поверят. Модель может назвать вашу компанию, а пользователь — не воспринять это как рекомендацию.
Рядом стоит вторая ограничивающая цифра. Бенчмарк CiteDash примерно на 3 400 цитированиях показал, что ChatGPT выдумывает около 38% академических ссылок, Claude — около 24%, Gemini — 19%, Perplexity — 8%. Если модель способна изобрести источник, она способна изобрести и характеристику вашей компании.
И третья, из потребительского опроса Fractl на выборке 1 008 человек: доверие к AI-поиску за год упало с 82% до 54%, а среднее число площадок, которые человек проверяет перед решением, выросло до 2,4. Люди пользуются AI больше, а верят ему меньше — и поэтому перепроверяют.
Что из этого следует для HR-услуг. Попадание в ответ — необходимое, но не достаточное условие. Дальше клиент пойдёт проверять: посмотрит сайт, поищет отзывы, спросит у коллеги. Это значит, что после AI-видимости должна стоять внятная посадочная страница с конкретикой, живые кейсы с цифрами и присутствие в независимых источниках. И это же означает, что подмена реальной экспертизы оптимизацией под цитирование даёт короткий эффект: вас назовут, к вам придут, и на этом расхождение вскроется.
Эксперимент 20. Яндекс открыл данные: раздел «Видимость сайта в Алисе AI» в Вебмастере
Самая практичная новость года для российского рынка, потому что впервые появились собственные измерения, а не оценки со стороны.
Как описывает разбор по Нейро и Алисе, с 7 апреля 2026 года в Яндекс.Вебмастере работает раздел «Видимость сайта в Алисе AI». Там доступны доля упоминаний, динамика по месяцам, примеры запросов и страниц, а также перечень сайтов-источников по вашей тематике. Выгрузок и данных о кликах в разделе нет. Google со своей стороны с июня 2026 года поэтапно открывает Generative AI performance report с показами, страницами, странами и датами, но без доли голоса и примеров запросов.
Механика Алисы AI отличается от глобальных движков в одном принципиальном моменте: ответ собирается из страниц, которые уже занимают высокие места в обычной выдаче Яндекса. Практическое требование, которое называют специалисты, — присутствие в топ-30. То есть классическое SEO в России остаётся входным билетом, а GEO надстраивается сверху.
Оценки распространённости нейроответов расходятся, и это стоит держать в голове. Обзор со ссылкой на Similarweb даёт около 27% запросов с нейроответом у Яндекса. Отраслевые источники называют долю до 68% в информационном сегменте к концу 2025 года. Разница объясняется тем, что считают: все запросы или только информационные. По оценке GEO Scout, доля AI-трафика на сайты клиентов платформы в первом квартале 2026 года достигла 15%.
Для HR-компании порядок действий очевиден: подтвердить сайт в Вебмастере, открыть раздел, зафиксировать текущую долю упоминаний и список сайтов-источников по своей теме. Последнее особенно ценно — это готовый список площадок, где вам нужно присутствовать.
Что делать HR-компании в ближайшие 90 дней
Соберём всё вышесказанное в порядок действий. Он намеренно скучный: в этой теме выигрывает регулярность, а не изобретательность.
Первые две недели — замер. Выпишите двадцать запросов, которыми ваши клиенты формулируют свою задачу: не «подбор персонала», а «кто закроет 50 операторов колл-центра за месяц» и «сколько стоит вывести КДП на аутсорс». Задайте их Алисе AI, ChatGPT, GigaChat и Perplexity. Запишите, кого называют, на что ссылаются и что говорят про вас. Подключите раздел видимости в Алисе AI в Вебмастере. Это ваша нулевая точка.
Следующий месяц — контент. Разберите широкие страницы услуг на узкие, под конкретные подвопросы. В первых двух предложениях каждой — прямой ответ с цифрой. В каждом разделе — одна проверяемая статистика со ссылкой на источник. Проставьте видимые даты обновления. Разметку сделайте компактной и только по теме страницы, без лишних сущностей.
Второй и третий месяц — внешняя среда, где живёт основной сигнал. Отдайте свои данные отраслевым изданиям и HR-порталам. Заведите ритм экспертных комментариев. Обеспечьте присутствие в независимых рейтингах и каталогах по вашей категории. Попросите клиентов оставить отзывы равномерно, а не пачкой. Снимите на видео разбор двух-трёх кейсов.
Дальше — цикл. Раз в квартал обновляйте коммерческие страницы с реальной заменой цифр и ведите журнал изменений. Раз в месяц повторяйте замер по двадцати запросам. Помните про сроки: контент и сущности дают эффект через один-три месяца, внешняя среда — от полугода.
Как измерять результат и не обмануть себя
Последний раздел — про метрики, потому что здесь легче всего построить красивый отчёт, за которым ничего нет.
Что мерить обязательно. Доля упоминаний бренда по вашему набору запросов — сколько раз из двадцати вас назвали. Частота цитирования ваших страниц как источника. Точность описания: правильно ли модель говорит о вашей специализации, географии и формате работы. Отдельный сегмент AI-трафика в аналитике с конверсией по нему. И, если есть возможность, доля сделок, где клиент упоминает, что нашёл вас через ассистента.
Что мерить бессмысленно. Абсолютный объём трафика из AI: он останется маленьким, около одного-двух процентов, и на его фоне любой успех выглядит поражением. Сравнение своей доли голоса, снятой в одном сервисе, с чужой, снятой в другом: как показала история с Reddit, методики расходятся в разы. И количество внедрённых типов разметки — это операционный показатель, а не результат.
Отдельно про честность в отчётности. Диапазон конверсии AI-трафика в исследованиях идёт от 4,4x до 23x, и разброс отражает не столько реальность, сколько разные определения конверсии и разные отрасли. Брать верхнюю границу в презентацию для собственника — способ один раз объяснить рост и потом долго объяснять его отсутствие.
И главный ориентир, который стоит держать в голове весь этот путь. Все двадцать экспериментов выше сходятся в одном: генеративные системы устроены так, чтобы предпочитать подтверждённое чужими словами собственным заявлениям компании. Это неудобно, потому что чужие слова нельзя купить оптом. Но это и хорошая новость для рынка HR-услуг, где реальная экспертиза распределена шире, чем маркетинговые бюджеты. У небольшой компании с честной методикой и открытыми данными сейчас больше шансов оказаться в ответе, чем было в классическом поиске.
