Я разобрал ответы ИИ-моделей на вопросы со словами лучшие, топ и рейтинг и смотрел, откуда взялся список. Из 208 ответов со ссылками на источники в 130, это 62%, стоит готовая подборка: чей-то топ-10, рейтинг или сравнение.

Ответы собраны по 32 проектам из разных ниш, от бухгалтерского аутсорсинга до фулфилмента, всего их 368, ссылки были у 208. Попасть в ответ — это во многом попасть в подборки, которые находит ИИ-модель. В конце — как проверить свою нишу за 3–5 вопросов и что делать с каждой найденной подборкой.

Подборка встретилась в ответах на 44 вопроса из 56

Выборка пёстрая специально: продвижение в нейросетях, маркетплейсы и фулфилмент, бухгалтерия, франчайзи 1С, контент-агентства, бизнес-образование, автозапчасти. Всего 56 вопросов, 368 ответов и 1221 ссылка в 208 ответах с источниками. Новых запросов под эту статью я не делал, только прочитал то, что уже собрано.

Перекос в выборке есть: самый частый вопрос, про агентства продвижения в нейросетях, даёт 28 из 130 ответов с подборкой. Поэтому я посчитал и по вопросам. Подборка встретилась хотя бы раз в ответах на 44 вопроса из 56, а средняя по вопросам доля ответов с подборкой — 60%. Главная цифра на одном вопросе не держится.

Больше четверти ссылок в ответах про лучших ведут на чужой топ

Подборками оказались 344 ссылки из 1221, это 28%. На уровне ответов доля выше, потому что одной такой ссылки хватает, чтобы ответ попал в счёт.

Если схлопнуть повторы одного вопроса внутри проекта, остаётся 200 уникальных пар «вопрос — подборка» и 149 разных адресов. Хозяева делятся почти поровну. Сайты компаний, которые сами продают в этой нише (агентства, сервисы, интеграторы, школы), — 37% пар. Медиа и каталоги, включая рейтинговые агентства и агрегаторы, — 35%. Блог-платформы — 28%, и почти все их ссылки приходятся на vc.ru, dtf.ru и tenchat.ru. По сырым ссылкам с повторами выходит 36, 31 и 34% — картина та же.

Примерно в каждой пятой подборке от компании ИИ-модель называет автора

Из 73 пар «вопрос — подборка на сайте компании» в 14 компанию-автора модель называет в тексте ответа — примерно каждая пятая, шесть доменов. Имя я искал в тексте ответа с вырезанными ссылками и адресами, чтобы не засчитывать домен, который модель просто напечатала как источник, а повторы одного вопроса схлопнуты.

Механика простая: компания публикует рейтинг, где есть она сама, ИИ-модель находит страницу по запросу вроде «топ 10 компаний в нише» и пересказывает её вместе с автором. Такие случаи нашлись в маркетплейсах, фулфилменте, франчайзи 1С, маркетинговых исследованиях и контент-агентствах. Держится это устойчиво: у Алисы AI на одном вопросе про контент-агентства подборка с сайта участника ниши стояла в источниках 7 ответов из 9 повторов, и автора ИИ-модель назвала в шести.

Как я искал подборки: регулярка по адресу

Заголовки страниц я не открывал. Подборкой считалась ссылка, в пути которой есть признак списка:

import re
from urllib.parse import urlparse

LIST_PATTERN = re.compile(
    r"(top|luchsh|reyting|rating|podbork|best|spisok|obzor|"
    r"kakie|kakoe|kakaya|kak-vybrat|sravnen|vs-)",
    re.I,
)

def is_listicle(url: str) -> bool:
    return bool(LIST_PATTERN.search(urlparse(url).path))

def share_with_listicle(answers: list[dict]) -> float:
    with_sources = [a for a in answers if a["sources"]]
    hit = [a for a in with_sources
           if any(is_listicle(u) for u in a["sources"])]
    return len(hit) / len(with_sources)

85 доменов с подборками я разметил руками на три группы, спорные отнёс к медиа и каталогам. Регулярка ошибается в обе стороны: изредка срабатывает зря (obzor в адресе обзора одного продукта) и пропускает подборки с нейтральным адресом. Поэтому все доли здесь — оценка, а не точная граница.

У ChatGPT подборка есть в 47% ответов, у Алисы AI и Perplexity в 71%

По каналам доля ответов со ссылками, где есть подборка: Алиса AI 60 из 84 (71%), Perplexity 20 из 28 (71%), Claude 19 из 27 (70%), ChatGPT 27 из 58 (47%). У GigaChat 3 из 10, по такой выборке вывода нет. Среди самих ссылок то же: у Алисы AI подборки составляют 32% источников, у ChatGPT 19%.

Причину разницы по этим данным не видно. У Claude и Perplexity меньше 30 ответов со ссылками, так что 70 и 71% между собой не различить, а вот разрыв с ChatGPT заметный.

Свою нишу можно проверить за 3–5 вопросов

Задайте 3–5 вопросов вида «лучшие … в вашей нише» или «топ 10 компаний в …» в Алисе AI или Perplexity, там подборок в источниках больше. Откройте источники и посмотрите адреса со словами top, luchshie, reyting, sravnenie. Регулярка нужна, только если хочется посчитать долю. Для каждой подборки определите хозяина, и дальше путь зависит от него.

1. Медиа и каталог. Такие рейтинги обновляют: пришлите данные о себе или заявку на включение к следующей версии.

2. Блог-платформа. Напишите на той же площадке своё сравнение или разбор с открытым методом, где названы несколько игроков.

3. Сайт конкурента. Туда не попасть, просить бесполезно. Противовес — своя подборка с открытыми критериями и присутствие в двух других группах.

Своя подборка в источники попадает: больше трети найденных лежит на сайтах компаний, и примерно в каждой пятой из них ИИ-модель называет автора. Как часто называют авторов подборок в медиа и на блог-платформах, я не считал. Разница в прозрачности. Если критерии не названы, а первым предсказуемо стоит автор, читатель, открывший источник, это увидит.

Вопрос, на который у меня нет ответа: если ИИ-модель берёт в источники и независимый рейтинг, и подборку от участника рынка, что останется от её топа, когда в нише таких подборок станет пять вместо одной?