Архитектура видимость AI: почему в ответе Алисы ровно пять или десять ссылок
Исследование поведенческих паттернов нейросети Яндекса «Алиса» выявило жесткую математическую структуру формирования цитируемых источников. Анализ 455 ответов показал, что система не выбирает ссылки случайным образом, а работает с блоками фиксированного размера: базовый набор из пяти материалов и расширенный из десяти. Это накладывает специфические требования на стратегии SEO и контент-маркетинга, смещая фокус с общей авторитетности домена на качество текста конкретных страниц.
# Архитектура видимость AI: почему в ответе Алисы ровно пять или десять ссылок
В эпоху, когда поисковые алгоритмы эволюционируют в крупные языковые модели, понимание того, как формируются ответы, становится критически важным для бизнеса. Недавно опубликованное исследование на платформе «Хабр» от аналитика Игоря Новикова проливает свет на внутреннюю механику ответа поисковой системы «Алиса». Автор провел эксперимент, направленный на измерение того, как нейросети реагируют на одни и те же вопросы об отраслевых компаниях.
Для получения данных исследовался набор пользовательских запросов, характерных для различных ниш: выбор подрядчиков, сравнение сервисов, критерии покупки. Каждый вопрос задавался трижды для исключения случайных ошибок. Результатом стало аккумулирование 455 ответов от «Алисы» и 2976 ссылок, на которые они опирались. Данные были сопоставлены с результатами от других систем, таких как ChatGPT, Perplexity, Claude и Gemini.
Математика блоков: два острых пика вместо градиента
Одним из самых startling (удивительных) выводов исследования является распределение количества ссылок в ответе. Если бы система работала по принципу «собери столько, сколько нужно для ответа», мы ожидали бы плавного распределения чисел: три ссылки, четыре, пять, шесть, семь и так далее. Однако факты говорят об обратном.
Анализ распределения показывает два острых пика на круглых числах: пять и десять.
* В 65% случаев ответ строится ровно на 5 источниках. * В 25% случаев используется 10 источников. * Промежуточные значения (6, 7, 8, 9) встречаются крайне редко и практически не влияют на общую картину.
Этот феномен говорит о том, что система работает не по потребности, а по жестким алгоритмическим блокам. Базовый пакет информации составляет пять ссылок. Для более сложных или широких вопросов этот блок удваивается, формируя набор из десяти источников. Отсутствие значений между этими пиками свидетельствует о структурированности процесса отбора, который не зависит от текущего количества найденного материала, а подчиняется внутренней архитектуре генерации ответа.
Повторность ответов также подтверждает стабильность этого алгоритма. Когда один и тот же вопрос задавался трижды подряд, набор источников совпадал в 67% случаев. Для сравнения, у ChatGPT при тех же условиях совпадение составило лишь 32%. Это означает, что видимость в «Алисе» ведет себя как ранжированная позиция в поисковой выдаче: если сайт попал в отборную пятерку, он останется в ней при повторных запросах. Если нет — новые попытки мало что изменят.
Кто попадает в топ: Доминирование площадок с пользовательским контентом
Изучение самих ссылок, которые подтягивает система, выявляет четкие предпочтения в источниках информации. Несмотря на то, что в логах за несколько месяцев накоплено упоминание 444 разных доменов, распределение неравномерно. Десять самых популярных сайтов берут на себя 25% всех ссылок.
В лидерах этого списка находятся площадки, ориентированные на пользовательский контент и бизнес-сообщество: 1. vc.ru — более 200 ссылок (около 22% от общего числа). 2. Дзен — 124 ссылки. 3. Sostav — 101 ссылка. 4. Habr — 66 ссылок. 5. DTF — 50 ссылок.
Значимым фактором является также позиция первого источника в списке цитат. Чаще всего эту роль выполняет Дзен, за ним следует vc.ru.
Важно отметить, что среди этих лидеров преобладают ресурсы с пользовательским контентом (UGC). Это создает парадоксальную ситуацию: страницы с коммерческим описанием услуг, например, «услуги по благоустройству в вашем городе», практически не попадают в отбор. «Алиса» предпочитает ссылаться на обзоры, инструкции, сравнения и мнения экспертов, опубликованные на этих площадках. Страница компании, посвященная продаже своих товаров или услуг, с высокой вероятностью будет проиграна статье о том, как эти товары выбирают другие люди.
Информационная архитектура как инструмент видимости
Если коммерческие страницы проигрывают пользовательским обзорам, то как бизнесу конкурировать с площадками вроде vc.ru или Дзен? Исследование предлагает стратегический ответ: создание собственного информационного раздела.
Ключевая проблема заключается в том, что «Алиса» выбирает источники по качеству текста и релевантности формулировки, а не по репутации домена. На коммерческих страницах часто используется шаблонный текст: «Мы лучшие, цены низкие». В информационном контенте система ищет ответы на вопросы: «Как выбрать», «Что учесть», «Чем отличается». Страница, начинающаяся с заголовка, содержащего формулировку вопроса, читается системой как прямой ответ.
Например, если пользователь спрашивает: «Как выбрать айтишную команду?», в ответе будет представлена статья из информационного раздела, заголовок которой начинается с этих слов или их смыслового эквивалента.
Коммерческая страница может получить видимость, если она содержит качественный информационный блок, который начинается с прямого ответа на вопрос пользователя. Заголовок страницы должен соответствовать информационным формулировкам, а не просто названию услуги. Именно такие тексты попадают в те самые блоки из пяти или десяти ссылок.
Стратегия измерений: фиксация формулировок
Для отслеживания позиций и эффективности контента необходимо использовать методологии, адаптированные под поведение ИИ. Простого ежедневного мониторинга недостаточно, так как набор источников устойчив во времени.
Рекомендуется использовать следующий подход: 1. Фиксация формулировок: Выберите ограниченный круг вопросов, релевантных вашей нише. Избегайте товарных и медицинских запросов, поведение которых может отличаться. 2. Регулярные замеры: Проводите измерения один раз в несколько недель, используя тот же набор формулировок. Это позволит видеть динамику изменений в наборе источников без влияния случайных факторов. 3. Сравнительный анализ: Поскольку число прогонов у разных систем разное, сравнение процентов видимости следует проводить по порядку величины, а не до десятых. Данные описывают состояние системы на лето 2026 года, и механика ответов может меняться.
Если у вас есть свои логи ответов «Алисы», интересно сверить распределение: у вас тоже два пика на пяти и десяти источниках, или встречаются другие размеры блока?
Заключение
Исследование Игоря Новикова демонстрирует, что видимость в нейросетях подчинена строгим алгоритмическим правилам. «Алиса» формирует ответы блоками из пяти или десяти источников, отдавая предпочтение информационному контенту и площадкам с пользовательским участием. Для бизнеса это означает необходимость трансформации подхода к контенту: переход от чисто коммерческих страниц к созданию высококачественных информационно-справочных материалов, которые отвечают на вопросы пользователей в формате, понятном для ИИ. Только такие материалы имеют шанс занять свою позицию в тех самых пяти или десяти ссылках, которые формируют лицо ответа системы.