Предсказывают ли AEO-сигналы сайта появление в ответах ИИ? Мы измерили 62 компании
Нет, по крайней мере в этом исследовании. Среди 62 местных компаний в Японии наша оценка AEO сайта (структурированные данные, llms.txt, доступ краулеров и подобные сигналы) не показала никакой связи с тем, как часто Perplexity называл или цитировал компанию в ответ на просьбу о рекомендациях: Spearman ρ = 0.03 (95% CI от −0.23 до 0.28, p = 0.834). При 62 компаниях исследование могло надёжно выявить лишь корреляции порядка |ρ| ≥ 0.35, поэтому более слабую связь исключить нельзя.
Опубликовано 28.10.2026. Данные измерены 24.10.2026. Nurevo разрабатывает инструменты AEO, в том числе оценку, которая проверяется здесь; см. раздел «Наш конфликт интересов» ниже.
Кратко
- Вопрос: появляются ли компании, сайты которых получают более высокую оценку читаемости для ИИ от Nurevo (от 0 до 100), чаще в ответах ИИ на вопросы, где они не названы?
- Ответ: не подтверждено. ρ = 0.03 в целом и по-прежнему 0.03 с поправкой на отрасль и город.
- В целом компании появлялись в 21.0% ответов на поисковые вопросы; 25 из 62 появились хотя бы один раз.
- Ни одна отдельная составляющая оценки (структурированные данные, llms.txt, полнота и т. д.) также не показала связи после поправки на множественные сравнения.
- Наш вывод: структурированные данные помогают ИИ правильно считывать сведения о компании, но сами по себе не определяют, будет ли компания упомянута. Важнее другие факторы, весьма вероятно включая то, что о компании пишут другие сайты. Последнее — гипотеза, которую это исследование не проверяло.
Зачем мы провели это исследование
Рекомендации по AEO (answer engine optimization), в том числе наши, утверждают, что сайт, удобный для чтения ИИ (структурированные данные schema.org, файл llms.txt, доступ для ИИ-краулеров, контент с серверным рендерингом), помогает компании появляться в ответах ИИ. Nurevo продаёт оценку, построенную именно на этих сигналах. Мы хотели получить честные данные о том, отражает ли эта оценка то, что действительно важно владельцам: чтобы ИИ их называл. Гипотезу, анализ и критерии решения мы зафиксировали до сбора каких-либо ответов и обязались опубликовать результат, каким бы он ни оказался.
Методика
- Выборка: 72 местные компании с собственными официальными сайтами, отобранные через веб-поиск (порталы исключены), из 5 отраслей (стоматологические клиники, рестораны, салоны красоты, налоговые консультанты, гостиницы) и 4 японских городов (Токио, Осака, Фукуока, Саппоро). 10 были исключены, так как для их сайтов не удалось рассчитать оценку; для анализа осталось 62.
- Оценка: главная страница, robots.txt и llms.txt каждого сайта оценивались тем же кодом, что и публичная оценка Nurevo: структурированные данные (30 баллов), полнота (25), читаемость (20), llms.txt (15) и согласованность (10), а также пороговая проверка доступа краулеров, блокировки на уровне edge и серверного рендеринга (при её непрохождении оценка ограничивается 15).
- Движок: Perplexity через Agent API с пресетом «fast» (один веб-поиск, затем ответ) — тот же адаптер, который платный тариф Nurevo использует для видимости в ИИ. Только один движок; см. ограничения.
- Вопросы: по три «поисковых» вопроса на компанию, в которых указаны район и вид деятельности, но не сама компания (например, «Посоветуйте стоматолога в Umeda»); они общие для всех компаний одной отрасли в одном районе. Плюс один «именной» вопрос с просьбой назвать адрес и часы работы компании. Каждый вопрос задавался три раза.
- Результат: компания «появилась» в ответе, если её название присутствовало в ответе или её собственный домен был среди цитируемых источников. Доля появлений — это доля ответов на поисковые вопросы, в которых компания появилась.
- Проверка детектора: в ответах на именные вопросы название компании обнаруживалось в 84.3% случаев — выше порога 70%, установленного нами как условие доверия к детектору.
- Анализ: ранговая корреляция Спирмена с перестановочным p-значением и бутстрап-доверительным интервалом; частная корреляция с отраслью и городом как фиксированными эффектами; перестановочный тест внутри страт; логистическая регрессия с фиксированными эффектами отрасли и города и квазибиномиальной поправкой, поскольку повторные ответы на один и тот же вопрос не независимы. К шести тестам составляющих применена поправка Холма.
Критерий «подтверждено» был задан заранее: ρ ≥ 0.3, p < 0.05, 95% CI выше нуля и положительная скорректированная корреляция. Текст ответов не сохранялся; фиксировалось только, появилось ли название, цитировался ли домен и позиция цитирования.
Результаты
Вердикт — «не подтверждено». Каждый тест оценки в сравнении с появлением даёт корреляцию, близкую к нулю:
| Тест | Результат | p-значение |
|---|---|---|
| Оценка и доля появлений (Spearman ρ, основной) | 0.03 (95% CI от −0.23 до 0.28) | 0.834 |
| То же с поправкой на отрасль и город (частная корреляция) | 0.03 | 0.845 |
| То же, перестановочный тест внутри страт | 0.03 | 0.829 |
| Оценка и появление названия (поисковые вопросы) | −0.04 | 0.782 |
| Оценка и цитирование собственного сайта (поисковые вопросы) | 0.18 | 0.149 |
| Оценка и цитирование собственного сайта (именные вопросы) | −0.03 | 0.813 |
| Логистическая регрессия с фиксированными эффектами отрасли/города, квазибиномиальная: отношение шансов на +1 SD оценки (18.81 балла) | ×1.01 (95% CI от 0.62 до 1.64) | 0.972 |
Наибольший коэффициент, 0.18 между оценкой и цитированием собственного сайта компании, статистически неотличим от нуля (p = 0.149), и его не следует считать находкой.
По диапазонам оценки
Nurevo отображает оценку красным, жёлтым или зелёным цветом. Большинство сайтов в выборке оказались в красной зоне, ни один не достиг зелёной, поэтому об очень высоких оценках это исследование ничего не говорит.
| Диапазон | Компании | Средняя доля появлений | Появились хотя бы раз |
|---|---|---|---|
| Красный | 54 | 20.8% | 22 |
| Жёлтый | 8 | 22.2% | 3 |
| Зелёный | 0 | - | - |
По составляющим оценки
Ни одна из составляющих оценки не была связана с появлением. После поправки Холма все p-значения равны 1.000. Эти тесты носили поисковый характер.
| Составляющая | Spearman ρ с долей появлений |
|---|---|
| Структурированные данные (schema) | 0.08 |
| Полнота | 0.12 |
| Читаемость | −0.17 |
| llms.txt | −0.02 (отношение шансов 1.41, 95% CI от 0.79 до 2.52) |
| Согласованность | 0.06 |
| Пороговая проверка (доступ краулеров, edge, серверный рендеринг) | 61 прошли: 21.3% появлений; 1 не прошла: 0% |
По отраслям и городам
Появление различалось по отраслям и городам сильнее, чем по оценке. Это описательные данные по небольшим группам, а не проверенные различия.
| Группа | Компании | Средняя оценка | Доля появлений |
|---|---|---|---|
| Налоговые консультанты | 13 | 27.92 | 10.3% |
| Гостиницы | 13 | 21.08 | 23.9% |
| Стоматологические клиники | 13 | 40.15 | 25.6% |
| Салоны красоты | 8 | 24.25 | 8.3% |
| Рестораны | 15 | 24.20 | 30.4% |
| Осака | 15 | 26.27 | 15.6% |
| Саппоро | 17 | 29.41 | 9.8% |
| Токио | 15 | 25.53 | 31.1% |
| Фукуока | 15 | 29.27 | 28.9% |
Ограничения
- Поперечный срез: однократное измерение множества сайтов показывает связь, а не причину. Чтобы понять, меняет ли улучшение сайта его появление, нужно исследование одних и тех же сайтов до и после.
- Статистическая мощность: при 62 компаниях корреляция слабее примерно |ρ| = 0.35 часто осталась бы незамеченной. Компании одного района и одной отрасли получают одни и те же ответы, поэтому эффективная выборка ещё меньше. «Не обнаружено» здесь не означает «не существует».
- Один движок, одна неделя: Perplexity с пресетом «fast», измерено 24.10.2026. ChatGPT, Gemini, AI Overviews от Google и Copilot используют другие поисковые индексы и модели; эти результаты на них не переносятся.
- Ненаблюдаемые искажающие факторы: отзывы, узнаваемость бренда, реклама, срок работы и упоминания в каталогах на других сайтах не измерялись. Поправка делалась только на отрасль и город.
- Выборка: компании находили через веб-поиск, поэтому в ней преобладают те, кого и так легко найти. Ни один сайт не получил зелёную оценку. 5 отраслей и 4 города Японии могут не отражать другие отрасли, регионы или языки.
Что это значит для сайта компании
Структурированные данные, llms.txt и доступ для краулеров по-прежнему выполняют свою задачу: они позволяют ИИ считывать сведения о компании (адрес, часы работы, телефон, услуги) напрямую и точно, а не угадывать. Эта задача стоит усилий, но это не то же самое, что получить рекомендацию. В этом исследовании лучше читаемый сайт не упоминался чаще.
Наша рабочая гипотеза: источники за пределами сайта (отзывы и карточки на картах, местные СМИ, каталоги, другие сайты, упоминающие компанию) во многом определяют, назовёт ли ИИ компанию в ответ на просьбу о рекомендации. Это исследование такие источники не измеряло, поэтому это гипотеза для проверки, а не результат.
На практике: поддерживайте базовые элементы на сайте в порядке, поскольку они делают точным то, что ИИ говорит о вас, и измеряйте, упоминает ли вас ИИ на самом деле, вместо того чтобы делать выводы по оценке читаемости.
Наш конфликт интересов и что мы меняем
Nurevo разрабатывает инструменты AEO, и проверяемая здесь оценка — один из наших продуктов. Вывод о том, что оценка не предсказывает появление, — не тот результат, который мы бы выбрали. Мы публикуем его, потому что критерии были заданы до получения данных и потому что владельцы должны знать, что оценка может им сказать, а что нет.
Что мы делаем: мы не представляем оценку читаемости для ИИ как предиктор появления в ответах ИИ. Вместо этого мы измеряем появление напрямую: тариф Pro измеряет, как часто Perplexity называет или цитирует сайт (бета), а для сайтов на тарифах Free и Standard мы добавляем небольшую ежемесячную проверку появления. Мы также разрабатываем вторую версию оценки, которая объединяет измеренную видимость в ИИ с сигналами сайта, а не опирается только на сигналы сайта.
Названия и сайты исследованных компаний не публикуются.
Частые вопросы
Заставляют ли структурированные данные ИИ упоминать мою компанию?
В этом исследовании 62 местных компаний в Perplexity не обнаружено связи между сигналами сайта, такими как структурированные данные, и частотой упоминания компании (ρ = 0.03). Структурированные данные помогают ИИ правильно считывать сведения о вас, но сами по себе не предсказывали упоминание.
Помогает ли llms.txt компании появляться в ответах ИИ?
В этом исследовании связи не обнаружено: ρ = −0.02 между составляющей llms.txt и долей появлений (p с поправкой Холма = 1.000). Исследование было небольшим и охватывало один движок, поэтому это не доказательство того, что llms.txt никогда не имеет значения.
Значит ли это, что AEO бесполезен?
Нет. AEO на сайте делает точным то, что ИИ говорит о компании. Это исследование указывает, что его недостаточно, чтобы получить рекомендацию, и что упоминания следует измерять напрямую, а не выводить из оценки читаемости.
Какой ИИ-движок измерялся?
Только Perplexity, через Agent API с пресетом «fast», 24.10.2026. Результаты не переносятся на ChatGPT, Gemini, AI Overviews от Google или Copilot.