Попасть в «топ-5» ИИ: как выигрывать запросы-рекомендации

«Какая CRM лучше всего подойдёт отделу продаж из пяти человек?» «Пять лучших бухгалтерских сервисов для фрилансеров?» Такие вопросы не просят ассистента оценить варианты, которые пользователь уже знает: они просят его эти варианты выбрать. Запрос-рекомендация, или запрос типа «лучшие», — это промпт, в котором генеративную систему просят составить шорт-лист для категории, потребности или сегмента, и бренды из этого списка получают внимание покупателя ещё до того, как он открыл хотя бы один сайт. Выиграть такой запрос значит попасть, причём по правильной причине, в список, который система собирает из источников, которым доверяет.

Этим он отличается от запросов «один на один», которые мы разбирали в статье о сравнительных запросах: там участников называет сам пользователь. Ниже мы рассматриваем, как системы составляют шорт-листы согласно своей документации и опубликованным исследованиям, что бренд может законно сделать, чтобы в них попасть, что известно о саморекламных подборках «лучших» и как измерять попадание в список при множестве формулировок одного и того же запроса.

Чем запрос-рекомендация отличается от сравнения «X или Y»?

В сравнении набор кандидатов задан, и задача системы — расстановка акцентов: какой вариант подходит под какую потребность. В запросе-рекомендации система сначала должна решить, кто вообще войдёт в набор, и именно здесь большинство брендов отсеивается бесследно. Бренд может выигрывать каждое сравнение, в которое попадает, и всё равно проигрывать категорию, потому что попадает в сравнения редко; конкурентная динамика этого явления разобрана в статье о том, рекомендует ли ИИ вашего конкурента.

Запросы-рекомендации приходят не поодиночке, а семействами. «Лучшая CRM для небольшой команды», «топ-5 CRM для стартапов» и «какую CRM выбрать небольшому агентству» выражают пересекающиеся намерения с разными условиями, и каждый вариант может дать свой список. Брать за единицу анализа семейство запросов, а не отдельную фразу, — методологическое ядро всего дальнейшего.

Как ИИ-системы составляют шорт-лист?

Задокументированный механизм — это извлечение, за которым следует синтез. Руководство Google по генеративным функциям поиска описывает обоснование ответов через основные системы ранжирования поиска, а также веерные запросы (query fan-out), когда модель порождает связанные запросы, чтобы собрать больше материала. OpenAI сообщает, что поиск ChatGPT переписывает вопрос в целевые запросы к поисковым провайдерам, ранжирует результаты по множеству факторов и не гарантирует места в выдаче; для товарной выдачи компания добавляет, что товары подбираются по структурированным данным от собственных и сторонних поставщиков, что сводки отзывов генерируются на основе общедоступных сайтов и OpenAI их не проверяет, а сами товарные результаты не являются рекламой. Ни одна из этих компаний не публикует весов, определяющих, кто попадёт в итоговый список, и любые утверждения о том, что эти веса известны, заслуживают недоверия.

Опубликованные исследования показывают, из чего обычно состоит извлечённый материал. В анализе Ahrefs, опубликованном в декабре 2025 года и охватившем 750 запросов верхней части воронки в ChatGPT, блог-подборки «лучшие X» составили 43,8 % всех ссылок-источников при классификации по типу страницы; автор, Глен Олсопп, отметил корреляцию между высокой позицией бренда в сторонних подборках и его появлением в ответах, оговорив, что механизм ещё изучается. Препринт Чэня, Вана, Чэня и Кудаса на arXiv (2025) выявил у ИИ-поиска систематический перекос в пользу заработанных медиа, то есть сторонних авторитетных источников, по сравнению с собственным контентом брендов и социальными площадками; в запросах об известных брендах 93,5 % источников, на которые ссылался ChatGPT в их выборке, относились к заработанным медиа. Та же работа зафиксировала крен в сторону крупных брендов: в пятидесяти небрендовых запросах о «лучших» и «самых популярных» колах на крупные бренды пришлось 56,3 % упоминаний брендов в ChatGPT, а на нишевые — 12,3 %.

Какие свидетельства нужны системе, чтобы включить вас в список?

Система может рекомендовать вас лишь под ту потребность, с которой она вас связывает. Первое условие — однозначное позиционирование в категории: фраза на сайте, повторённая в профилях, которая говорит, что вы такое, для кого и для какой задачи. Второе — описание того, кому вы подходите, включая тех, кому не подходите, потому что сегментные запросы вроде «для небольшой команды» сопоставляются с заявленным соответствием, а не с эпитетами вроде «ведущий». Чэнь и соавторы называют это предоставлением «атрибутов обоснования» — извлекаемых доводов, которые система может приписать названию.

Страницы, построенные на критериях, превращают позиционирование в свидетельство. Страница, объясняющая, как выбирать в вашей категории, какие критерии важны для какого покупателя и где находится ваш продукт, даёт системе и рамку, и ваше место в ней; наше руководство о том, какая CRM лучше для малого бизнеса, построено именно по такому принципу «сначала критерии». Картину завершает согласованность: если модель ценообразования, интеграции или поддерживаемые языки описаны по-разному на вашем сайте, на площадках отзывов и в подборках, система получает противоречащие друг другу атрибуты и имеет меньше оснований вас назвать.

Почему независимые подборки и площадки отзывов так весомы?

Шорт-лист — это синтез, поэтому системе нужно подтверждение, полученное не от вас, и его дают редакционные подборки, списки аналитиков, площадки отзывов и обсуждения в сообществах. Системы различаются по степени: в выборке Чэня и соавторов Perplexity брал 23,8 % ссылок по известным брендам из социальных источников, гораздо больше, чем ChatGPT, и это помогает понять, почему ИИ так часто цитирует Reddit и форумы в контексте покупки. Законный путь в эти источники медленный, но надёжный: давайте редакциям точную информацию, упрощайте клиентам публикацию честных отзывов на площадках, которые читают ваши покупатели, исправляйте фактические ошибки и попадайте в подборки благодаря достоинствам продукта. Как собирать такие доказательства с согласия клиентов, мы рассказываем в статье об отзывах, рекомендациях и кейсах.

Стоит ли публиковать собственную подборку «лучшие X»? Что говорят данные

Саморекламные подборки, в которых вендор ранжирует инструменты своей категории и ставит себя на первое место, к 2025 году стали распространённой тактикой оптимизации под генеративные системы (GEO), и данные о них неоднозначны. Олсопп обнаружил, что в категории программного обеспечения, когда рекомендовался бренд самого издателя, его саморекламная подборка оказывалась среди цитируемых страниц более чем в трети ответов ChatGPT, и посоветовал агентствам и SaaS-компаниям публиковать такие списки. Лили Рэй отслеживала 100 запросов о «лучшем B2B-софте» в Google AI Overviews в три даты с апреля по июнь 2026 года; в 80 запросах, по которым появлялся AI Overview, 224 из 323 цитируемых саморекламных подборок, то есть 69 %, не сопровождались рекомендацией их издателя. Она также сообщила, что органический трафик десятков сайтов, активно использовавших такие страницы, начал резко падать около 20 января 2026 года, и связала это с алгоритмической корректировкой со стороны Google; это её интерпретация, которую Google не подтверждал.

Ещё два исследования уточняют эту картину. В эксперименте, опубликованном в июле 2026 года, Ahrefs разместила на пяти доменах 34 страницы, продвигавшие её собственную конференцию и собственный продукт для мониторинга видимости в ИИ, и проанализировала 9886 ответов ChatGPT, Gemini, Perplexity и Copilot, собранных с февраля по май 2026 года. Новая конференция появилась в 72 сочетаниях запроса и системы, где прежде не упоминалась, причём большинство этих упоминаний пришлось на ответы, ссылавшиеся на одну из страниц; у уже известного продукта на такие ответы пришлось лишь 6 % подобных новых упоминаний. При этом 43 % ответов, ссылавшихся на страницу конференции, саму конференцию так и не назвали. Компания Scrunch, предлагающая мониторинг видимости, сопоставила 818 страниц с самоназначенным первым местом с 1033 нейтральными сторонними сравнениями на семи ИИ-площадках. Зафиксировав запрос, бренд и ассистента, она оценила, что доля рекомендаций издателя растёт примерно с 4 до 7 %, когда цитируется его собственная подборка; это сравнение проведено на ограниченной выборке, охватывающей около 6 % подходящей совокупности, а плацебо-тест отнёс от четверти до трети разрыва на счёт брендов, которые и так набирали видимость. В 63,9 % ответов, ссылавшихся на такую подборку, ассистент не рекомендовал никого. Обоснованный вывод состоит в том, что цитирование и рекомендация — разные результаты; это различие подробно разобрано в статье об упоминании и цитировании.

Что говорят правила Google и законы о защите потребителей о собственных рейтингах?

Система обзоров Google оценивает собственный контент, содержащий рекомендации или анализ, и её рекомендации по качественным обзорам прямо применимы к страницам «лучших»: объясняйте, чем вариант отличается от конкурентов, обсуждайте достоинства и недостатки на основе собственного исследования, а называя что-то лучшим для определённой цели, указывайте причину и подкрепляйте её свидетельствами из первых рук. Руководство по генеративным функциям добавляет, что погоня за неподлинными «упоминаниями» «не так полезна, как может показаться», поскольку эти функции опираются и на основные системы ранжирования, и на системы блокировки спама, а правила о спаме в разделе, который Google теперь называет политикой репутации сайта, приводят пример низкокачественной сторонней страницы о «лучших казино», размещённой на медицинском сайте ради его устоявшихся сигналов ранжирования.

Законы о защите потребителей в некоторых странах проводят более жёсткую границу. Правило Федеральной торговой комиссии США об отзывах и рекомендациях, объявленное в августе 2024 года, запрещает компании выдавать подконтрольный ей сайт за источник независимых отзывов или мнений о категории товаров, в которую входят её собственные продукты. Страница категории от вендора законна, если открыто указывает автора, и становится проблемой, когда изображает независимого арбитра.

Место в шорт-листе ИИ нельзя присвоить: его зарабатывает тот вариант, который независимые источники и ваши собственные прозрачные критерии одними и теми же словами описывают как лучший выбор под названную потребность.

Где заканчивается оптимизация и начинается манипуляция?

Исследования подтверждают, что изменения контента способны сдвигать генеративную видимость. Работа Аггарвала и соавторов о GEO, представленная на KDD 2024, построила эталонный набор GEO-bench из 10 000 запросов и показала, что добавление цитат, статистики и ссылок на источники повышает видимость: лучший метод превзошёл неоптимизированный базовый уровень примерно на 41 % по метрике числа слов с поправкой на позицию, тогда как набивка ключевыми словами по той же метрике оказалась ниже этого уровня. Задокументирована и тёмная сторона: Кумар и Лаккараджу (2024) показали, что специально составленная текстовая последовательность, добавленная на страницу с информацией о товаре, значительно повышает шанс этого товара из каталога вымышленных кофемашин стать первой рекомендацией языковой модели, а Пфроммер и соавторы на EMNLP 2024 показали, что промпт-инъекции на сайтах товаров способны продвигать продукты с низких позиций и что такие атаки переносятся на действующие разговорные поисковые системы вроде Perplexity. Граница, таким образом, проходит не по технике, а по доказательности: ясность в том, кого вы обслуживаете, и реальные данные помогают системе описать вас верно, тогда как скрытые инструкции, выдуманные отзывы и мнимая независимость пытаются заставить её описать вас неверно.

Как измерять попадание в список и позицию при разных формулировках?

Один скриншот — не доказательство. SparkToro и Gumshoe в конце 2025 года попросили 600 добровольцев прогнать 12 промптов через ChatGPT, Claude и Google AI Overviews (или AI Mode, если обзор не появлялся) — всего 2961 раз — и выяснили, что шанс дважды получить один и тот же список брендов меньше одного из ста, а получить его в том же порядке — около одного из тысячи. Авторы заключили, что позиция в отдельном ответе почти ничего не значит, тогда как процент видимости по множеству многократно выполненных промптов — разумная метрика; кроме того, реальные пользователи почти никогда не формулируют одно и то же намерение одинаково.

Для каждого намерения категории соберите семейство промптов с общими, сегментными, «топ-N», «альтернативы» и языковыми вариантами, беря формулировки из исследования промптов. Выполняйте каждый вариант многократно, используйте долю попаданий в список как основную метрику, читайте позицию как распределение, а не как одно число, и сравнивайте себя с фиксированным набором конкурентов, как описано в руководстве о доле голоса в ИИ-поиске. Почему ответы меняются от прогона к прогону, разобрано в статье о нестабильности ответов ИИ, а локальная версия той же задачи — в материале о локальном GEO.

Rocketly GEO Suite поддерживает этот процесс в заявленных пределах. Анализ конкурентов показывает долю голоса, частоту упоминаний, частоту цитирования и позицию, а названия брендов, повторяющиеся в измеренных ответах, предлагает как кандидатов на проверку, не добавляя их автоматически. Варианты вопроса позволяют отслеживать альтернативную формулировку отдельно и сравнивать показатели на одной системе в 30-дневном окне; сам продукт указывает, что это не причинный эксперимент. Отдельной функции для подборок «лучших» нет: промпты со словом «лучшие» сопоставляются с рекомендацией создать страницу категории в плане действий, а любой подготовленный черновик проверяет и утверждает другой сотрудник, и автоматически ничего не публикуется.

Таблица решений для шорт-листа

Фактор шорт-листа	Свидетельство, доступное системе	Действие	Измерение
Связь с категорией	Страницы, называющие вас в категории	Определение категории одной фразой на сайте и в профилях	Доля попаданий по общим промптам
Соответствие сегменту	Описания «для кого», сценарии использования	Назвать идеального клиента и тех, кому вы не подходите	Попадание по сегментным вариантам
Независимые подборки	Редакционные списки, отчёты аналитиков	Давать редакциям точные факты, исправлять ошибки	Какие подборки система цитирует по вашим промптам
Площадки отзывов	Оценки и тексты отзывов	Просить честные отзывы у всех клиентов	Объём, свежесть, цитируемые площадки
Согласованность атрибутов	Цены, интеграции, языки в разных источниках	Выровнять ключевые атрибуты везде	Атрибуты в ответах в сравнении с вашими фактами
Своя страница критериев	Прозрачная страница категории	Указать автора, критерии, честно представить конкурентов	Цитируется ли и ведёт ли цитирование к рекомендации
Позиция	Порядок названий в ответе	Усиливать факторы выше, а не сам список	Распределение позиций по повторным прогонам

Чтобы видеть, как часто ваш бренд попадает в шорт-листы категорий в генеративных ответах, начните с Rocketly GEO Suite: Google AI Overview по умолчанию измеряется еженедельно, ChatGPT и Perplexity находятся в контролируемом запуске, а Gemini, Claude и Grok не измеряются.

Частые вопросы

Можно ли заплатить за место в шорт-листе ИИ?

OpenAI заявляет, что товарные результаты ChatGPT отбираются независимо, не являются рекламой и не зависят от партнёрств OpenAI, а реклама отделена от товарных результатов. Ни один из изученных для этой статьи документов не описывает способа купить позицию внутри сгенерированного списка.

Можно ли включить свой продукт в собственный гид по категории?

Да, если страница открыто называет автора, объясняет критерии, честно представляет альтернативы и говорит, когда лучше выбрать другой вариант. Она никогда не должна выдавать себя за независимый сайт отзывов: в США правило FTC прямо запрещает такое введение в заблуждение.

Сколько вариантов промптов отслеживать на одну категорию?

Общепринятого порога, насколько нам известно, нет, а авторы SparkToro называют необходимое число промптов открытым вопросом. Охватите каждое отдельное намерение и условие, которые формулируют ваши покупатели, выполняйте каждый вариант многократно и добавляйте варианты, пока доля попаданий для семейства не перестанет заметно меняться.