Веб-аналитика *

В инстант-режиме (быстром, без нажатой кнопки «Think») ChatGPT читает страницу живьём только в 7% ответов. Остальные 93% модель работает с тем, что легло в её собственный индекс на дату обхода: заголовком без обрезки (до 289 знаков) и статичным сниппетом около 200 знаков, вырезанным при индексации из H1 и соседних элементов — категории, alt-текста, даты. Сниппет не зависит от вопроса: одна и та же врезка уходит и в ответ про цены, и в ответ про характеристики. Цифры и метод — у французской команды RESONEO: 1249 ответов ChatGPT и 88 000 результатов поиска, июль-август 2026.

Такие захваты я сам не ставил: ниже — разбор чужого reverse engineering, реконструкции закрытой системы по внешним признакам трафика.

Разница между режимами — в том, что открывается. В платном thinking-режиме (режиме размышления) страница читается по-настоящему, и корпус другой: около 75% URL приходят через скрейпленную выдачу Google, четверть — через собственный индекс OpenAI. Кнопка Think на бесплатном тарифе даёт столько же источников (35,3 против 35,1 URL), но корпус зеркальный: там около 75% идёт через собственный индекс.

Часть компаний воспринимают GEO/AEO как инструмент привлечения трафика из нейросетей. К сожалению трафика там мало в силу того, что клики из нейроответов внутри Яндекса и Google помечаются в метрике поисковым трафиком. И львиная доля всего взаимодействия с нейроответами происходит именно в поиске. 

Поэтому в этом исследовании я не пытаюсь оценить весь трафик из ИИ, я анализирую наблюдаемую часть GEO: попадание вашего сайта в источники ответов нейросетей и переходы по ссылкам в ответах и источниках.

Совет оптимизировать сайт под Claude смешивает два инструмента Anthropic: Claude и агента Claude Code. Profound снял 24 135 ответов на одних запросах, и у двух инструментов разошёлся почти каждый показатель. Я прошёл по документации путь запроса в обоих инструментах. Для владельца сайта из разбора следуют три вещи: какие боты Anthropic заходят на сайт, что закрыть в robots.txt и как проверить заходы по access-логу.

В отчёте по видимости бренда в ответах ИИ компания нашлась по трём из двадцати вопросов. Открыли сами ответы — и оказалось, что за этим числом стоят разные вещи. В одном случае компанию предложили как исполнителя. В другом поставили ссылку на её статью, но назвали чужую компанию. В третьем название бренда уже было в вопросе.

Представим, что вы хотите попасть в список компаний, из которых выбирает клиент. В отчёте появляется плюс за ссылку на сайт. А в самом ответе заказчик читает о другом бренде. Если смотреть только на процент видимости, разницу можно пропустить.

В статье представлю разбор с тестами, проведенными лично, и объясню, откуда берутся большие всплески открытия постов в первые минуты публикации, обеспечивающие дальнейший взлет и продвижение.

Это вторая редакция статьи, первую забанили модераторы, ее писал Клод. Она мне нравилась больше, легче читалась, НЕ было воды, только сухая суть тестов, наблюдений и анализов. Так, что запаситесь терпением или читайте выводы в конце.

У маркетолога давно есть ИИ. Только работает он курьером между вкладками.

Сначала нужно обсудить с моделью аудиторию, затем открыть Wordstat, Директ, Метрику и Яндекс Аудитории. Собрать цифры, перенести их обратно в чат, снова объяснить контекст — и повторить цикл для следующей задачи.

Мы объединили эти сервисы в одном окне Cursor. Агент получает данные через API и помогает в пяти процессах: анализе аудитории и JTBD, сборе семантики, подготовке объявлений, еженедельной оптимизации и ретаргетинге. Перед записью он согласовывает будущие изменения, запускает dry‑run и ждёт решения человека.

Привет! Хочу рассказать историю, как мы две недели искали, кто уронил наш сайт в Google, нашли, обрадовались, а потом выяснилось, что нашли не того.

Начну с того, что мы вообще делаем. Toolevia — это восемьдесят четыре инструмента для файлов, которые работают прямо в браузере: склеить PDF, убрать фон с фотографии, посчитать переплату по ипотеке, ну и дальше по списку. Файл при этом никуда не отправляется, потому что сервера в этой схеме просто нет — всё считается на вашем же компьютере. Писали мы это три месяца, а в августе за три недели выкатили всё разом: 84 инструмента на 58 языках, если перемножить, получается 5104 страницы.

И, что удивительно, оно сразу пошло. Восьмого августа Google держал в индексе 494 наших страницы, через десять дней уже 2218, а двадцатого числа сайт показался в поиске 1269 раз за сутки. Для домена, которому от роду две недели, это очень неплохо, и мы, чего уж скрывать, немножко возгордились.

А потом двадцать первого августа показов стало 1134, двадцать второго — 216, а двадцать третьего — три. Не три тысячи и не триста, а три штуки за целый день. И вот так, по одному‑семь показов в сутки, оно и протянулось до конца месяца, как будто кто‑то выкрутил ручку до упора и ушёл домой.

С поведенческими факторами в Яндексе есть одна проблема: вокруг них накопилось слишком много объяснений, которые звучат правдоподобно, но разваливаются при первом же вопросе чуть глубже обычного.

Одна версия говорит, что Яндекс смотрит на кликабельность, время визита, глубину просмотра и возврат в выдачу. Поэтому достаточно искусственно сделать эти показатели красивыми, после чего документ начнет расти.

Другая версия противоположная: Яндекс давно умеет распознавать любые манипуляции, поэтому накрутка либо вообще не работает, либо все наблюдаемые результаты являются совпадением.

Роскомнадзор наделен полномочиями по проведению контрольного (надзорного) мероприятия по контролю без взаимодействия с контролируемым лицом. Это означает, что Роскомнадзор на основании полученных заданий делает выборку нескольких сайтов и осуществляет в отношении них проверку. При этом владельцев сайтов (операторов персональных данных) никак не уведомляет. Если на сайте нет нарушений в области персональных данных, то вы и не узнаете, что сайт проверялся. А если нарушения будут найдены, то получите от Роскомнадзора письмо «требования об исполнении законодательства о персональных данных». В соответствии с законодательством у владельца сайта есть 10 рабочих дней с момента получения требования, чтобы устранить нарушения и уведомить о принятых мерах Роскомнадзор.

Роскомнадзор достаточно лоялен к бизнесу. Выявив нарушения, он не сразу составляет протокол об административном правонарушении, а дает время адаптироваться (10 дней на исправление). Только в том случае, если требования органа не будут выполнены, то бизнес будет привлечен к административной ответственности. Поэтому главное правило – если получили такое письмо от Роскомнадзора, то ни в коем случае не игнорируем.

Далее я покажу и расскажу, как на практике выглядят требования Роскомнадзора. А также по моим рекомендациям сможете сделать аудит своего сайта на проверку соблюдения закона о персональных данных.

_________________________________

Очень важно всегда иметь доступ к официальной электронной почте, которую вы указываете для коммуникации с надзорами органами. Именно туда может прийти вот такое письмо, в котором будут перечислены все нарушения на сайте.

Одна и та же страница, три варианта, медиана трёх мобильных прогонов Lighthouse 12: без счётчика — 99 баллов и TBT 0 мс, со штатным сниппетом Яндекс.Метрики — 70 баллов и 2289 мс. Самый популярный совет «выключите вебвизор в init» не даёт почти ничего: те же 70 баллов и 2196 мс.

Как отделить счётчик от остального шума на A/B-стенде из локальных копий страницы, почему сам Lighthouse показывает виновника неправильно (third-party-summary рисует 70 мс при TBT больше двух секунд, потому что вся работа падает в bootup-time и остаётся неатрибутированной) и как вернуть 99 баллов, не потеряв данные, ради которых счётчик и ставился.

Справочник на 119 тысяч товаров, из которых поиск видел 39 страниц. Разбираемся, как одно условие в шаблоне заперло полтысячи адресов и что дал белый список карты сайта.

Прошел уже год, как начали действовать новые штрафы в области защиты персональных данных. Однако до сих пор я встречаю в своей практике нарушения у предпринимателей, которые могут повлечь за собой миллионные штрафы, если эти нарушения первым обнаружит Роскомнадзор. Поэтому в этой статье расскажу о часто встречаемых мной нарушениях и дам рекомендации, как их устранить и сохранить свою прибыль в 2026 г.

Весь каталог новостроек Омска — 1 094 квартиры на 51 жилой комплекс, в среднем 21 лот на проект. В Краснодаре средний проект тянет под четыре сотни квартир: весь омский каталог умещается примерно в три средних краснодарских ЖК. В отраслевых сводках оба города при этом спокойно попадают в один абзац про «затоваренный рынок».

Я свёл каталоги новостроек с поисковым спросом по 14 городам-миллионникам: предложение — из каталога Яндекс Недвижимости, спрос — из Wordstat, окно замера июнь — начало июля 2026 года. Задача была прикладная: получить одну сравнимую величину «тесноты» рынка, чтобы понимать, чего ждать от рекламного аукциона в конкретном городе. Одной величины не получилось. Получились две, и они между собой почти не связаны — из-за этого, кажется, и разъезжаются от источника к источнику рейтинги «самых затоваренных городов».

Дальше — как устроен расчёт, что вышло по четырнадцати городам, где метод врёт и как повторить его для своего города на открытых данных. Текст для тех, кто планирует рекламный бюджет на региональном рынке жилья и упирается в вопрос «почему у нас заявка стоит столько».

Обычная логика такая: не хочу, чтобы меня узнавали — открываю приватное окно, и всё, я новый посетитель. Логика была верной примерно до середины десятых годов.

Сейчас узнавание держится не на cookie, а на наборе свойств самого браузера. Их не надо никуда сохранять — они просто есть, и по их сочетанию посетитель определяется с высокой надёжностью. Очистка хранилища на это не влияет никак: удалять там нечего.

Можно ли с помощью AI самостоятельно создать полноценную рекламную кампанию в Яндекс Директе — от анализа продукта и семантики до объявлений и готовой кампании в кабинете — без постоянной помощи таргетолога?

Я сделал для этого плагин для Codex и Claude Code и на практике столкнулся с другой стороной задачи: как дать агенту достаточно свободы для такой работы, но сохранить контроль над аккаунтами, изменениями и рекламным бюджетом. В статье — о том, как устроен этот подход и какие ограничения пришлось заложить в систему.

У маркетолога застройщика есть скучный, но регулярный вопрос атрибуции: обращений за неделю стало меньше — это рынок просел или собственные кампании сломались. Ответ во многом лежит в поисковом спросе. Если люди в городе стали реже искать квартиры, дело в рынке; если ищут столько же, а заявок меньше — причина внутри воронки. Беда в том, что Wordstat отвечает на этот вопрос медленно: нужно руками перебрать десятки фраз, сложить их по региону, вычесть аренду и переходы на классифайды — и к обеду вместо ответа получить таблицу, которую ещё надо интерпретировать.

Мы ведём контекстную рекламу для застройщиков, упирались в этот вопрос постоянно и в итоге автоматизировали сбор, а результат выложили открытой страницей без регистрации: ежедневный индекс поискового спроса на новостройки по 15 городам-миллионникам и по России, по данным Wordstat, с рядами от 2018 года. Ниже — инженерная часть, а не витрина: как устроен фиксированный набор запросов и «чистый контур», почему дельты считаются только по закрытым периодам, что делать с ретро-правками источника и выбросами, и в каких именно местах эти цифры врут, если читать их в лоб.

Товарная кампания и смарт-баннеры Яндекс Директа не дают редактировать текст объявления в интерфейсе. Заголовок Директ берёт из тега <name> товарного фида, описание — из <description>, и оба тега писал сайт: под карточку товара, а не под рекламную ленту. В галерее видно около 35 знаков заголовка, жёсткий предел — 56, дальше Директ обрезает по символам. «Печеные яблоки, фаршированные медом и грецкими орехами» в объявлении выглядят как «Печеные яблоки, фаршированные медо».

Сайт при этом трогать нельзя: та же карточка ранжируется в поиске и стоит в чеке, у неё своя работа. Ниже — как мы вклинились между сайтом и Директом одним процессом на Node без базы данных, который хирургически подменяет ровно два тега в YML, зачем над генератором заголовков стоит валидатор с правилами модерации и человек на аппруве, и что из этого вышло за первые дни на реальном проекте: пекарня с доставкой по Москве, около пятисот позиций в фиде.

Текст пригодится, если у вас уже крутятся товарная кампания или смарт-баннеры на YML-фиде и заголовки в них выглядят как строки из накладной. Если товарных форматов ещё нет — эта статья про инженерную часть, не про запуск с нуля.

Решил посчитать, сколько раз языковые модели отзываются плохо о конкретной компании. Вроде простая задача: прогнать запросы через несколько моделей, разметить тональность ответов, поделить негативные на общее число. У меня получилось три негативных ответа из 358 — 0,8%. Число выглядело спокойным, и я чуть не отправил его в отчёт как есть.

Потом я открыл сами эти три ответа, чтобы понять, из-за чего именно модель поставила минус. Одна и та же модель, один и тот же запрос, три прогона подряд. И тональность была отрицательной не про ту компанию, которую я измерял, а про однофамильца с похожим названием — совсем другой бизнес.

Это заставило меня пересчитать всё заново и обнаружить, что у доли негатива как метрики есть минимум три момента, где она молча врёт: неправильный знаменатель, отсутствие проверки, что модель вообще говорит про вашу компанию, и отказы моделей, которые не относятся ни к одной из двух категорий.

Я пишу на Хабре, в основном, про старое железо и игры, но периодически появляются статьи по моей основной специализации — интернет‑рекламе и аналитике. 

Август для меня традиционно пора проведения аудитов сайтов и кабинетов контекстной рекламы Яндекс.Директ. Поток писем и звонков с вопросами идет волнами.

Что интересно, до сих пор довольно большая часть корпоративных сайтов все еще не соответствуют требованиям Федерального закона от 27.07.2006 № 152-ФЗ «О персональных данных». А подавляющая доля тех, кто работает с контекстной рекламой, не знает о том, что Яндекс включает новые опции и инструменты автоматически, и сильно удивляются, почему проседает поток лидов.

Давайте обсудим, на что нужно обратить внимание.

Я проверил семь советов по видимости в нейросетях на 73 страницах, которые модели сами поставили в источники. Я прогнал каждый совет через две группы страниц из собственных логов и посчитал разницу точным тестом Фишера: 34 страницы против 39, различие по авторству 100% против 82%. Это лишь эксперимент на небольшой выборке, но всё же.