Как компании попасть в ответы нейросетей.
Разобрал по сырым ответам API Gemini 3 Flash и gpt-5-mini, какие поисковые подзапросы реально отправляют языковые модели перед тем, как включить компанию в список рекомендаций.
Если отправлять запросы о поиске подрядчиков через API с веб-поиском, в полях groundingMetadata.webSearchQueries и web_search_call возвращается массив поисковых запросов, которые агент сгенерировал «под капотом». Прогнав 200 запросов по строительству, производству и опту, выделил три паттерна работы поисковых рантаймов.
1. Веер подзапросов и пробивка по налоговому номеру
Модель не ищет вопрос целиком — работает механизм Query Fan-Out. Вопрос распадается на 3–4 коротких запроса:
{
"prompt": "Расскажи про компанию АРоботикс Инжиниринг",
"queries": [
"АРоботикс Инжиниринг Беларусь информация о компании",
"ARobotics Engineering Belarus company profile",
"УНП 693338772 АРоботикс Инжиниринг реестр"
]
}
Как только на первом шаге агент цепляет в сниппете 9 цифр УНП или ИНН, он автоматически запускает второй шаг поиска строго по налоговому номеру, чтобы не смешать одноимённые ООО и сверить статус юрлица по реестрам.
2. Недоверие к самоописанию и верификация сущности
Даже если сайт компании стоит первым в органике, модель подтягивает в ответ от 3 до 6 независимых доменов. Текст на своём сайте для алгоритма — неподтверждённое самоописание, а в госрегистрах деятельность часто записана общей строкой по ОКЭД.
Чтобы пройти фильтр достоверности в RAG-системах, вокруг юрлица выстраивается следующая архитектура данных:
— Создание цифрового паспорта компании — стандартизированного открытого профиля юридического лица, где объединены официальный статус организации в государственных реестрах, налоговый номер, подтверждённый домен, реальная специализация, перечень услуг и контакты в машиночитаемом виде.
— Связный граф Schema.org в JSON-LD. На сайте в узле Organization указываются legalName, taxID и массив sameAs со ссылками на внешние реестры, цифровой паспорт компании и карточки на картах.
— Синхронизация реквизитов. Название, адрес, телефон и перечень услуг должны совпадать на сайте, в цифровом паспорте компании, в Яндекс Бизнесе и отраслевых подборках.
3. Тайм-ауты парсинга и Accept: text/markdown
На сбор контекста у краулеров OAI-SearchBot, PerplexityBot и YandexAdditional есть 2–3 секунды. Лендинг на 200 КБ клиентского JS часто режется парсером. Что помогает ботам:
— Отдача чистого Markdown и /llms.txt. Поддержка заголовка Accept: text/markdown и /llms.txt в корне домена снижают расход токенов парсера в 8–10 раз.
— Цифры вместо воды. По данным Принстонского университета на ACM SIGKDD, числовые параметры, прайсы и ГОСТы повышают видимость в ответах ИИ на 37%, а проверяемые источники — на 30–40%.
Кто уже смотрел в access.log приходы OAI-SearchBot или YandexAdditional — какие разделы они обходят чаще всего?
