Как писать текст для нейросети, чтобы она сослалась на сайт

Вопрос оптимизации контента под поисковые системы и чат-боты волнует многих создателей контента. Чтобы ответы ChatGPT, Perplexity или Алисы AI содержали ссылки на конкретные ресурсы, материалы должны соответствовать определенным критериям. В частности, анализ ответов Perplexity позволяет оценить эффективность различных рекомендаций по оформлению текста.

Популярный совет избегать вводных слов и указательных местоимений вроде «это», «он» или «поэтому» на практике оказывается малоэффективным. Такие начала с одинаковой частотой встречаются как в цитируемых нейросетями фрагментах, так и в пропущенных материалах. Главным отличием успешных абзацев является их объем и способность передавать мысль изолированно от остального текста.

Как поисковые нейросети выбирают фрагменты со страниц сайтов

Согласно данным Ahrefs, поисковые алгоритмы на базе искусственного интеллекта способны дробить веб-страницы на отдельные части, извлекать наиболее релевантные куски и использовать их в качестве цитат. Из этого следует практическое правило: ключевые утверждения должны оставаться понятными при вырывании из контекста, а каждый фрагмент обязан раскрывать одну законченную мысль. Аналогичные рекомендации дает и Bing, отмечая, что ассистенты не занимаются линейным чтением сверху вниз, а делят контент на блоки и ранжируют их.

Проблема отсутствия контекста хорошо иллюстрируется примерами разработчиков Anthropic. Одиночное предложение о росте выручки компании на определенный процент за отчетный период не несет конкретики, если в нем не указаны наименование организации и временной промежуток. Для попадания в цитаты имя предмета должно находиться непосредственно внутри цитируемого блока.

Признаки качественного абзаца для генеративных систем

На основе существующих рекомендаций можно выделить четыре основных критерия, поддающихся автоматической проверке:

• Начало предложения со слов-отсылок к предыдущему контексту («это», «он», «поэтому», «при этом»).
• Наличие цифровых данных или чисел в тексте.
• Упоминание предмета обсуждения непосредственно в теле абзаца, а не только в заголовке.
• Объем в пределах от 30 до 80 слов.

Хотя в руководствах по генеративной оптимизации (GEO) содержится множество советов, далеко не все они подкреплены реальным сопоставлением со страницами, которые цитируют нейросети.

Сравнение цитируемых и пропущенных абзацев в Perplexity

Для проверки рабочих гипотез было исследовано 60 поисковых ответов Perplexity с выгрузкой первоисточников. После очистки контента от тегов, заголовков и коротких фрагментов менее чем из 10 слов анализировалось совпадение лексики сгенерированного ответа и текста страниц. В результате сформировалась выборка из 113 успешно цитируемых абзацев и более четырех тысяч пропущенных элементов.

Статистика показывает, что наличие слов-отсылок в начале практически не влияет на результат. Например, несколько цитируемых фрагментов начинались с «Поэтому», «При этом» и «Однако», что не помешало поисковому ассистенту использовать их. При этом длина текста имеет решающее значение: медианный показатель успешного фрагмента составляет 41 слово, тогда как у неиспользованных этот показатель равен 23 словам.

Влияние длины и содержания на цитируемость

Наличие чисел и прямого наименования предмета также коррелирует с попаданием в выдачу, однако этот эффект во многом обусловлен общим объемом текста. В более длинных абзацах статистически чаще встречаются и цифры, и ключевые слова из заголовков. При сужении выборки до диапазона от 30 до 80 слов разница по количеству чисел и упоминаний предмета становится менее выраженной, хотя предмет внутри текста по-прежнему фиксируется у цитируемых блоков немного чаще.

Проверка текста с помощью скрипта на Python

Исходя из полученных данных, первоочередной задачей при оптимизации контента является поиск коротких фрагментов-обрывлеков на 10–20 слов с последующим их объединением в цельные конструкции. Предмет обсуждения следует обозначать полноценными словами, а не местоимениями. При этом искусственно избавляться от вводных конструкций вроде «это» или «поэтому» не требуется.

Для автоматизации проверки контента можно использовать специализированный скрипт на языке Python. Программа обрабатывает файлы в формате Markdown, игнорируя заголовки, таблицы и программный код, и присваивает каждому абзацу четыре маркировки:

• Метка длины (оптимальный диапазон от 30 до 80 слов).
• Наличие отсылочных слов в начале.
• Наличие числовых значений.
• Упоминание ключевого предмета с учетом падежей.

Запуск утилиты выполняется через командную строку с указанием файла и главного ключевого слова страницы. Полученные метки позволяют быстро выявить слишком короткие фрагменты, требующие доработки, или избыточные массивы текста, которые лучше разделить на части.

Ограничения исследования и выводы

Стоит учитывать, что сделанные выводы базируются на выборке из 60 ответов конкретной поисковой системы в рамках одного набора запросов. Кроме того, методика определения цитирования через совпадение слов в более длинных абзацах срабатывает проще. Тем не менее, тенденция к преобладанию абзацев объемом 30–80 слов в ответах нейросетей прослеживается достаточно четко. Данные результаты носят наблюдательный характер, поэтому механическое переписывание текста под заданные метки не гарантирует автоматического попадания в цитаты.