Как ChatGPT, Perplexity, Gemini и Copilot выбирают источники

ChatGPT, Perplexity, Gemini, Copilot и Google AI Overviews построены на разных моделях, разной инфраструктуре retrieval и разных продуктовых целях — ответ, ориентированный на покупки, ответ, ориентированный на исследование, и быстрая выжимка не оптимизируются под одно и то же.

Поэтому один и тот же промпт может дать уверенное цитирование в одной системе и общий, безисточниковый ответ в другой. Именно попытка относиться к «AI-поиску» как к одной цели, а не к пяти разным системам, чаще всего объясняет непоследовательные результаты AEO.

Perplexity построен вокруг живого веб-retrieval для большинства запросов, и продукт явно показывает цитирования как часть самого ответа. Такая структура вознаграждает страницы, которые свежие, конкретные и легко извлекаются, потому что retrieval происходит близко к моменту запроса, а не из статичного обученного снимка.

Поскольку retrieval централен для продукта, Perplexity обычно быстрее других систем реагирует на недавнее обновление контента — исправленную сегодня страницу правдоподобно можно найти и процитировать уже в следующем прогоне мониторинга, быстрее, чем в системах, сильнее опирающихся на предобученный снимок.

Ответы ChatGPT опираются и на обученную модель, и — при включённом браузинге — на живой retrieval, причём источники показываются не так явно, как в retrieval-first продукте. Это делает поведение ChatGPT по цитированиям более переменчивым: одни ответы открыто цитируют, другие отвечают из обученных знаний вообще без видимого источника.

Это же объясняет, почему доля цитирований ChatGPT сильно различается по категориям и по тому, явно ли запрос требует актуальной информации. Устоявшийся, медленно меняющийся факт вероятнее получит ответ из обученных знаний; вопрос про сравнение, цену или недавние новости вероятнее запустит видимый retrieval и цитирование.

Gemini и AI Overviews от Google ближе всего к существующему веб-индексу и сигналам ранжирования Google, а значит классическое техническое SEO — краулинг, индексация, структурированные данные, качество страницы — по-прежнему напрямую влияет на то, попадёт ли страница в выдачу в принципе, прежде чем начнут работать специфичные для AEO факторы.

Это самый явный случай, где SEO и AEO — не отдельные дисциплины: страница, плохо индексируемая Google, вряд ли появится в собственных AI-поверхностях Google независимо от того, насколько хорошо она структурирована для извлечения.

Веб-ответы Copilot строятся на индексе и retrieval Bing, который исторически несколько иначе взвешивает авторитетность, структурированные данные и доверие к домену, чем Google. Страницам, сильным по собственным сигналам поиска Bing, обычно легче попасть в цитирования Copilot.

Copilot также активно используется в продуктивных и корпоративных сценариях, где ответы могут смещаться в сторону устоявшихся, хорошо известных источников, а не новых или небольших доменов — это важный фактор для нишевых или молодых брендов, добивающихся первого цитирования там.

Поскольку каждая система по-своему находит, взвешивает и цитирует источники, единое смешанное число «AI-видимости» скрывает именно ту информацию, которая нужна для действий. Страница, хорошо выступающая в Perplexity и невидимая в Gemini, указывает на другое решение (свежесть контента против базовой индексации в Google), чем та же страница, слабая везде.

Отдельное отслеживание упоминаний, позиций и цитирований по провайдерам — и повторный прогон одних и тех же промптов по всем пяти системам в AI Control — превращает «мы не показываемся в AI-поиске» из общей жалобы в конкретный, устранимый диагноз.