Как нейросеть собирает рейтинги и топы: анатомия AI-списка

Почему AI-топ выглядит убедительнее, чем он есть

Вы спрашиваете нейросеть: «Кого выбрать?» — стоматологию, перевозчика, студию ремонта, агентство. Через несколько секунд приходит аккуратный список: названия, цены, города, короткие пояснения. Похоже на вердикт эксперта, который годами изучал рынок.

На деле за эти секунды ИИ собрал всё, что было под рукой: готовые рейтинги, каталоги, карточки, статьи, отзывы и цены — и слепил из них собственный список. Нейросеть не измеряет рынок. Она его пересказывает.

Это не делает AI-топ бесполезным. Клиенты уже спрашивают у ИИ «кого выбрать» — и попадание в такие ответы становится частью AI-видимости бизнеса. Но прежде чем верить списку (или радоваться своему первому месту), нужно понять, что именно в нём измеряется.

Рейтинг от нейросети звучит уверенно даже тогда, когда в нём смешаны проверенные данные, устаревшие сведения и достраивание. Уверенный тон — не знак проверки. Это знак хорошей генерации.

Нейросеть не проверяет компании — она собирает их как пазл из того, что нашла. И пазл может сложиться криво:

• назвать реальную компанию;
• правильно найти её цену, но перепутать город;
• превратить разовую услугу в ежемесячный тариф;
• принять геомаркетинг по картам за GEO для нейросетей;
• поставить рядом компанию, платформу и конференцию;
• сослаться на рейтинг, которого не существует.

В наших замерах это не «в теории». ИИ представил «Лидер Поиска» компанией из Новосибирска, хотя сайт подтверждал офис в Самаре. Megagroup модель назвала ценой «от 45 000 ₽ в месяц», хотя на странице были разовые пакеты. ПЕРЕСТРОЙКА с геомаркетингом по картам оказалась в одном списке с агентствами, которые продвигают бренды в генеративных системах. Компании настоящие. Список — сборный.

Поэтому я разделяю три вида незнания. Устаревшее знание лечится обновлением: модель видела мир на дату обучения, а рынок ушёл вперёд без неё. Неполное знание лечится ясными страницами и согласованностью: сигналов просто мало. Галлюцинация лечится канонизацией фактов и проверкой источников: модель достроила недостающее сама. Уверенно. Красиво. Мимо.

Откуда нейросеть берёт рейтинг: три слоя

Я вижу у AI-рейтинга три слоя.

Слой первый: память модели

Это статьи, каталоги, подборки, старые рейтинги, публикации в медиа и описания компаний, которые модель видела при обучении. Если бренд попал в несколько заметных материалов, ИИ может знать его даже при слабом сайте. Обратная сторона: свежий сильный проект может быть невидимым — он вышел недавно, а внешнего следа ещё нет. Модель не против новичков. Она просто о них не знает. Невидимость — не вина новичка. Это дата среза.

Слой второй: поисковый контекст

Если у нейросети включён поиск, она подтягивает свежие страницы, сниппеты, карточки, отзывы, рейтинговые каталоги и публикации с ценами.

В большом замере Алисы от 6 октября 2026 года было обработано 79 коммерческих запросов по 16 категориям Томска — от стоматологий до типографий. Зафиксировано 430 упоминаний компаний и 326 уникальных брендов. Источники отмечены во всех 79 ответах.

Тройка лидеров — 2ГИС, Zoon и Яндекс Карты — забрала почти девять ответов из десяти. Это не совпадение: это инфраструктура, через которую ИИ видит локальный бизнес. И таблица эта не про Томск — она про механику. У каждой ниши — свои площадки, через которые ИИ собирает «рыночную картину». Для агентств это могут быть Рейтинг Рунета, Tagline, Workspace и подборки VC.ru; для стоматологий — ПроДокторов и 2ГИС; для перевозчиков — Авито и карты. Площадку не нужно выдумывать — нужно знать свою.

Слой третий: машиночитаемый контекст

Schema.org, sameAs, Organization, LocalBusiness, FAQPage, понятные HTML-страницы, структурированные списки услуг, цены и авторство — всё это помогает модели не перепутать компанию с платформой, разовую услугу с абонементом и один город с другим.

Показательный прогон: 4 октября llms.txt и llms-full.txt GEO-Апгрейда были технически доступны, но не цитировались ни разу. Поисковая модель брала факты из HTML-страниц, карточек и внешних публикаций. Ключевые цены и состав работ нельзя прятать только в .txt — их нужно показывать на обычных страницах. Машиночитаемый слой — усилитель, а не замена.

Почему нейросеть не строит рейтинг с нуля

На практике модель часто получает уже готовые заготовки: каталог компаний, подборку подрядчиков, отраслевой топ, статью о рынке или таблицу с ценами. В готовом списке уже есть названия, порядок, категории и признаки сравнения — вся «составительская» работа сделана до неё. Модель не пишет топ с чистого листа — она подбирает названия в готовый каркас.

Отсюда рабочая формула: рейтинг, который ИИ дал бренду, часто оказывается рейтингом его площадок.

Это главный тезис статьи, если сжать её до одной строки. AI-топ — не независимая экспертиза, а перепечатка чужих списков с небольшой поправкой на свежий поиск.

Какие рейтинги нужно различать

В собственной системе AI Visibility Index мы разделили два сигнала: упоминание бренда — 1 балл, первое место или явная рекомендация — 3 балла.

Даже такой индекс — не оценка качества бизнеса. Он фиксирует поведение конкретной модели на конкретной выборке запросов. Не больше и не меньше.

Как это выглядит в живом замере

В большом замере 6 октября 79 запросов покрыли 16 категорий Томска. Геомаркетинговому блоку — нашему профилю — были посвящены четыре собственных запроса: GEO-Апгрейд появился во всех четырёх ответах, трижды возглавил список и набрал 12 баллов по формуле. В одном ответе стал первым пунктом списка специалистов, в другом получил финальную рекомендацию.

Рядом появлялись Max-Webs, 1PS, GEO Scout, White GEO, TRINET, Megagroup, «Ашманов и партнёры», iSEO, Digital Impuls, Visiobrand, AIVO, GeoAist, ALANDA, RACURS, KULIKOVA GEO, ADEQUO, Pixel Plus, МОССЕО, Creative.bz и другие.

Я не называю это доказательством окончательного лидерства. Корректнее так: в первом публичном замере GEO-Апгрейд получил самый высокий результат в локальном GEO-блоке. Одна система. Одна дата. Четыре запроса. Снимок сделан — и он диагностический, а не наградной.

Почему нейросети легко перепутать всё, что звучит похоже

У каждой ниши есть свои слова-двойники. В стоматологии это имплантация и протезирование, в строительстве — косметический ремонт и капитальный. В GEO-рынке таким словом-двойником стало «гео»: им называют и геомаркетинг по картам, и локальное SEO, и геотаргетинг, и продвижение в 2ГИС, и GEO для генеративных систем, и AEO, и AI-маркетинг. Семь разных услуг в одном слогане.

Вот как это выглядит в замерах:

Мораль одна и та же в любой нише: компания может быть реальной, услуга — реальной, но ошибка возникает на уровне категории. Модель правильно прочитала факты и неправильно их сложила.

Почему внешний след иногда важнее сайта

Сильный внешний след может сделать проект заметным даже при слабой странице: его упоминают в статьях, включают в списки, цитируют медиа, и материалы начинают повторять друг друга. Так возникает контентный резонанс.

Но у резонанса есть тёмный близнец — эхо-кольцо. Неточный список переписывается с сайта на сайт, модель видит несколько похожих упоминаний, повторение принимает за подтверждение — и ошибка начинает выглядеть как рыночный консенсус. В проектных замерах встречался чужой «GEO-апгрейд», который модель приписывала GEO-Апгрейду в 21 упоминании. Пять повторов подряд — и нейросеть уже «уверена».

Сигнальная связность: когда все площадки рассказывают одну историю

Сигнальная связность — это когда сайт говорит «лаборатория AI-видимости», карточка подтверждает тот же город, соцсеть использует то же описание, внешняя статья объясняет специализацию, а прайс не противоречит странице услуг.

Если же на сайте вы «лаборатория», в каталоге — «SEO-агентство», а в соцсетях — «AI-копирайтер», модель получает несколько конкурирующих версий бренда. Все версии правдивы по-своему, но собрать их в одну она не может. Так появляется зона слепоты: бренд вроде есть, а в нужном контексте его нет.

Как составить свой список (и не перепечатать чужой)

Я не хочу просто перепечатать ответ нейросети под заголовком «лучшие в городе». Собственный список строится по нескольким замерам и не ограничивается одной страницей рейтинга:

• базовый замер AI-видимости от 30 сентября;
• учебный прогон YandexGPT от 4 октября;
• большой замер Алисы от 6 октября;
• ручные прогоны 6–7 октября;
• материалы по конкурентам и скриншоты ответов;
• проверка сайтов, цен и состава работ;
• сопоставление частоты упоминаний и позиций в списках.

И в любой нише список живёт по одним правилам: сначала — тип объекта.

Статусы проверки: назван ИИ и услуга подтверждена; подтверждена частично; описание расходится с сайтом; категория перепутана; цена есть в обзоре, но не на официальном сайте; объект не является компанией.

Что означает первое место

Для нас это не повод объявлять себя лучшими в России или окончательно лучшими в Томске. Это означает, что бренд был доступен ИИ в нужном контексте, его удалось связать с темой, название не растворилось среди похожих компаний, а страницы и внешние сигналы позволили описать специализацию. Ни один из этих пунктов не про качество услуги — все про доступность для рекомендации.

Видимость — это не медаль. Это диагностический снимок. Он показывает, что нейросеть видит сейчас, но не гарантирует, что она будет видеть то же самое через месяц.

Как проверить любой AI-топ за один вечер

Протокол короткий — шесть шагов, по одному на вечер:

1. Задайте 5–7 разных вопросов: про аудит, локальную работу, сравнение, цены и специалистов — по своей нише.
2. Сохраните точную формулировку, дату, AI-систему, режим поиска, полный ответ и ссылки.
3. Разделите простое упоминание, попадание в список, первое место и финальную рекомендацию.
4. Откройте официальный сайт каждой компании и проверьте город, услугу, цену, формат оплаты, кейсы и методологию.
5. Отметьте, кто в списке не компания: платформа, медиа, каталог, конференция.
6. Повторите замер через месяц и сравните не только позиции, но и источники, которые повторяются.

Честный вывод

AI-рейтинг нельзя считать официальной премией, независимым аудитом качества или доказательством, что первая компания объективно лучше десятой. Но нельзя и отмахиваться: «это просто нейросеть». Если клиенты спрашивают у ИИ, кого выбрать, AI-видимость становится частью конкурентной среды — в любой нише, а не только в digital.

Хорошему бизнесу нужно одновременно становиться сильным и правильно читаемым. Первое отвечает за качество. Второе — за доступность для рекомендации.

Маршрут

Начните с пяти проверок: что ИИ говорит о бренде сегодня; какие источники использует; правильно ли описывает услуги и город; есть ли расхождения между сайтом, картами, каталогами и соцсетями; появляетесь ли вы в запросах реальных клиентов.

Если бренд не назван, это ещё не приговор: возможно, он находится в зоне слепоты. Если описан неправильно — это задача на канонизацию. Если конкурент стоит первым, это не всегда означает, что он лучше: возможно, у него плотнее цифровой след или понятнее машиночитаемая страница.

Примечание по фактам

Цифры замеров (79 запросов, 16 категорий, 430 упоминаний, 326 брендов, распределение источников, результат GEO-Апгрейда в GEO-блоке) приведены по исследованию GEO-Апгрейд «Как нейросети видят бизнес Томска — 2026» на 6 октября 2026 года. Ошибки конкретных компаний (город, цена, категория) зафиксированы по их публичным страницам на момент замеров и приведены только как иллюстрация механики нейросетей, без выводов о качестве их работы. Ответы нейросетей меняются со временем — замер не является постоянной картиной рынка.