Два месяца назад независимый исследователь запустил повторный замер одних и тех же 20 промптов в двух ИИ-поисковых системах — ChatGPT и Алисе AI от Яндекса. Целью было выяснить, с какой скоростью источники вымываются из цитируемой выдачи. Результат оказался неожиданно резким: за первый месяц ChatGPT перестаёт ссылаться примерно на три четверти доменов, которые цитировал в начале, а Алиса AI — примерно на половину. Между первым и вторым месяцем распад почти останавливается, что говорит о двух различных типах источников в исходной когорте: волатильном слое, который исчезает быстро, и стабильном ядре, которое держится долго. Исследователь отмечает, что на трёх точках во времени можно уверенно говорить про форму кривой, но не про точный коэффициент.

Ключевая методологическая находка работы заключается в том, что простое сравнение числа упоминаний домена в разные моменты времени не даёт корректной картины. За месяц могло выйти десять новых публикаций про тот же домен, и общее присутствие вырастет, даже если старые статьи выпали из выдачи одна за другой. Рост новых источников маскирует убыль старых, и на графике можно увидеть плюс там, где идёт убыль. Решение — заморозить когорту: смотреть не на общее присутствие сейчас, а на то, сколько из тех же самых доменов, что были процитированы в момент T0, всё ещё цитируются в T+31 и T+61 по тому же промпту. Новые источники, появившиеся после T0, в расчёт не попадают вообще. Логи исследователя подтверждают, что агрегатное присутствие доменов за тот же период не падало, а росло — параллельно шли новые публикации, и без заморозки когорты распад утонул бы под слоем свежего контента.

Технически эксперимент проводился следующим образом. В момент T0 по каждому из 20 промптов фиксировалось множество доменов, которые платформа процитировала — поле sources_cited в логах. В T+31 и T+61 по тому же промпту смотрели пересечение: сколько доменов из исходной когорты всё ещё в списке цитируемых. Пересечение делилось на размер исходной когорты, получая долю выживших по одному промпту, затем усреднялось по всем промптам, где когорта в T0 была непустой. Из шести платформ, которые обычно гоняются, для расчёта годились только те, где sources_cited реально заполнено во всех трёх точках. В итоговой выборке остались две: ChatGPT (через gpt-4o-search-preview) и Алиса AI. Исследователь подчёркивает, что Perplexity выпала из выборки по важной причине, связанной с ограничениями, которые разбираются отдельно.

Полученные данные охватывают 20 промптов ниши «контент-завод / AI-производство контента» и три временные точки: 10–11 мая (T0), 11 июня (T+31) и 11 июля (T+61). За месяц ChatGPT теряет три четверти исходной когорты, Алиса AI — около половины. Однако между T+31 и T+61 распад почти останавливается: ChatGPT теряет меньше двух процентных пунктов из оставшегося, а Яндекс — примерно шестую часть остатка. То есть на втором интервале выживает почти всё, что дожило до конца первого месяца. Кривая распада представляет собой не одну ровную экспоненту, а будто две склеенные: быстрая в начале, медленная дальше. Практически это значит, что в исходной когорте сидели два разных типа источников: волатильный слой, который вымывается за первый месяц, и более стабильное ядро, которое держится куда дольше.

Из формы кривой следует важный вывод про окно уязвимости для контента. У попавшего в цитируемый набор материала есть узкий период — первые тридцать дней, — когда шанс выпасть максимален. Если материал пережил этот месяц и остался в ядре, риск выпадения резко падает: дальше он держится месяцами почти без потерь. Отсюда напрашивается ритм проверки и перепроверки ссылок для авторов и маркетологов, которые хотят, чтобы их контент оставался в выдаче ИИ-поисковиков. Исследователь отмечает, что для получения точного коэффициента распада и понимания, зависит ли он от тематики или качества контента, необходимы более масштабные и длительные эксперименты.

Для российского рынка результаты эксперимента имеют особое значение. Алиса AI, которая показала вдвое меньшую потерю источников за первый месяц по сравнению с ChatGPT, может быть более привлекательной для контент-производителей и маркетологов, ориентированных на долгосрочное присутствие в выдаче. Это особенно актуально в условиях, когда российские компании активно внедряют ИИ-инструменты для поиска и анализа информации, а конкуренция за внимание пользователей через генеративные модели растёт. Однако это же означает, что конкуренция за попадание в стабильное ядро может быть выше, а стратегии продвижения должны учитывать специфику каждой платформы. В целом, исследование поднимает вопросы о том, как ИИ-поисковики отбирают и удерживают источники, и насколько этот процесс прозрачен для пользователей и авторов. В перспективе, если тенденция подтвердится на больших выборках, это может изменить подходы к контент-маркетингу и SEO в эпоху генеративного ИИ, особенно в нишах, где качество и достоверность источников играют ключевую роль.