Проблема, о которой идёт речь, касается практически любого сайта с подробным описанием товара или сервиса. Пользователь видит три экрана выверенного маркетингового текста, а нейросеть в ответ на запрос выдаёт общие слова или приписывает продукту характеристики конкурента. Причина кроется в архитектуре обхода страниц: ИИ-системы читают не весь сайт целиком, а лишь несколько найденных фрагментов, и если в них нет прямого текста о том, что это за продукт и для кого он предназначен, подробности с остальных страниц ситуации не исправят. Часть контента может не дойти до модели вообще — исследование Vercel и MERJ, опубликованное в декабре 2024 года, показало, что роботы ChatGPT и Claude скачивают скрипты страницы, но не запускают их, поэтому текст, который сайт дорисовывает в браузере, для них не существует.

Механика чтения различается от сервиса к сервису, и это важно учитывать при оптимизации. За поиск ChatGPT отвечает робот OAI-SearchBot: именно через него сайты попадают в результаты поиска, тогда как GPTBot собирает данные для обучения моделей и с поиском не связан, а настройки в robots.txt у этих роботов независимы. Отдельный ChatGPT-User открывает страницу по конкретному вопросу пользователя, но сам сеть не обходит и на попадание сайта в поиск не влияет. Алиса AI устроена иначе: по справке Яндекс Вебмастера, она разбивает вопрос на подвопросы, отправляет их в Поиск Яндекса и опирается на высоко ранжирующиеся страницы, не воспроизводя их дословно, а готовый ответ делит на смысловые блоки, у каждого из которых может быть своя страница-источник. Для практики это означает, что у плохо ранжированной страницы мало шансов стать источником для Алисы, а для ChatGPT критично, пущен ли на сайт OAI-SearchBot.

Техническая часть проблемы связана с тем, как роботы обрабатывают JavaScript. Краулер получает от сервера исходный HTML и файлы скриптов, но сами скрипты не выполняет, поэтому страница, которую они достроили бы в браузере посетителя, для робота остаётся лишь текстом программы. В исследовании Vercel и MERJ файлы JavaScript составляли 11,50% запросов краулера ChatGPT и 23,84% запросов Claude — то есть роботы их скачивают, но не исполняют. Если описание продукта подгружается скриптом, в исходном HTML его нет, и рекомендация авторов исследования однозначна: отдавать описание продукта, метаданные и навигацию в готовом HTML через серверный рендеринг (SSR). У робота Яндекса логика по умолчанию другая — он сам решает, выполнять ли JavaScript, а при наличии серверного рендеринга или пререндеринга выполнение скриптов можно запретить, предусмотрены и настройки ожидания для текста, появляющегося с задержкой.

Отдельный пласт проблемы — цены и характеристики, которые существуют только в скрипте или в разметке. Profound проверила 77 публичных страниц с ценами и обнаружила, что у 10 из них, примерно у каждой восьмой, роботам был не виден минимум 40% основного текста; на собственном сайте Profound цены тоже рисовал скрипт, и ИИ-краулеры их не видели, пока компания не перенесла цены на серверный рендеринг. Ещё хуже, когда страницы с ценами нет совсем: у одного продукта из исследования нейросети подтянули цифры у третьих лиц, часто из обсуждений на Reddit, и разброс составил от примерно $100 до $2 400 за пользователя в месяц — разница в 24 раза, на которую покупатель опереться не может. С разметкой Schema.org ситуация не менее показательная: Ahrefs проверил ChatGPT, Claude, Perplexity, Gemini и Google AI Mode и выяснил, что все пять систем при чтении страницы в реальном времени берут только видимый HTML, игнорируя JSON-LD, Microdata и RDFa. Отслеживание 1 885 страниц, добавивших JSON-LD с августа 2025 по март 2026 года, в сравнении с 4 000 контрольных не показало роста цитирований в AI Mode и ChatGPT, а в AI Overviews их стало на 4,6% меньше, хотя уверенной связи с разметкой авторы не устанавливают. Вывод простой: разметка не должна быть единственной копией факта — для кого продукт, сколько он стоит и чем отличается, нужно писать и в видимом тексте.

Для российского рынка эта проблематика приобретает особый оттенок из-за роли Алисы AI и Поиска Яндекса. Если для аудитории ChatGPT и Perplexity критичен допуск OAI-SearchBot и серверный рендеринг, то для аудитории Алисы решающим становится классическое ранжирование в Яндексе: страница, которая плохо позиционируется в поиске, просто не попадёт в число источников ответа, сколько бы подробностей на ней ни было. Практика показывает, что многие российские команды продолжают строить карточки товаров и лендинги на клиентском рендеринге ради интерактивности, не задумываясь о том, что для ИИ-роботов такая страница выглядит полупустой. Одновременно растёт запрос на «оптимизацию под ИИ» — услуги и консультации по GEO и AEO, — хотя базовые рекомендации остаются вполне инженерными: серверный рендеринг, видимый текст с прямыми формулировками и корректная работа с robots.txt для каждого робота отдельно.

Если сравнивать подходы, то ставка исключительно на структурированные данные оказывается наименее надёжной: Google прямо пишет, что для AI-функций его поиска специальная разметка Schema.org не нужна, а исследование Ahrefs подтверждает, что корреляция между разметкой и цитированием объясняется скорее общим качеством сайтов, где она встречается. Ставка на клиентский рендеринг проигрывает по определению, поскольку роботы ChatGPT и Claude скрипты не исполняют. Наиболее устойчивая стратегия — комбинация серверного рендеринга, точного видимого текста о продукте в каждом потенциально вырезаемом фрагменте и, где это применимо, пояснений к фрагментам: Anthropic в своём разборе поиска по документам предлагает перед индексацией дописывать к каждому фрагменту пояснение в 50–100 токенов о том, из какого он документа и о чём, поскольку вырезанный кусок вроде «выручка выросла на 3% за квартал» сам по себе не называет ни компанию, ни период.

Что будет дальше, пока не до конца ясно. Открытыми остаются вопросы, насколько быстро поисковые роботы научатся исполнять JavaScript без потери производительности, станут ли модели учитывать структурированные данные при чтении страниц и как будет меняться поведение Алисы AI по мере развития Поиска Яндекса. Пока же компаниям имеет смысл провести аудит собственных страниц: отключить JavaScript для краулеров и посмотреть, что именно они видят, проверить наличие цен и описаний в исходном HTML и убедиться, что каждый смысловой блок содержит название продукта, аудиторию и отличие от конкурентов. Эти меры не гарантируют идеального ответа нейросети, но убирают наиболее частые причины, по которым подробный сайт превращается в общие слова в ответе ИИ.