Як працює RAG-пошук у ChatGPT, Perplexity та AI Overviews: від ранжування посилань до векторного вилучення фактів
Генеративні пошукові системи не формують звичний список із десяти посилань, а використовують архітектуру Retrieval-Augmented Generation (RAG) для розбиття сторінок на семантичні фрагменти, перетворення їх у векторні ембедінги та синтезу єдиної відповіді з клікабельними виносками.
Коли користувач вводить запит у ChatGPT Search або Perplexity, алгоритм запускає гібридний пошук, поєднуючи класичний лексичний збіг BM25 та векторну близькість. Відібрані пасажі довжиною 150–300 токенів проходять через модель-реранкер, яка оцінює щільність фактів, чіткість сутностей і довіру до домену перед генерацією тексту.
Google AI Overviews працює за схожою двоетапною схемою на базі основного індексу Google та моделей Gemini. Сторінки з органічного топ-10 мають вищу базову ймовірність потрапляння у вибірку, проте сайти з нижчих позицій регулярно перехоплюють цитування завдяки краще структурованим таблицям і прямим відповідям.
Порівняння факторів класичного SEO та Generative Engine Optimization (GEO)
Класичне SEO оптимізує цілу сторінку під клікабельність (CTR) та посилальну масу, тоді як GEO оптимізує ізольовані текстові блоки під машинне вилучення фактів, статистичну точність і згадки бренду.
У 2026 році щільність ключових слів та точні входження анкорів майже не впливають на рішення реранкера LLM. Вирішальним стає те, чи здатен окремий абзац на 50 слів дати вичерпну відповідь на підзапит без прив'язки до сусіднього контексту.
| Параметр | Класичне SEO | Generative Engine Optimization (GEO) |
|---|---|---|
| Одиниця ранжування | Увесь URL / веб-сторінка | Семантичний чанк (150–300 токенів) |
| Формат тексту | Довгий наратив із варіаціями ключів | Перевернута піраміда, факт у першому реченні |
| Роль таблиць і чисел | Покращення UX та розширені сніпети | Критичний сигнал; приріст цитувань +32–40% |
| Вплив Brand Mentions | Dofollow-беклінки (PageRank) | Безпосилальні згадки бренду та ко-зустрічальність |
| Технічний доступ ботів | Googlebot / Bingbot із рендерингом JS | OAI-SearchBot, PerplexityBot, лише SSR HTML |
| Швидкість оновлення фактів | Дні або тижні згідно з краулінговим бюджетом | Хвилини або реальний час через живий RAG-запит |
| Ключова метрика ефективності | Покази, CTR, органічні сеанси | Частка цитувань, кліки з виносок, Assisted CVR |
Архітектура ідеального текстового чанка для цитування: правило першого речення, сутності та HTML-таблиці
Ідеальний GEO-блок відкривається автономною відповіддю з 1–2 речень із точними сутностями та цифрами, після чого наводиться розгорнуте пояснення або структурована HTML-таблиця.
Алгоритми сегментації RAG розрізають HTML-документ за заголовками (<h2>, <h3>) та блоковими тегами. Якщо розділ починається з розмитих міркувань, векторний ембедінг фрагмента відхиляється від інтенту користувача, і реранкер відсіює сторінку.
- Правило першого речення: формулюйте пряму відповідь одразу під тегом
<h2>обсягом 20–35 слів. - Явні сутності замість займенників: замінюйте «цей сервіс» або «він» на конкретні назви (наприклад, «PerplexityBot», «ISO 8583», «2026 рік»).
- Нативні HTML-таблиці: оформлюйте порівняння через
<table>,<thead>та<tbody>, а не через зображення чи flex-сітки, які текстові парсери ігнорують. - Оптимальні FAQ на 35–60 слів: лаконічні блоки з мікророзміткою
FAQPageпотрапляють у картки відповідей без обрізання тексту.
Технічний стандарт для AI-краулерів: файл llms.txt, robots.txt та SSR-верстка без Lazy DOM
Видимість у ШІ-пошуку вимагає відкритого доступу в robots.txt для пошукових ботів, серверного рендерингу (SSR) без прихованого в JS контенту та файлу /llms.txt у корені домену.
Власники сайтів часто втрачають трафік, блокуючи весь пул OpenAI через заборону GPTBot і забуваючи залишити дозвіл для OAI-SearchBot. Крім того, SPA-додатки з підвантаженням тарифів через клієнтський JavaScript виглядають порожніми для швидких RAG-краулерів.
| User-Agent бота | Оператор | Призначення | Рекомендація для robots.txt |
|---|---|---|---|
OAI-SearchBot |
OpenAI | Індексація ChatGPT Search та живі виноски | Дозволити (Allow: /) для трафіку |
GPTBot |
OpenAI | Збір корпусу для навчання моделей | Дозволити або закрити за IP-політикою |
PerplexityBot |
Perplexity AI | Пошуковий індекс та цитування джерел | Дозволити (Allow: /) для посилань |
ClaudeBot |
Anthropic | Веб-пошук та перевірка фактів у Claude | Дозволити для брендової видимості |
Google-Extended |
Керування даними для Gemini та AI Overviews | Дозволити для присутності в оглядах |
Файл /llms.txt розміщується за адресою https://site.com/llms.txt у форматі Markdown. Він містить H1-назву проєкту, короткий опис та категоризовані посилання на головні посадкові сторінки, документацію й калькулятори.
Економіка трафіку з генеративного пошуку: порівняння конверсії (CVR) та LTV із класичним Google Search
Трафік із ChatGPT Search та Perplexity демонструє конверсію (CVR) у 2.3–3.1 раза вищу за звичайний органічний клік, оскільки користувач завершує порівняння варіантів усередині діалогу з ШІ до переходу на сайт.
Розглянемо фінансову модель для B2B-сервісу або нішевого e-commerce із середнім чеком (AOV) $180 та маржинальністю 65% ($117 валового прибутку з замовлення):
- Класичний Google Search: 10 000 візитів на місяць із конверсією 1.4% дають 140 замовлень, $25 200 виручки та $16 380 валового прибутку.
- Цитування в ШІ-пошуку (ChatGPT + Perplexity): 3 500 візитів із конверсією 3.8% дають 133 замовлення, $23 940 виручки та $15 561 валового прибутку — практично ідентичний фінансовий результат при трафіку на 65% меншому.
З урахуванням вищого 12-місячного LTV таких клієнтів, реферальний трафік із LLM часто перевершує платну рекламу за чистим ROI. Промоделювати власну воронку можна в нашому калькуляторі юніт-економіки трафіку, а деталі розрахунку окупності описані в матеріалі про юніт-економіку в арбітражі трафіку.
Типові помилки GEO, які блокують цитування сайту
Чотири найпоширеніші помилки, що обнуляють видимість у ШІ-пошуку: блокування OAI-SearchBot на рівні WAF, приховування характеристик у JS-вкладках, загальні фрази без цифр і відсутність мікророзмітки.
- Хибні спрацювання Cloudflare Bot Fight Mode: агресивні фільтри часто віддають код 403 ботам
PerplexityBotтаOAI-SearchBot, повністю виключаючи домен із живих відповідей. - Дані на картинках або в Lazy DOM: таблиці тарифів у форматі PNG або React-акордеонах залишаються невидимими для текстових RAG-парсерів.
- Відсутність дат і авторства: реранкери знижують пріоритет сторінок без чітких полів
authorтаdateModifiedу JSON-LD.
Покроковий чек-лист GEO-аудиту та переробки посадкової сторінки за 60 хвилин
Перетворити комерційну або експертну сторінку на пріоритетне джерело для RAG-систем можна за годину за таким алгоритмом:
- Перевірте
robots.txtта логи WAF, переконавшись у віддачі статусу HTTP 200 дляOAI-SearchBot,PerplexityBotіClaudeBot. - Створіть та розмістіть у корені сайту файл
/llms.txtіз посиланнями на 15–25 ключових сторінок і калькуляторів. - Перевірте вихідний HTML-код сторінки (Ctrl+U), щоб переконатися в наявності всього тексту та таблиць без виконання JavaScript.
- Перепишіть перші два речення під кожним заголовком
<h2>, сформулювавши пряму автономну відповідь. - Перетворіть щонайменше два текстові описи чи списки на семантичні HTML-таблиці
<table>із чіткими заголовками<th>. - Додайте актуальні цифри 2026 року, відсотки або фінансові розрахунки у кожен ключовий розділ.
- Додайте блок FAQ із 5 запитань із відповідями по 35–60 слів та валідною мікророзміткою
FAQPage. - Налаштуйте в GA4 окремий сегмент для рефералів із
chatgpt.com,perplexity.aiтаclaude.aiдля відстеження конверсій.