Один запрос, два разных интернета. ChatGPT и Perplexity в 74% случаев не сходятся ни по одному источнику

200 одинаковых запросов, две нейросети, два почти не пересекающихся списка источников. Исследование вышло 1 октября, и оно ломает привычную проверку «а упоминают ли нас нейросети». Разбираю цифры, причину расхождения и один вывод, который из такой проверки делать нельзя

Если вы проверяли, как бренд выглядит в ответах ИИ, то почти наверняка делали это в ChatGPT. Он под рукой, он самый известный, по нему удобно отчитываться. И вывод звучит убедительно: нас видно или нас не видно.

Проблема в том, что такая проверка описывает один ChatGPT. Не ИИ-поиск вообще.

1 октября 2026 года вышло исследование Citlyze. Методика простая: 200 одинаковых buyer-запросов прогнали через ChatGPT и Perplexity в августе 2026 года, в конце сентября повторили тот же прогон и сравнили, какие домены модели цитируют в ответах.

Главная цифра. В сентябре на 74% одинаковых запросов у ChatGPT и Perplexity не нашлось ни одного общего цитируемого домена. Ни одного. В августе таких запросов было ещё больше, 79,5%.

Это стоит прочитать точно. Речь не про «ответы отличаются формулировками» и не про «источники идут в разном порядке». Речь про пустое пересечение: по трём запросам из четырёх два ассистента отвечают на один и тот же вопрос, опираясь на полностью разные сайты.

Вторая часть исследования интереснее первой. Citlyze сравнили, кого именно цитирует Perplexity в августе и в сентябре. За месяц картина поменялась так, как в классическом поиске не менялась годами.

Сдвиг односторонний: пользовательский контент и видео вылетели, редакционные медиа с обзорами и сравнениями выросли почти вдвое. Это похоже не на случайное колебание, а на смену правил подбора источников внутри одного продукта.

Урок. Площадка, которая месяц назад тянула вас в ответы, в этом месяце может не тянуть вообще. И наоборот.

Здесь скажу про свой опыт в SEO. Я привыкла к миру, где источник трафика меняется медленно: апдейт ядра, две недели качки, новое равновесие. Можно было построить стратегию на год и сверяться раз в квартал. В ответах нейросетей горизонт стабильности это недели.

Метафора, которую я держу в голове. Классический поиск это одна библиотека с общим каталогом: читатели спорят, какая книга лучше, но ходят по одним полкам. ИИ-ассистенты это разные библиотекари в разных зданиях, и у каждого свой набор полок и своё правило, какие книги он вообще готов брать в руки.

Отсюда и расхождение. У моделей разные поисковые бэкенды и разные договорённости с правообладателями, разные фильтры доверия к типам сайтов, разные правила, когда идти в веб, а когда отвечать из обученного знания. Perplexity построен вокруг обязательного цитирования, ChatGPT тянет веб выборочно. Совпадение источников при таких различиях было бы странным, а не наоборот.

Отсутствие данных фиксирую прямо: в исследовании только две модели. Gemini, Claude, Grok, DeepSeek, Поиск с Алисой и GigaChat в нём не мерили, и переносить на них 74% я не стану.

Поставлю вопрос, который звучит на любом согласовании отчёта.

Компания получила публикацию на площадке, которую сегодня активно цитирует Perplexity. В ответах Perplexity бренд появился. Значит ли это, что публикация улучшила видимость в ChatGPT.

Нет. Автоматически такого вывода сделать нельзя, и цифры выше объясняют, почему. Если в 74% случаев у двух ассистентов вообще нет общих источников, то попадание в источники одного ничего не говорит о втором. Это не «скорее да, просто слабее». Это неизвестно до замера.

Обратная ошибка стоит столько же. Публикация, не давшая ничего в ChatGPT, может оказаться вашим главным источником упоминаний в Perplexity или в Поиске с Алисой. Отказавшись от площадки по одному отчёту, вы отрежете канал, которого не видели.

Первое. Считать видимость не одним числом, а по каждой модели отдельно. Строка «бренд в ИИ, 12%» склеивает несклеиваемое: за ней могут стоять 30% в Perplexity и ноль в ChatGPT.

Второе. Мерить чаще, чем раз в квартал. При горизонте стабильности в недели квартальный срез показывает прошлую реальность. Разумный минимум по моему опыту это раз в неделю по ядру запросов, а по самым важным чаще.

Третье. Смотреть не только на факт упоминания, но и на источники, из которых модель его собрала. Список доменов отвечает на вопрос, куда идти публиковаться. Факт упоминания отвечает только на вопрос, есть или нет.

Четвёртое. Проверять тот набор моделей, которым реально пользуется ваша аудитория, а не тот, который удобно открыть. Для российского рынка это значит и Поиск с Алисой, и GigaChat, а не только западные ассистенты.

Руками это не делается. Один прогон двухсот запросов по десяти моделям с разбором источников это несколько тысяч ответов, и повторять его надо каждую неделю. Для этого есть класс сервисов, которые опрашивают модели по расписанию и показывают, кого те называют и на что ссылаются: Brandfound, Profound, Peec AI. Различаются они в основном охватом моделей и тем, доходят ли до источников цитирования или останавливаются на факте упоминания. Выбирать стоит по этим двум признакам, а не по красоте дашборда.

Исследование Citlyze меряет не качество ответов, а кое-что менее приятное: оно показывает, что единого ИИ-поиска, по которому можно отчитываться одной цифрой, не существует. Есть десяток разных поисков с разными источниками, и расходятся они сильнее, чем Яндекс с Google расходились когда-либо.

Отсюда главный сдвиг в работе. Видимость в нейросетях это не статус, который один раз проверили и записали, а показатель, который живёт неделями и считается отдельно по каждой модели.

Скажу и про свою ошибку. Полгода назад я сверялась по одному ChatGPT и считала, что вижу картину. Я видела четверть картины, причём не знала, какую именно.

А вы по каким моделям сверяете видимость сейчас: только ChatGPT, две или три на выбор, весь доступный набор или пока не сверяете вообще