Skip to content
Статья Every окт. 2026 г.

Every: как заставить AI-агентов рекомендовать ваши статьи

По мере того как AI-ассистенты всё чаще оказываются между поисковым запросом и статьями, которые на него отвечают, у авторов и редакторов возникает практический вопрос: что заставляет AI-агента выбрать ваш материал, а не альтернативы? Майк Тейлор, руководитель отдела оценки в Every, опубликовал в октябре 2026 года результаты эксперимента, призванного ответить на этот вопрос.

Методология

Тейлор провёл 2484 независимые сессии с четырьмя AI-агентами: Claude Opus 5.5, Claude Sonnet 5.5, Claude Haiku 5.5 и GPT-6.1-Sol. Каждая сессия получала вариант заголовка изолированно, без памяти о других тестах — структурировано как A/B-тест. В основном эксперименте каждый агент получал вопрос пользователя и пять-восемь результатов поиска, после чего выбирал два наиболее полезных. Дополнительный эксперимент спрашивал у агентов, какой из 38 постов они сами захотели бы прочитать. Это была симуляция, а не тест реального трафика, поэтому результаты описывают поведение агентов, а не подтверждённые эффекты на трафик.

Семь правил

Говорите точно, что внутри. Описывайте конкретное содержание, а не тезис. Одно переписывание — когда заголовок и подзаголовок явно указывали, что именно содержит материал, — перевело руководство из цитируемого в 2 из 240 сессий до цитируемого в каждой сессии.

Пишите описание как ответ, а не как слоган. Описания, которые напрямую отвечали на вопрос статьи, превосходили описания, которые формулировали тему или представляли автора.

Начинайте с того, что получит читатель. Начало с описания решаемой проблемы или с регалий автора стабильно снижало показатель цитирования. Начало с результата работало лучше.

Метки свежести не помогают. Добавление “(Updated 2026)” к заголовку довело долю цитирований до нуля в тесте. Агенты воспринимают явные сигналы свежести как отвлечение, а не как показатель качества.

Агенты поддерживают один пост на тему. Когда несколько статей охватывали один вопрос, одна поглощала большинство цитирований, а остальные получали очень мало. Для издателей это значит: выберите один сильнейший материал на тему и оптимизируйте его, а не распределяйте усилия по нескольким пересекающимся статьям.

Близость к аудитории повышает долю цитирований. Когда агенту давали детальный профиль пользователя, совпадающий с предполагаемым читателем статьи, доля цитирований выросла с 42% до 50%. Написание для конкретной аудитории и её явное обозначение помогают агентам соотносить контент с вопросами.

Агенты читают не то, что читают ваши читатели. Корреляция между трафиком статьи и цитированием агентами была близка к нулю. Агенты, читающие для себя, предпочитали посты о поведении и ограничениях AI. Агенты, отвечающие на вопросы пользователей, предпочитали наиболее прямой ответ вне зависимости от рейтинга трафика.

Что это значит для авторов и редакторов

Главный практический вывод: ясность в заголовках и метаданных имеет для AI-агентов больший вес, чем для многих читателей-людей. Тейлор утверждает, что это не компромисс: написание, которое прямо отвечает на вопрос, служит обеим аудиториям. Исследование не затрагивает структуру страничного контента — только заголовки и описания, — поэтому это отправная точка, а не полное руководство по оптимизации.

Авторы и редакционные команды, работающие с лонгридами, рассылками или базами знаний, найдут методологию измерения доли цитирований полезной для адаптации в собственных тестах.