Как сделать сайт видимым в ChatGPT, Gemini и Claude: SEO, уникальный контент и публичный MCP

Когда я работал в трафик‑агентстве, вопрос клиента звучал так: «Почему нас нет в топе Яндекса?» Сейчас всё чаще спрашивают другое: «Почему ChatGPT советует конкурента, а нас не знает?» Люди задают вопрос нейросети, получают готовый ответ с двумя‑тремя ссылками и до поисковой выдачи уже не доходят.

Сейчас я занимаюсь двумя вещами, которые с этим связаны: SEO‑продвижением сайтов и разработкой публичных MCP‑серверов, через которые ИИ‑ассистент может не только прочитать о сервисе, но и что‑то в нём сделать. В статье разберу, откуда Gemini, ChatGPT и Claude берут сайты для ответов, что нужно сделать, чтобы ваш сайт попадал в эти ответы, и почему следующий шаг после SEO — открытый API и MCP.

Откуда Gemini, ChatGPT и Claude берут сайты для ответов

У нейросети два источника знаний. Первый — данные, на которых модель обучалась. Туда попасть можно, но повлиять на это быстро нельзя, а информация там устаревает. Второй — поиск в реальном времени: ассистент получает вопрос, делает несколько поисковых запросов, читает найденные страницы и собирает ответ со ссылками. Именно здесь сайт получает и упоминание, и переходы.

А поиск у ассистентов опирается на поисковые индексы и краулеры, которые работают по тем же правилам, что и обычные поисковые роботы:

На практике это значит: если страницы нет в индексе Google, Gemini её не процитирует. Если сайт плохо индексируется в Bing, ChatGPT будет находить его реже. Если сайт выпал из индекса Яндекса, его не увидят Нейро и Алиса. Поэтому я начинаю любую работу по видимости в нейросетях с аудита обычного SEO.

Основа видимости — техническое SEO

ИИ‑краулеры спотыкаются о те же ошибки, что и поисковые роботы, а некоторые из них, например отсутствие текста без JavaScript, для них критичнее. При аудите я проверяю в первую очередь четыре вещи.

Минимальный robots.txt, который не мешает ИИ‑поиску, выглядит так. Роботов для обучения моделей можно закрыть отдельно, если вы не хотите отдавать контент в обучающие данные: на попадание в поисковые ответы это не влияет.

# Поисковые и пользовательские роботы ассистентов
User-agent: OAI-SearchBot
User-agent: ChatGPT-User
User-agent: Claude-SearchBot
User-agent: Claude-User
User-agent: PerplexityBot
Allow: /

# Роботы для обучения моделей (закрывать по желанию)
User-agent: GPTBot
User-agent: ClaudeBot
Disallow: /

Sitemap: https://example.ru/sitemap.xml

С Google-Extended осторожнее: Google использует его и для обучения, и для ответов Gemini. Если закрыть, сайт останется в обычном поиске Google, но часть ИИ‑функций перестанет на него опираться.

Какой контент нейросети цитируют

Ассистент собирает ответ из нескольких источников и ссылается на те, из которых взял конкретный факт. Если ваша статья пересказывает то, что уже есть на двадцати других сайтах, у модели нет причины ссылаться именно на вас. Рерайт и тексты, сгенерированные «для объёма», в ответы почти не попадают: процитировать в них нечего.

По моему опыту, в ответы нейросетей чаще попадают страницы, в которых есть:

• Собственные данные. Расчёт, таблица, цены, сроки, результаты внедрения. Например, в статье про фрод при оплате за конверсии я разбираю, как меняются стоимость целевого лида и бюджет при разной доле фейковых заявок. Такой расчёт нельзя взять в другом месте.
• Прямой ответ в начале раздела. Заголовок сформулирован как вопрос пользователя, первые 2–3 предложения под ним отвечают на него целиком, дальше идут детали. Так модели проще вырезать фрагмент и сослаться на него.
• Опыт автора. «Я настраивал», «мы видели у клиентов», «вот где это не сработало». Страница с понятным автором и практикой выглядит надёжнее для поисковиков и ассистентов, чем обезличенный текст.
• Конкретика вместо общих слов. Названия, цифры, версии, пошаговые инструкции, примеры кода. Из фразы «индивидуальный подход» модели нечего взять в ответ.
• FAQ с реальными вопросами. Вопросы из переписки с клиентами и из Вордстата с разметкой FAQPage. На этом сайте FAQ каждой страницы автоматически выводится в разметку.
• Актуальность. Дата публикации и обновления, свежие цены. Ассистенты часто уточняют поиск годом, и устаревшая страница проигрывает.

Отдельно про упоминания. Нейросеть смотрит не только на ваш сайт, но и на то, что о вас пишут другие: отзывы на картах, обзоры, отраслевые рейтинги, ответы на форумах, профиль в Яндекс Бизнесе. Если компанию упоминают в нескольких независимых источниках, шанс попасть в подборку «кого выбрать» выше.

Нужен ли llms.txt

llms.txt — предложенный формат: файл в корне сайта со списком главных страниц и кратким описанием в Markdown. Сделать его можно за полчаса, вреда не будет. Но крупные ассистенты официально не подтверждали, что используют его для ранжирования, поэтому рассчитывать на него вместо SEO не стоит. Он полезнее для разработчиков и агентов, которые работают с документацией вашего API.

Следующий шаг: API и MCP, чтобы ИИ мог сделать действие

SEO отвечает на вопрос «найдёт ли ассистент ваш сайт». Но многие запросы к ассистенту заканчиваются действием: забронировать столик, записаться к врачу, узнать остаток товара, оформить заказ. Если это можно сделать только руками на сайте, ассистент отдаёт ссылку, и дальше пользователь уходит или остаётся. Если у сервиса есть открытый API и MCP‑сервер, ассистент выполняет действие сам.

Хороший пример этого подхода — бронирование в Google. На Картах давно можно записаться в салон или забронировать столик в ресторане, не заходя на сайт заведения: Google получает свободные слоты от систем бронирования через партнёрские API. Позже Google добавил в AI Mode поиск свободных столиков сразу в нескольких сервисах бронирования. Сайт ресторана в этой цепочке уже не главный: важно, чтобы его система бронирования была подключена.

MCP (Model Context Protocol) — открытый стандарт, который предложила Anthropic и который сейчас поддерживают Claude, ChatGPT, Gemini, Claude Code, Cursor и другие инструменты. Он делает то же, что партнёрский API у Google, но открыто и для всех ассистентов сразу. Вы один раз описываете, какие действия доступны в вашем сервисе, а любой совместимый ассистент может их вызвать.

Примеры публичных MCP‑сервисов

Ниже сервисы, которые уже открыли свои действия для ИИ‑ассистентов, и мои проекты.

В рунете я пока встречаю публичные MCP‑серверы в основном у IT‑сервисов. У клиник, автосервисов, ресторанов и интернет‑магазинов их почти нет, поэтому в этих нишах конкуренция за ответы ассистентов пока низкая.

Как может выглядеть MCP для обычного бизнеса

Публичный MCP не обязан открывать всю вашу систему. Достаточно тех же действий, которые клиент и так делает на сайте. Несколько примеров по нишам:

Технически это HTTP‑сервер поверх вашего API или CRM с описанием инструментов. Подключение к Claude Code занимает одну команду:

claude mcp add --transport http clinic https://api.example.ru/mcp

# Инструменты, которые сервер отдаёт ассистенту:
# search_services(query)             поиск услуг и цен
# get_slots(service_id, date)        свободное время
# create_booking(slot_id, name, phone)   запись клиента
# confirm_phone(booking_id, code)    подтверждение номера кодом

В Claude и ChatGPT такой сервер добавляется как коннектор по URL. После этого пользователь пишет «запиши меня на замену масла в субботу утром», а ассистент сам находит услугу, слот и создаёт запись.

Почему записи от ИИ‑агентов тоже нужно верифицировать

Здесь я возвращаюсь к задаче, из которой вырос этот сервис. Когда заявки создаёт не человек в форме, а агент через API, мусорных заявок может стать больше: агент может ошибиться в номере, а открытый эндпоинт записи быстро найдут боты. Одна фейковая бронь занимает реальный слот, который мог купить живой клиент.

Поэтому в публичных MCP‑серверах я закладываю подтверждение номера: запись создаётся в статусе «ожидает подтверждения», клиенту приходит код по СМС или звонком, он называет код ассистенту, и только после этого слот закрепляется, а заявка уходит в CRM. Для тех, кто не хочет ждать код, подходит мобильный ID оператора с push‑подтверждением. Та же логика, что и в формах на сайте: в CRM и в аналитику попадают только реальные люди.

Как измерить трафик из нейросетей

Отдельного отчёта «трафик из нейросетей» в Метрике нет, его нужно собрать самому. Что я настраиваю в Метрике и на сервере:

• Источники переходов. В отчёте «Источники, сводка» и «Сайты» ищите переходы с chatgpt.com, gemini.google.com, perplexity.ai, claude.ai, ya.ru (Нейро). ChatGPT часто добавляет к ссылкам utm_source=chatgpt.com, такие визиты видно по UTM‑меткам.
• Сегмент «ИИ‑ассистенты». Соберите эти источники в один сегмент и смотрите по нему конверсию (CR) и стоимость целевого лида так же, как по рекламным каналам.
• Логи сервера. По User‑Agent видно, как часто приходят OAI-SearchBot, Claude-SearchBot, ChatGPT-User, Claude-User и какие страницы они читают. Визиты *-User — это момент, когда ассистент открыл вашу страницу по вопросу реального человека.
• Ручная проверка. Составьте список вопросов, по которым клиент должен находить ваш сервис, раз в месяц задавайте их ассистентам и записывайте, кого они советуют и на какие страницы ссылаются. Динамика по одному и тому же списку показывает больше, чем разовая проверка.
• Вызовы MCP. Если у вас есть публичный MCP‑сервер, считайте вызовы инструментов и подтверждённые через него заявки как отдельный канал в сквозной аналитике.

Чек‑лист: как сделать сайт видимым для ChatGPT, Gemini и Claude

1. Подтвердите сайт в Яндекс Вебмастере, Google Search Console и Bing Webmaster Tools, исправьте ошибки индексации.
2. Проверьте robots.txt, CDN и защиту от ботов: поисковые роботы ассистентов должны получать страницы, а не 403.
3. Убедитесь, что главный контент есть в исходном HTML, а не только после выполнения JavaScript.
4. Добавьте микроразметку Organization/LocalBusiness, Service или Product, FAQPage, Article с автором.
5. Перепишите ключевые страницы под вопросы клиентов: прямой ответ в начале, дальше детали, цифры и собственный опыт.
6. Публикуйте уникальные материалы: расчёты, кейсы, инструкции, которых нет у конкурентов. Если цифры нет, лучше не писать её, чем выдумать.
7. Работайте с упоминаниями: отзывы на картах, профиль в Яндекс Бизнесе, отраслевые площадки.
8. Настройте в Метрике сегмент трафика из ИИ‑ассистентов и смотрите стоимость целевого лида и ДРР по нему.
9. Опишите 3–5 ключевых действий клиента (запись, расчёт, заказ) и откройте их через API и публичный MCP‑сервер с подтверждением номера.