Предсказват ли AEO сигналите на сайта появата в AI отговори? Измерихме 62 фирми
Не, поне не в това проучване. При 62 местни фирми в Япония нашата AEO оценка на сайта (структурирани данни, llms.txt, достъп на роботите и подобни сигнали) не показа никаква връзка с това колко често Perplexity посочва или цитира дадена фирма, когато бъде попитан за препоръки: Spearman ρ = 0.03 (95% CI от −0.23 до 0.28, p = 0.834). При 62 фирми проучването можеше надеждно да открие само корелации от около |ρ| ≥ 0.35, така че по-слаба връзка не може да бъде изключена.
Публикувано на 28.10.2026 г. Данни, измерени на 24.10.2026 г. Nurevo създава AEO инструменти, включително оценката, тествана тук; вижте раздела „Нашият конфликт на интереси“ по-долу.
Резюме
- Въпрос: появяват ли се фирмите, чиито сайтове имат по-висока оценка за четимост от AI на Nurevo (от 0 до 100), по-често в AI отговори на въпроси, в които не са назовани?
- Отговор: не се потвърждава. ρ = 0.03 общо и отново 0.03 след корекция за отрасъл и град.
- Като цяло фирмите се появиха в 21.0% от отговорите на въпросите за откриване; 25 от 62 се появиха поне веднъж.
- Нито една отделна част от оценката (структурирани данни, llms.txt, обхват и т.н.) също не показа връзка след корекция за множествено тестване.
- Нашият извод: структурираните данни помагат на AI да прочете правилно информацията за фирмата, но сами по себе си не решават дали фирмата ще бъде спомената. Други фактори, много вероятно включително това, което други сайтове казват за фирмата, имат по-голямо значение. Последното е хипотеза, която това проучване не е тествало.
Защо направихме това проучване
Съветите за AEO (answer engine optimization), включително нашите, твърдят, че сайт, лесен за четене от AI (структурирани данни schema.org, файл llms.txt, допускане на AI роботите, съдържание, рендерирано на сървъра), помага на фирмата да се появява в AI отговорите. Nurevo продава оценка, изградена точно върху тези сигнали. Искахме честни доказателства дали оценката отразява това, което наистина е важно за собствениците: AI да ги назовава. Фиксирахме хипотезата, анализа и критериите за решение, преди да съберем какъвто и да е отговор, и се ангажирахме да публикуваме резултата, какъвто и да е той.
Методология
- Извадка: 72 местни фирми със собствени официални сайтове, подбрани чрез търсене в мрежата (портали изключени), от 5 отрасъла (дентални клиники, ресторанти, салони за красота, данъчни консултанти, места за настаняване) и 4 японски града (Токио, Осака, Фукуока, Сапоро). 10 бяха изключени, защото оценката не можа да бъде изчислена за сайта им, така че за анализ останаха 62.
- Оценка: началната страница, robots.txt и llms.txt на всеки сайт бяха оценени със същия код като публичната оценка на Nurevo: структурирани данни (30 точки), обхват (25), четимост (20), llms.txt (15) и последователност (10), с праг за достъп на роботите, блокиране на ниво edge и рендериране на сървъра (при неуспех оценката се ограничава до 15).
- Търсачка: Perplexity чрез неговия Agent API с настройката „fast“ (едно търсене в мрежата, след което отговор) – същият адаптер, който платеният план на Nurevo използва за видимост в AI. Само една търсачка; вижте ограниченията.
- Въпроси: по три въпроса „за откриване“ на фирма, които посочват района и вида дейност, но не и самата фирма (например „Препоръчайте зъболекар в Umeda“), общи за всички фирми от един отрасъл в един район, плюс един „именен“ въпрос за адреса и работното време на фирмата. Всеки въпрос беше зададен три пъти.
- Резултат: фирмата се „появява“ в отговор, ако името ѝ е в отговора или собственият ѝ домейн е сред цитираните източници. Честотата на поява е делът на отговорите на въпросите за откриване, в които тя се е появила.
- Проверка на детектора: в отговорите на именните въпроси името на фирмата беше открито в 84.3% от случаите – над прага от 70%, който определихме като условие да се доверим на детектора.
- Анализ: рангова корелация на Спирман с пермутационна p-стойност и bootstrap доверителен интервал; частична корелация с отрасъл и град като фиксирани ефекти; пермутационен тест в рамките на стратите; и логистична регресия с фиксирани ефекти за отрасъл и град и квазибиномна корекция, тъй като повторните отговори на един и същ въпрос не са независими. Шестте теста на компонентите са коригирани по метода на Holm.
Критерият за „потвърдено“ беше определен предварително: ρ ≥ 0.3, p < 0.05, 95% CI над нулата и положителна коригирана корелация. Текстът на отговорите не беше съхраняван; записвано беше само дали името се появява, дали домейнът е цитиран и позицията на цитата.
Резултати
Заключението е „не се потвърждава“. Всеки тест на оценката спрямо появата дава корелация, близка до нула:
| Тест | Резултат | p-стойност |
|---|---|---|
| Оценка спрямо честота на поява (Spearman ρ, основен) | 0.03 (95% CI от −0.23 до 0.28) | 0.834 |
| Същото, коригирано за отрасъл и град (частична корелация) | 0.03 | 0.845 |
| Същото, пермутационен тест в рамките на стратите | 0.03 | 0.829 |
| Оценка спрямо поява на името (въпроси за откриване) | −0.04 | 0.782 |
| Оценка спрямо цитиране на собствения сайт (въпроси за откриване) | 0.18 | 0.149 |
| Оценка спрямо цитиране на собствения сайт (именни въпроси) | −0.03 | 0.813 |
| Логистична регресия с фиксирани ефекти за отрасъл/град, квазибиномна: съотношение на шансовете на +1 SD от оценката (18.81 точки) | ×1.01 (95% CI от 0.62 до 1.64) | 0.972 |
Най-големият коефициент, 0.18 между оценката и цитирането на собствения сайт на фирмата, не се различава статистически от нула (p = 0.149) и не бива да се тълкува като находка.
По диапазон на оценката
Nurevo показва оценката в червено, жълто или зелено. Повечето сайтове в извадката бяха в червено, а нито един не достигна зелено, така че това проучване не казва нищо за много високите оценки.
| Диапазон | Фирми | Средна честота на поява | Появили се поне веднъж |
|---|---|---|---|
| Червено | 54 | 20.8% | 22 |
| Жълто | 8 | 22.2% | 3 |
| Зелено | 0 | - | - |
По компоненти на оценката
Нито една от частите на оценката не беше свързана с появата. След корекцията на Holm всяка p-стойност е 1.000. Тези тестове бяха с проучвателен характер.
| Компонент | Spearman ρ с честотата на поява |
|---|---|
| Структурирани данни (schema) | 0.08 |
| Обхват | 0.12 |
| Четимост | −0.17 |
| llms.txt | −0.02 (съотношение на шансовете 1.41, 95% CI от 0.79 до 2.52) |
| Последователност | 0.06 |
| Праг (достъп на роботите, edge, рендериране на сървъра) | 61 преминали: 21.3% поява; 1 непреминал: 0% |
По отрасъл и по град
Появата варираше повече по отрасъл и по град, отколкото по оценка. Това са описателни данни от малки групи, а не тествани разлики.
| Група | Фирми | Средна оценка | Честота на поява |
|---|---|---|---|
| Данъчни консултанти | 13 | 27.92 | 10.3% |
| Места за настаняване | 13 | 21.08 | 23.9% |
| Дентални клиники | 13 | 40.15 | 25.6% |
| Салони за красота | 8 | 24.25 | 8.3% |
| Ресторанти | 15 | 24.20 | 30.4% |
| Осака | 15 | 26.27 | 15.6% |
| Сапоро | 17 | 29.41 | 9.8% |
| Токио | 15 | 25.53 | 31.1% |
| Фукуока | 15 | 29.27 | 28.9% |
Ограничения
- Напречно изследване: едно измерване на много сайтове показва връзка, а не причина. Дали подобряването на сайта променя появата му, изисква проучване на едни и същи сайтове преди и след.
- Статистическа мощност: при 62 фирми корелация, по-слаба от около |ρ| = 0.35, често би останала незабелязана. Фирмите от един и същ район и отрасъл споделят едни и същи отговори, така че ефективната извадка е още по-малка. „Не е открито“ тук не означава „не съществува“.
- Една търсачка, една седмица: Perplexity с настройката „fast“, измерено на 24.10.2026 г. ChatGPT, Gemini, AI Overviews на Google и Copilot използват различни индекси за търсене и модели; тези резултати не се пренасят върху тях.
- Ненаблюдавани смущаващи фактори: отзиви, разпознаваемост на марката, реклама, години на дейност и присъствие в други сайтове не бяха измервани. Корекция беше направена само за отрасъл и град.
- Извадка: фирмите бяха намерени чрез търсене в мрежата, така че преобладават тези, които вече са лесни за намиране. Нито един сайт не получи зелена оценка. 5 отрасъла и 4 града в Япония може да не са представителни за други отрасли, региони или езици.
Какво означава това за сайта на една фирма
Структурираните данни, llms.txt и достъпът на роботите продължават да вършат своята работа: позволяват на AI да прочете информацията за фирмата (адрес, работно време, телефон, услуги) директно и точно, вместо да гадае. Тази работа си струва, но тя е различна от това да бъдете препоръчани. В това проучване по-добре прочетеният сайт не беше по-често споменаван.
Нашата работна хипотеза е, че източниците извън сайта (отзиви и карти, местни медии, каталози, други сайтове, които споменават фирмата) имат голяма тежест за това дали AI ще назове фирмата, когато отговаря на въпрос за препоръка. Това проучване не е измервало тези източници, така че това е хипотеза за проверка, а не резултат.
На практика: поддържайте основите на сайта в ред, защото те правят точно това, което AI казва за вас, и измервайте дали AI наистина ви споменава, вместо да го заключавате от оценка за четимост.
Нашият конфликт на интереси и какво променяме
Nurevo създава AEO инструменти и тестваната тук оценка е един от нашите продукти. Резултатът, че оценката не предсказва появата, не е този, който бихме избрали, и го публикуваме, защото критериите бяха определени преди данните да постъпят и защото собствениците трябва да знаят какво една оценка може и какво не може да им каже.
Какво предприемаме: не представяме оценката за четимост от AI като предиктор за поява в AI отговорите. Вместо това измерваме появата директно: планът Pro измерва колко често Perplexity назовава или цитира даден сайт (бета), а за сайтовете в плановете Free и Standard добавяме малка месечна проверка на появата. Разработваме и втора версия на оценката, която съчетава измерената видимост в AI със сигналите на сайта, вместо да разчита само на сигналите на сайта.
Имената и сайтовете на измерените фирми не се публикуват.
Често задавани въпроси
Карат ли структурираните данни AI да споменава моята фирма?
В това проучване на 62 местни фирми в Perplexity не беше открита връзка между сигналите на сайта, като структурираните данни, и колко често фирмата е споменавана (ρ = 0.03). Структурираните данни помагат на AI да прочете правилно информацията за вас, но сами по себе си не предсказаха споменаването.
Помага ли llms.txt на фирмата да се появява в AI отговорите?
В това проучване не открихме връзка: ρ = −0.02 между компонента llms.txt и честотата на поява (p с корекция на Holm = 1.000). Проучването беше малко и използваше една търсачка, така че това не е доказателство, че llms.txt никога няма значение.
Означава ли това, че AEO е безсмислено?
Не. AEO на сайта прави точно това, което AI казва за една фирма. Това проучване показва, че то не е достатъчно, за да бъдете препоръчани, и че споменаванията трябва да се измерват директно, а не да се извеждат от оценка за четимост.
Коя AI търсачка беше измерена?
Само Perplexity, чрез неговия Agent API с настройката „fast“, на 24.10.2026 г. Резултатите не се пренасят върху ChatGPT, Gemini, AI Overviews на Google или Copilot.