Как клиника попадает в ответы нейросетей: топ Яндекса — не гарантия

Короткий ответ: клиника попадает в ответ нейросети не за счёт позиции в выдаче, а за счёт того, насколько согласованно и проверяемо она описана во внешних источниках — на агрегаторах, в справочниках, в отзывах — и насколько на её сайте видна подтверждённая квалификация врачей. Поэтому клиника может стоять в топ-10 Яндекса и почти не появляться в ответах ChatGPT и Алисы: в измеренном кейсе Алиса сослалась на сайт такой клиники лишь в 26% ответов. Ниже — из чего собирается ответ, почему медицина как YMYL-ниша живёт по особым правилам доверия, что именно измерять и какие ошибки клиники совершают при проверке своей AI-видимости.

Алексей Малков

Основатель GEOAudit.org • GEO/SEO-стратег

10+ лет в digital

YMYL-медицина Клиники и стоматологии Кейс с реальными цифрами

Профиль автора →

Почему топ выдачи не гарантирует ответ нейросети

Позиция сайта в органической выдаче Яндекса — результат работы алгоритма ранжирования: он оценивает релевантность страницы запросу, поведенческие факторы, ссылочный профиль. Ответ нейросети собирается иначе. Модель не ранжирует десяток сайтов по очереди, а формулирует один связный ответ и по ходу решает, на какой источник сослаться или чьё имя назвать. Это два разных результата, и хорошие показатели в одном не переносятся автоматически на другой.

Насколько велик этот разрыв, видно по измеренному случаю: ортодонтическая клиника входит в топ-10 Яндекса по 510 запросам, но Алиса ссылается на её сайт лишь в 26% ответов, а ChatGPT по Санкт-Петербургу не сослался на неё ни разу. Подробности замера и его ограничения — в разборе кейса ниже.

Это расхождение видно почти на каждой проверке медицинской клиники: владелец показывает позиции в Яндексе и не понимает, почему пациенты не находят клинику через ChatGPT — хотя причина не в качестве сайта, а в том, что это два разных источника ответа.

Алексей Малков

Основатель GEOAudit.org, 10+ лет в digital

Из каких источников нейросеть собирает ответ про клинику

Когда пользователь спрашивает нейросеть про стоматологию или клинику в своём районе, модель не строит список результатов, а формулирует единый ответ и решает, какие источники его подтверждают. Материалом для такого ответа служит не один сайт, а совокупность источников: собственный сайт организации, отраслевые агрегаторы и справочники, отзывы на разных площадках, публикации в СМИ, карточки на картах. Точное соотношение вклада каждого типа источника нигде не задокументировано и меняется от модели к модели — по нашим наблюдениям на практике аудитов, для медицинской ниши агрегаторы и отзывы значат заметно больше, чем в среднем по рынку, а собственный сайт клиники оказывается лишь одним из нескольких источников, а не единственным.

Это принципиально другая логика, чем построение органической выдачи. В поиске сайт конкурирует за позицию среди похожих страниц по конкретному запросу. В ответе нейросети сайт — один из нескольких источников, которые модель может использовать, проигнорировать или процитировать частично, и релевантность страницы запросу здесь не единственный и даже не главный критерий.

Возьмём сценарий: пациент спрашивает у ChatGPT или у Алисы «стоматология в Гатчине, где хороший ортодонт». Модель не переходит по ссылкам сайта клиники сама — она опирается на то, что уже знает о рынке из проиндексированных источников: справочники, агрегаторы отзывов, упоминания в статьях. Если клиника представлена только на своём сайте и больше нигде, у модели физически меньше материала, из которого можно собрать уверенный ответ с её упоминанием.

Есть и ещё одно отличие от привычной SEO-логики: если разные источники расходятся в деталях — например, на сайте указан один адрес филиала, а на агрегаторе другой, или специализация врача описана по-разному, — модель не обязана выбрать более свежую или более официальную версию. Она может опереться на источник, который ей проще было разобрать структурно, даже если он устарел. Отсюда практическое следствие: расхождения между собственным сайтом и внешними карточками — это не мелкая недоработка, а прямой риск попасть в ответ с неточной информацией или не попасть вовсе.

Почему агрегаторы значат для нейросети больше сайта клиники

Для медицинской ниши это работает особенно заметно: нейросети опрашивают агрегаторы вроде ПроДокторов, НаПоправку и 2ГИС чаще и охотнее, чем сайт самой клиники. Причина простая: на агрегаторе уже собраны структурированные данные — адрес, специализация врачей, отзывы пациентов, рейтинг — в формате, который модели проще сопоставить и на который проще сослаться, чем разбирать произвольную вёрстку сайта клиники.

Отзывы на этих площадках модель использует как сигнал доверия: чем больше подтверждённых отзывов и чем стабильнее их тональность, тем надёжнее агрегатор выглядит для модели, а вместе с ним и упомянутая там клиника. Конкретные цифры рейтинга или число отзывов у каждой клиники — вопрос её реальной репутации на конкретной площадке, и без реальных данных их здесь приводить незачем.

У этих трёх площадок разная роль. ПроДокторов и НаПоправку в первую очередь про врача: специализация, стаж, отзывы о конкретном приёме. 2ГИС — про клинику как локальный объект: адрес, режим работы, привязка к району и городу, что особенно важно для запросов с геопривязкой вроде «стоматология рядом» или «клиника в Гатчине». Для нейросети это разные типы подтверждения одного и того же факта — что клиника существует, работает и заслуживает упоминания, — и чем на большем числе таких площадок данные о клинике совпадают и актуальны, тем меньше у модели повода усомниться.

Практический вывод из этого прост: если всё внимание к SEO сосредоточено только на собственном сайте, а профили на агрегаторах заброшены или не заполнены, у модели просто меньше материала, в котором клиника выглядит достоверно представленной. Присутствие на ПроДокторов, НаПоправку и в 2ГИС — не дополнительный канал трафика, а часть той самой совокупности источников, из которой нейросеть собирает ответ.

Почему в медицине лицензия и квалификация весомее оффера

Медицина относится к YMYL-категории — темам, способным повлиять на здоровье, финансы или безопасность человека. Для таких тем требования к достоверности источника выше, чем для обычного коммерческого запроса, и это касается не только классического поиска, но и того, на кого нейросеть решает сослаться.

Модель охотнее использует и называет источник, у которого видно подтверждение квалификации: лицензию клиники, дипломы и специализацию врачей, авторство медицинских материалов конкретным специалистом, актуальные данные о процедурах. Страница с лучшим предложением по цене или акцией на первый приём такого веса для модели не имеет — оффер не заменяет доверие к квалификации.

Тот же принцип уже работает и в других YMYL-нишах — например, в финансовых услугах, где модель охотнее цитирует источник с понятной лицензией и указанием юрлица, чем страницу с самым выгодным предложением по ставке (подробнее в разборе GEO для финансовых услуг). Для медицины логика та же, только вместо лицензии ЦБ и юрлица — лицензия клиники, аккредитация врачей и прозрачное авторство контента.

За этим стоит принцип E-E-A-T: опыт, экспертность, авторитетность и доверие. Для обычного коммерческого сайта его можно закрыть частично — например, отзывами и портфолио. Для медицины все четыре компонента должны сходиться на конкретном человеке: не абстрактная «команда врачей», а специалист с именем, дипломом и стажем, который либо сам оказывает описанную услугу, либо явно рецензирует материал о ней. Анонимный текст про лечение, даже фактически верный, для YMYL-темы значит меньше, чем тот же текст с именем и квалификацией автора под ним.

На практике четыре компонента раскладываются на проверяемые признаки:

• Опыт. Профили врачей с фото, стажем и специализацией; отзывы пациентов на независимых площадках.
• Экспертность. Образование, квалификация и публикации врача; для каждого специалиста отдельная страница с разметкой Physician (подробнее о разметке).
• Авторитетность. Профили на ПроДокторов и НаПоправку, публикации в медицинских изданиях, сертификаты.
• Доверие. Лицензии, ответы на негативные отзывы, прозрачные цены, медицинские дисклеймеры.

Это же объясняет, почему универсальные продающие формулировки — «лучшие врачи», «современное оборудование», «индивидуальный подход» — сами по себе ничего не подтверждают модели. Они не привязаны к диплому, лицензии или измеримому факту, поэтому не дают дополнительного основания доверять источнику. Номер лицензии, дата её выдачи, фамилия и специализация врача под этим материалом — сигналы совсем другого порядка, и именно на них модель может опереться, когда решает, кому из нескольких источников верить.

Отсюда и разница в приоритетах. Если ресурсы ограничены, для медицинской клиники в первую очередь имеет смысл закрыть базовые сигналы подтверждённой квалификации: сделать заметными реквизиты и номер лицензии, оформить страницы врачей с реальными дипломами и специализацией, подписывать медицинские материалы конкретным автором с указанием его квалификации. Это не гарантирует цитирование, но убирает ситуацию, при которой у модели просто нет оснований счесть источник достаточно надёжным для медицинской темы.

Кейс клиники в топе Яндекса без ответов ИИ

Насколько ощутим этот разрыв на практике, показывает один измеренный случай. В кейсе «Клиника в топе Яндекса, но в ответах ИИ её нет в трёх случаях из четырёх» проверили 510 запросов, по которым ортодонтическая клиника уже входила в топ-10 органической выдачи Яндекса. Результат:

• Яндекс Алиса ответила на 380 из 510 запросов (74%), но сослалась на сайт клиники лишь в 102 ответах (26%).
• ChatGPT по Санкт-Петербургу дал 72 ответа и не сослался на клинику ни разу.
• ChatGPT по Гатчине дал 21 ответ без единой ссылки на сайт, но при этом назвал клинику по имени в 14 из 21 случая.

Отдельно кейс показывает, за счёт кого именно закрываются те 26% ссылок Алисы. Среди доменов, на которые ссылалась Алиса, сама клиника заняла четвёртое место — вровень с основным конкурентом, а не в одиночестве наверху. То есть даже там, где клиника всё же попадает в ответ, она конкурирует за упоминание с другими сайтами и агрегаторами внутри того же ответа, а не получает его автоматически за счёт позиции в органике.

Даже с этой оговоркой цифры показывают именно то расхождение, о котором шла речь выше: сильная позиция в органике не переносится один в один на присутствие в ответах ИИ, а поведение разных платформ по одной и той же клинике может заметно различаться. Полный разбор методологии, дополнительные находки и подробности замера — в самом кейсе, здесь — только его итоговый результат.

Ссылка, упоминание, рекомендация: что именно измерять

Кейс выше показывает деталь, которую легко пропустить: ChatGPT по Гатчине ни разу не дал ссылку на сайт клиники, но назвал её по имени в 14 из 21 ответа. Если считать только ссылки, клиника по этой выборке выглядит невидимой; если считать упоминания — она присутствует в двух третях ответов. Поэтому до любых выводов стоит договориться, какой результат считается попаданием в ответ.

В медицине есть ещё один класс запросов — о симптомах и лечении. На них модели отвечают осторожнее: добавляют оговорку о необходимости очной консультации и нередко не называют конкретную клинику вовсе. Отсутствие клиники в таком ответе — не всегда проигрыш конкуренту, поэтому такие запросы стоит учитывать в замере отдельно, а не смешивать с вопросами выбора клиники и врача.

Как провести первый замер самостоятельно

• Соберите вопросы по этапам выбора пациента: о процедуре, о выборе врача, локальный вопрос с районом или городом, брендовый («что известно о клинике») и репутационный («стоит ли обращаться»).
• Задайте их в тех нейросетях, которыми пользуются ваши пациенты, и отдельно для каждого города, где есть филиалы: в кейсе ChatGPT по Санкт-Петербургу и по Гатчине повёл себя по-разному.
• По каждому ответу фиксируйте три поля: есть ли ссылка на сайт, названа ли клиника, кто назван вместо неё.
• Отдельно отмечайте фактические ошибки в ответе: неверный адрес филиала, врач, который уже не принимает, устаревшая цена.
• Повторите замер на тех же формулировках через несколько недель: один ответ — не позиция, он меняется от формулировки и даты проверки.

Как превратить разовую проверку в регулярную, разобрано в материале о мониторинге AI-видимости.

Типовые ошибки клиник при работе с AI-видимостью

• Оценивать AI-видимость по позициям в Яндексе. Кейс выше показывает, что топ-10 и ссылка в ответе нейросети — разные результаты, и первое не предсказывает второе.
• Обновлять данные только на сайте. Если новый адрес филиала или состав врачей появился на сайте, но не на агрегаторах и в справочниках, модель может опереться на устаревшую внешнюю версию.
• Держать одну общую страницу на всю сеть филиалов. Модели сложнее связать врача, услугу и адрес конкретного филиала, и в ответе они начинают путаться.
• Обещать результат лечения. Формулировки вроде «гарантированно», «без боли», «навсегда» в YMYL-теме не добавляют доверия, а дают повод усомниться в источнике.
• Не проверять, что именно нейросеть говорит о клинике. Неточный ответ — старый адрес, врач, который уже не принимает, услуга, которой больше нет, — для пациента хуже отсутствия в ответе: он приходит с неверными ожиданиями. Исправить ответ модели напрямую нельзя, только через источники, на которые она опирается.

Что эти механизмы значат для вашей клиники

Из разобранного следуют три вещи: ответ собирается из совокупности источников, а не с одного сайта; в медицине модель ищет подтверждённую квалификацию конкретного врача, а не лучший оффер; позиция в органике не гарантирует ни упоминания, ни тем более ссылки — причём по-разному для Алисы и для ChatGPT.

Отсюда следует, что универсального рецепта «сделать одно и попасть во все нейроответы» не существует: у каждой платформы свой набор источников и своя логика цитирования, а у каждой клиники — свой набор уже занятых и ещё не занятых позиций на агрегаторах, свой объём отзывов и своя степень оформленности квалификации врачей.

Порядок действий поэтому такой: сначала выяснить, где именно клиника уже присутствует и с каким видом сигналов доверия, и только потом решать, что усиливать в первую очередь — профили на агрегаторах, оформление квалификации на сайте или что-то ещё, зависящее от конкретной клиники. Именно с такого разбора и начинается GEO-аудит медицинской клиники — если нужен предметный анализ своей ситуации, а не общая механика, это уже отдельный разговор.

Что входит в GEO-аудит клиники

Разбор выше описывает механику. Если нужен предметный анализ конкретной клиники, аудит проверяет шесть блоков и учитывает специфику мультипрофильного центра: YMYL-требования, профили врачей разных специализаций, филиалы и локальную привязку.

• E-E-A-T медицинского сайта. Профили врачей с квалификацией, авторство медицинских материалов, лицензии и сертификаты клиники, ссылки на медицинские стандарты, экспертный рецензент.
• Разметка Schema.org. Организация, отделения, врачи, процедуры и состояния; состав разметки описан в разделе ниже.
• Локальное GEO. Яндекс Карты, Google Maps, 2ГИС, согласованность названия, адреса и телефона по каждому филиалу, медицинские каталоги и агрегаторы.
• Отзывы и репутация. Анализ отзывов на картах и на ПроДокторов, НаПоправку, СберЗдоровье; ответы на негатив; мониторинг упоминаний.
• Контент под запросы пациентов. FAQ по симптомам и процедурам, статьи с подписью врача, страницы отделений и направлений, инструкции по подготовке к анализам, медицинские дисклеймеры.
• Конкурентный анализ. Каких клиник нейросети называют в вашем городе, по каким источникам и как оформлены их сайты.

Чек-лист проверки: превью

• Замер: упоминания и ссылки на клинику в ChatGPT, Алисе и Perplexity по запросам пациентов.
• Структура направлений: иерархия отделений и услуг на сайте понятна и человеку, и модели.
• Согласованность данных: адрес, телефон, режим работы и список врачей совпадают на сайте, в картах и на агрегаторах.
• Квалификация: у каждого врача страница с образованием, специализацией и сертификатами.
• Медицинский контент: дисклеймеры, ссылки на стандарты, подпись врача под материалом.
• Техническая часть: llms.txt, robots, sitemap, Core Web Vitals, HTTPS.
• Конкуренты: AI-видимость 3–5 клиник вашего города.

Полный перечень пунктов по всем категориям собран в чек-листе GEO-аудита. Полный GEO-аудит клиники стоит 60 000 ₽: цена зависит от числа направлений, филиалов и врачей, а для мультипрофильных центров с тремя и более филиалами рассчитывается индивидуально. Начать можно с бесплатной диагностики, она показывает, называют ли нейросети вашу клинику.

Какую разметку Schema.org использует клиника

Разметка не поднимает позиции и не гарантирует цитирования: она делает факты о клинике машиночитаемыми, чтобы модель брала их из структуры, а не угадывала по вёрстке. Для медицинского сайта мы проверяем и при необходимости внедряем такие типы:

FAQ

Соседние ниши. Разборы для смежных сфер: GEO для косметологии, GEO для психологов, GEO для стоматологий, GEO для ветеринарных клиник.