Региональному СМИ проще всего попасть в LLM-выдачу через регулярное публикацию справочных материалов и усиление доверия к своему медиабренду.
LLM-поиск любит готовые фрагменты-ответы и опирается на источники с высокой «трастовостью».
На этом скриншоте зафиксированы размышления нейронки насчёт продуктового запроса.
Как LLM собирает информацию
LLM-ответы обычно собираются из кусочков контента, которые легко вытащить и процитировать: определения, списки, таблицы, блоки «вопрос–ответ».
Здесь сама нейронка рассказывает, какой информации «доверяет».
Большая доля AI-цитирований/упоминаний в AI-поиске приходится на контент в доверенных источниках, и это усиливает роль СМИ как «поставщика фактов». Поэтому адаптировать контент для попадания в LLM значит сделать тексты самодостаточными «ответами», а не только новостями или репортажами.
Как делать контент, который нейронки используют в своих ответах
Прежде всего, это «вечнозелёные» темы, которые люди спрашивают у LLM каждый день: «как оформить…», «какие выплаты…», «куда жаловаться…», «расписание/тарифы/сроки…» и т.п.
Нейросети будет проще извлечь фрагмент текста, если вы разделите его на короткие абзацы, структурируете ответ через списки/таблицы, добавите оглавление. Очень хорошо работает блок «Вопрос–ответ» (это один из самых удобных для нейросетей форматов).
Хорошо заходят структуры типа
«Что это значит» — понятие + 2–3 примера + “когда применяется” + “куда обратиться в нашем регионе”.
«Инструкция» — 7–12 шагов, каждый шаг с одним действием.
«Справочник» — описание документа/ куда подать/ срок/ стоимость/ ссылка на первоисточник.
«Разбор мифа» — описание «мифа» → что на самом деле → ссылка на норму/решение/документ.
Редакторский шаблон для таких материала:
Первый экран: 2–4 предложения, которые сразу отвечают на вопрос пользователя (без вступления и “истории вопроса”).
Второй экран: «Коротко» (5–7 буллетов), «Подробно», «FAQ», «Источники/документы».
В конце: «Как изменилось с [дата]» (1 абзац) — это помогает удерживать актуальность.
Как перестроить редакционный процесс, чтобы попадать в нейронки
Шаг 1 — замер и выбор тем. Соберите 30–50 «LLM-запросов», как их формулирует аудитория. Важно взять реальные запросы из комментариев, звонков, поисковых подсказок, чатов, обращений в редакцию и т.п. Забейти их вручную в LLM, в которую хотите попасть (ChatGPT/ Perplexity/ YandexGPT/ DeepSeek и т.п.) и зафиксируйте, какие источники цитируются, какие форматы ответов повторяются.
Шаг 2 — упаковка LLM-источников. Возьмите 10 самых частых вопросов и сделайте из них «ответные» материалы по шаблону выше; цель — чтобы каждый текст можно было цитировать фрагментом (определение/ таблица/ шаги).
Шаг 3 — обновление старых хитов. Обновите 10 старых материалов, которые уже получают трафик, но написаны «нарративно»: перенесите ответ наверх, добавьте FAQ, добавьте таблицу/чеклист, добавьте блок источников.
Шаг 4 — локальная экспертиза и серийность. Запустите 1–2 рубрики-справочника (например, «ЖКХ: права и действия», «Город: транспорт и штрафы») и публикуйте по 2 материала в неделю (используйте шаблон из предыдущего раздела). Регулярность создаёт устойчивую карту знаний по региону, которую проще подхватывать в LLM-поиске.
Технический минимум, который можно сделать в редакционной CMS
Доверие к контенту выстраивается через авторов и их экспертизу. Для этого надо сделать авторов ваших текстов «видимым» для нейронок.
Большинство CMS имеют специализированные поля для указания типов текста («News», «NewsArticles» «BlogPosting»), авторов («Authors»), тегов для seo-поиска материалов («Tags») и т.д. Если материалы размечены такими тегами, нейронка понимает, что это за текст, кто его автор, к какой теме он относится.
Для новостных страниц также важно указывать даты публикации или редактирования материалов («datePublished», «dateModified») и часовой пояс, чтобы отражать актуальность материала. Вот требования Google к разметке, их будет не лишним прочитать, чтобы уточнить детали.
Чеклист для действий на сайте:
Для каждой статьи должно быть указано: имя автор, ссылка на страницу автора, дата публикации, дата обновления (если правили существенно).
На странице автора: краткая биография, специализация, контакты/ соцсети; это усиливает «узнаваемость» эксперта для систем, которые смотрят на авторство.
На длинных справочных текстах/инструкциях: оглавление с якорными ссылками, короткие абзацы, списки и таблицы — нейросетям проще извлекать фрагменты.
Как проверить, что вы попадаете в ответы LLM
Есть платные инструменты типа Pixeltools или SemRush, но можно обойтись Google-таблицей и раз в неделю прогонять один и тот же пул запросов (30–50) в выбранных LLM. По итогам запросов фиксировать «упомянули/не упомянули», «в списке/в тексте», «ссылка есть/нет».
Если по вашим запросам ваше медиа не попадает в LLM-выдачу, отмечайте, какие типы страниц попадают и используйте это как референс для корректировки своих страниц или стилистической подачи текста.
Метрики, которые используются для контроля выдачи:
Coverage: % запросов, где ваше СМИ упоминается.
Source rate: % запросов, где даётся ссылка именно на вашу страницу.
Local advantage: % локальных запросов (“в нашем городе/области”), где вы в топ-источниках.
Ещё раз, коротко
Чтобы сохранить трафик в условиях нарастания LLM-поиска, адаптируйте контент к LLM-запросам и сделайте акцент на усилении доверия к медиабренду.
- Сместить фокус на справочный контент: регулярно создавать «вечнозелёные» материалы с самодостаточным «ответом», а не нарративным текстом.
- Структурировать тексты под требования LLM: давать ответ на первом экране и структурировать контент списками, таблицами и блоками «Вопрос–ответ».
- Повысить техническую трастовость: структурировать в CMS разметку данных (Schema.org) для четкого указания автора, типа текста и актуальных дат. Это сделает авторов «видимыми» для нейросетей.
- Регулярно измерять результат: проводить регулярный мониторинг, прогоняя пул целевых запросов через выбранные LLM, чтобы отслеживать ключевые метрики LLM-выдачи (Coverage, Source rate и Local advantage).
Пока нет четкого алоритма попадания в LLM-выдачу, но выполнение базового технологического минимума приблизит вас к достижению этой цели.
Больше таких материалов в канале «Как устроены медиа»