Летом 2026 года Time Magazine сделал то, что ещё полгода назад казалось странным: конвертировал все свои статьи в markdown и начал продавать рекламу внутри этих версий. Вы не поверите кому — ботам! Покупатели первых «агентских объявлений» — Ally Bank и Project Management Institute. Партнёр — ad-tech платформа Mobian.
Открывается новый рынок. Но прежде чем думать о монетизации на этом рынке, нужно понять базу: что такое markdown, зачем он нужен ИИ и что конкретно нужно сделать в редакции, чтобы ваши материалы вообще попадали в ответы ChatGPT, Perplexity и Claude.
Что такое markdown и чем он отличается от HTML
Когда пользователь открывает статью в браузере, он видит красивую вёрстку: шрифты, цвета, фотографии, баннеры. Всё это — результат рендеринга HTML-страницы с подключёнными стилями, скриптами и рекламными блоками.
Языковая модель этого не видит.
LLM работает с текстом. Когда GPT или Perplexity сканирует страницу, он получает HTML — документ с тысячами строк разметки, в которых полезный контент составляет 10–20% от общего объёма. Остальное: навигация, футеры, классы CSS, атрибуты тегов, счётчики, виджеты.
Markdown — это текстовый формат, в котором структура документа обозначается символами. Заголовок первого уровня — # Заголовок. Второго — ## Подзаголовок. Жирный текст — **слово**. Список — тире или звёздочка перед каждым пунктом. Ссылка — [текст](url).
Та же статья, что в HTML весит 150 Кб, в markdown занимает 8–12 Кб. Для языковой модели это означает: меньше токенов на обработку, выше точность извлечения фактов, лучше понимание структуры материала.
Именно поэтому Time перевёл сайт в markdown. Не для читателей — для моделей.
Почему это важно сейчас
Трафик из поисковиков падает. Это факт, который фиксируют аналитики по всему миру. Пользователи всё чаще получают ответы прямо в интерфейсе ChatGPT или Perplexity, не переходя на источник.
Но источник при этом может быть назван. Или не назван. Если источник будет в Markdown, то нейронка процитирует его охотнее.
Когда модель генерирует ответ, она опирается на обученные данные и на контент, который смогла прочитать в момент запроса (если есть веб-поиск). Чем чище и структурированнее материал — тем выше вероятность, что именно ваши факты окажутся в ответе, а ваше издание будет указано как источник.
Это и есть GEO — Generative Engine Optimization. По аналогии с SEO, только аудитория — не поисковый робот Google, а языковая модель.
Как читает ИИ: три уровня
Прежде чем переходить к практике, нужно понять, что конкретно делает LLM с вашим текстом.
Уровень 1. Сканирование структуры. Модель сначала смотрит на заголовки. Если статья структурирована — H1, H2, H3 в логичной иерархии — она понимает, о чём материал, ещё до прочтения. Markdown делает эту иерархию явной.
Уровень 2. Извлечение фактов. Модель ищет числа, имена, даты, причинно-следственные связи. Чем короче абзацы и чем конкретнее формулировки — тем точнее извлечение. Длинные вводные конструкции, канцелярит и «вода» снижают качество понимания.
Уровень 3. Атрибуция источника. Модель пытается понять, кто автор и откуда информация. Чёткое указание издания, автора, даты публикации в начале документа повышает вероятность, что источник будет назван в ответе.
Что нужно сделать в редакции: практический минимум
Не нужно переделывать весь сайт за неделю. Есть минимальный набор изменений, который уже даст результат.
1. Добавить markdown-версию статьи как отдельный эндпоинт.
Технически это делается на уровне CMS или бэкенда. Если статья живёт по адресу izdanie.ru/article/123, markdown-версия должна быть доступна по izdanie.ru/article/123.md или izdanie.ru/article/123/markdown. Большинство современных CMS (WordPress, Ghost, собственные разработки) поддерживают это через плагины или небольшие доработки API.
Именно эти адреса будут сканировать LLM-краулеры — особенно после того, как в robots.txt или llms.txt вы укажете путь к ним.
2. Добавить файл llms.txt в корень сайта.
По аналогии с robots.txt для поисковиков, llms.txt — это инструкция для языковых моделей. В нём можно указать: какие разделы сайта открыты для обучения, где находятся markdown-версии статей, какова политика цитирования.
Формат простой:
# llms.txt > Издание «Название» > Разрешено использовать в обучающих данных при указании источника.
## Контент - [Новости](https://izdanie.ru/news/index.md) - [Статьи](https://izdanie.ru/articles/index.md)
Этот стандарт пока не закреплён жёстко, но его уже поддерживают Anthropic (Claude), Perplexity и ряд других платформ.
3. Структурировать тексты под извлечение фактов.
Это потребует изменения редполитики. Главный принцип: ключевой факт — в начало абзаца, не в конец. Ответ на вопрос читателя — в первом предложении, подробности — после.
Вместо: «Эксперты рынка, изучив данные за прошлый квартал, пришли к выводу, что продажи выросли на 23%»
Лучше: «Продажи выросли на 23% в первом квартале — такой вывод сделали аналитики на основе отраслевых данных»
Второй вариант модель извлечёт и воспроизведёт точно. Первый — с высокой вероятностью переформулирует или проигнорирует.
4. Добавить метаданные в структурированном виде.
В начале каждой статьи (в markdown это называется «front matter» — блок в начале файла, обрамлённый —) стоит указывать:
--- title: Заголовок статьи author: Имя автора publication: Название издания date: 2026-08-05 topic: тема ---
Это напрямую влияет на то, как модель атрибутирует источник.
Что уже делают другие
Time — первый, но не последний. По данным Mobian, около 15% крупных брендов уже конвертировали свои корпоративные сайты в markdown. Среди западных издателей конвертацию запустили или тестируют Forbes, The Atlantic, ряд европейских новостных агентств.
В российском сегменте публичных примеров пока нет. Это окно возможностей — издания, которые сделают это первыми, получат преимущество в цитируемости ИИ-системами до того, как это станет стандартом.
Резюме для главреда
Три действия, которые можно поставить в план прямо сейчас:
1. Поручить разработчикам добавить эндпоинт .md для новых статей (1–2 недели работы).
2. Создать llms.txt в корне сайта и перечислить разделы с контентом.
3. Пересмотреть шаблон лида: ключевой факт — первое предложение, не третье.
Так можно настроиться на новую аудиторию — ту, которая уже читает ваши материалы, но чьи визиты пока не конвертируют в оплату.