Мониторинг AI-трафика: как узнать, читают ли нейросети ваш сайт и приходят ли оттуда клиенты

Мониторинг AI-трафика — это учёт двух разных вещей: обращений роботов нейросетей, которые приходят читать ваши страницы, и переходов живых людей, кликнувших по ссылке внутри ответа ChatGPT, Perplexity или Нейро. Первое показывает, знает ли модель о вашей компании и попадёте ли вы в будущие ответы. Второе — сколько клиентов канал уже приводит. Складывать их нельзя: это разные величины с противоположным смыслом. Проблема в том, что ни Яндекс.Метрика, ни Google Search Console, ни Вебмастер не показывают ни то, ни другое. В этой статье — почему стандартные инструменты слепы к AI-трафику, как устроен серверный учёт, готовый код счётчика для WordPress, SQL-запросы к собранным данным, две ловушки, которые ломают статистику, и что делать с цифрами, когда они появились.

Что такое мониторинг AI-трафика и почему это две величины

Мониторинг AI-трафика — это регулярный учёт обращений роботов нейросетей к страницам сайта и переходов пользователей из ответов AI-сервисов. В отличие от мониторинга упоминаний бренда в нейросетях, который отвечает на вопрос «называют ли нас в ответах», мониторинг трафика отвечает на два других: «читают ли нас модели» и «приходят ли оттуда люди».

Эти две величины принципиально разные, и главная ошибка новичка — сложить их в одну цифру «трафик из ИИ».

Обращение робота: индикатор будущей видимости

Когда на страницу заходит GPTBot или ClaudeBot, это не посетитель и не заявка. Это сигнал, что материал попал в поле зрения модели. Ценность обращения — прогнозная: страница, которую модель никогда не читала, не может быть процитирована в ответе. Внутри этой категории есть важное различие, о котором в разделе «Обход для обучения против живого запроса».

Переход человека: индикатор работающего канала

Когда человек прочитал ответ нейросети, увидел ссылку на вашу компанию и кликнул — это уже посетитель, которого можно посчитать в воронке наравне с органикой и рекламой. Такой переход можно довести до заявки, привязать к модели атрибуции и оценить в деньгах.

Почему Метрика, GSC и Вебмастер не видят AI-трафик

Ни один стандартный инструмент веб-аналитики не показывает полную картину AI-трафика, и у каждого своя причина. Понимание этих причин объясняет, почему приходится строить учёт самостоятельно.

Вывод из таблицы один: считать AI-трафик можно только на стороне сервера — до того, как страница уйдёт клиенту. Всё, что работает в браузере, для роботов невидимо по определению.

Что означает utm_source=chatgpt.com в отчётах

utm_source=chatgpt.com — это метка, которую ChatGPT автоматически добавляет к ссылкам в своих ответах. Если вы видите её в отчётах, значит человек пришёл к вам из диалога с нейросетью. Адрес в этом случае выглядит так:

https://example.ru/uslugi/implantaciya/?utm_source=chatgpt.com

Это самый надёжный признак AI-перехода из всех доступных, и вот почему:

• Метку ставит сам сервис. Её не нужно угадывать по косвенным признакам — источник подписался явно.
• Она переживает потерю реферера. Заголовок Referer часто не доходит: его режут настройки приватности, переходы через приложения, HTTPS-политики. Метка в адресе остаётся.
• Она видна и серверу, и браузерной аналитике. Один признак работает в обоих контурах учёта.

Аналогичные метки используют и другие сервисы. Актуальный набор, который имеет смысл отслеживать:

Важное ограничение: метку ставят не все и не всегда. Perplexity и Нейро в части сценариев отдают чистую ссылку без параметров. Поэтому метка — основной путь определения, но не единственный: нужен запасной, о нём в разделе про серверный счётчик.

Справочник AI-роботов: кто ходит по вашему сайту

Каждый робот представляется в HTTP-заголовке User-Agent. Это и есть признак, по которому его можно опознать на стороне сервера. Ниже — 17 подписей, которые имеет смысл отслеживать в 2026 году.

Список не статичен: вендоры добавляют новые подписи и переименовывают старые. Пересматривать его стоит раз в квартал — заодно это повод сверить, кого вы разрешили в robots.txt и llms.txt, а кого закрыли.

Обход для обучения против живого запроса пользователя

Внутри обращений роботов есть два принципиально разных типа, и второй ценнее первого.

Обход для обучения

Подписи GPTBot, ClaudeBot, Google-Extended, CCBot означают: модель собирает материал впрок, для следующей версии или для индекса. Ваша страница попадёт в корпус, но окажется ли она в конкретном ответе — вопрос открытый. Это инвестиция в будущее.

Запрос пользователя прямо сейчас

Подписи ChatGPT-User, Claude-User, Perplexity-User означают совсем другое: в этот момент живой человек задал вопрос, и модель пошла на вашу страницу, чтобы сформулировать ответ. Сайт уже работает как источник в реальном диалоге.

Практическое следствие: если ChatGPT-User регулярно читает одну и ту же страницу, это ваш главный актив в AI-выдаче. Её нужно поддерживать в актуальном состоянии, усиливать фактурой и следить, чтобы она не сломалась при редизайне. Если же приходит только GPTBot, а -User обращений нет — материал в корпусе есть, но в живых ответах не участвует, и работать надо над извлекаемостью ответа, а не над объёмом текста.

Четыре способа считать AI-трафик: что выбрать

Способов ровно четыре, и они не взаимоисключающие. Разумная конфигурация — комбинация из двух.

Рекомендация: серверный учёт (логи или счётчик) как основа плюс сегмент в Метрике или GA4 для сверки переходов. Первое даёт полноту, второе — привязку к поведению и конверсиям.

Способ 1: логи веб-сервера

Самый прямой путь. В журнале доступа записан каждый запрос вместе с User-Agent и реферером — ничего дополнительно внедрять не нужно.

grep -oiE 'GPTBot|ChatGPT-User|OAI-SearchBot|ClaudeBot|Claude-User|PerplexityBot|Perplexity-User|Google-Extended|Applebot-Extended|YandexAdditional|CCBot|Bytespider' 
  /var/log/nginx/access.log | sort | uniq -c | sort -rn

grep 'ChatGPT-User' /var/log/nginx/access.log 
  | awk '{print $7}' | sort | uniq -c | sort -rn | head -20

grep -iE 'chatgpt.com|perplexity.ai|claude.ai|copilot.microsoft.com' /var/log/nginx/access.log 
  | grep -vE 'GPTBot|ClaudeBot|PerplexityBot' 
  | awk '{print $7}' | sort | uniq -c | sort -rn | head -20

Ограничения способа. Логи почти всегда ротируются — типично раз в неделю или при достижении размера, — поэтому историю глубже месяца по ним не построить без отдельной выгрузки. На части тарифов виртуального хостинга доступа к логам просто нет. И разбирать их приходится вручную либо настраивать сборщик: сами по себе они не превращаются в отчёт.

Если логи есть и с ними умеют работать — начинайте с них: это нулевые затраты на внедрение. Если нет, переходите к следующему способу.

Способ 2: серверный счётчик внутри CMS

Идея: записывать факт обращения в собственную таблицу базы данных до того, как страница уйдёт клиенту. Тогда роботы фиксируются наравне с людьми, а история хранится столько, сколько нужно, — она не зависит от ротации логов. Ниже — рабочая реализация для WordPress; логика переносится на любую CMS.

Где размещать код и почему именно там

В WordPress правильное место — папка wp-content/mu-plugins (must-use plugins). Три причины:

• Нельзя отключить из админки. Обычный плагин легко деактивировать при обслуживании сайта, и учёт молча прервётся — а обнаружится это через месяц, когда в отчёте окажется дыра.
• Загружается раньше обычных плагинов и не зависит от их порядка подключения.
• Переживает смену темы. Код лежит вне темы, поэтому при редизайне ничего не теряется.

На каком этапе обработки запроса срабатывать

Это принципиальный выбор, и ошибиться здесь легко. Запись нужно вести на хуке template_redirect, а не на раннем init.

Причина: к моменту template_redirect WordPress уже разобрал запрос и знает, существует ли такая страница. Благодаря этому обращения к несуществующим адресам не попадают в статистику. На init эта информация ещё недоступна — и роботы, ходящие по устаревшим ссылкам, засоряют данные несуществующими URL. В реальном проекте именно это пришлось исправлять во второй версии счётчика.

Путь запроса через фильтры

Каждый запрос к сайту проходит цепочку проверок. Достаточно одной сработавшей, чтобы запись не создавалась.

Структура таблицы

const AIV_TABLE   = 'ai_visibility';
const AIV_VERSION = '1.2';

add_action('init', function () {
    if (get_option('aiv_installed') === AIV_VERSION) return;
    global $wpdb;
    $table = $wpdb->prefix . AIV_TABLE;
    require_once ABSPATH . 'wp-admin/includes/upgrade.php';
    dbDelta("CREATE TABLE $table (
        id    BIGINT UNSIGNED NOT NULL AUTO_INCREMENT,
        ts    DATETIME NOT NULL,
        kind  VARCHAR(12) NOT NULL,
        actor VARCHAR(60) NOT NULL,
        url   VARCHAR(300) NOT NULL,
        ref   VARCHAR(400) NOT NULL DEFAULT '',
        ua    VARCHAR(250) NOT NULL DEFAULT '',
        PRIMARY KEY (id),
        KEY ts (ts),
        KEY kind_actor (kind, actor)
    ) {$wpdb->get_charset_collate()};");
    update_option('aiv_installed', AIV_VERSION, false);
}, 0);

Два индекса здесь не для красоты: ts обслуживает выборки по периоду, kind_actor — группировки в сводных отчётах. На таблице в сотни тысяч строк без них запросы начнут заметно тормозить.

Справочники: кого считаем

function aiv_bots(): array {
    return [
        'GPTBot'             => 'OpenAI · обучение',
        'OAI-SearchBot'      => 'OpenAI · поисковый индекс',
        'ChatGPT-User'       => 'OpenAI · запрос пользователя',
        'ClaudeBot'          => 'Anthropic · обучение',
        'anthropic-ai'       => 'Anthropic · обучение',
        'Claude-User'        => 'Anthropic · запрос пользователя',
        'PerplexityBot'      => 'Perplexity · индекс',
        'Perplexity-User'    => 'Perplexity · запрос пользователя',
        'Google-Extended'    => 'Google · обучение',
        'Applebot-Extended'  => 'Apple · обучение',
        'YandexAdditional'   => 'Яндекс · нейро',
        'Bytespider'         => 'ByteDance',
        'CCBot'              => 'Common Crawl',
        'Amazonbot'          => 'Amazon',
        'meta-externalagent' => 'Meta',
        'cohere-ai'          => 'Cohere',
        'MistralAI-User'     => 'Mistral',
    ];
}

Значение справочника — не техническая подпись, а человекочитаемое имя для отчёта. Разделение «обучение» и «запрос пользователя» зашито прямо в название: потом по нему удобно фильтровать.

Определение перехода человека

function aiv_detect(string $ua, string $ref): ?array {
    // A. Робот — по подписи в User-Agent
    foreach (aiv_bots() as $needle => $vendor) {
        if ($ua !== '' && stripos($ua, $needle) !== false) return ['bot', $vendor];
    }
    $refs = aiv_referrals();

    // B. Основной путь: метка в адресе
    $src = isset($_GET['utm_source']) ? strtolower((string) $_GET['utm_source']) : '';
    if ($src !== '') {
        foreach ($refs['utm'] as $needle => $vendor) {
            if (strpos($src, $needle) !== false) return ['referral', $vendor];
        }
    }

    // C. Запасной путь: домен источника
    if ($ref !== '') {
        $host = strtolower((string) parse_url($ref, PHP_URL_HOST));
        $path = (string) parse_url($ref, PHP_URL_PATH);
        // собственный домен отбрасываем явно — иначе двойной счёт
        if ($host !== '' && strpos($host, 'example.ru') === false) {
            foreach ($refs['host'] as $needle => $vendor) {
                if (strpos($host . $path, $needle) !== false) return ['referral', $vendor];
            }
        }
    }
    return null;
}

Точка записи целиком

add_action('template_redirect', function () {
    if (is_admin() || is_robots() || is_feed() || is_trackback()) return;
    if (is_404()) return;

    $uri = isset($_SERVER['REQUEST_URI']) ? (string) $_SERVER['REQUEST_URI'] : '';
    if ($uri === '' || $uri[0] !== '/') return;

    $path = (string) parse_url($uri, PHP_URL_PATH);
    if (preg_match('~.(svg|png|jpe?g|gif|webp|avif|css|js|ico|woff2?|ttf|mp4|pdf|xml|txt|map)$~i', $path)) return;
    if (strpos($path, '/wp-content/') === 0 || strpos($path, '/wp-includes/') === 0) return;

    $ua  = isset($_SERVER['HTTP_USER_AGENT']) ? substr((string) $_SERVER['HTTP_USER_AGENT'], 0, 400) : '';
    $ref = isset($_SERVER['HTTP_REFERER'])    ? substr((string) $_SERVER['HTTP_REFERER'],    0, 400) : '';

    $hit = aiv_detect($ua, $ref);
    if ($hit === null) return;
    [$kind, $actor] = $hit;

    global $wpdb;
    $wpdb->insert($wpdb->prefix . AIV_TABLE, [
        'ts'    => current_time('mysql'),
        'kind'  => $kind,
        'actor' => $actor,
        'url'   => substr($path, 0, 300),
        'ref'   => $kind === 'referral' ? $ref : '',
        'ua'    => substr($ua, 0, 250),
    ]);
});

Здесь видны все фильтры из схемы выше в порядке применения. Обратите внимание на порядок: сначала дешёвые проверки (админка, 404, расширение файла), и только потом разбор заголовков и обращение к базе. Так на обычном посетителе код отрабатывает за микросекунды и не создаёт нагрузки.

Ловушка первая: кэш съедает учёт

Самая коварная проблема серверного счётчика: он молчит, хотя роботы приходят. В реальном проекте это выглядело так — по логам видно, что обращения есть, а в таблице пусто.

Причина в ускорителе сайта. Кэширующий плагин или серверный кэш (LiteSpeed Cache, WP Super Cache, Varnish, nginx fastcgi_cache) отдаёт роботу готовый HTML из кэша. При этом PHP-код вообще не выполняется — значит, и записывать некому.

Решение: вывести AI-роботов из кэширования отдельным списком. В LiteSpeed это «Do Not Cache User Agents», в других системах — аналогичная настройка исключений. Для перечисленных подписей страница собирается заново, и обращение фиксируется.

map $http_user_agent $skip_cache_ai {
    default 0;
    "~*(GPTBot|OAI-SearchBot|ChatGPT-User|ClaudeBot|anthropic-ai|Claude-User)" 1;
    "~*(PerplexityBot|Perplexity-User|Google-Extended|Applebot-Extended)"      1;
    "~*(YandexAdditional|Bytespider|CCBot|Amazonbot|meta-externalagent)"       1;
}

# в location с кэшем:
# fastcgi_cache_bypass $skip_cache_ai;
# fastcgi_no_cache     $skip_cache_ai;

Цена решения небольшая: обращения роботов редки по сравнению с обычным трафиком, а для живых посетителей кэш продолжает работать в полном объёме и скорость сайта не страдает.

Ловушка вторая: почему ya.ru нельзя считать признаком Нейро

Заманчиво считать переход с домена ya.ru переходом из Яндекс Нейро. Это ошибка, и она даёт завышенные цифры.

В одном из проектов первая версия счётчика так и работала. Проверка собранных данных показала: все 18 записей, отнесённых к Нейро, оказались обычным органическим трафиком. Признак нашёлся в адресах — там стояла метка ?ysclid=, которую Яндекс добавляет к ссылкам в обычной выдаче, а не в ответах нейросети.

Причина в том, что Яндекс урезает адрес источника до голого домена. По реферу https://ya.ru/ отличить переход из Нейро от перехода из обычного поиска невозможно в принципе — там просто нет данных для различения.

Правильный подход: считать Нейро только по явному пути ya.ru/neuro в реферере. Голые ya.ru и yandex.ru в справочник AI-источников не включать.

function aiv_referrals(): array {
    return [
        // метка в адресе — надёжный путь
        'utm' => [
            'chatgpt.com' => 'ChatGPT',    'openai.com'   => 'ChatGPT',
            'perplexity'  => 'Perplexity', 'claude.ai'    => 'Claude',
            'copilot'     => 'Copilot',    'gemini'       => 'Gemini',
        ],
        // домен источника — запасной путь.
        // Голые ya.ru и yandex.ru сюда НЕ входят: это обычная органика.
        'host' => [
            'chat.openai.com'        => 'ChatGPT',
            'chatgpt.com'            => 'ChatGPT',
            'perplexity.ai'          => 'Perplexity',
            'claude.ai'              => 'Claude',
            'copilot.microsoft.com'  => 'Copilot',
            'gemini.google.com'      => 'Gemini',
            'ya.ru/neuro'            => 'Яндекс Нейро',
        ],
    ];
}

Тот же принцип применим к другим спорным источникам: bing.com нельзя автоматически считать Copilot, а google.com — AI Overviews. В обоих случаях реферер один и тот же и для обычной выдачи, и для AI-блока. Здесь помогает только косвенная оценка через поведение в AI Overviews и сверку с динамикой показов в GSC.

Что сохранять и чего сохранять нельзя

Минимально достаточный набор полей для ответа на все рабочие вопросы:

Если позже понадобится связать AI-переход с конкретной сессией и заявкой, делайте это на стороне CRM через UTM-метку, а не через сопоставление IP-адресов в собственной таблице.

Как читать данные: готовые SQL-запросы

Таблица собрана — теперь её нужно превратить в ответы. Ниже четыре запроса, закрывающие основные вопросы. Префикс wp_ замените на свой.

SELECT kind, actor, COUNT(*) AS c
FROM wp_ai_visibility
WHERE ts >= '2026-09-01'
GROUP BY kind, actor
ORDER BY kind DESC, c DESC;

Первый отчёт, который стоит смотреть. Даёт разбивку по вендорам и сразу показывает соотношение обходов и переходов.

SELECT url, actor, COUNT(*) AS c
FROM wp_ai_visibility
WHERE kind = 'referral'
GROUP BY url, actor
ORDER BY c DESC
LIMIT 20;

Список страниц, которые нейросети рекомендуют людям. Это ваши точки входа в AI-канале — их стоит проверить на актуальность, скорость и наличие понятного следующего шага.

SELECT url, COUNT(*) AS c
FROM wp_ai_visibility
WHERE kind = 'bot' AND actor LIKE '%запрос пользователя%'
GROUP BY url
ORDER BY c DESC
LIMIT 20;

Самый ценный отчёт из четырёх. Показывает материал, который модели реально используют для формирования ответов прямо сейчас.

SELECT DATE(ts) AS d, kind, COUNT(*) AS c
FROM wp_ai_visibility
GROUP BY DATE(ts), kind
ORDER BY d;

Ряд для графика. На нём хорошо видны последствия действий: выкатили большой материал — через неделю-две растёт число обходов; попали в ответы — растут переходы.

Способ 3: сегменты и фильтры в веб-аналитике

Роботов этот способ не покажет никогда, но переходы людей закроет за десять минут и без разработки.

Яндекс.Метрика

1. Отчёты → Источники → Метки UTM. Смотрите значения utm_source: chatgpt.com, perplexity, openai.com.
2. Создайте сегмент: Источники → Метка UTM Source → содержит chatgpt (и по одному на каждый сервис).
3. Сохраните сегмент и примените его к отчётам по конверсиям — так вы увидите не только объём, но и качество трафика.
4. Настройте цель и сравните конверсию AI-сегмента со средней по сайту.

Google Analytics 4

1. Reports → Acquisition → Traffic acquisition, разбивка по Session source / medium.
2. Добавьте фильтр по Session source, содержащему chatgpt или perplexity.
3. Для постоянного наблюдения соберите Exploration с этим фильтром и разбивкой по Landing page.

Способ 4: готовые сервисы мониторинга

На рынке появился класс инструментов вокруг видимости в нейросетях. Важно понимать, что большинство из них решает другую задачу — они мониторят упоминания бренда в ответах, а не трафик на ваш сайт.

Полная картина складывается из двух половин: внешней — что модели говорят о вас, и внутренней — кто к вам ходит и откуда приходит. Внешнюю половину подробно разбирает статья про мониторинг упоминаний в нейросетях; внутреннюю закрывает серверный учёт из этой статьи. По отдельности каждая половина даёт искажённую оценку канала.

Какие метрики выводить в регулярный отчёт

Собранная таблица позволяет посчитать многое, но в регулярный отчёт стоит выносить ограниченный набор — иначе он перестаёт читаться.

Как связать AI-трафик с деньгами

Отчёт про обращения роботов интересен специалисту, но бизнесу нужен ответ в деньгах. Цепочка выстраивается в четыре шага.

1. Сохраните метку до заявки. UTM-метка должна дожить от точки входа до отправки формы: записывайте её в скрытое поле формы и передавайте в CRM. Без этого шага все остальные бессмысленны.
2. Заведите отдельный источник в CRM. Не сваливайте AI-переходы в «Прочее» или в общий Referral — по такому полю невозможно ничего посчитать.
3. Считайте конверсию и цену обращения раздельно. Сравнивайте AI-канал с органикой и контекстом по одинаковой методике, иначе сравнение некорректно. Какую модель атрибуции применить — отдельный вопрос: AI-переход часто не последний и не единственный касание в цепочке.
4. Свяжите вложения с результатом. Работы по GEO-оптимизации и AEO дают отложенный эффект. Сопоставляйте дату публикации материала, дату первого обхода и дату первых переходов — так становится виден реальный срок окупаемости.

Практический пример связки видимости и денег в медицинской нише разобран в кейсе продвижения Sense Clinic, где GEO и AEO велись параллельно с классическим SEO.

Что делать с данными: как реагировать на находки

Данные сами по себе ничего не меняют. Ниже — типовые находки и действия по каждой.

Роботы не приходят вообще

Проверьте доступность: не закрыты ли AI-агенты в robots.txt, не режет ли их защита от ботов или CDN, отдаётся ли контент без JavaScript. Многие сайты на фронтенд-фреймворках отдают роботу пустой каркас. Затем проверьте базовую техническую основу — карты сайта, коды ответов, скорость — и добавьте llms.txt.

Приходит только GPTBot, обращений с -User нет

Материал в корпусе есть, но в живых ответах не участвует. Это не проблема доступности — это проблема формы. Работайте над извлекаемостью: прямой ответ в первом абзаце раздела, определения отдельным предложением, таблицы вместо описаний, структурированная разметка, FAQ-блоки. Подробно механика разобрана в гайде как попасть в ответы нейросетей.

Обращения есть, переходов нет

Модели читают вас, но не ссылаются либо ссылку не нажимают. Первое лечится усилением бренда в доверенных источниках — об этом статья про продвижение бренда в нейросетях. Второе — формулировками: если в ответе вы упомянуты вскользь и без причины кликнуть, перехода не будет.

Весь трафик идёт от одного вендора

Зависимость от одной модели — риск: изменится алгоритм, и канал обнулится. Посмотрите, какие сервисы важны вашей аудитории, и работайте с ними адресно: ChatGPT, Perplexity, Яндекс Нейро отбирают источники по-разному.

Обходят одну страницу, остальной сайт игнорируют

Обычно это проблема внутренней структуры: до остальных материалов робот просто не доходит. Проверьте перелинковку, глубину вложенности и карту сайта. Отдельный признак той же проблемы — узкий список url в отчёте по обходам при большом объёме контента.

Типичные ошибки мониторинга AI-трафика

• Складывать обходы и переходы в одну цифру. Это разные величины с разным смыслом. Сумма не значит ничего.
• Считать голый ya.ru или bing.com признаком нейросети. Гарантированное завышение — разбор в разделе про ловушку с ya.ru.
• Забыть про кэш. Счётчик стоит, кода нет в исполнении, данных ноль — и никто не понимает почему.
• Не исключить собственный домен из источников. Один переход превращается в пять.
• Писать на раннем хуке. В статистику попадают 404 и служебные адреса, отчёт замусоривается.
• Хранить IP и куки «на всякий случай». Данные не нужны для задачи, но создают обязательства по 152-ФЗ.
• Судить по неделе. AI-трафик разрежен, недельная выборка ни о чём не говорит. Минимальный горизонт для выводов — месяц, для трендов — квартал.
• Мерить нейросети rank-трекером. Инструмент для позиций не покажет диалог с моделью. Разница между слоями подробно разобрана в статье SEO vs GEO vs AEO.
• Внедрить и не смотреть. Счётчик без регулярного отчёта — просто растущая таблица в базе.

Что в итоге

Мониторинг AI-трафика в 2026 году — это не опция, а базовая гигиена аналитики. Канал уже существует и уже приводит людей, вопрос только в том, видите вы его или нет. Стандартные инструменты его не показывают по техническим причинам, а не по злому умыслу: JS-счётчики слепы к роботам, а поисковые панели не выделяют AI-блоки отдельной строкой.

Рабочая схема собирается из трёх элементов: серверный учёт (логи или счётчик в CMS), исключение AI-роботов из кэша, чтобы код вообще выполнялся, и раздельные метрики для обходов и переходов. К этому добавляется внешний контур — мониторинг упоминаний, отвечающий на вопрос, что модели о вас говорят.

Дальше начинается работа с данными: находки из раздела «как реагировать» превращаются в задачи по доступности, структуре и формулировкам. И здесь стоит помнить общий принцип, который подтверждается и трендами 2026 года: видимость в ответах нейросетей растёт не от трюков, а от планомерного укрепления присутствия в доверенных источниках. Учёт трафика — это компас, а не двигатель: он показывает направление и подтверждает, что вы движетесь, но ехать всё равно приходится самим.