Исследование: как компании металлообработки попадают в ответы ChatGPT и Алисы
Годовое исследование в сфере металлообработки и машиностроения показало, что более 30 % запросов к LLM приводят к упоминанию компаний, даже без их SEO‑оптимизации.
Команда аналитиков Habr AI завершила масштабное исследование, охватывающее более 1 000 компаний из отраслей металлообработки, машиностроения и заготовительного производства. Данные собирались в течение года (2025‑2026) и включали анализ запросов к популярным генеративным моделям — ChatGPT, Perplexive и голосовому ассистенту «Алиса» от Яндекса.
Главные выводы:
- 30 % запросов, связанных с промышленными деталями, приводят к появлению в ответах хотя бы одной компании из исследуемого кластера.
- 12 % компаний получают упоминания без какого‑либо внешнего SEO‑влияния, просто благодаря наличию технической документации в открытом доступе.
- Наиболее часто упоминаются компании, публикующие технические блоги и open‑source CAD‑модели – их контент считается более «читаемым» для LLM.
- При наличии структурированных данных (schema.org/Article, JSON‑LD) шанс появления в ответе возрастает в два раза.
- Perplexity показывает наибольшую склонность к упоминанию компаний с активным GitHub‑репозиторием, а ChatGPT – к тем, кто имеет богатый набор FAQ.
Практические рекомендации от авторов: публиковать техническую документацию в открытом виде, использовать структурированные данные, вести блоги с примерами кода и регулярно обновлять репозитории. Подробнее читайте в оригинальной статье на Habr AI: https://habr.com/ru/articles/1050640/.
Для разработчиков AI‑решений в промышленности это сигнал: LLM уже становятся новым каналом привлечения клиентов. Инвестировать в открытый контент и схемы разметки стоит сейчас, иначе конкуренты займут место в ответах. Кроме того, интеграция с платформами типа Perplexity открывает новые возможности для B2B‑продаж через «генеративный поиск».
