Проверка реальности llms.txt: что на самом деле показывают 300 000 доменов об AI-цитировании и видимости в поиске
Поиск меняется на глазах, и SEO-специалисты пытаются нащупать, как под это подстроиться: LLM-модели теперь сами разбирают веб-контент, чтобы строить ответы и рекомендации. Одной из новых тактик стал файл llms.txt — его задумывали как аналог robots.txt, только для больших языковых моделей.
Но масштабное исследование SE Ranking по 300 тысячам доменов ставит эффективность llms.txt под серьёзное сомнение. Ожидания от файла оказались завышены, а на AI-цитирования он почти никак не влияет.
Что такое llms.txt и зачем его придумали
Идея простая: файл структурированно сообщает LLM-системам, какие разделы сайта важнее всего, где искать релевантный контент и какие URL лучше цитировать. По замыслу авторов, llms.txt должен был:
- улучшить понимание структуры сайта AI-моделями;
- повысить вероятность того, что сайт попадёт в AI-обзоры, ответы ChatGPT, цитирования Perplexity и т.д.;
- стать новым стандартом оптимизации под AI-поиск.
Идея быстро прижилась среди SEO-специалистов. Данные, впрочем, рисуют совсем другую картину.
Как проходило исследование: 300 000 доменов и машинное обучение
SE Ranking взяли огромный массив доменов и посмотрели на три вещи:
- проверили, есть ли у сайта файл llms.txt;
- оценили наличие цитирований от LLM;
- применили корреляции, статистику и модель XGBoost для нахождения значимых факторов.
Такой подход даёт не догадки и субъективные впечатления, а статистически значимую картину.
Факт №1: llms.txt используют только 10% сайтов
Несмотря на весь хайп вокруг темы в SEO-сообществе, внедряют файл немногие:
📌 llms.txt есть только у 10,13% доменов
9 из 10 сайтов файл вообще не завели.
И вот что любопытно:
- крупные бренды тоже почти не внедряют файл;
- сайты с высоким трафиком используют его даже реже среднего;
- внедрение не зависит от авторитета домена.
Если бы llms.txt реально давал конкурентное преимущество, крупные сайты внедрили бы его первыми. Этого не произошло, и это уже само по себе показательно.
Факт №2: llms.txt не влияет на частоту AI-цитирований
Это, пожалуй, ключевой вывод всего исследования.
Через три независимых метода —
- простую корреляцию,
- статистические модели,
- и ML-алгоритм XGBoost,
исследователи получили один и тот же ответ:
❌ значимой связи между наличием llms.txt и AI-цитированиями нет.
Более того — есть и обратный эффект.
➡️ когда переменную llms.txt убрали из ML-модели, точность прогнозов выросла.
Файл, получается, не просто бесполезен — он создаёт лишний шум в данных.
Проще говоря: LLM-системы сейчас llms.txt попросту игнорируют.
А что говорят сами платформы — Google, OpenAI и другие
Google прямо заявляет: AI Overviews — часть поисковой системы, и источники для них выбирают те же алгоритмы, что и для обычной выдачи.
В документации llms.txt не упоминается вообще, и никаких намёков на то, что он на что-то влияет, там нет.
OpenAI
OpenAI делает ставку на robots.txt как основной механизм контроля доступа.
GPTBot действительно может скачать llms.txt, но здесь есть нюанс:
✔️ скачать файл — это не то же самое, что ✔️ использовать его содержимое.
Это полностью совпадает с выводами исследования: файл не влияет на цитирование ChatGPT.
Что это значит для SEO и маркетинга
Внедрять ли llms.txt?
Можно оставить, если выполняются два условия:
- он не требует больших затрат,
- вам хочется «быть готовыми к будущему».
Но всерьёз рассчитывать на рост видимости в AI-поиске из-за него не стоит.
Куда лучше направить ресурсы
Данные однозначно указывают на другое:
🔹 качественный, глубокий экспертный контент
🔹 структурированная архитектура страницы
🔹 тематическая специализация
🔹 сильный профиль ссылок
🔹 регулярные обновления материалов
Именно эти пункты реально влияют на AI-цитирования.
Большие языковые модели, как выясняется, ориентируются на те же сигналы качества, что и традиционные поисковые алгоритмы.
Для внутренних коммуникаций
Теперь проще объяснить руководству, почему не стоит слепо гнаться за трендом: за спиной — реальное исследование на 300 000 доменов, а не чьи-то догадки.
Что действительно важно для попадания в AI-цитирования
📌 Экспертиза и глубина контента
LLM охотнее цитируют авторитетные ресурсы, а не поверхностные обзоры.
📌 Тематика и специализация
Узкая, но сильная экспертиза работает лучше, чем попытка охватить всё сразу.
📌 Структура и чистая разметка
Чем аккуратнее размечена страница, тем проще модели извлечь из неё корректный ответ.
📌 Доверие к домену
Авторитет сайта и качество ссылочного профиля остаются одними из решающих факторов.
📌 Актуальность
Регулярно обновляемые материалы ранжируются выше устаревших.
И ни один из этих факторов к llms.txt не имеет никакого отношения.
SEO для AI-поиска взрослеет
Первый год AI-поиска прошёл под знаком догадок, теорий и хайпа.
Аналитика теперь говорит другое:
- не всё, что звучит логично, работает на практике;
- многие новинки — просто красивые идеи без доказательств;
- будущее SEO в AI-эпоху должно опираться на данные, а не на догадки.
llms.txt — как раз хороший пример такой ситуации.
Итог: опирайтесь на данные, а не на тренды
Главный вывод исследования SE Ranking простой:
❗ Сейчас llms.txt не влияет на цитирования в AI-ответах.
❗ Вкладываться стоит в проверенные методы SEO, а не в модные, но ничем не подтверждённые тактики.
Файл можно завести «про запас, на будущее», но пользы от него прямо сейчас ждать не стоит.
Лучше вложиться в другое:
- экспертный контент,
- техническая чистота сайта,
- тематический авторитет,
- проекты по улучшению UX,
- и фундаментальные SEO-практики.