Доступность сайта для поисковых роботов и систем искусственного интеллекта — необходимое условие машинной видимости. Но даже если краулер обнаружил все страницы, это не означает, что система правильно поймёт связи между продуктами, брендами, подразделениями и рынками компании. Автор материала Search Engine Journal предлагает рассматривать эту задачу как отдельный слой — Integrity Graph, или граф целостности.
Поводом для обсуждения стал AI Visibility Audit проекта Common Crawl, предназначенный для проверки того, могут ли системы ИИ обнаруживать и получать доступ к контенту организации. Common Crawl — не поисковая система и не ИИ-платформа, а открытый репозиторий данных веб-сканирования, используемый в исследованиях и обучении моделей. Даже если конкретная модель не использует его напрямую, проект помогает поставить более общий вопрос о доступности опубликованной информации.
Разметка страниц и описание бизнеса — разные задачи
Автор статьи рассматривает проблему на примере банковских сайтов. По его наблюдениям, многие из них использовали разметку Organization, BankOrCreditUnion, данные об отделениях, продуктах и услугах. Однако отдельные сущности нередко оставались слабо связанными друг с другом.
При проверке структурированных данных стоит спрашивать не только о наличии полей на каждой странице, но и о том, позволяют ли связи между сущностями понять устройство бизнеса. Например, какое юридическое лицо владеет брендом, какие услуги доступны в конкретном отделении, какие предложения действуют только на определённых рынках и какие продукты входят в одно семейство.
По мнению автора, разметка отдельных элементов без таких связей описывает страницы, но не обязательно объясняет, как работает организация.
Почему постраничной валидации может быть недостаточно
Инструменты проверки структурированных данных обычно анализируют страницу отдельно: выявляют ожидаемые свойства для типа schema и проверяют их соответствие стандартам. Это полезно для самостоятельной сущности или оценки возможности получить расширенный результат поиска, но не всегда отражает качество связанного графа.
Например, страница отделения может ссылаться через @id на основное описание родительской организации на главной странице. Адрес, юридические сведения и профили организации при этом хранятся в другом месте графа, а не дублируются на странице отделения. Автор отмечает, что такие связи могут вызывать предупреждения в инструментах постраничной проверки, хотя данные намеренно вынесены в отдельное описание.
Поэтому предупреждение следует рассматривать в контексте задачи проверки: оно может указывать на недостаток данных для конкретного поискового представления, но само по себе не обязательно означает, что связь между сущностями отсутствует.
Почему системам нужен контекст
Поисковые системы исторически выводили связи из содержания страниц, ссылок, поведения пользователей и других сигналов. Автор считает, что такие механизмы имеют ограничения, и указывает на развитие Google Product Graph, фидов Merchant Center, данных о совместимости и вариантах товаров, а также Conversational Attributes как на признаки растущего внимания к явно заданным отношениям.
В частности, Conversational Attributes в Merchant Center автор приводит как пример получения дополнительного контекста от продавцов, а не исключительно его автоматического вывода. По его оценке, сведения из первых рук часто могут быть точнее машинного предположения: производитель знает совместимость продуктов, банк — доступность услуг в отделениях, а международная компания — различия предложений по рынкам.
Это не отменяет необходимости сканирования. Доступность отвечает на вопрос, может ли система получить сведения; корректное описание связей помогает объяснить, к каким сущностям и условиям эти сведения относятся.
Агентные интерфейсы не заменяют качественные данные
Вокруг готовности сайтов к работе с ИИ-агентами обсуждаются MCP, WebMCP, навыки и карточки агентов, каталоги API, протоколы A2A и файлы llms.txt. Автор ссылается на исследование Agentic Readiness Бастиана Гримма: при проверке заметных сайтов в США, Великобритании и Германии большинство из них не предоставляло ни одного из изучавшихся механизмов обнаружения для агентов.
Ограниченное распространение этих механизмов, по мнению автора, не делает их неважными. Однако даже при наличии машиночитаемого интерфейса остаётся вопрос, какие данные через него доступны. Если связи между продуктами, брендами, услугами и рынками описаны неточно или неполно, интерфейс лишь облегчает получение этой неполной информации.
Что автор называет Integrity Graph
Integrity Graph в предлагаемой автором концепции расширяет граф сущностей: он должен сохранять не только сведения о том, какие объекты существуют и связаны между собой, но и контекст применимости фактов.
Такой граф может описывать владельца бренда, принадлежность продукта к семейству, доступность услуги в отделении или на рынке, применимость регулирования в конкретной юрисдикции и различие между глобальными и локальными сведениями. Автор рассматривает сохранение этих отношений как отдельную задачу наряду с идентификацией самих сущностей.
Какие слои проверять при аудите
Разные аудиты отвечают на разные вопросы. AI Visibility Audit Common Crawl посвящён обнаружению и доступности контента. Проверки готовности к агентам рассматривают, могут ли те найти возможности сайта и взаимодействовать с его системами. Brand AI Visibility Audit, связанный с Диксоном Джонсом и командой Waikay, оценивает, распознают ли системы ИИ бренды и сущности и правильно ли связывают организацию с соответствующими темами и продуктами.
Автор предлагает дополнить эти направления проверкой целостности связей: способны ли системы понять, как соотносятся между собой части бизнеса. В его модели слои последовательно связаны: информацию нужно обнаружить и получить, затем соотнести с сущностью, чтобы корректно интерпретировать отношения, придающие ей смысл.
Особая сложность для международных компаний
Для компании, работающей на множестве рынков, успешное обнаружение страниц не гарантирует применения правильных фактов к нужной аудитории. Системе может потребоваться различать характеристики продукта для Германии, регулирование для Японии и доступность услуг в Канаде, а также понимать, какие локальные названия относятся к одному глобальному продукту.
Автор сравнивает эту задачу с hreflang на уровне знаний, а не URL: речь идёт не только о направлении пользователя на подходящую страницу, но и о разграничении глобально применимых и локальных фактов. По его оценке, преимущество в дальнейшем могут получить организации, которые яснее и надёжнее представляют связи между своими сущностями, предложениями и рынками. Это прогноз автора, а не установленный результат конкретного внедрения.
Комментариев пока нет. Начните обсуждение.