Эффект llms.txt: 37 894 домена и ноль преимущества в цитировании

Вокруг файла llms.txt сложился отдельный нарратив: положи текстовый файл в корень сайта — и ИИ-системы начнут цитировать тебя чаще. Его подают как тот самый «один приём», который двигает ИИ-видимость. Данные этого не показывают.

GolOps просканировал 37 894 домена, которые ИИ-системы реально цитируют в своих ответах. У 5 035 из них (13,3%) есть llms.txt. Преимущество в частоте цитирования у этой группы — статистический ноль. Mann-Whitney U даёт p=0,85, и это примерно максимально далёкая от значимости точка, какую можно получить.

Корпус: домены с двумя и более появлениями в ИИ-ответах

Ключевые находки

13,3% — доля с llms.txt. Из всех доменов, которые ИИ цитирует, файл есть у одного из восьми. Те, кто его ставит, делают ставку на будущее, а преимущества сегодня не получают.

6,8 против 6,7 — среднее цитирований. Домены с llms.txt собирают в среднем 6,8 цитирования, без него — 6,7. Разница неотличима от шума. Медиана в обеих группах — ровно 3,0.

6% — адопция в топ-50. Среди пятидесяти самых цитируемых доменов файл есть лишь у 6%. Чем выше домен в рейтинге цитируемости, тем реже у него llms.txt. Стандарт ставят те, кто надеется на видимость, а не те, у кого она уже есть.

24,1% против 0% — перекос по категориям. Адопцию ведут SaaS и dev-инструменты — ровно то сообщество, что предложило стандарт. Справочники и площадки отзывов — на нуле. И именно у них самая высокая цитируемость.

Кривая адопции по уровням цитируемости

Если ранжировать домены по числу цитирований в ИИ и смотреть на адопцию по срезам, проявляется обратная зависимость:

Самые цитируемые домены в ИИ файла не ставят. По мере спуска по рейтингу адопция сначала растёт, потом снова оседает. Будь llms.txt рычагом видимости, кривая шла бы в обратную сторону: верхушка была бы насыщена файлом. Она пустует.

Если самые цитируемые домены не используют llms.txt, что тогда определяет ИИ-цитирование? Данные указывают на авторитет домена, глубину контента и присутствие в обучающих данных, а не на файл в корне.

Вердикт: помогает ли файл

Прямое сравнение двух групп отвечает на вопрос.

Среднее различается на одну десятую цитирования — на масштабе 37 894 доменов это неотличимо от шума. Медианы совпадают точно: обе группы садятся на 3,0.

На полной выборке тест формально становится значимым (p<0,001) — но исключительно из-за размера выборки. Размер эффекта при этом r=−0,065, ниже порога 0,1 даже для «малого» эффекта. Это статистическая значимость без практической. Наличие llms.txt не даёт измеримого преимущества в частоте ИИ-цитирования. Что бы ни управляло выбором источников в ИИ-ответах, это не llms.txt. К тому же выводу пришёл и независимый анализ SE Ranking на 300 000 доменов: файл нашёлся у 10,13% и не показал измеримой связи с частотой ИИ-цитирования.

Кто ставит файл: эхо технического сообщества

Если разложить адопцию по категориям доменов, видно, кто двигает стандарт:

Адопцию ведут SaaS и dev-инструменты на 24,1% — ровно то сообщество, которое и предложило стандарт: llms.txt предложил Джереми Ховард из Answer.AI в сентябре 2024 года. Госсектор и академия — 1,5% от соответствующего показателя верхних категорий, справочники и площадки отзывов — ноль.

Здесь же кроется смещение выборки. Сайты, которые охотнее всего ставят llms.txt, и без него технически зрелые, хорошо структурированы и дружелюбны к API. Эти свойства сами по себе коррелируют с ИИ-видимостью. Файл едет вторым вагоном, а не тянет состав.

Категории с наивысшим авторитетом домена — справочники, площадки отзывов, академия — имеют наинизшую адопцию llms.txt. Домены, доминирующие в ИИ-цитировании, в файле не нуждаются: их цитируют за авторитет бренда и качество контента.

Лидеры цитирования: с файлом и без

Десять самых цитируемых доменов, у которых llms.txt есть:

Десять самых цитируемых доменов, у которых файла нет:

Колонка без файла читается как перечень опор всего интернета. Reddit, Reuters, Forbes, LinkedIn доминируют в ИИ-цитировании без какой-либо оптимизации под llms.txt. Самый цитируемый адоптер — prnewswire.com с 1 070 цитированиями — отстаёт от Reddit почти втрое. Авторитет выигрывает у технического сигнала.

Та же картина в композитном индексе

Чтобы исключить артефакт сырого подсчёта, GolOps сверил группы по композитному показателю ИИ-видимости. Он сводит присутствие, ранг, упоминания и тональность по нескольким ИИ-моделям в шкалу 0–100. Срез построен на 205 брендах, у которых есть и аудит сайта, и активный мониторинг видимости.

Разрыв в 0,4 пункта по медиане — внутри шума, причём в пользу группы без файла. Смотрим ли мы на сырые цитирования или на композитный показатель — результат один: llms.txt сегодня не входит в число факторов, по которым ИИ-системы формируют рекомендацию.

Что это значит на самом деле

Наличие llms.txt сообщает ИИ-системам «мы хотим, чтобы нас понимали модели», но это сигнал, а не рычаг: текущие модели не читают и не приоритизируют этот файл при сборке цитирований. Скепсис разделяют и в самих поисковиках: Джон Мюллер из Google сравнил llms.txt с мета-тегом keywords — сигналом, который давно игнорируется. Цитирование определяют обучающие данные: авторитетные домены, часто линкуемый контент, размеченные страницы, тематическая релевантность. Текстовый файл по адресу /llms.txt не переписывает задним числом то, что модель уже выучила.

Это не значит, что файл бесполезен. Он дёшев во внедрении и полезен как практика структурирования, и когда модели начнут использовать его на этапе retrieval-augmented generation, ранние адоптеры могут выиграть. Но сегодня ИИ-видимость двигают вещи поглубже: авторитетный контент, сильный профиль ссылок, размеченные данные, регулярная публикация, тематическая экспертиза. Что именно на уровне страницы делает её пригодной для цитаты, мы разбирали в «Анатомии ИИ-цитирования». Файл — страховка на будущее, а не способ попасть в выбор сейчас.

Методология

Что лежит в основе цифр:

• 882 брендовых среза дали 337 000+ цитирований по 102 000+ уникальных доменов — агрегированные данные ИИ-ответов.
• 37 894 домена — отобраны как имеющие два и более появления в цитированиях; на них и проводился анализ.
• Детекция llms.txt — асинхронные HTTP-проверки /llms.txt с валидацией содержимого, чтобы отсеять HTML-страницы ошибок, мягкие 404 и редиректы на логин, отдающие статус 200.
• Непараметрический тест — Mann-Whitney U вместо t-теста: распределения цитирований сильно скошены вправо.
• Контроль конфаундеров — адоптеры llms.txt не отличаются систематически по баллам аудита сайта, что снимает версию «дело в качестве сайта, а не в файле».
• Качество файлов — среди адоптеров у 89% есть заголовок, у 98% — URL, 79% набирают 4/4 по рубрике качества. Файлы реализованы хорошо. Они просто не двигают цитирование.

Источник — производственные данные мониторинга ИИ-видимости по 882 брендам. Измеряется то, что модели реально выдают, а не идеальные условия выдачи.

Вывод для практики

Миф обещает простую сделку: один файл в корне сайта — и ИИ-системы начинают цитировать вас чаще. Данные эту сделку не подтверждают. На 37 894 доменах группа с llms.txt и группа без него цитируются неотличимо: p=0,85, размер эффекта ниже порога даже для «малого». Преимущества нет ни в сырых цитированиях, ни в композитном индексе видимости. Вера в «один приём», закрывающий вопрос ИИ-видимости, держится на удобстве, а не на наблюдениях.

Видимость в ИИ — это не файл, а инфраструктура: авторитет домена, глубина контента, присутствие в обучающем корпусе и контур, который всё это измеряет и корректирует. Именно этот контур GolOps берёт под управление. Мы измеряем позицию компании в поле выбора через Индекс Контроля Выбора, разбираем, какие источники и сценарии её формируют, и переводим замер в приоритизированный план. Стратегический пилот закрывает первый цикл за 10–12 недель; Центр Управления держит контур в постоянном режиме на семи ИИ-системах. Это и есть ответ уровня инфраструктуры — там, где один файл бессилен.

Ещё один технический сигнал, который не работает так, как обещают:

Предпочитают ли ИИ-краулеры Markdown. Контролируемый эксперимент

Сколько стоит вера в миф

Компания, которая поставила llms.txt и сочла задачу закрытой, остаётся ровно так же невидимой, как и до файла: шорт-лист формируется без неё, закупочный сценарий проходит без неё. Gartner прогнозирует, что к 2028 году 90% B2B-закупок пойдут через автономных ИИ-агентов, а Semrush уже фиксирует конверсию из ИИ-каналов в 4,4 раза выше органического поиска — то есть реальное поле смещается, пока бюджет уходит на нерычаг. Цена этой веры измеряется не в файле, а в кварталах решений, принятых без вас в комнате: каждый такой квартал — это упущенная доля от тех самых 90%.

Запросить стратегическую диагностику → · Обсудить пилот →