26 критериев AI-Readiness: как я провёл аудит собственного сайта (и обогнал три B2B SaaS-гиганта)

26 критериев AI-Readiness: как я провёл аудит собственного сайта (и обогнал три B2B SaaS-гиганта)

26 критериев AI-Readiness: как я провёл аудит собственного сайта (и обогнал три B2B SaaS-гиганта)

В мае 2026 я провёл структурированный аудит собственного сайта ivannikov.pro по 26 критериям AI-readiness. Стартовый score: ~42/100. После одного дня фиксов — 80/100. Затем прогнал тот же аудит на Stripe, Twilio и Linear. Twilio и Linear провалили pre-condition E1 — их публичные сайты нечитаемы для LLM-кроулеров без JavaScript. Stripe набрал 55/100, упустив базу типа llms-full.txt и явной AI-policy в robots.txt.

Если у вас B2B SaaS и вы рассчитываете на органический трафик — это важно. Discovery сместился из Google в AI-агентов: ChatGPT, Claude, Perplexity, Google AI Overview. Сайты, не оптимизированные под LLM, теряют видимость квартал за кварталом. Большинство «AI SEO» советов в интернете — общие; этот пост даёт конкретный чек-лист.

26-критерийный фреймворк

Пять категорий, 100 баллов суммарно, плюс жёсткий pre-condition gate:

E1 gate (pre-condition)

Контент доступен без выполнения JavaScript. LLM-кроулеры (GPTBot, ClaudeBot, PerplexityBot) JS не исполняют. Если ваш сайт требует JS для отрисовки контента — весь аудит UNRELIABLE, чините это первым. Именно здесь сильно теряют SPA-сайты.

A. Discovery (18 баллов)

Может ли AI-агент найти ваш контент с холодного старта? Смотрим:

  • /llms.txt — индекс сайта в формате llmstxt.org.
  • /llms-full.txt — расширенная версия с конкатенированным контентом.
  • /robots.txt с явным Allow: для AI-кроулеров (не только User-agent: *).
  • /sitemap.xml с тегами <lastmod>.

B. Per-page артефакты (22 балла)

На отдельных страницах:

  • .md-зеркала — /page.md возвращает чистый Markdown. Самый эффективный single fix для SPA.
  • JSON-LD TechArticle / Article / Person / Organization schema в <head>.
  • <link rel="canonical"> присутствует и точен.
  • Last-Modified HTTP-заголовок или dateModified в JSON-LD.
  • OpenGraph + Twitter Card метаданные.

C. API spec (25 баллов) — skip если у вас не API-продукт

  • OpenAPI на предсказуемом URL (/openapi.json).
  • Валидная спека.
  • Per-endpoint примеры (request + response).
  • Postman / Insomnia / Bruno коллекция.
  • SDK-ссылки рядом с доками.
  • Версионирование в спеке и URL.

D. Контент (20 баллов)

  • curl-пример на каждый endpoint.
  • Реалистичные payloads (не {"foo": "bar"}).
  • Error codes документированы.
  • Auth-метод явно описан.
  • Rate limits документированы.
  • Глоссарий domain-specific терминов.
  • SDK code examples рядом с REST.

E. Hygiene (15 баллов)

  • No-JS доступ (E1 gate выше).
  • Стабильные URL (без hash-routing).
  • Версия в URL для стабильной цитируемости.
  • TOS / AUP / AI-политика опубликована.

Полный чек-лист с распределением баллов и методами верификации — в open-source репо.

Self-audit: ivannikov.pro

До фиксов (manual audit, 2026-05-16 утром):

| Категория | Score | |---|---| | A. Discovery | 4/18 | | B. Per-page | 9/22 | | E. Hygiene | 10/15 | | Total (A+B+E, partial) | 23/55 → ~42/100 |

После фиксов (вечер того же дня):

| Категория | Score | |---|---| | A. Discovery | 15/18 | | B. Per-page | 12/22 | | E. Hygiene | 11/15 | | Total | 38/55 → ~69/100 manual; 80/100 по автоматическому скрипту |

Что изменилось за один день:

  1. Добавил /llms.txt в формате llmstxt.org (+6).
  2. Добавил /llms-full.txt с ~3000 слов canonical-контента (+5).
  3. Обновил /robots.txt с явным Allow: для 20+ AI-кроулеров: GPTBot, ClaudeBot, PerplexityBot, Google-Extended, anthropic-ai, cohere-ai, meta-externalagent (+3).
  4. Обогатил JSON-LD Person schema — alternateName (варианты handle), givenName/familyName, worksFor Organization schema, расширенный knowsAbout с AI/RAG/LLM/GEO (+2).
  5. Переставил услуги — AI-first (ai-optimisation, ai-development сверху), Web3 как adjacent capability.

Benchmark: B2B SaaS-гиганты

Прогнал автоматический subset аудита на трёх популярных B2B SaaS:

| Сайт | E1 gate | Score | Notes | |---|---|---|---| | ivannikov.pro | ✅ PASS | 80/100 | После Week 1 фиксов — SSG + llms.txt + robots AI policy + sitemap | | Stripe | ✅ PASS | 55/100 | Есть llms.txt (без H1), нет llms-full.txt, generic robots.txt, нет sitemap.xml в корне, нет OpenGraph | | Twilio | ❌ FAIL | 32/100 UNRELIABLE | SPA — body пустой без JS. LLM-кроулеры не читают контент. | | Linear | ❌ FAIL | 40/100 UNRELIABLE | Есть llms.txt (218 строк!) и llms-full.txt, но основной сайт JS-рендеренный. |

Вывод: два из трёх B2B SaaS-гигантов невидимы для LLM-кроулеров со своих публичных маркетинговых сайтов. Они скорее всего цитируются через вторичные сигналы (docs-поддомены, third-party упоминания, лаг training data), но органическую AI-видимость они оставляют на столе.

Если ваши конкуренты в похожем состоянии — окно first-mover в вашей нише открыто на ближайшие 12–18 месяцев.

Где большинство команд проигрывают

Три паттерна, которые я вижу постоянно:

1. SPA по умолчанию (E1 trap)

Single-page приложения рендерят контент на клиенте. Для вас выглядит ОК — для кроулера это пустой <body>. Stripe закрыл это правильно, отдавая HTML напрямую. Twilio и Linear платят SPA-tax. Фиксы — от «переключить несколько ключевых страниц на SSR» до «добавить per-page .md зеркала через route handler». Markdown-зеркало — fix с самым высоким ROI.

2. Нет явной AI-policy в robots.txt

Голый User-agent: * технически разрешительный, но явные Allow: для GPTBot, ClaudeBot и т.д. — позитивный сигнал, плюс ещё возможность тонко запретить если хочется. У большинства команд просто нет ни того, ни другого.

3. JSON-LD отсутствует или устарел

Если у вас в <head> Person / Organization / Article JSON-LD — агенты могут резолвить entity references. Если нет — вы ставите на собственный retrieval LLM. С явным sameAs (линковка GitHub, LinkedIn, Telegram, X, Upwork) вы становитесь одной сущностью в ментальной модели агента — вместо трёх handles с похожим именем.

Почему это важнее для founder-led брендов

Для студий, агентств и freelancer-led SaaS есть второе измерение, которое я называю entity authority — узнаёт ли LLM, что вы — один человек, или три разных?

Если у вас:

  • GitHub your-name
  • LinkedIn your.name
  • Twitter your_name
  • Telegram yourname

…это потенциально четыре отдельные сущности. Schema.org alternateName — стартовая точка, но долгосрочный фикс это bio consistency (одна био-строка везде) + linkback дисциплина (каждый профиль линкуется обратно на ваш домен) + регулярная техническая писанина под вашим именем.

Это отдельный companion чек-лист — 13 критериев, 50 баллов, охватывает platform footprint, schema signals, consistency, external mentions. Тот же open-source репо.

Попробуйте на своём сайте

Методология, prompt, bash-скрипт и примеры отчётов — под MIT-лицензией:

github.com/ivannikov-pro/ai-readiness-audit

Три способа использовать:

  1. Bash-скрипт для 30-секундного автоматического subset:

    ./scripts/check-ai-readiness.sh https://yourcompany.com

  2. Claude / ChatGPT prompt — вставьте prompts/audit-prompt.md в LLM вместе с вашим URL.

  3. Manual чек-лист — пройдитесь по audit-checklist.md с полными 26 критериями.

Если хочется, чтобы кто-то реально провёл аудит, приоритизировал фиксы и отслеживал AI Visibility Score по времени — это платная услуга.

TL;DR

  • AI-агенты всё чаще — это как клиенты находят B2B SaaS.
  • Большинство популярных B2B SaaS-сайтов проваливают базовый AI-readiness — SPA с JS, нет llms.txt, нет явной AI-policy.
  • Fix — известный, скорируемый список из 26 критериев.
  • Я довёл свой сайт с 42 до 80 за один день. Инструменты open source.
  • Окно first-mover в большинстве ниш открыто на ближайшие 12–18 месяцев.

Если статья была полезна: подпишитесь в X, Telegram, или на канал. Полная стратегия и методология будет публиковаться по мере развития.

— Александр Иванников / IVANNIKOV.PRO

Готов ли ваш Web3 проект к запуску?

Скачайте мой подробный чек-лист из 50 пунктов, охватывающий безопасность смарт-контрактов, токеномику, юридические вопросы и маркетинг.