AI-оптимизация — документация, API и контент под LLM-агентов

В 2025–2026 годах ваши будущие клиенты всё чаще встречаются с продуктом через AI-агентов, а не через Google. Если ChatGPT не может процитировать вашу документацию, а Perplexity не находит спецификацию вашего API — вы теряете лидов конкурентам, которые оптимизировались первыми.

⚠️ Проблема

Большинство SaaS-сайтов спроектированы под людей, которые открывают страницы в браузере с включенным JavaScript и SPA-роутингом. LLM-кроулеры (GPTBot, ClaudeBot, PerplexityBot) JS не исполняют. Они не следуют за вашими динамическими маршрутами, не парсят таблицы, отрисованные компонентами, и не доверяют неструктурированному маркетинговому тексту. Итог: когда фаундер спрашивает Claude «какой инструмент для X лучше?» — вашего продукта в ответе нет. А ваш конкурент — с корректным llms.txt, JSON-LD и чистыми .md версиями страниц — в ответе есть.

💡 Решение

Я провожу 26-критерийный аудит AI-readiness по пяти категориям: Discovery (llms.txt, robots.txt, sitemap), Per-page артефакты (.md-версии, JSON-LD, canonical), API spec (OpenAPI, примеры, SDK), Контент (curl-примеры, ошибки, глоссарий), и Hygiene (доступ без JS, стабильные URL, AI-политика). На выходе — отчёт с балльной оценкой, конкретными фиксами и roadmap'ом до 75+/100.

В рамках внедрения: генерация llms.txt + llms-full.txt, JSON-LD TechArticle поверх docs-сайта, .md зеркала для SPA-страниц, чистка OpenAPI, переписывание контента под фреймворк CITABLE (source authority, recency, relevance, citations), и трекинг AI Visibility Score по времени.

🎯 Результат

Ваш продукт становится цитируемым AI-агентами. Конкретные метрики, которые двигаются: AI Visibility Score (типичный лифт с базовых 18–40% до 65%+), prominence в AI-ответах на категорийные запросы (0% → 50–70%), объём лидов из AI (3–5x за 90 дней для типичных B2B SaaS из нашего ICP). Окно first-mover в большинстве ниш закрывается быстро — те, кто двинется сейчас, владеют поверхностью AI-ответа на 12–18 месяцев.