ChatGPT, Perplexity, Gemini, Claude і Bing Copilot відповідають на ті ж промпти. Цитують вони — не ті ж джерела. У кожного двигуна — навчений смак, вимірюваний bias на конкретні типи доменів, і бренд, що виграє в одному, може бути цілком відсутнім в інших.

Ми семплували 240 відповідей у пʼяти двигунах за останні 90 днів, 60 промптів — commercial-intent, how-to і fundamentals. Це мапа зміщення і що з ним робити при плануванні контенту.

Чому двигуни не сходяться

Три причини.

Перша — retrieval-індекси різні. У Perplexity власний краулер і власний retrieval-стек. ChatGPT browse-режим лізе у Bing під капотом. Gemini — у Google. Claude спирається на схожий стек до ChatGPT’шного плюс Anthropic-side curation. Bing Copilot — найпряміший вираз Bing-індексу.

Друга — reranker’и різні. Кожну модель post-train’или на прикладах «хороших відповідей», які курували її ж люди. Які сигнали ці куратори цінували — recency, якість сніпета, brand familiarity, авторитет джерела — те запечене у preferences reranker’а.

Третя — safety- і policy-шари відрізняються. У кожної моделі — набір типів джерел, які вона активно любить чи активно дискваліфікує. Гайдлайни безпеки Claude штовхають його до first-research і established publishers. Продукт-позиціонування Perplexity заохочує цитувати community-джерела (Reddit) агресивніше за інших.

З причинами можна сперечатись. З даними — ні. Пʼять двигунів тягнуть із систематично різних пулів джерел, і відмінності важать для будь-якої AEO-програми.

Perplexity — Reddit і первинні джерела

Підпис Perplexity у нашому семплі. 21% унікальних цитованих доменів — reddit.com або Reddit-сабдомен. Це приблизно у 4 рази більше, ніж у наступного двигуна за часткою Reddit-цитувань. Інший over-index — first-research видавці і original-data блоги. Якщо твій контент — «ми провели дослідження, ось числа», Perplexity нагороджує його диспропорційно.

Два наслідки для планування.

Якщо ти ціляєш Perplexity, Reddit — частина playbook’а, а не бонус. Сабредитний тред на твою тему, що називає твій бренд — і з upvote’ами — часто ранжується вище за твою власну продуктову сторінку на тому самому запиті. Заходь у сабредити, не лише публікуй блог-контент.

Original research — другий найбільший unlock Perplexity. 90-денне дослідження, бенчмарк, опитування — ці сторінки цитуються диспропорційно у Perplexity. Інвестиція реальна, але unlock engine-specific. Якщо у портфелі один original-research-шматок на рік — пускай його через Perplexity-friendly структуру першим.

За operational-деталями — Perplexity citations tactics.

ChatGPT — established-домени і Wikipedia

ChatGPT показав найвищу комбіновану частку цитувань на .edu, .gov і Wikipedia — ~18% у нашому семплі. Найконсервативніший із пʼяти на selection джерел. Нові домени довше заробляють цитування у ChatGPT, ніж деінде, але як заробили — тримаються довше (також двигун із найдовшим виміряним half-life на tactics-контенті).

Що виграє у ChatGPT.

Authority-сигнали важать більше за freshness. 14-місячний гайд на домені з сильним беклінк-авторитетом переграє 14-денний гайд на новому домені — навіть якщо 14-денний гостріший. Це інвертує більшість того, що працює у Perplexity.

Wikipedia-цитування — мультиплікатор. Сторінки, чиї Wikipedia-записи добре підтримуються, виграють у ChatGPT диспропорційно, бо модель може звірити сторінку із Wikipedia-summary і узгодженість дає їй впевненість.

Bylined-експерти з сильною off-site присутністю переграють unbylined корпоративний контент. Названі експерти з LinkedIn-профілями, конференційними виступами і перевіряними credentials явно зважені вище.

Gemini — news-домени і перетин з AIO

Gemini — найбільш news-biased із пʼяти. 44% цитованих доменів у нашому семплі — established-media — Reuters, Bloomberg, sector trade press. Це приблизно вдвічі більше, ніж показують ChatGPT чи Claude на тих самих промптах.

Причина — Google-retrieval-стек під низом. Retrieval Gemini — близький кузен до того, що Google використовує для AI Overviews, і той сам зміщений до news-доменів на будь-яких промптах з recency-сигналом. Якщо ти зʼявляєшся у Google AIO, ти, ймовірно, зʼявишся і у Gemini. Зворотне теж правда.

Для брендів без established-media присутності — два маршрути.

Перший — заробляй покриття у trade press твоєї категорії. Один шматок незалежного покриття від sector-relevant видавця важить у Gemini більше, ніж десять шматків owned content. Шаблони HARO / Featured.com в нашому outreach-паку калібровані саме під цей лифт.

Другий — прийми, що Gemini буде твоїм найслабшим двигуном, поки off-site робота не дозріє, і зважуй вимірювання й репортинг відповідно. Скажи клієнту чесно: citation count Gemini у місяці 1 відставатиме від інших двигунів на квартал або більше.

Claude — довга форма і структурна глибина

Claude показав середню довжину цитованої сторінки ~2 100 слів медіана. Порівняй із Perplexity на 1 200 і ChatGPT на 1 500. Claude — найдружніший двигун до довшого контенту.

Але самої довжини мало. Довші сторінки, які Claude цитує — водночас найбільш структурні: правильна H2-ієрархія, definition lists, Quick Facts таблиці, bylined-експерти. Long-and-rambling у Claude теж не виграє. Long-and-structured — виграє.

Інший підпис Claude — оригінальне аналітичне міркування. Сторінки, що будують аргумент через кілька H2-секцій, з кожною секцією, що додає нове спостереження чи constraint, виграють у Claude над однаково довгими сторінками, які просто перераховують.

Практичний хід. Якщо в портфелі є один-два шматки на 2 500+ слів з глибокою H2-структурою — це твої Claude-ставки. Коротші тактичні шматки не зароблять Claude-цитування так стабільно, як зароблятимуть Perplexity-цитування.

Bing Copilot — Microsoft-properties і вторинний Reddit

Bing Copilot — найпряміший вираз Bing-індексу, тож bias мапиться на те, що Bing любить — Microsoft-properties (LinkedIn тягнеться диспропорційно, MSN), і сильний вторинний сигнал від Reddit.

Вага LinkedIn — найбільш actionable. Повна LinkedIn Company-сторінка з названими членами команди, що постять у власному голосі, дає у Bing Copilot більше, ніж у будь-якому іншому двигуні. Bing читає LinkedIn агресивно. Ми бачили, як no-name домени забирають Copilot-цитування через пости команди в LinkedIn до того, як їхній власний сайт ранжується.

Bias на MSN складніше експлуатувати напряму. Ти не пишеш у MSN. Але якщо trade-видання, в яке тебе запітчили, синдикує на MSN — отримаєш лифт двічі: раз на виданні, раз на MSN-копії.

Bing також добре обробляє llms.txt — мабуть, найкраще з пʼяти. Стаття про специфікацію llms.txt покриває формат. Якщо викочуєш llms.txt лише для одного двигуна — викочуй для Bing першим.

Як планувати під skew

Три стратегічних опції.

Спеціалізація на двох двигунах. Реалістичний хід для більшості брендів. Обери два двигуни, якими твої покупці реально користуються — зазвичай Perplexity + ChatGPT для B2B SaaS, Gemini + ChatGPT для content-marketing-важких категорій — і налаштуй під них. Прийми часткове покриття у решти трьох.

Портфель ставок. Більша команда може маршрутизувати конкретні типи контенту на конкретні двигуни — original research у Perplexity, довга структурна аналітика у Claude, news-shaped коментар у Gemini, LinkedIn-team-voice контент у Bing Copilot. Кожен двигун отримує тип контенту, який нагороджує.

Спочатку entity-шар. Усі пʼять двигунів нагороджують бренд із чистим entity-записом (Wikidata, LinkedIn, чистий anchor text, schema sameAs). Не знаєш, з чого почати — починай звідти. Лифт універсальний. Потім спеціалізуйся.

Помилка — «писатимемо для всіх». Ніхто не є customer’ом контенту, написаного для всіх, і жоден двигун специфічно його не нагороджує.

Що це змінює у вимірюванні

Ти, ймовірно, вже трекаєш цитування на двигун у дешборді. Skew вище додає нюансу.

Слідкуй за per-engine розподілом, не лише за тоталом. Бренд на 30 активних цитувань у різній формі, якщо це 25 Perplexity + 5 ChatGPT (важко на один двигун) проти 6 на двигун рівномірно (балансово).

Слідкуй за трендом на двигун. Зсув частки цитувань у бік найслабшого двигуна — leading-індикатор, що off-site чи структурна робота окупається. Консолідація на одному двигуні — leading-індикатор крихкості.

За повним measurement-стеком — що логати на двигун, як винести у дешборд, як інтерпретувати криві — дивись вимірювання AI-цитувань і дослідження half-life. Skew вище — лінза, яка робить ті метрики actionable.

У кожного двигуна — смак. Плануй під смаки, які можеш обслужити. Прийми ті, які не можеш.