Агентная читаемость сайта: что нужно каталогу и ценам B2B-сайта для покупателя-ИИ

Чтобы ИИ-агент, который подбирает поставщика за клиента, выбрал ваш B2B-сайт, ему нужно извлечь из страницы товар, его характеристики, цену и условия поставки как текст и структурированные данные. Цена в PDF, картинке или за формой «запросите КП» для агента не существует, и такой поставщик выпадает из шорт-листа до того, как с ним заговорит человек. Минимальный набор: каталог с атрибутами в HTML, микроразметка schema.org Product, цена или понятное правило цены прямо на странице и присутствие в поисковом индексе.

Что такое агентная читаемость и почему она касается B2B-продаж

Агентная читаемость сайта — это доля информации о товарах, ценах и условиях, которую программа может прочитать и сравнить без участия человека. ИИ-агент в закупке — это модель, которая по поручению сотрудника ищет поставщиков, сравнивает предложения и собирает короткий список для решения. Для владельца бизнеса вопрос сводится к деньгам: если агент не смог прочитать ваш прайс, заявку получит конкурент, у которого прайс читается.

В B2B это бьёт сильнее, чем в рознице. Закупщик и раньше тратил дни на сбор КП от десяти поставщиков, и сейчас он с радостью отдаёт первую сортировку ассистенту: ChatGPT, Perplexity, Алисе или GigaChat. Ассистент читает сайты так же, как поисковый робот, и переходит к следующему поставщику, когда не находит нужного. Звонка менеджеру, который «всё объяснит», в этой цепочке нет.

Сайт, рассчитанный на человека с долгим циклом сделки, часто прячет главное: цены по запросу, характеристики в скачиваемом каталоге, сроки поставки в голове у менеджера. Для живого клиента это рабочая воронка с квалификацией лида. Для агента это пустая страница. Как выстроить такую страницу для людей, разобрано в статье про посадочную страницу для B2B; здесь речь о втором читателе.

Как ИИ-агент выбирает, какую страницу процитировать

ИИ-агент берёт кандидатов из обычного поискового индекса, а затем выбирает страницы, где ответ на запрос сформулирован прямо и подкреплён фактами. Это подтверждают два независимых исследования, оба на западном материале.

По данным Ahrefs, 2026 (разбор 1,4 млн промптов ChatGPT), около 88% адресов, которые ChatGPT цитирует, приходят из обычного поискового индекса. Reddit модель читает для контекста, но цитирует редко: 1,93% ссылок. Отсюда первое правило: страница, которой нет в индексе Яндекса и Google, не попадёт и в ответ агента. Высокая позиция цитату не гарантирует, но без индекса шансов нет.

Тот же разбор Ahrefs показал ещё три закономерности. Адреса с человекочитаемыми слагами цитируются чаще: 89,78% против 81,11% у остальных. Заголовки цитируемых страниц ближе к формулировке запроса: косинусная близость 0,602 против 0,484. Медианный возраст цитируемой страницы — около 500 дней, то есть агент охотнее берёт страницы, которые давно живут в индексе. Для каталога это довод против привычки перезапускать раздел с новыми адресами при каждом редизайне.

Исследование GEO (Принстонский университет и IIT Delhi, опубликовано на KDD 2024) проверило на 10 000 запросах, какие правки текста повышают видимость источника в ответе генеративной модели. Ссылки на источники, цитаты и добавленная статистика дали рост до 40% по метрике Position-Adjusted Word Count, то есть по доле и позиции текста источника в ответе. Набивка ключевыми словами не дала эффекта или ухудшила результат.

Для B2B-компании вне первой тройки выдачи в этом исследовании есть хорошая новость. У страниц на пятой позиции метод «цитирование источников» поднял видимость на 115,1%, а у страницы на первой позиции снизил её на 30,3%. Оптимизация под генеративные ответы выравнивает поле: средний поставщик выигрывает больше лидера. Подробнее о самом подходе — в материале про GEO и AEO-оптимизацию.

Оговорка для российского рынка. Открытого исследования сопоставимого масштаба по Яндексу, Алисе или YandexGPT на момент публикации нет. Механику цитирования в Яндекс Нейро приходится переносить по аналогии, и до появления таких данных это гипотеза.

Что агенту нужно в каталоге B2B-сайта

Агенту нужна отдельная страница на каждую товарную позицию или услугу, где название, артикул, характеристики, единица измерения, минимальная партия и срок поставки записаны текстом в HTML. Всё, что лежит в PDF, на картинке или подгружается только после клика, агент читает хуже или не читает совсем.

Проверить каталог удобно по полям, которые агент сравнивает между поставщиками:

• название позиции, которое совпадает с тем, как её ищет закупщик, с артикулом и маркой;
• технические характеристики с единицами измерения: «толщина 0,5 мм», «нагрузка 1200 кг»;
• единица продажи и минимальная партия: штука, метр, тонна, паллета;
• наличие или срок изготовления в днях;
• география и условия доставки;
• документы: сертификаты, ГОСТ, ТУ, декларации соответствия.

Последний пункт часто становится узким местом. Сертификат в виде скана PDF человек откроет, а агент в лучшем случае увидит название файла. Рядом со ссылкой на документ стоит написать текстом, что именно он подтверждает: номер, стандарт, срок действия. Тезис о том, что агент отсеивает поставщика без машиночитаемых данных о соответствии, повторяют многие практики, но первоисточника уровня Google или OpenAI у него нет. Затраты на текстовую подпись к документу при этом почти нулевые, поэтому проверять гипотезу дороже, чем просто сделать.

Поверх HTML каталогу нужна микроразметка schema.org. Google в документации по разметке Product, 2026 различает два типа. Product snippets подходит для страниц, где товар описан, но купить его на странице нельзя. Merchant listings подходит для страниц с покупкой и открывает расширенные результаты для покупок. Большинству B2B-каталогов с заявкой вместо корзины подходит первый тип, интернет-магазинам оборудования и расходников — второй. Микроразметку schema.org понимает и Яндекс, проверить её можно валидатором в Яндекс.Вебмастере.

Как показать цену, чтобы агент её прочитал

Цена читается агентом, когда она записана на странице товара текстом с валютой, единицей и условием: «от 1 240 ₽ за погонный метр с НДС при заказе от 500 м». Формула «цена по запросу» агенту ничего не сообщает, и в сравнительной таблице, которую он собирает для закупщика, ваша строка остаётся пустой.

Многие B2B-компании не публикуют цены сознательно: цена зависит от объёма, конкуренты следят, менеджеру нужен повод для звонка. Полностью открывать прайс для агентной читаемости не обязательно. Достаточно дать агенту то, что он может сравнить.

Ступенчатая таблица — рабочий компромисс для большинства производителей и дистрибьюторов. Например: «до 100 единиц — 3 400 ₽, 100–500 единиц — 3 100 ₽, от 500 единиц — по договорённости». Закупщик и его агент получают порядок цифр и понимают, стоит ли запрашивать КП. Менеджер сохраняет переговорное поле на крупном объёме.

Для услуг логика та же. Агентство, интегратор или юридическая фирма могут указать стоимость типового пакета, ставку часа или вилку проекта с перечнем того, что в неё входит. Мысль о том, что закупочный агент ищет структурированную форму запроса цены (объём и сроки на входе, смета и срок ответа на выходе), встречается у практиков, но пока остаётся гипотезой. Ставить на неё бюджет разработки рано; описать на странице, за какой срок вы отвечаете на запрос КП, можно уже сегодня.

Нужны ли llms.txt и специальная разметка для ИИ

Подтверждённой необходимости в llms.txt для попадания в ответы ИИ на конец 2026 года нет, а микроразметка schema.org нужна и без всяких агентов. Здесь стоит разделять то, что говорят первоисточники, и то, что советуют вендоры.

Google на странице о разметке Product вообще не упоминает ИИ-режимы и агентов. Его позиция: давать максимум достоверных данных о товаре, не думая о том, какой сервис их потребит. По сообщениям в отраслевых публикациях, Google в 2026 году прямо писал, что llms.txt для генеративного поиска не требуется; эту формулировку мы приводим по вторичным источникам. Доля сайтов с этим файлом, по оценкам, которые в отрасли приводят со ссылкой на выборку Ahrefs из миллиона крупнейших сайтов, — порядка 1%; первоисточник этой цифры мы не проверили.

Сводка по уровню доказательности:

Файл llms.txt дешёвый, и вред от него никто не показал, поэтому решение о нём сводится к очерёдности работ. Как его собрать и чего от него ждать, разобрано в статье про llms.txt для сайта. Начинать разумнее с каталога, цен и индекса: эти работы опираются на подтверждённые данные.

Последняя гипотеза из таблицы заслуживает внимания отдельно. Если агент и правда собирает сведения о компании из внешних баз, для российского B2B такими базами становятся отраслевые каталоги, маркетплейсы для бизнеса, отзовики и карточки компании в Яндекс Бизнесе. Проверить, что о вас пишут там, стоит в любом случае: эти страницы читают и живые закупщики.

Может ли агент купить на вашем сайте в России

Технология, при которой агент сам оформляет и оплачивает заказ, на Западе уже описана, а в России инфраструктуры для такого агентного чекаута пока нет. Ближайшие годы российский B2B-сайт работает с агентом, который находит и сравнивает, а покупку завершает человек.

Agentic Commerce Protocol, который Stripe разработал вместе с OpenAI и Meta (документация Stripe, ревизия 2026), — открытый стандарт из пяти частей:

1. Agentic checkout: агент создаёт, меняет и завершает заказ.
2. Cart и feed: каталог и корзина, доступные агенту до оформления.
3. Delegate payment: передача платёжного токена между покупателем, агентом и продавцом.
4. Delegate authentication: авторизация агента от имени покупателя по OAuth 2.0.
5. Orders и webhooks: статусы заказа, которые продавец отправляет агенту.

Смысл протокола для бизнеса простой: без API корзины, оформления и делегированной оплаты агент останавливается на шаге «нашёл цену» и не может довести сделку до конца. Stripe в России не работает. Российские платёжные сервисы, включая ЮKassa, CloudPayments и Точку, открытого протокола для ИИ-агентов на момент публикации не опубликовали, а национального аналога ACP мы не нашли.

Практический вывод для P&L: деньги на интеграцию агентного чекаута сейчас тратить некуда. Деньги на каталог, цены и индекс окупаются уже сегодня, потому что те же данные читают поисковики, нейроответы Яндекса и закупщики. Когда протокол появится и у нас, компания с чистым каталогом подключится за недели, а компания с прайсом в PDF начнёт с разбора собственных данных. Как это встраивается в общую систему продаж, описано в материале про B2B-маркетинг.

Частые ошибки

• Цена только по запросу. Агент не может сравнить вас с конкурентом и ставит в таблицу пустую строку; хватит диапазона или ступеней с единицей и валютой.
• Каталог в PDF. Человек скачает файл, агент прочитает его частично или не прочитает; у каждой позиции должна быть своя HTML-страница.
• Цена картинкой. Баннер с цифрой не читает ни поисковый робот, ни агент; цена должна быть текстом и в поле price микроразметки.
• Смена адресов при редизайне. По данным Ahrefs, агент чаще цитирует страницы с медианным возрастом около 500 дней, и новый адрес начинает этот путь с нуля; при переезде нужны 301-редиректы со старых адресов.
• Ставка на llms.txt вместо каталога. Файл не исправит прайс за формой; его разумно делать после того, как данные о товарах лежат на страницах.
• Набивка ключевыми словами. В исследовании GEO этот приём не дал роста видимости или ухудшил её; работают цифры, источники и прямые формулировки.
• Сертификаты сканами без подписи. Агент видит только название файла; номер, стандарт и срок действия стоит написать текстом рядом.

Источники

• GEO: Generative Engine Optimization — Princeton University, IIT Delhi, KDD 2024
• Why ChatGPT Cites One Page Over Another — Ahrefs, 2026
• Introduction to Product structured data — Google Search Central, 2026
• Agentic Commerce Protocol — Stripe, 2026

FAQ

Что такое агентная читаемость сайта?

Агентная читаемость сайта — это доля информации о товарах, ценах и условиях, которую ИИ-агент может прочитать и сравнить без участия человека. Высокая читаемость означает, что характеристики, цена с единицей и валютой, минимальная партия и срок поставки записаны текстом на странице и продублированы в микроразметке schema.org.

Обязательно ли публиковать цены на B2B-сайте ради ИИ-агентов?

Публиковать полный прайс не обязательно, но агенту нужна хотя бы сравнимая цифра. Рабочий вариант для производителей и дистрибьюторов — диапазон «от … до …» или ступенчатая таблица «объём — цена за единицу» с указанием НДС, валюты и минимальной партии. Формулу «цена по запросу» агент прочитать не может.

Помогает ли llms.txt попасть в ответы ChatGPT и Алисы?

Подтверждённых данных о том, что llms.txt влияет на попадание в ответы ИИ, на конец 2026 года нет. Google не связывает этот файл с генеративным поиском, а по отраслевым оценкам его внедрили порядка 1% крупных сайтов. Файл можно сделать после того, как каталог и цены читаются на самих страницах.

Какая микроразметка нужна B2B-каталогу?

B2B-каталогу нужна разметка schema.org Product с ценой, наличием и характеристиками. Google Search Central различает Product snippets для страниц без покупки и Merchant listings для страниц, где товар можно купить. Разметку schema.org поддерживает и Яндекс, проверить её можно в Яндекс.Вебмастере.

Может ли ИИ-агент оформить заказ на российском B2B-сайте?

На конец 2026 года нет: в России нет публичного протокола агентной оплаты. На Западе такой стандарт описан — Agentic Commerce Protocol от Stripe, OpenAI и Meta, но Stripe в России не работает, а ЮKassa, CloudPayments и Точка аналога не публиковали. На российском сайте агент находит и сравнивает поставщиков, покупку завершает человек.

Есть ли исследования о том, как Яндекс Нейро выбирает источники?

Открытого исследования по Яндекс Нейро и Алисе, сопоставимого с разбором 1,4 млн промптов ChatGPT от Ahrefs, на момент публикации нет. Выводы западных исследований о роли поискового индекса, цифр и ссылок на источники переносятся на Яндекс по аналогии, и это гипотеза, которую стоит проверять на своих запросах.

Если хотите выстроить маркетинг, в котором сайт, каталог и данные работают и на людей, и на ИИ-ассистентов закупщиков, приходите на интенсив Marketing OS. Там мы разбираем, как собрать такую систему под вашу экономику и вашу команду.