Врач и клиника в AI-ответах: как нейросети связывают эксперта с брендом. Исследование

Зарубежные исследования показывают, что нейросети часто ссылаются на конкретных специалистов. Мы проверили это на российской медицине: сильный личный бренд врача может вывести в ответы и его клинику, но только пока пациент знает имя врача. Когда он спрашивает лишь о теме, врачи все еще есть в выдаче, но связь с клиникой уже заметно слабеет. Рассказываем, почему это происходит и что с этим делать.

Выбирая, к кому идти с подозрительной родинкой, хронической болью или сложной беременностью, пациент теперь может спросить об этом нейросеть и получить в ответ имя конкретного врача — причем в зависимости от запроса иногда даже вместо названия клиники. Для клиники это хорошо, если нейросеть знает ее врачей, правильно называет их должности и указывает, где врач принимает. Но если связь между личным брендом врача и ее собственным брендом где-то нарушилась, она рискует потерять пациента.

Мы в TexTerra проверили, как часто такая связь вообще работает и почему иногда рвется. Взяли 10 врачей из 5 московских клиник, задали ChatGPT, Алисе и Google AI 40 вопросов по три раза и внимательно разобрали все 360 ответов. Это второе наше исследование AI-ответов в медицине. Первое было про форумы: «Нейросети и личный опыт: как часто AI ссылается на форумы в медицине».

Если коротко, картина такая. Зная имя врача, нейросеть почти всегда правильно называет его клинику: так было в 173 ответах из 180. Но мы проверяли и вопросы без имени — так же, как при мониторинге бренда задаем не только брендовые, но и категорийные запросы. Здесь связь заметно слабеет. Когда пользователь просил посоветовать врача или эксперта по теме, в которой работает наш герой, нейросеть назвала его вместе с клиникой только в 22 ответах из 135. Угадывать именно нашего врача ей не требовалось: в каждой теме много сильных специалистов. Нам было важно понять, попадает ли известный врач в такие ответы и появляется ли рядом с ним его текущее место работы. С точностью сведений тоже есть сложности: в открытых источниках они часто расходятся. У 7 из 10 героев мы нашли противоречивые, неполные или устаревшие данные, и те же версии встречаются в AI-ответах.

Ниже рассказываем, как мы это измеряли, что из этого следует и что с этим делать клиникам — и самим врачам, если они развивают личные бренды.

Зарубежные исследования говорят, что AI часто ссылаются на экспертов

В марте 2026 года Profound, сервис для отслеживания упоминаний брендов в ответах нейросетей, опубликовал два результата, полученных разными способами. Первый: на специально составленном наборе профессиональных запросов в шести AI-системах самым цитируемым доменом оказался LinkedIn. Второй получен по реальным запросам пользователей ChatGPT с 15 ноября 2025 по 15 февраля 2026 года: доля ссылок на посты и статьи LinkedIn выросла с 27 до 35%, а доля ссылок на профили упала с 34 до 15%. Посты на LinkedIn публикуют и люди, и компании, и издатели, так что этот результат касается контента площадки в целом.

Летом о LinkedIn написал и Meltwater. По его данным, которые пересказал Sostav, LinkedIn занял второе место по цитируемости после YouTube. Около 75% цитат с LinkedIn приходятся на личные профили, и больше половины цитируемых авторов имеют меньше 10 тысяч подписчиков. Получается, в ответы нейросетей попадают и специалисты без большой аудитории.

Цифры двух исследований сходятся не во всем: у Profound доля профилей в ответах ChatGPT падает, у Meltwater профили дают основную часть цитат. К тому же оба замера сделали компании, которые продают инструменты мониторинга, а Meltwater почти не раскрывает методику. Поэтому для нас эти данные — ориентир. Точной мерой они служить не могут.

Есть еще одна важная причина, по которой мы не можем просто взять и начать пользоваться этими исследованиями в России: у нас LinkedIn заблокирован уже десять лет, а значит, сведения о специалистах нейросети берут из других источников — с сайтов компаний, агрегаторов, из СМИ и соцсетей.

Почему мы взяли для исследования именно медицину? Во-первых, здесь связь эксперта и бренда видна лучше, чем во многих других отраслях: пациент выбирает врача так же внимательно, как клинику, а у сильных клиник есть врачи с собственным именем в профессии. Во-вторых, у нас много медицинских клиентов, и со многими из них мы работаем над тем, что о клинике говорят нейросети. Исследование мы провели по той же методике, что и клиентские аудиты, а его выводы пригодятся нам в следующих проектах.

Google давно учитывает опыт и экспертность автора текстов

То, что доверие поисковиков к тексту зависит от его автора, мы знаем давно. Google в своем руководстве по полезному контенту предлагает оценивать материал тремя вопросами: кто его создал, как и зачем. Читателю должно быть очевидно, кто автор, поэтому Google советует подписывать тексты и рассказывать об авторе. В декабре 2022 года к формуле E-A-T добавили Experience, личный опыт, и получилось E-E-A-T. Главным ее компонентом Google называет доверие.

Отдельным фактором ранжирования E-E-A-T не считается, Google говорит об этом прямо. Но для тем, которые влияют на здоровье, деньги и безопасность, системы Google придают «еще больший вес» контенту, который соответствует принципам E-E-A-T. Медицина — главный пример таких тем.

С приходом AI-ответов ничего не изменилось: в руководстве по оптимизации для генеративного поиска, которое Google обновил в июле 2026 года, компания советует делать материалы с собственным опытом и знаниями, которых нет в чужих пересказах. В медицине цена такого опыта выше, чем где-либо: от текста зависит здоровье читателя, а клинический опыт врача — годы приема, сложные случаи, собственные наблюдения — за него никто не перескажет.

Мы в TexTerra много лет помогаем врачам строить личный бренд. Когда мы проверяли, насколько точно нейросети пересказывают сведения о врачах, в ответах неожиданно встретился наш клиент, с которым мы работали несколько лет. И по совпадению его случай оказался показательным как раз по части точности сведений — о нем расскажем ниже.

Мы задали нейросетям 40 вопросов о врачах московских клиник

В исследовании участвуют пять клиник, в каждой из которых мы выбрали двух врачей. Как правило, один из них хорошо известен за пределами клиники, а другой — главным образом пациентам и коллегам. Имена мы не скрываем: так любой читатель может задать нейросетям те же вопросы и сравнить ответы. Дословно они, скорее всего, не повторятся: нейросеть каждый раз формулирует ответ заново. Именно поэтому, кстати, мы задаем каждый вопрос минимум три раза, проводим калибровку и делаем выводы по серии ответов.

Вопросы мы собрали по той же логике, что и промпт-сет для проверки бренда, о котором мы рассказывали в статье «Как собрать промпт-сет для мониторинга бренда в ИИ-ответах». Там есть брендовые запросы, в которых пользователь уже знает название компании, и категорийные, в которых он ищет решение и бренд еще не выбрал. Здесь роль бренда играет врач: в первых трех блоках пользователь называет врача или клинику прямо, в последних двух спрашивает только о теме. Всего блоков пять — от случая, когда пациент точно знает, кого ищет, до случая, когда он знает только свою проблему:

1. «Кто это» — 10 вопросов о конкретном враче.

2. «Где принимает» — 10 вопросов о том, где попасть к нему на прием.

3. «Врачи клиники» — 5 вопросов об известных врачах конкретной клиники.

4. «Кого почитать» — 10 просьб посоветовать врачей, которые пишут и выступают по теме.

5. «Посоветуй врача» — 5 просьб порекомендовать специалиста под конкретную проблему.

Каждый из 40 вопросов мы задали ChatGPT, Алисе и Google AI по три раза, каждый раз в новом чате. Получилось 360 ответов. Собирали их 26, 27 и 28 октября 2026 года, а корректность сведений о врачах на сайтах клиник сверили 29 и 30 октября. Условия были такими:

• ChatGPT — новый чат, память и персонализация выключены, веб-поиск включен.

• Алиса — новый диалог, регион Москва.

• Google — режим AI, окно инкогнито, регион Россия, русский язык.

Версии моделей мы не фиксировали. В каждом ответе мы отмечали, назван ли наш герой, верно ли указана его клиника, какие ссылки стоят рядом и что именно о враче сказано. То есть мы измеряли упоминания и цитирования. Сколько пациентов после такого ответа пришло в клинику, из этих данных узнать нельзя.

Как устроено исследование: 10 врачей, 40 вопросов, три нейросети, 360 ответов

Блоки А–В — вопросы, в которых пользователь сам называет врача или клинику

Блоки Г и Д — вопросы по теме, без имени врача

Зная имя врача, нейросеть почти всегда верно называет его клинику

В первых двух блоках пользователь сам называет врача. Здесь нейросети справились хорошо: в 173 ответах из 180 клиника указана верно. Это ожидаемо: с прямо названным брендом сейчас справляются даже слабые нейросети, а врач в нашем исследовании, напомним, и есть такой бренд. Сбоев было семь, и в части из них ответ совпадает с одной из противоречащих друг другу версий в источниках. О них мы расскажем ниже.

Гораздо интереснее, на какие источники опираются ответы. В блоке «Где принимает» часть ответов ссылалась только на агрегаторы, без единой ссылки на сайт клиники или врача: у ChatGPT таких ответов было 6 из 30, у Алисы 7, у Google 3. Телефон для записи в 31 ответе совпал с номером агрегатора. Для Александра Аболмасова нейросети выдали 7 разных номеров в 9 ответах. Для записи к Марку Курцеру в 7 ответах из 9 предложили номер НаПоправку. Это номер службы записи самого агрегатора: пациент звонит в сервис-посредник, и в клинику его записывают уже оттуда.

Есть и особенности самих систем. Алиса в блоке «Кто это» почти не показывает, откуда взяла ответ: в 27 ответах из 30 ссылок не было вовсе. ChatGPT, наоборот, ссылается щедро. Если считать каждую ссылку отдельно в каждом ответе, их набралось 626, разных адресов среди них 366. Еще часть источников ChatGPT прячет за плашками «+N», сумма чисел на них — 265. Это разные единицы счета, и сравнивать их напрямую нельзя. Доли доменов у ChatGPT мы считали только по раскрытым ссылкам.

Без имени в запросе нейросеть редко связывает врача с клиникой

Картина меняется, когда в вопросе нет имени врача. Пользователь спрашивает только о теме или проблеме — например, кого почитать о меланоме или к какому эндокринологу пойти, — а конкретные имена предлагает уже сама нейросеть в своем ответе. В блоках «Кого почитать» и «Посоветуй врача» мы смотрели, появится ли в таком ответе кто-то из наших героев и назовет ли нейросеть рядом с ним его клинику. Герои появились в 32 ответах из 135, но вместе с клиникой — только в 22. Все 22 таких ответа дали ChatGPT (15) и Google (7), у Алисы их нет.

На тепловой карте видно, как часто каждый врач появлялся в ответах. Слева — ответы на вопрос об известных врачах его клиники, справа — ответы на тематические вопросы, где этот врач подходил по специальности.

Сколько раз каждый врач появился в ответах ChatGPT, Алисы и Google — в вопросе о клинике и в вопросах по теме

На карте видны три закономерности.

Первая: заметнее всех врачи, чье имя совпадает с названием клиники или давно звучит в СМИ, — Михаил Ласков, Марк Курцер, Зухра Павлова. Но даже они появляются в тематических ответах примерно в каждом втором случае у ChatGPT и реже у Google. Алиса в тематических ответах назвала нашего героя всего один раз — Марка Курцера, и без упоминания клиники рядом с именем.

Вторая: руководители направлений в крупной сети почти незаметны. Татьяну Полунину и Марину Бережную не назвали ни в одном из 9 ответов об известных врачах ЕМС. Вместо них нейросети называли других специалистов — Либсона, Каабака, Григорьева, Васильеву. Ошибки в этом нет: у большой сети много сильных врачей. Но должность руководителя центра сама по себе в ответ не приводит. Невролога Алексея Баринова тоже не назвали ни в одном из 9 ответов о Медси.

Третья: заметность в вопросе о клинике не переносится на тематические вопросы. Анну Терехову все три системы уверенно называют среди врачей Клиники системной медицины, а в тематических ответах об эндокринологии она не появилась ни разу из 27.

Получается, что публичность в первую очередь работает на личный бренд врача. Клиника выигрывает от нее не всегда: из 32 ответов, в которых нейросеть назвала нашего героя, клиника стояла рядом в 22.

Однако у клиники есть способы чаще оказываться в выдаче вместе со своим звездным специалистом — о них мы расскажем ниже.

Три нейросети рекомендуют разных врачей даже на одинаковый вопрос

В блоке «Посоветуй врача» не нашлось ни одного специалиста, которого назвали бы все три системы. В блоке «Кого почитать» общих для трех систем имен было от нуля до четырех на вопрос.

Разброс есть и внутри одной системы. Для каждого из 15 тематических вопросов мы сравнили фамилии во всех парах прогонов одной системы: какая доля фамилий, названных в паре ответов, встречается в обоих. Затем усреднили результат по вопросам. Получилось 24% у ChatGPT, 25% у Алисы и 30% у Google: два ответа одной системы на один и тот же вопрос совпадают примерно на четверть или треть имен.

Отчасти разницу между системами объясняет формат. Алиса в рекомендациях пишет длиннее всех: медианный ответ в блоке «Посоветуй врача» у нее занимает около 6300 знаков, у ChatGPT около 5000, у Google около 2200. Чем короче ответ, тем меньше в нем помещается имен и тем дороже каждое место в списке.

Хотим напомнить, что заметность врача (и вообще любого бренда, личного или нет) имеет смысл измерять как долю ответов на серию повторных запросов, отдельно по каждой системе; именно так мы и строим мониторинг в клиентских проектах.

В AI-ответах встречаются те же расхождения, что и в источниках

Сверяя ответы с первоисточниками, мы заметили, что многие спорные места в них совпадают с одной из версий, которые уже есть в сети. Откуда именно модель взяла сведения, по ответу не установить. Зато сами противоречивые версии в открытых источниках видны наглядно.

В работе с клиентами на этом этапе мы связываемся со всеми сторонами — клиникой, врачом, агрегаторами, редакциями. Так мы уточняем каждый факт и исправляем его везде, где можно повлиять на текст. В исследовании задача другая: показать все расхождения так, как их сейчас видит пациент. Поэтому ответы мы сверяли вручную только с открытыми источниками: это помогло отделить ошибки, которые уже есть в источниках, от тех, что появились только в ответах нейросетей.

Ответственность здесь, скажем так, общая. Нейросети действительно ошибаются, и их собственные промахи мы тоже собрали. Но модели трудно выбрать верную версию, если есть противоречие в самих источниках, и даже сайт клиники не помогает разобраться: должность на странице врача сформулирована иначе, чем в списке сотрудников, корректной разметки нет, а старое место работы до сих пор висит в рейтингах.

Расхождения в фактах

У семи из десяти героев сведения в источниках расходятся или неполны, и это два разных случая. У троих версии одного и того же факта прямо противоречат друг другу. У четверых сведения неполные или устаревшие: формулировки могут быть совместимы, но складываются в разную картину.

У семи из десяти врачей сведения в источниках противоречат друг другу или неполны

Еще одна зона расхождений — списки врачей. Нейросети называли сотрудниками Клиники доктора Ласкова Олькина, Этингофа, Виноградскую и Шорникову, а сотрудницами Клиники системной медицины — Шилину и Юсипову. На сайтах клиник при проверке 29 и 30 октября их не было. Возможно, врачи сменили работу, возможно, список на сайте неполный. Ни того, ни другого мы не утверждаем.

Подписи к изображениям

ChatGPT иллюстрирует ответы о врачах картинками с подписями. Мы насчитали 26 изображений в 19 ответах, подписи к которым не совпадают с именем врача или не позволяют понять, кто изображен.

Вот наглядный пример. На вопрос о том, каких онкологов почитать про меланому, ChatGPT назвал Дмитрия Бейнусова, дерматоонколога из Санкт-Петербурга. Мы знаем его давно: в 2018 году TexTerra продвигала его личный сайт, и за семь месяцев трафик вырос вдвое, а число пациентов — на 25%. Спустя восемь лет он по-прежнему попадает в подборки экспертов, хотя в вопросе его имени не было. А вот с фотографиями вышла путаница. В двух прогонах из трех рядом с его именем в списке стоят разные снимки, и ни на одном из них не он.

Настоящий Дмитрий Сергеевич — на снимке в синей медицинской форме в карточке справа. Эта карточка открывается, если нажать на имя врача в списке.

Первый прогон: в списке рядом с именем Бейнусова чужое фото. В карточке, которая открывается по клику, два снимка, и настоящий из них только один — в синей форме

Второй прогон: в списке снова неверное фото, уже другое. В карточке по клику опять два снимка, и настоящий Бейнусов только на одном из них

Мы вручную открыли все источники из этих ответов: и в них, и на сайте врача Дмитрий Сергеевич подписан своим именем. Откуда взялись чужие снимки, по ответу не понять. Возможно, где-то в сети лежит фото другого человека, по ошибке подписанное его именем. Такие вещи мы в TexTerra проверяем при глубоком аудите: ищем, откуда нейросеть берет изображение, и исправляем подпись там, где это возможно. Если источник исправить нельзя, публикуем новые материалы с верными сведениями, чтобы со временем они вытеснили ошибочные.

Однофамильцы

На вопрос о том, где принимает Анна Леонтьевна Терехова, во всех шести ответах Алисы и Google появилась ее однофамилица Анна Борисовна Терехова из АО «Медицина». Двух врачей ответы разделяют, но однофамилица в нашем исследовании обычно встречалась первой, и есть риск, что пациент перепутает врачей. Похожие истории случились с другими героями: в одном из тематических вопросов Google во всех трех прогонах называл Ольгу Павлову, а в ответ о Геннадии Коновалове попал офтальмолог М. Е. Коновалов. Чем распространеннее фамилия, тем важнее полное имя с отчеством и специальностью везде, где упоминается врач.

Собственные ошибки нейросетей

Были и ошибки, для которых мы не нашли опоры в источниках. В одном ответе Google доктор медицинских наук стал кандидатом. Адрес Клиники системной медицины на 2-й Фрунзенской превратился из дома 2/36 в дом 10/2. Группу «Мать и дитя» нейросеть «основала» в 2001 году, хотя в истории компании стоит 2006-й. Аспирантуру Марины Бережной приписали якутскому университету; по факту это была интернатура.

Сами по себе эти ошибки вроде бы незначительны. Но пациент часто воспринимает ответ нейросети как справку о враче. Если в ней неверные степень или адрес, может пострадать доверие к клинике, хотя ошиблась не она.

Выводы исследования ограничены небольшой выборкой

Мы сознательно сделали исследование небольшим и проверяемым, и у этого есть цена. Вот что стоит держать в голове, прежде чем переносить наши цифры на свою клинику без отдельного аудита:

• Выборка. Десять врачей и пять московских клиник мы выбирали вручную. Для региональных клиник и других специальностей картина может быть другой.

• Время. Ответы нейросетей меняются. Мы зафиксировали их состояние на 26–28 октября 2026 года, версии моделей не записывали.

• Прогоны. Три повтора показывают разброс, но для точных долей по каждому врачу их мало.

• Метрика. Мы считали упоминания и цитирования. Сколько пациентов после такого ответа записались к врачу, без данных самой клиники не узнать.

• Причинность. Мы видим связь публичности и заметности в ответах, но доказать, что одно вызывает другое, на такой выборке нельзя.

• Источники. Часть ссылок ChatGPT спрятана за плашками «+N», а Алиса часто не показывает ссылок вовсе, поэтому карта источников неполная.

Это не значит, что цифрам нельзя доверять. Они показывают, где искать причины, если клинику редко называют в ответах нейросетей или пишут о ней с ошибками. Точную картину по вашей клинике даст только ее собственная проверка. Чтобы обсудить ее, напишите нам на mail@texterra.ru или в Telegram @texterra_sale.

Клиникам стоит начать с унификации сведений о врачах

Итак, картину мы увидели. Что с ней делать? Такие же расхождения мы регулярно видим в клиентских проектах, и работу обычно начинаем с одних и тех же шагов. Первые из них клиника вполне может сделать сама, и вот что мы советуем:

1. Сверьте на всех площадках сведения о врачах, которые выступают публично или ведут свои каналы: ФИО с отчеством, должность, специальность, степень, адрес и телефон для записи. Должность на странице врача, в списке сотрудников и в новостях должна выглядеть одинаково. Начните с тех специалистов, кто уже появляется в ответах нейросетей.

2. Сделайте страницу врача главным источником сведений о нем. Там должны быть полное имя, текущая должность, ссылки на книги, интервью и выступления, подписанные фотографии. Разметка schema.org для AI-поиска Google не обязательна, и гарантий тут нет. Но связка Person и свойства worksFor, которое ссылается на организацию, прямо говорит, где работает врач. Как ее настроить, мы разбирали в статье «Разметка сайта для AI-видимости: что надо знать маркетологу».

3. Чаще выводите в публичное поле руководителей направлений. В крупной сети они почти незаметны. Статьи, комментарии в СМИ и выступления с названием клиники рядом с именем создают те самые открытые источники, которых сейчас не хватает.

4. Следите, чтобы клиника была названа в публикациях врачей. Даже у самых известных героев есть свежие интервью в федеральных СМИ, где клиника не названа ни разу.

5. Проверяйте ответы регулярно и с повторами. Разовый запрос покажет случайную картину. Серия запросов в трех системах покажет разброс и даст основу для сравнения до и после.

Отдельная история — внешние площадки: агрегаторы, рейтинги, карты. Сведения о врачах там часто устаревшие или путаные, а нейросети охотно на них опираются. Навести здесь порядок — сложная и долгая работа, и гарантировать исправление всех источников не может ни одно агентство. Мы в таких проектах собираем максимально полный список площадок, где есть сведения о врачах и клинике, исправляем все, что можем, а если клиника работает с подрядчиками по SERM, передаем им сведения о найденных расхождениях.

Врачу важно называть клинику в каждом материале

Если вы врач и у вас есть имя в профессии, нейросети, скорее всего, уже вас знают. История Дмитрия Бейнусова хорошо это показывает: его имя появляется в подборках экспертов и спустя восемь лет после начала работы над личным сайтом. Дальше важно, чтобы сведения о вас были точными и рядом с именем стоял адрес, где вы принимаете. Вот что мы советуем попробовать:

• Актуализируйте свою биографию, причем с датами. Но на собственном сайте делать это мало: например, у Анны Тереховой на личном сайте работа в MEDICARI указана как завершенная в 2023 году, а рейтинги и агрегаторы продолжают называть ее текущим местом. Им придется написать отдельно.

• Называйте свое текущее место работы в каждой публикации: в подписи к интервью, в описании подкаста, в биографии автора книги, в программе конференции.

• Подписывайте фотографии. Имя в подписи и в описании изображения, один и тот же портрет на сайте и в агрегаторах — минимальная гигиена, которая может уменьшить путаницу с чужими снимками.

• Проверьте себя. Спросите у ChatGPT, Алисы и Google, кто вы и где принимаете, и повторите вопрос несколько раз. Расхождения в ответах подскажут, какие источники стоит проверить первыми.

Личный бренд врача держится не только на публикациях. Важно регулярно смотреть, что о вас пишут в поиске, на агрегаторах и в СМИ, и вовремя исправлять неточности. Как собрать все упоминания о себе, проверить их и понять, что устарело или относится к другому человеку, мы разбирали в статье «Как сформировать репутацию в интернете и управлять ею: инструкция».

И еще один совет — и для врача, и для клиники. Договоритесь об одних и тех же формулировках: должность, специальность, регалии. Если каждая сторона рассказывает свою версию, в ответе нейросети может появиться третья, и она собьет пациента с толку.

В TexTerra такую работу мы начинаем с GEO-аудита

Почти все, о чем мы рассказали выше, видно только при ручной сверке ответов с источниками. Сама клиника часто этого не замечает. На своем сайте все верно, а что пациент узнает о враче из ответа нейросети, никто, как правило, не проверяет.

Если вы клиника или врач с личным брендом, первым шагом можно заказать GEO-аудит: у нас в TexTerra он стоит от 80 000 ₽. Мы соберем до 20 запросов о ваших врачах, клинике и направлениях, проверим ответы Алисы, Google AI Overviews и ChatGPT, составим карту источников, на которые они опираются, и зафиксируем исходную точку для будущих сравнений.

Важная оговорка: аудит показывает, что и со ссылкой на какие источники говорят нейросети, но целиком проверить каждый факт в его рамках нельзя. Для этого стоит заказать разработку GEO-стратегии. В нее входит матрица фактов о врачах и клинике, карта соответствия запросов, страниц и источников, план работы с внешними площадками и дорожная карта на шесть месяцев. Именно на этом этапе мы связываемся с врачами, агрегаторами и редакциями, согласуем единые формулировки, исправляем расхождения в источниках и следим, как меняются ответы.

FAQ

Нужна ли клинике разметка schema.org для страниц врачей?

Формально для AI-поиска разметка не обязательна, но она прямо указывает краулерам, где работает врач. В рамках GEO-продвижения мы ставим ее после того, как сами факты на странице сверены, и следим за ответами до и после.

Можно ли добиться, чтобы нейросеть рекомендовала конкретного врача?

Гарантировать этого не может никто: даже одна система на одинаковый вопрос называет разных людей. Но можно работать над тем, чтобы сведения о враче были полными и одинаковыми везде, и следить, как меняется доля ответов, в которых он появляется вместе с клиникой.

Что делать, если нейросеть пишет о враче неправду?

Сначала поискать в сети ту же неверную версию. Часто она находится в старой карточке на агрегаторе, рейтинге или в новости, которой уже несколько лет. Ее стоит исправить, а верную версию четко и одинаково показать на сайте клиники.

Как быстро исправления попадают в ответы?

По-разному, и ни одна AI-система сроков не обещает. Поэтому после исправлений мы следим за ответами регулярно и сравниваем их с исходной точкой из аудита.

Стоит ли вкладываться во врача, если он может уйти?

Риск есть, и наше исследование показывает его обратную сторону: старое место работы еще долго встречается и в источниках, и в ответах. Но пока врач работает в клинике, его имя помогает клинике появляться в ответах на тематические вопросы. И самое важное: порядок в страницах врачей, источниках и фактах остается у клиники и пригодится для следующих специалистов.

Скачать сырые данные исследования можно здесь.

Читайте также:

Как продвигать медицинские сайты в 2026 году

Внешние источники в AI-поиске: как выбрать площадку, подтвердить факт и измерить результат

Исправить AI-ответ или попасть в рекомендации: в чем разница между AEO и GEO