Майкор: ИИ-аудит проекта по 4 точкам контакта

По состоянию на май 2026. Майкор — моя собственная действующая методика, я веду по ней аудиты с апреля 2025 года. Цифры в материале — из реальных аудитов, кейс анонимизирован. Методика применима к проектам любой ниши с офлайн-точкой или без — медицина, образование, локальные услуги, ритейл, мультиканальные B2B-проекты.

Что такое Майкор: определение в одном абзаце

Майкор — это аудит вашего проекта с помощью ИИ. Я анализирую 4 ключевые точки, в которых клиент встречается с вашим бизнесом сегодня. Каждую точку оцениваю по авторской методике M.AI Core — подробному чек-листу из 50+ критериев.

После аудита вы точно знаете: что работает, что тормозит рост и что нужно изменить уже сейчас.

• Сайт — 8 блоков: настройка аналитики и целей, источники трафика, поведение посетителей, аналитика форм и конверсий, воронка и пути, посадочные страницы, технический аудит (Core Web Vitals, индексация, SSL), сводный дашборд
• Реклама (Яндекс.Директ) — экономика канала, план/факт/статус, эффективность кампаний и групп, чистота атрибуции (first-touch vs last-touch, разрывы с коллтрекингом), обучение автостратегий, аудитория и причины низкой конверсии, roadmap перезапуска
• AI-поиск — видимость в 5 системах (Алиса AI/Нейро, ChatGPT, Perplexity, GigaChat, DeepSeek), SEO-фундамент GEO, Schema.org-разметка организации и автора, sameAs-связки с внешними профилями, E-E-A-T-сигналы, NAP-консистентность по всем источникам
• Яндекс.Карты — карточка в Я.Бизнесе (полнота данных, отзывы, фото, рейтинг), позиция в локальном пуле конкурентов, ценовое сравнение по направлениям, лендинг yandex.business и его конверсия, SWOT-анализ

Один инструмент видит сайт. Другой — рекламу. Третий — отзывы. Но никто не смотрит на то, как они работают вместе — и именно там прячутся потери.

Майкор соединяет всё в одну картину и показывает конкретные разрывы: где данные расходятся, где аудитория «не та», где сильный продукт незаслуженно проигрывает.

Результат через 2–3 недели: закрытая веб-страница с полным отчётом, планом правок по приоритету и Velo Score™ — оценкой вашего бизнеса по шкале 0–100.

Как проходит аудит — 5 этапов

Весь процесс — 2–3 недели, 5 чётких этапов. Я работаю по этой схеме с медицинскими центрами, образовательными проектами, интернет-магазинами и компаниями из сферы услуг — она проверена на практике.

Этап 1. Сбор доступов и брифа (2–3 рабочих дня)

В этой части клиент передаёт мне доступы к 5 системам: Яндекс.Метрика (с правом видеть Вебвизор), Я.Директ (уровень «Чтение»), Я.Бизнес (Кабинет рекламы и Статистика), коллтрекинг, CRM или сервис записи на услугу. Параллельно я получаю бриф: основные услуги, целевая аудитория, представления клиента о текущих каналах, болевая точка («мало заявок» / «дорогие лиды» / «нет роста»).

Бриф здесь — отдельный важный артефакт. Я фиксирую представление клиента о его проекте (что он считает работающим, что — слабым местом), и на 3-м этапе сверяю эти представления с фактом. Расхождение между «бриф» и «факт» — почти всегда место одной из самых ценных находок аудита.

Этап 2. Параллельный сбор данных по 4 точкам (5–7 рабочих дней)

Параллельно собираю данные по 4 направлениям. По каждому — стандартный набор артефактов:

• Сайт: полная выгрузка Яндекс.Метрики за период анализа с разрезами по посадочным страницам, источникам, аудитории, формам, конверсиям и сегментам потерь; Вебвизор-сессии по проблемным сегментам; скриншоты ключевых страниц с фиксацией CTA и точек разрыва
• Реклама: полная выгрузка Яндекс.Директа через API — кампании, объявления, группы, ключевые фразы, поисковые запросы, размещения РСЯ, разрезы по сети/устройствам/времени/региону, отчёты по целям; данные коллтрекинга (Calltouch и аналоги); CRM или сервис записи (YCLIENTS, AmoCRM и др.); Метрика → Директ-сводка; технический аудит установки счётчиков и UTM
• AI-поиск: замер цитируемости в 4–5 LLM-системах (Алиса AI/Нейро, ChatGPT, Perplexity, GigaChat, DeepSeek) по списку реальных запросов ниши; анализ конкурентов в AI-выдаче; внешние упоминания бренда; E-E-A-T-сигналы по авторам и организации; отчёт Метрики «Источники → Сайты» с фильтром на AI-хосты; данные Яндекс.Вебмастера (отчёт «Видимость в Алисе AI»); PageSpeed Insights и технические проверки Schema.org-разметки
• Я.Карты: кабинет Яндекс.Бизнеса (статистика показов, входящие звонки, рекламные кампании); публичные данные карточки на Яндекс.Картах; лендинг yandex.business; пул из 10–15 конкурентов с глубоким анализом (цены, ассортимент, отзывы, фото, рейтинг); NAP-сверка по Яндексу, Google и 2ГИС; трафик с Карт в Метрике

По умолчанию я анализирую данные за последние 2 года. Если проект использует Яндекс.Директ, период зависит от того, как давно запущена реклама — максимум 3 года.

В этом этапе важна методическая дисциплина: каждый источник собирается двумя способами — через API/выгрузку и через UI/браузер. Это даёт клиенту защиту от типичной проблемы: автоматический скрипт получает «не те» данные из-за ошибки в эндпоинте, фильтре или формате выгрузки — и весь аудит строится на кривой базе. Правило двойного сбора убирает этот риск: каждая находка в отчёте подкреплена цифрой, проверенной двумя независимыми путями.

Этап 3. Поиск разрывов на стыках (3–4 рабочих дня)

Этап 3 — сердце Майкора. После сбора данные каждого направления уходят в свою папку проекта (Сайт, Директ, AI-поиск, Я.Карты), но пишутся в общую базу с единым индексом. Здесь я провожу проверку и подготовку: чищу выгрузки, считаю нужные показатели по каждому из 4 аудитов, а затем — сквозную сверку между направлениями.

Например: совпадает ли номер телефона на сайте с номером в Я.Картах и в индексе AI; совпадает ли целевая аудитория Директа с поведением посетителей сайта; стыкуются ли отзывы на Я.Картах с реальной географией клиентов из CRM.

Сквозной срез возможен именно потому, что 4 направления пишут в общую базу — у каждого аудита своя папка, но данные доступны для перекрёстных проверок. Так находятся разрывы, которые в изолированном аудите одной системы не видны.

Этап 4. Roadmap по приоритету ROI (2 рабочих дня)

Все находки группируются по приоритетам. Каждый приоритет — отдельный пункт с оценкой стоимости (часы работы) и ожидаемого эффекта (рост заявок, снижение CAC, ускорение обучения автостратегий). Я не делаю «приоритеты по принципу важности» — я считаю ROI каждой правки.

Это меняет порядок задач. Часто оказывается, что самая «крупная» проблема (например, перезапуск всей рекламной кампании) требует трёх недель работы агентства и квартала на накопление статистики, а в одном из проектов маленькая правка формы Я.Бизнеса (полдня работы) дала +13× к её конверсии. В roadmap первой идёт правка формы.

Этап 5. Выдача финального отчёта

Финальный этап — это передача клиенту собранного аудита в письменном виде. Отчёт состоит из 4 разделов по точкам контакта плюс сводный roadmap, отсортированный по приоритету ROI. Каждая находка в отчёте подкреплена скриншотами и цифрами из источников данных, чтобы клиент мог самостоятельно сверить вывод с фактом.

Отчёт остаётся у клиента навсегда — это его инструмент работы со своей командой и подрядчиками. Любые уточняющие вопросы по содержанию отчёта я отвечаю в письменном виде по почте или в Telegram. Если клиент решает продолжить работу — внедрение, разработку или регулярную аналитику — это оформляется отдельной услугой.

Что получает клиент на выходе

После завершения Майкор клиент получает онлайн-отчёт на персональной странице melanina.ru с доступом по логину и паролю. Внутри — 4 связанных отчёта по точкам контакта. В каждом — executive summary раздела, цифры и анонимизированные скриншоты, список приоритетных фиксов. Цветовое кодирование внутри отчётов помогает быстро ориентироваться: зелёный — что хорошо, жёлтый — что под вопросом, красный — что требует немедленного внимания.

Аудит сайта

Кто приходит на сайт, из каких источников, что делает и где обрывается путь к заявке. В отчёте по точке «Сайт»:

• Источники трафика и качество аудитории — что приводит лучших клиентов, что приводит «не ту» аудиторию
• Поведенческие метрики по ключевым страницам услуг — страница цен, врачей/специалистов, акций, главная
• Воронка формы записи — число открытий формы, submit-rate, обрыв до открытия (где конкретно ломается)
• Барьеры конверсии — dead clicks, карта скролла, сессии Вебвизора с frustration-сигналами
• Список приоритетных фиксов на сайте с оценкой ожидаемого эффекта

Аудит Яндекс.Директ

Экономика канала, эффективность кампаний, чистота атрибуции и план перезапуска. В отчёте по точке «Реклама»:

• План / Факт / Статус — бюджет, клики, конверсии, CR в сравнении с целями проекта
• Эффективность кампаний и групп — где деньги работают, где сжигаются
• Аудитория и причины низкой конверсии — куда ведёт реклама, что видит пользователь после клика
• Атрибуция — совпадение first-touch и last-touch, разрывы с коллтрекингом, чистота данных
• Roadmap перезапуска — бюджет на старт, выбор стратегии, последовательность кампаний по приоритету

GEO-аудит — AI-поиск

Видимость проекта в ответах Алисы, Perplexity, ChatGPT и GigaChat по ключевым запросам ниши. В отчёте по точке «AI-поиск»:

• Видимость в 5 AI-системах — качественный замер (упоминания × запросы) и количественный (визиты с AI-хостов в Метрике)
• AI-трафик из Яндекс.Метрики и Яндекс.Вебмастера — раздел «Видимость в Алисе AI»
• E-E-A-T-сигналы — авторство, экспертность, ссылки на первоисточники, дата актуальности
• Состояние Schema.org-разметки организации и автора + sameAs-связки с внешними профилями
• Внешние упоминания и индекс проекта в справочниках, агрегаторах, отзовиках — NAP-консистентность

Аудит карточки на Яндекс.Картах

Состояние карточки организации в Я.Бизнесе, итоги рекламной кампании, позиция в локальном пуле конкурентов. В отчёте по точке «Яндекс.Карты»:

• Карточка организации — полнота данных, фотографии, отзывы, рейтинг, история активности
• Позиция в пуле ближайших конкурентов — по числу отзывов, рейтингу, ассортименту услуг
• Ценовое сравнение по основным направлениям — где проект дороже/дешевле среднего по локации
• Рекламная кампания в Яндекс.Бизнесе — эффективность, конверсия лендинга yandex.business
• SWOT-анализ — сильные стороны, слабости, риски и возможности карточки

Что меняется в бизнесе после внедрения roadmap

Сам Майкор ничего не меняет — изменения наступают после внедрения roadmap. По моему опыту аудитов 2025–2026 годов, при последовательном внедрении 3–4 приоритетных задач из отчёта в первые 60 дней:

• При достаточном бюджете и потоке трафика реклама выходит на базовый порог обучения автостратегий, CR кампаний растёт в 2–3 раза
• Конверсия формы записи на сайте поднимается с типичных 0,2% до 0,5–1,2%
• Создаётся техническая основа для AI-цитирований — корректная Schema.org-разметка и sameAs-связки с внешними профилями (необходимое условие; на частоту цитирований дальше влияют авторитетность источников, частота упоминаний и качество контента)
• Карточка в Яндекс.Картах начинает движение из «последнего места в пуле»: растёт число отзывов и активность. Заметный сдвиг по позиции в локальном пуле обычно требует 3–6 месяцев систематической работы с запросом отзыва после визита

Это не гарантия — каждый проект индивидуален, и часть правок требует дополнительного бюджета или ресурса команды. Но направление и порядок шагов клиент получает в письменном виде, не вслепую.

Страница с отчётом остаётся доступной клиенту бессрочно — удобно ссылаться из переписки с командой и подрядчиками. При следующем цикле аудита через год есть с чем сравнивать «до/после».

Чем Майкор отличается от стандартных аудитов

В таблице ниже — позиция Майкора среди привычных форматов аудита. Это не «сравнение лучшее vs худшее», а карта применимости: у каждого формата своя задача.

Почему имеет смысл сделать сейчас

Скорость изменений в AI-поиске и GEO существенно выше, чем в классическом SEO. По состоянию на май 2026, 3 фактора создают окно возможностей:

1. ЭПОС от Яндекса — официальная рамка качества контента. 7 апреля 2026 Яндекс представил критерии ЭПОС (Экспертность, Полезность, Оригинальность, Содержательность) — по состоянию на май 2026 это публичная официальная рамка качества контента для Поиска и попадания в ответы Алисы AI. Сайты, которые быстро адаптируют контент под ЭПОС, получают преимущество на старте.
2. AI-поиск в фазе раннего роста. По моим замерам AI-видимости melanina.ru и клиентских проектов в марте 2026, Алиса AI в среднем формирует ответ из 10 источников на запрос — это шире, чем классический топ-10 Google. По моим наблюдениям, большинство проектов в нише ещё не оптимизированы под GEO — это окно для тех, кто стартует первым. Через год эта доля вырастет, и попадание в выдачу станет существенно сложнее.
3. Бюджеты Яндекс.Директа в нише восстанавливаются. После урезаний 2025 года рекламные кабинеты постепенно возвращаются к рабочим объёмам. Но Яндекс рекомендует от 10 конверсий в неделю и закладывает 1–2 недели на обучение автостратегии — это норма. На меньшем потоке стратегия не выходит из режима «хронической нехватки сигнала» и может «барахтаться» месяцами без видимого прогресса. Если запускать рекламу осенью 2026 без аудита и подготовки сайта на стабильный поток конверсий — деньги уйдут не на заявки, а на безрезультатные попытки модели набрать сигнал.

Майкор закрывает все три фактора в одном цикле — пока разрыв между «уже оптимизированными» и «ещё нет» относительно небольшой.

Почему перекрёстный аудит сильнее изолированного

Каждая из 4 точек контакта поверхностно покрывается отдельными форматами аудита: «SEO-аудит» смотрит видимость, «UX-аудит» — поведение на сайте, «аудит Директа» — кампании, «аудит карточки Я.Бизнеса» — карточку. По отдельности эти аудиты дают карту проблем внутри каждой системы. Майкор даёт другое — карту разрывов между ними.

Это принципиальное методическое различие. В исследовании Aggarwal et al., KDD 2024 (Princeton GEO study) на бенчмарке из 10 000 запросов к генеративным поисковым системам показано, что комплексный GEO-подход — комбинация цитат, источников, статистики, структуры — может повышать «position-adjusted word count» (объём цитирования сайта в ответе с учётом позиции) на величину до 40% относительно базового контента. Этот же принцип работает на уровне аудита: связки между точками контакта показывают разрывы, которые не видны при разборе каждой точки отдельно.

Простой пример из практики. В изолированном аудите Директа аналитик увидит низкий CR кампаний и предложит увеличить бюджет. Изолированный UX-аудит сайта покажет, что страница цен «удерживает внимание» (среднее время на странице 6 минут) и зачтёт это в плюс. Изолированный аудит карточки на Я.Картах подметит «единственную клинику с полным ассортиментом из 6 направлений» — это сильная сторона. Майкор сводит эти три факта вместе и видит другую картину: реклама приводит подходящую аудиторию, та доходит до сайта, читает 6 минут и не нажимает кнопку — потому что на странице цен нет триггера, отсутствуют отзывы и нет связки с реальной карточкой Я.Бизнеса, где можно посмотреть фотографии. Это не проблема рекламы, не проблема сайта и не проблема Я.Карт по отдельности. Это разрыв на стыке.

4 точки контакта в методике Майкор

Майкор смотрит проект через 4 канала, в которых пользователь принимает решение об обращении. Каждая точка — это самостоятельный поток данных, инструменты замеров и список типичных проблем. Но главное в методике — не глубина каждой точки по отдельности, а связки между ними. Один и тот же пользователь до записи может пройти 2–3 точки, и если в каждой из них он видит разные посылы, разные номера телефона или разный список услуг — он отвалится не из-за слабости отдельной системы, а из-за разрыва на стыке.

Точка 1. Сайт

Точка «Сайт» в методике Майкор — это анализ поведения посетителя от первого визита до отправки заявки: Яндекс.Метрика, Вебвизор, аналитика форм, внутренний поиск. Глубина — 2 года данных, если счётчик стоит дольше; иначе беру всё доступное.

Главные риски в точке «Сайт» — не технические ошибки, а контентные и UX-разрывы. Сайт может технически работать идеально: быстро загружаться, иметь корректную вёрстку, проходить Core Web Vitals. И при этом давать 0,2% CR (conversion rate — конверсия из визитов в заявки) при норме 0,5–2% — потому что пользователь проводит на странице цен 6 минут и не нажимает ни одну CTA. Это не баг сайта. Это контентный разрыв, который видно только в связке «поведенческая метрика + содержание страницы».

Точка 2. Реклама (Яндекс.Директ)

Точка «Реклама» в методике Майкор — это анализ экономики рекламного канала: эффективность кампаний, чистота атрибуции (привязки заявки к источнику касания), обучаемость автостратегий в Яндекс.Директе. Источники — кабинет Я.Директа, Я.Метрика (раздел «Источники → Директ-сводка»), коллтрекинг.

Главная проверка — соответствие бюджета базовому условию обучения автостратегий. При потоке ниже 10 конверсий в неделю автостратегии Яндекс.Директа обычно не набирают достаточно данных для стабильного обучения, и Яндекс рекомендует планировать бюджет минимум на такой объём. В аудите медицинской клиники в Москве клиент тратил на канал контекстной рекламы около 27,5 тыс ₽ в месяц — это в 15 раз меньше, чем он же тратил в декабре 2025 на том же проекте. На таком бюджете канал контекстной рекламы давал меньше 1 конверсии в неделю, и автостратегии работали нестабильно — независимо от того, как тонко были настроены ставки и фразы.

Точка 3. AI-поиск

Точка «AI-поиск» в методике Майкор — это проверка видимости и цитируемости проекта в 4 генеративных системах: Алиса AI, ChatGPT, Perplexity, GigaChat. Я замеряю по списку реальных пользовательских запросов из ниши. Каждый запрос проверяется в каждой системе отдельно: упоминает ли система проект напрямую, есть ли проект в источниках ответа, на какой позиции.

В аудите медицинской клиники из моего примера соотношение получилось 7 упоминаний на 64 проверочных запроса — то есть около 11%. И это при том, что в классической выдаче Яндекса клиника по тем же запросам стояла в топ-1. Разрыв «топ-1 в Яндексе и практически невидим в Алисе AI» появляется, когда классическое SEO не транслируется в AI-видимость без отдельной GEO-оптимизации и Schema.org-разметки.

Кроме того, в AI-поиске критично важна NAP-консистентность (от англ. Name, Address, Phone — единство названия, адреса и телефона организации по всем источникам, которые AI-системы используют для синтеза ответа). В том же аудите я нашла 6 разных номеров одной и той же клиники в индексе AI-сервисов: справочники, агрегаторы, отзовики, старый сайт, новый сайт, лендинг Я.Бизнеса. Когда пользователь спрашивает у Алисы «телефон клиники X», AI выбирает один из шести — и совсем необязательно тот, который сейчас действующий.

Точка 4. Яндекс.Карты

Точка «Яндекс.Карты» в методике Майкор — это анализ карточки организации в Я.Бизнесе, рекламной кампании в Я.Бизнесе и формы заявки на лендинге yandex.business. Покрывает проекты с офлайн-точкой (медицина, услуги, ритейл, общепит) и часть проектов без неё — если организация представлена в локальном поиске. По итогам аудита Я.Бизнеса я считаю Velo Score™ — интегральную оценку состояния карточки по шкале 0–100 с 4 зонами: кризис (0–30), усиление (30–60), норма (60–80), лидер (80–100). Один числовой ориентир: где проект сейчас и куда двигаться — без необходимости читать весь отчёт.

Главная связка точки с остальными — внешние карточки организации должны совпадать с её сайтом по NAP-параметрам. Если карточка показывает один номер, сайт — другой, лендинг Я.Бизнеса — третий, AI-системы и поисковые алгоритмы могут не сшить эти источники в одну сущность — каждая «версия» получает меньший вес, чем мог бы получить единый профиль.

На примере аудита медицинской клиники в Москве — клиника имела 19 отзывов на Я.Картах, последнее место в пуле из 14 ближайших конкурентов при медиане 264 отзыва в нише. А отдельный лендинг Я.Бизнеса конвертировал на 0,078% при отраслевой норме 1–3% — то есть в 13 раз ниже нижней границы нормы. Эти две проблемы решаются разными способами: первая — работа с пациентами и системой запроса отзыва после визита, вторая — техническая проверка формы, обязательных полей, отображения на мобильном.

Аналитика как сквозной слой

Аналитика в методике Майкор — сквозной слой данных, на котором строятся все 4 точки: Яндекс.Метрика, коллтрекинг, атрибуция между источниками. Я не делаю «аудит аналитики» в отдельной коробке: я проверяю, что в каждой из 4 точек источник данных корректен и стыкуется с остальными.

Главные провалы сквозного слоя — несопоставимая методология замеров между источниками. В аудите медицинской клиники в Москве клиент за период анализа сменил коллтрекинг с одного провайдера на другого, и методология тегирования звонков у них была разной. Каждый отчёт по отдельности был корректен внутри своего периода — но между периодами данные стали несопоставимы. При сравнительном анализе двух периодов как единого целого появлялся разрыв, который маскировал реальную динамику канала контекстной рекламы. Без проверки сквозного слоя такие разрывы не видны: каждый отдельный отчёт выглядит корректно, проблема появляется только при попытке свести их.

Какие разрывы Майкор находит чаще всего

Ниже — 5 типичных находок по каждой точке контакта на примере аудита медицинской клиники в Москве. Каждая находка — короткое наблюдение; подробный разбор даётся в отдельных материалах хаба (появятся по мере их публикации).

Авторская AIDA-воронка из целей Метрики

Стандартная аналитика показывает итоговую конверсию — я строю полную воронку, чтобы понять, на каком именно шаге теряется большинство людей.

В Майкоре AIDA-воронка собирается автоматически из целей Яндекс.Метрики и автоцелей (автоцели — целевые действия, которые Метрика регистрирует сама, без ручной настройки: клики по ссылкам, скачивания файлов, отправки форм). Этапы:

• Awareness («знакомство») — просмотры страниц с таймингом 30/60/90 секунд и 2/3/5 минут
• Interest («интерес») — поисковые автоцели по сайту и скачивания файлов
• Desire («желание») — заполнение контактных данных, начало оформления, переход в мессенджер
• Action («действие») — финальная конверсия: звонок, запись на услугу, покупка

Конкретный набор целей и автоцелей для каждого этапа индивидуален: выше — пример для медицинской клиники. У интернет-магазина это будут события корзины и оформления заказа, у b2b-проекта — скачивания PDF и подписки на демо. Принцип — этапы AIDA одинаковые, события под них собираются под бизнес-модель проекта.

Между этапами считается Step CR (Step Conversion Rate — доля посетителей, перешедших с этапа на этап). На скриншоте — фрагмент воронки клиники из 3 первых этапов; этап Action присутствует в полной воронке проекта (цели «звонок» из коллтрекинга и «запись» из CRM передаются в Метрику и подхватываются автоматически), но в этот кадр не вошёл — обрезано до Desire для компактности.

Заметка по цифрам: в этап Desire (691 виз.) попадают не только те, кто прошёл через Interest, но и пользователи, которые сразу открыли форму или мессенджер — например, перейдя с лендинга, минуя поиск по сайту. Поэтому абсолютное число в этапе выше, чем переход из предыдущего этапа по Step CR. Воронка строится как «зоны вовлечения» по реальной активности, а не как линейная цепочка.

Что это даёт клиенту: вместо отдельной метрики «конверсия формы» — связную картину, где именно теряется трафик. Если на Awareness уже ушло 90% посетителей (как в этом кейсе), бессмысленно править форму записи — сначала нужно вернуть внимание на этапе знакомства: упаковать ключевые страницы (услуги, специалисты, цены, отзывы) под удержание. AIDA-воронка показывает приоритет правок и где они дадут максимальный эффект.

Как выглядит разрыв воронки формы на практике

За период анализа на сайте было 31 000 визитов. Из них только 79 человек (0,25%) начали заполнять форму записи. Из этих 79 — 64 отправили форму, это 81% CR старт→отправка при норме ≥30% — то есть форма технически в порядке. Проблема в шаге раньше: 30 921 визит (99,74%) не дошёл до формы — на странице нет триггера, который провёл бы пользователя к открытию. Это контр-интуитивная находка: типичная гипотеза «мало заявок = сломанная форма», а в реальности воронка ломается на входе в форму, не на выходе из неё.

Почему бюджет Директа ×15 ниже порога обучения автостратегий

Текущий бюджет канала — около 27,5 тыс ₽ в месяц, тогда как в декабре 2025 на том же проекте тратилось около 400 тыс ₽. Яндекс рекомендует планировать бюджет так, чтобы автостратегии набирали минимум 10 конверсий в неделю; на текущем бюджете канал даёт меньше 1 конверсии в неделю. Реклама работает нестабильно не из-за слабых креативов или ставок — а потому что не выходит на базовый объём данных для обучения автостратегий. Это разрыв между «маркетинг ставит KPI на канал» и «канал не получает достаточно сигнала, чтобы их достичь при текущем бюджете».

Почему сайт в топ-1 Яндекса невидим в AI-системах

В аудите я провела два разных замера AI-видимости, и оба показали один и тот же сигнал — клиника невидима для AI-сервисов.

Качественный замер: я прогнала 16 ключевых запросов ниши по 5 AI-системам (Алиса / Нейро, ChatGPT, Perplexity, GigaChat, DeepSeek). Получила 7 упоминаний на 64 проверочных запроса, или 11% видимости. И это при том, что в классической выдаче Яндекса клиника стоит в топ-1 по тем же запросам.

Количественный замер из Яндекс.Метрики: отчёт «Источники → Сайты» с фильтром на 9 AI-хостов (от англ. «host» — домен AI-сервиса) — chatgpt.com, perplexity.ai, claude.ai, gemini.google.com, gigachat.ru, deepseek.com, you.com, copilot.microsoft.com, yandex.ru/alice. По всем 9 хостам — 0 визитов за период анализа. Даже редкие упоминания, которые показал качественный замер, не превращаются в клики.

У 0 кликов и у редкого цитирования причины разные. Клик из AI возникает только когда цитируемый фрагмент содержит коммерческое предложение — услугу с ценой, форму записи, расчёт стоимости. Информационные упоминания («что такое X», «как делается Y») кликов не дают: пользователь получает ответ внутри AI и закрывает диалог. На сайте клиники нет страниц с офертами в форме, удобной для AI-цитирования.

Эти два показателя в связке — главный сигнал точки AI-поиск. Одна из вероятных технических причин разрыва — отсутствие корректной Schema.org-разметки организации и специалистов (например, типа MedicalOrganization и Physician), включая sameAs-связки с внешними профилями. Без таких связок старые карточки в справочниках, агрегаторах и отзовиках для AI-систем могут выглядеть как самостоятельные источники — и в синтезированных ответах смешиваются номера телефона из разных карточек одной организации.

Параллельно с замерами по 4 системам полезно сверяться с отчётом «Видимость в Алисе AI» в Яндекс.Вебмастере. Это единственный официальный публичный источник данных о том, по каким запросам Алиса цитирует сайт в нейроответах. Раздел открыт Яндексом в первой половине 2026 года; на момент написания материала функционал доступен только в браузерном интерфейсе Вебмастера, без публичного API.

Почему клиника с сильным ассортиментом — на последнем месте локального пула

На примере аудита медицинской клиники в Москве — в точке «Яндекс.Карты» у клиники оказалось 19 отзывов, последнее место в пуле из 14 ближайших конкурентов при медиане 264 отзыва в нише. Это не вопрос качества услуги (рейтинг при этом 4,8) — это вопрос отсутствия системы запроса отзыва после визита и связки сайта с карточкой Я.Бизнеса. Малое число отзывов и слабая репутационная база снижают конкурентоспособность карточки в локальном выборе пользователя, и даже платное продвижение в Яндекс.Картах не компенсирует разницу при сильнейшем ассортименте (6 направлений из 6 — единственная клиника с полным покрытием в пуле).

Как смена коллтрекинга ломает атрибуцию канала

В аудите медицинской клиники в Москве за период анализа клиент сменил коллтрекинг с одного провайдера на другого, и методология тегирования звонков у них была разной. Каждый отчёт по отдельности был корректен внутри своего периода — но между периодами данные стали несопоставимы. При сравнительном анализе атрибуции «сколько звонков пришло из рекламы» за весь период появлялся разрыв, который маскировал реальную динамику канала контекстной рекламы. Это типичная проблема проектов, которые меняют подрядчиков по аналитике без единой UTM-номенклатуры и без пересчёта исторических данных первого провайдера по новой методологии.

Какие ошибки мешают получить пользу от аудита

5 ошибок заказчиков, которые обнуляют пользу от аудита — встречаю в каждом втором проекте. Эти 5 ошибок — не вина клиентов, а следствие того, как рынок аудитов привык продаваться.

«Дайте нам только технический SEO-аудит — остальное нам не нужно». В реальности технические SEO-проблемы редко являются основной причиной просадки. По моему опыту аудитов 2025–2026 годов, в большинстве проектов основные потери возникают на стыках систем — а не внутри техники одной из них. Если ограничиться техникой — большой пласт причин останется невидим.

«Нам не нужна аналитика в аудите — у нас всё уже настроено». В 9 случаях из 10 «настроенная аналитика» означает, что цели в Метрике созданы, но методология их фиксации не сверялась с реальностью полгода или больше. Аудит без проверки аналитического слоя строится на потенциально кривых данных.

«Сначала проверьте сайт, рекламу разберём отдельно через месяц». Это убирает главную ценность Майкора — анализ связок. Если сайт и реклама анализируются с разрывом в месяц, между двумя аудитами успевают накопиться изменения, и связки уже не видно.

«У нас был аудит полгода назад, давайте просто обновим». Полгода — это период, за который существенно меняется AI-видимость. По моим замерам и наблюдениям рынка, генеративные системы охотнее подхватывают свежий контент — поэтому полугодовой аудит по AI-видимости часто приходится пересобирать заново. «Обновление» полугодового аудита по содержанию — это новый аудит с нуля.

«Сделаем сами по чек-листу». Чек-лист помогает не упустить пункты, но не показывает связки между системами. Майкор — это не сумма проверок 4 точек, а сведение их в одну картину.

Чек-лист: когда вам нужен Майкор

8 признаков, по которым видно, что классические аудиты не решат вашу задачу. Отметьте те, что про вас.