Что это такое?
Открытый датасет и аналитический пайплайн для изучения того, как ИИ-поисковики (ChatGPT, Google AI, Perplexity) решают, когда искать информацию в сети и какие источники цитировать.
Проект / Python
yaojingang/geo-citation-lab: GEO Citation Lab — исследование, как ИИ-поисковики выбирают источники
Узнайте, какие вопросы заставляют ChatGPT, Google AI и Perplexity искать в сети, какие сайты они предпочитают и какие страницы действительно влияют на ответ.
Это не просто отчёт, а открытый исследовательский проект с полными данными и скриптами. Авторы провели четырёхуровневый эксперимент, чтобы выяснить, как дизайн запроса, язык и тип задачи влияют на поведение ИИ-поисковиков. Все сырые данные, промпты и код...
Для кого это
Для маркетологов, SEO-специалистов, исследователей ИИ и контент-стратегов, которые хотят понять логику цитирования в нейросетевых поисковиках.
Проблема / задача
Непонятно, как ИИ-поисковики решают, когда искать информацию, какие источники считать авторитетными и как глубоко поглощать контент — это чёрный ящик, мешающий оптимизировать контент под новые алгоритмы.
Как это работает
Проект — это масштабный эксперимент: 602 промпта разного типа отправлялись в три платформы (ChatGPT, Google AI, Perplexity). Собирались данные о срабатывании поиска, выбранных источниках и глубине их использования. Затем 18 тысяч страниц-источников анализировались по 72 параметрам (авторитетность, структура, семантика) для выявления закономерностей.
Что видно по README
Это не просто отчёт, а открытый исследовательский проект с полными данными и скриптами. Авторы провели четырёхуровневый эксперимент, чтобы выяснить, как дизайн запроса, язык и тип задачи влияют на поведение ИИ-поисковиков. Все сырые данные, промпты и код анализа доступны для проверки и дальнейшего изучения.
Ключевые возможности
Технологии
Интересный факт
Оказалось, что ChatGPT цитирует меньше источников, но использует каждый гораздо глубже (влияние в 5 раз выше, чем у Google). А Perplexity — самый «щедрый» на ссылки, но поверхностный.
С чего начать
- Прочтите краткий отчёт QUICK_REPORT.md для общего понимания
- Изучите полный отчёт в 04-repet/final_report.md с графиками
- Исследуйте сырые данные в папке 02-data и скрипты анализа в 03-pipeline
Оценка GitRadar
Удобство
6/10
Свежесть
9/10
Перспектива
8/10
Монетизация
7/10
Общая оценка
8/10
Вердикт GitRadar
Стоит изучить, если вы работаете с контентом или SEO в эпоху ИИ-поиска. Это редкое структурированное исследование с открытыми данными, а не просто мнение. Код рабочий, но проект больше исследовательский, чем готовый инструмент.
Наблюдения по обновлениям
Проект — законченное исследование с полным датасетом. Активных коммитов после публикации нет, но данные и методология остаются актуальными для анализа поведения ИИ-поиска.
Что мы проверили
Карточка собрана по данным GitHub, README и структуре репозитория. Это не официальная документация проекта.
- Исходный репозиторий
- https://github.com/yaojingang/geo-citation-lab
- Создан на GitHub
- 21 апреля 2026 г.
- Последнее обновление репо
- 21 апреля 2026 г.
- Последняя проверка GitRadar
- 21 апреля 2026 г.
- Изученные файлы
- README.md, index.html, 03-pipeline/requirements.txt, 03-pipeline/merge_seo_and_ahrefs.py, 03-pipeline/batch_download.py, 03-pipeline/batch_query.py
FAQ
Для кого подходит?
Для специалистов по цифровому маркетингу, SEO, исследователей ИИ и контент-менеджеров, которые хотят на данных понять логику современных поисковых систем.
Источники
Нужна помощь с yaojingang/geo-citation-lab?
Если проект подходит под ваш сценарий, можем помочь с установкой, интеграцией, доработкой или аккуратным форком под вашу инфраструктуру.