llmsmap.ru

Независимый технический аудит

dosuti.ru

dosuti.ru

Итоговая оценка ИИ-оптимизации

Сводный результат по всем сигналам аудита.

95из 100Отлично
Проверка ИИ-оптимизации: 08.09.2026Публичные технические данные

О сайте

До Сути — российский онлайн-сервис на базе ИИ для создания опросов и анкет. Пользователь описывает задачу, сервис собирает структуру анкеты, вопросы и типы ответов, публикует её в Яндекс Формах, Google Forms или Анкетологе, либо собирает ответы на собственной платформе. Сервис ориентирован на малый бизнес, предлагает тарифы, шаблоны опросов под бизнес-задачи, руководства и блог со статьями об опросах.

Платформа:
Next.js

Описание составлено ИИ по llms.txt и главной странице сайта.

Итоговая оценка ИИ-оптимизации

Насколько dosuti.ru оптимизирован для работы с ИИ

95/100

До Сути прошёл независимый технический аудит llmsmap. Итоговая оценка ИИ-оптимизации домена dosuti.ru составляет 95/100: результат объединяет доступность специальных файлов для ИИ, правила краулинга, карту сайта, структурированные данные главной страницы и, когда замер завершён, мобильный технический профиль Google Lighthouse.

Контекст итоговой оценки

Файл llms.txt доступен и содержит 2 113 токенов. Расширенный llms-full.txt также найден; его объём — 46 847 токенов, поэтому агент может получить более полный контекст без обхода всего сайта. Отдельный ai.txt не обнаружен; это не обязательная часть предлагаемого формата llms.txt, но такой файл может явно описать политику обучения, цитирования и автоматического доступа.

robots.txt доступен. Из 11 отслеживаемых ИИ-ботов 11 не заблокированы. Объявлено карт сайта: 1. На главной найдена Schema.org-разметка типов Organization, WebSite, SoftwareApplication, FAQPage; OpenGraph-тегов — 10, расчётная полнота публичной разметки — 100%.

Мобильный профиль Lighthouse дополняет аудит: производительность 68/100, доступность 95/100, технические практики 92/100, SEO 100/100 и экспериментальная готовность браузерных агентов 100/100. Эти данные входят в итоговую оценку ИИ-оптимизации с ограниченным весом: они дополняют, но не заменяют проверку llms.txt, robots.txt и машинной разметки.

Подтверждённые сильные стороны

  • llms.txt доступен
  • Есть расширенный llms-full.txt
  • Объявлено sitemap: 1
  • Schema.org: Organization, WebSite
  • Полная социальная разметка
  • Сильные agentic-сигналы Google

Приоритетные улучшения

  1. 1Сократить задержки мобильного рендера и занятость основного потока.
Токены llms.txt2 113
Токены llms-full.txt46 847
ai.txt
sitemap.xml

Технический профиль Google Lighthouse

Замер мобильной версии. Экспериментальная категория Google Agentic Browsing показана отдельно и не заменяет итоговую оценку ИИ-оптимизации от llmsmap.

Мобильная версия · Lighthouse
68

Производительность

95

Доступность

92

Технические практики

100

Техническое SEO

100

Работа браузерных агентов

Что означают результаты

Производительность мобильной версии — 68/100; самый крупный видимый блок появился за 6.4 s, а суммарная блокировка основного потока составила 70 ms. Показатель смещения макета — 0. Основной поток выполняет JavaScript, рассчитывает расположение элементов и рисует страницу: пока он занят, интерфейс хуже реагирует и на действия человека, и на команды браузерного агента.

Доступность получила 95/100, технические практики — 92/100, SEO — 100/100. Экспериментальная категория Agentic Browsing получила 100/100. Она отражает сигналы, которые Google сейчас проверяет для программных агентов, и не заменяет итоговую оценку ИИ-оптимизации от llmsmap.

1

Освободить основной поток и ускорить первый экран

Разделите длинные JavaScript-задачи, отложите необязательные скрипты и критические стили, уменьшите цепочки блокирующих запросов. Это ускорит появление основного контента и позволит интерфейсу раньше принимать действия.

2

Сократить код, который загружается без пользы

Удалите неиспользуемые CSS и JavaScript, загружайте тяжёлые виджеты по необходимости и ограничьте сторонние скрипты. Меньший объём кода снижает нагрузку на устройство и количество фоновой работы.

3

Сократить сетевые задержки

Уменьшите время ответа сервера, лишние редиректы и повторные загрузки; настройте сжатие, кеширование и ранние соединения только с действительно важными источниками.

4

Сделать элементы управления однозначными

Добавьте доступные названия кнопкам и ссылкам, связанные подписи полям, последовательные заголовки и семантические области. Такая структура одновременно помогает скринридерам и агентам понимать назначение действий.

FCP3.1 s

Первый контент

LCP6.4 s

Главный блок

CLS0

Стабильность

TBT70 ms

Блокировка

SI5.1 s

Скорость экрана

Расшифровка показателей
FCP · Первый контент
Когда на экране появился первый текст или изображение.
LCP · Главный блок
Когда отрисовался самый крупный видимый элемент первого экрана.
CLS · Стабильность
Насколько сильно элементы неожиданно смещались при загрузке; меньше — лучше.
TBT · Блокировка
Сколько времени основной поток не мог быстро ответить на действие.
SI · Скорость экрана
Насколько быстро видимая область страницы заполнилась контентом.
08.09.2026Lighthouse 13.4.1Мобильный профиль

Проверки ИИ-оптимизации

Машиночитаемые файлы, правила краулинга, обнаружение страниц и разметка главной.

llms.txt

Файл найден и доступен

https://dosuti.ru/llms.txt
llms-full.txt

Полная версия доступна

https://dosuti.ru/llms-full.txt
ai.txt

Файл ai.txt не найден

robots.txt

Файл найден

https://dosuti.ru/robots.txt
Sitemap в robots.txt1 шт.

Найдено карт сайта: 1

Schema.org (JSON-LD)

Типы: Organization, WebSite, SoftwareApplication, FAQPage

OpenGraph100%

Найдено OG-тегов: 10

Доступ ИИ-ботов

На основе анализа robots.txt

GPTBotНе упомянут
OAI-SearchBotНе упомянут
ChatGPT-UserНе упомянут
Google-ExtendedНе упомянут
ClaudeBotНе упомянут
Claude-SearchBotНе упомянут
Claude-UserНе упомянут
BytespiderНе упомянут
CCBotНе упомянут
PerplexityBotНе упомянут
Perplexity-UserНе упомянут

Карты сайта

Объявленные маршруты для поисковых роботов и ИИ-агентов.

OpenGraph теги

Метаданные превью главной страницы для соцсетей и мессенджеров.

Полнота разметки: 100%
og:title«До Сути» — AI-сервис для создания опросов и анкет за 2 минуты
og:descriptionОпишите задачу на русском — AI соберёт готовую анкету за 2 минуты. Сбор ответов на сервисе: своя ссылка, статистика и AI-отчёт. Малому бизнесу, без подрядчиков.
og:urlhttps://dosuti.ru
og:site_name«До Сути»
og:localeru_RU
og:image:width512
og:image:height512
og:image:altЛоготип «До Сути»
og:typewebsite

Schema.org разметка

Структурированные сущности и свойства, найденные на главной странице.

Найдено типов: 4 · Свойств: 11
OrganizationWebSiteSoftwareApplicationFAQPage
nameДо Сути
urlhttps://dosuti.ru
descriptionОпишите задачу на русском — AI соберёт готовую анкету за 2 минуты. Сбор ответов на сервисе: своя ссылка, статистика и AI-отчёт. Малому бизнесу, без подрядчиков.
logohttps://dosuti.ru/dosuti-icon-512.png
sameAshttps://t.me/marketingcinemahall
contactPoint{"@type":"ContactPoint","contactType":"customer support","email":"hello@dosuti.ru","availableLanguage":["ru"]}
emailhello@dosuti.ru
alternateNameDo Suti
legalNameИП Петров Александр Алексеевич
inLanguageru-RU
publisher{"@id":"https://dosuti.ru/#organization"}
# До Сути

> Опишите задачу на русском — AI соберёт готовую анкету за 2 минуты. Сбор ответов на сервисе: своя ссылка, статистика и AI-отчёт. Малому бизнесу, без подрядчиков.

До Сути — российский сервис на https://dosuti.ru: пользователь описывает задачу словами, сервис собирает опрос, публикует его в Яндекс Формах, Google Forms или Анкетологе либо собирает ответы у себя и разбирает их статистикой и AI-отчётом. Интерфейс и весь контент на русском языке.

## Продукт

- [Главная](https://dosuti.ru/): что делает сервис и как проходит путь от задачи до ссылки на опрос.
- [Тарифы](https://dosuti.ru/pricing): бесплатный старт, пакеты кредитов и подписка.
- [Оферта](https://dosuti.ru/offer): условия использования, реквизиты исполнителя.
- [Приватность](https://dosuti.ru/privacy): что происходит с ответами респондентов и загруженными файлами.

## Разделы

- [Шаблоны опросов под бизнес-задачи](https://dosuti.ru/templates): «До Сути» помогает быстро собрать структуру опроса для конкретной задачи: удержание клиентов, оценка сервиса, CustDev, HR-исследование или обратная связь после мероприятия. Вы выбираете сценарий, описываете контекст, а сервис предлагает вопросы, шкалы и порядок блоков.
- [Как составить анкету, которая дает полезные ответы](https://dosuti.ru/guides): Хороший опрос начинается не с редактора форм, а с исследовательской задачи. На этой странице собраны базовые правила: как формулировать цель, выбирать типы вопросов, не подталкивать респондента к нужному ответу и собирать ответы так, чтобы их можно было использовать в продукте и маркетинге.
- [До Сути, Яндекс Формы, Google Forms или ручная анкета](https://dosuti.ru/compare): Конструкторы форм удобны, когда вопросы уже готовы. «До Сути» закрывает предыдущий этап: из задачи и брифа собирает структуру анкеты, предлагает типы вопросов и помогает опубликовать результат во внешней платформе или на своем сервисе. Это не замена всем конструкторам, а быстрый слой перед публикацией.
- [Где публиковать опросы из «До Сути»](https://dosuti.ru/integrations): После генерации анкеты можно выбрать место сбора ответов. «До Сути» поддерживает публикацию во внешних платформах и нативный режим со своей ссылкой. Внешняя платформа хранит ответы у себя, а при сборе на сервисе ответы и незавершенные прохождения доступны в кабинете.

## Блог

Практические статьи об опросах, анкетах и работе с обратной связью — 275 материалов, все на русском. Полный список с описаниями — в llms-full.txt.

- [Все статьи](https://dosuti.ru/blog): оглавление блога.
- [Наводящие вопросы в опросе: как их находить и переформулировать](https://dosuti.ru/blog/navodyashchie-voprosy-v-oprose): Наводящий вопрос подсказывает респонденту ожидаемый ответ и искажает результаты опроса. Разбираем признаки наводки и как переформулировать вопрос нейтрально.
- [Двойные вопросы в анкете: как их находить и разделять](https://dosuti.ru/blog/dvojnye-voprosy-v-ankete): Двойной вопрос в анкете спрашивает сразу о двух разных вещах, и респондент не может ответить честно ни на одну. Как находить такие вопросы и делить их.
- [Вопросы с отрицанием в анкете: как их находить и переписывать](https://dosuti.ru/blog/voprosy-s-otricaniem-v-ankete): Вопрос с отрицанием путает респондента и портит данные опроса. Почему такие формулировки опасны, как их находить в анкете и как переписать без потерь.
- [Порядок вариантов ответа в вопросе: как расположение смещает выбор](https://dosuti.ru/blog/poryadok-variantov-otveta-v-voprose): Порядок вариантов ответа сам по себе смещает выбор респондента: работают эффекты первичности и недавности. Как расположить варианты и когда нужна рандомизация.
- [Чётная или нечётная шкала в опросе: когда нужна нейтральная середина](https://dosuti.ru/blog/chetnaya-ili-nechetnaya-shkala-oprosa): Нечётная шкала опроса даёт респонденту нейтральную середину, чётная заставляет выбрать сторону. Когда нейтральный вариант нужен, а когда искажает результат.
- [Лонгитюдное исследование: как измерять изменение, а не момент](https://dosuti.ru/blog/longitudnoe-issledovanie): Лонгитюдное исследование в опросах: чем панель, когорта и повторные срезы отличаются друг от друга, как выбрать интервал волн и не спутать отток с изменением.
- [Когортное исследование: как сравнивать не среднее, а поколения клиентов](https://dosuti.ru/blog/kogortnoe-issledovanie-v-oprosah): Когортное исследование в опросах: чем оно отличается от лонгитюда и от возрастных сравнений, как строить когорты по стартовому событию и не спутать эффекты.
- [Поперечное исследование: моментальный снимок против лонгитюда](https://dosuti.ru/blog/poperechnoe-issledovanie-oprosa): Поперечное исследование в опросах: когда достаточно одномоментного снимка, чем оно опасно при сравнении возрастов и стажа и как дёшево имитировать тренд.
- [Панельное исследование: как удержать одну и ту же группу в опросах](https://dosuti.ru/blog/panelnoe-issledovanie-v-oprosah): Панельное исследование в опросах: как набрать и удержать панель, чем панельная усталость отличается от оттока и как сопоставлять ответы одного человека.
- [Ретроспективный опрос: как спрашивать о прошлом и не собрать искажённую память](https://dosuti.ru/blog/retrospektivnyj-opros): Ретроспективный опрос: когда он единственный доступный вариант, как ошибки памяти искажают ответы о прошлом и какие формулировки снижают эти искажения.
- [Виды выборки в опросах: как выбрать между вероятностной и квотной](https://dosuti.ru/blog/vidy-vyborki-v-issledovaniyah): Виды выборки в опросах: чем вероятностная отличается от невероятностной, когда нужна случайная, стратифицированная или квотная выборка, а когда — снежный ком.
- [Случайная выборка: как сформировать для опроса без перекоса](https://dosuti.ru/blog/sluchainaya-vyborka): Случайная выборка: как отобрать респондентов из списка без перекоса, чем простой случайный отбор отличается от системного и что портит случайность на практике.
- [Стратифицированная выборка: как разбить аудиторию на страты](https://dosuti.ru/blog/stratificirovannaya-vyborka): Стратифицированная выборка: как разбить аудиторию на страты, выбрать между пропорциональным и непропорциональным набором и взвесить результат перед анализом.
- [Квотная выборка: как составить и проверить квоты](https://dosuti.ru/blog/kvotnaya-vyborka): Квотная выборка: как задать параметры квот, чем метод отличается от стратификации, какой главный риск несёт отбор внутри квоты и как его контролировать.
- [Метод снежного кома: как найти респондентов, которых больше негде искать](https://dosuti.ru/blog/metod-snezhnogo-koma): Метод снежного кома: как найти труднодоступную аудиторию через цепочку рекомендаций, что такое гомофилия и как несколько затравочных точек ослабляют смещение.
- [Критерии для связанных выборок: когда опрашиваете тех же людей дважды](https://dosuti.ru/blog/kriterii-dlya-svyazannyh-vyborok-v-oprosah): Критерии для связанных выборок: чем парный t-критерий и Уилкоксон отличаются от Манна-Уитни, когда нужен Мак-Немара, а когда Фридман. Таблица выбора теста.
- [Критерий Уилкоксона для связанных выборок: сравниваем тех же людей дважды](https://dosuti.ru/blog/kriterij-uilkoksona-dlya-svyazannyh-vyborok): Критерий Уилкоксона для связанных выборок: как считать через ранги разностей, чем отличается от парного t-критерия, когда не работает и как читать p-значение.
- [Критерий Мак-Немара: сравниваем «да» и «нет» до и после у тех же людей](https://dosuti.ru/blog/kriterij-mak-nemara): Критерий Мак-Немара: как проверить, изменилось ли мнение тех же респондентов между двумя замерами, если ответ бинарный. Таблица переходов, расчёт, ошибки.
- [Критерий Фридмана: как сравнить три и более замера у одних и тех же людей](https://dosuti.ru/blog/kriterij-fridmana): Критерий Фридмана: непараметрический тест для трёх и более связанных замеров одних и тех же людей. Как считать ранги, зачем нужны апостериорные сравнения волн.
- [Регрессия к среднему: почему крайние оценки во втором замере смягчаются](https://dosuti.ru/blog/regressiya-k-srednemu): Регрессия к среднему: почему респонденты с самой низкой или высокой оценкой при повторном опросе сдвигаются к середине шкалы даже без реальных изменений.

## Условия использования

Материалы открыты для цитирования и обучения (см. Content-Signal в /robots.txt). При цитировании просьба указывать источник и ссылку на страницу.
Поделиться или продолжить анализ
Поделиться результатами
Обсудить с ИИ
Добавлен 08.09.2026

Похожие сайты в каталоге

Сайты с близкой оценкой ИИ-оптимизации — сравните, как они настроили llms.txt и разметку.

dosuti.ru - проверка ИИ-оптимизации | llmsmap.ru