Сравнение Claude и Claude Code: как разные подходы к поиску влияют на результаты

В последние месяцы наблюдается активное развитие технологий искусственного интеллекта, и компании, занимающиеся разработкой таких решений, стремятся улучшить качество своих продуктов. Одним из таких примеров является сравнение двух моделей AI — Claude и Claude Code, проведенное компанией Profound, которая отслеживает, как бренды представлены в ответах AI. Результаты тестирования показывают, что подходы этих двух моделей к обработке запросов существенно различаются.

Различия в использовании веб-поиска

В ходе тестирования, проведенного с 13 по 23 июля, было проанализировано 1,724 запроса, что привело к генерации 24,135 ответов с включенным веб-поиском для обеих моделей. Claude использовал веб-поиск в 93% случаев, в то время как Claude Code прибегал к нему лишь в 13%. Это подчеркивает, что Claude более активно ищет информацию в интернете, в то время как Claude Code предпочитает использовать уже известные данные. Несмотря на меньшее количество поисковых запросов, Claude Code упоминал почти такое же количество брендов в ответах — в среднем 6.6 по сравнению с 5.2 у Claude. Это может говорить о том, что Claude Code более эффективно использует доступные ему данные.

Структура и содержание ответов

Интересно, что ответы Claude Code были короче и более структурированными, в среднем составляя 322 слова, тогда как ответы Claude достигали 459 слов. Более 50% ответов Claude Code содержали таблицы, в то время как только 11% ответов Claude включали подобные элементы. Это может указывать на то, что Claude Code ориентирован на предоставление более четкой и сжатой информации, что может быть полезно для пользователей, ищущих конкретные данные.

Анализ посещаемых страниц

Второй набор данных показывает, какие страницы посещали агенты каждой модели с 18 июля по 18 августа. Почти три четверти посещений Claude Code приходились на страницы документации, информационные и ценовые страницы, в то время как только 5% посещений Claude приходились на такие же страницы. В противоположность этому, 60% посещений Claude были направлены на файлы robots.txt, карты сайта и главные страницы, тогда как у Claude Code этот показатель составил лишь 4%. Такой анализ позволяет предположить, что агент Claude больше исследует содержимое сайтов, тогда как агент Claude Code сосредоточен на получении конкретной информации с уже известных страниц. Это может быть важным фактором для компаний, стремящихся оптимизировать свои страницы для AI.

Рекомендации для улучшения видимости

В отчете содержатся рекомендации по улучшению видимости страниц, посещаемых агентом Claude Code. Авторы советуют четко указывать технические и ценовые детали, например, "Поддерживает Python 3.10–3.13, Node.js 20+ и Go 1.22+". Также рекомендуется начинать с ответа под заголовками, сформулированными в виде вопросов. Однако в отчете не указано, проводились ли тесты, чтобы проверить, увеличивают ли такие изменения упоминания брендов или их видимость.

Значение полученных данных

Данные, полученные в ходе исследования, подчеркивают важность отдельного измерения Claude Code по сравнению с Claude, когда клиенты используют эти продукты. Разные паттерны посещения страниц и перекрытие упоминаний брендов на уровне 20% в среднем указывают на то, что каждая модель требует собственного анализа. Это особенно актуально для AI-продуктов с общими моделями, которые могут привлекать значительный пользовательский трафик. Claude Code является одним из таких примеров.

Заключение

Обсуждение посещаемых страниц основано на одном месяце трафика агентов по доменам, которые Profound отслеживает внутренне. Эти результаты открывают новые горизонты для понимания того, как AI может влиять на восприятие брендов и как компании могут адаптировать свои стратегии для улучшения видимости в ответах AI.