Bing Webmaster Tools постепенно прокачивает отчет AI Performance. На SEO Week в Нью-Йорке Кришна Мадхаван показал новые функции, часть которых Microsoft уже начала выкатывать. 

Bing — слишком крупный игрок, чтобы отмахиваться от его продуктовой логики. По официальным данным Microsoft, Bing имеет около 155 млн среднемесячных пользователей в ЕС. Глобальные оценки с учетом интеграций в Windows и AI-инструменты показывают аудиторию на уровне 0,9-1 млрд. пользователей в месяц. . По данным Яндекса, озвученным на конференции «День Поиска 2026», на сервис приходится 70% поисковых запросов в России, поиском ежемесячно пользуются более 110 млн уникальных пользователей, а быстрые ответы Алисы AI в Поиске получают 46,5 млн пользователей в месяц. 

Вывод очевиден: Bing достаточно велик, чтобы его подход к GEO и AI-выдаче внимательно разбирать, а Яндексу стоило бы быстрее приходить к такой же прозрачной аналитике для вебмастеров. 

На самих слайдах интересно не то, что Bing сказал слово GEO (и они признали вслед за Google). Интересно, в какой форме он это показывает. Там уже виден каркас будущей аналитики: рекомендации, темы, намерения, доля цитирования. Ровно вокруг этих сущностей и будет строиться нормальная работа с присутствием в AI-ответах.

Эта логика уже проходила в материалах «Трафик из нейросетей: как попасть в выдачу ИИ и превратить нейроответы в новый канал продвижения» и «SEO под нейросети в 2025: руководство по GEO/AEO для получения трафика из нейроответов»: генеративные системы выбирают источники по структуре, полноте закрытия интента и пригодности страницы к извлечению фрагментов, а не по одному точному ключу.

Слайд 1. GEO-focused Recommendations — рекомендации для видимости в генеративных ответах

На первом слайде Bing показывает четыре блока:

• Content structure & crawlability — структура контента и доступность для обхода;

• Indexing & canonicalization signals — индексация и сигналы канонической страницы;

• Structured data adoption & modernization — внедрение и актуализация структурированных данных;

• Structured data quality & validity — качество и корректность структурированных данных.

Это важный момент. Bing фактически показывает: путь в AI-выдачу начинается с чистой поисковой базы. Сайт должен быть нормально обходим, страницы должны быть однозначно определены как канонические, а сущности — размечены и не конфликтовать между собой.

Это хорошо совпадает с тем, что уже разбиралось раньше: генеративная система охотнее берет страницы, где легко вытащить текстовый фрагмент и связать его с понятной сущностью сайта, бренда, услуги, товара или автора.

Что здесь подтверждает Bing

Во-первых, техническая база сайта напрямую влияет на шансы попадания в AI-ответы.
Во-вторых, структурированные данные становятся рабочим сигналом для генеративного поиска.
В-третьих, структура и наполненность самой страницы важна так же, как и ее релевантность теме.

Что делать

Нужен отдельный мини-аудит под этот блок.

Сначала техчасть:

• проверить, какие страницы реально индексируются, а какие висят в серой зоне;

• убрать дубли и конфликтующие канонические адреса;

• убрать цепочки переадресации и страницы, которые размывают сигналы;

• проверить доступность ключевых материалов для обхода.

Потом разметка:

• разметить организацию, автора, статью, товар, услугу, FAQ — где это уместно;

• проверить валидность разметки;

• убедиться, что разметка не противоречит тексту страницы и данным на внешних площадках.

Потом структура:

• один блок — одна мысль;

• один раздел — одна подтема;

• ответ на основной вопрос — в начале раздела, а не после длинного вступления;

• заголовки должны отражать смысл, а не быть контейнерами под ключевые слова.

Здесь Bing не открыл ничего нового. Он просто показал, что GEO опирается на SEO-базу. И это правильный ход.

Слайд 2. Grounding Query – Topics — темы запросов-оснований

На втором слайде Bing показывает, что похожие запросы (промпты) он объединяет в общую тему.

Это, пожалуй, один из самых сильных слайдов во всей подборке. Потому что здесь Bing формализует то, о чем я давно сделал выводы и на чем построил свой GEO-сервис “Тунец” (тут писал о нем подробно), когда внедрял там проверку промптов через вордстат и отказался от генерации тысяч промптов для анализа. Важен смысл, а не точное вхождение. 

Что это означает

Система смотрит не на одну фразу, а на тематический кластер.
Для страницы становится важной не только релевантность ключу, но и способность закрыть тему целиком.
Хороший материал начинает работать сразу на несколько близких формулировок.

Это хорошо совпадает с тем, как работает генеративный поиск на практике. Если у страницы есть определение, критерии выбора, сравнение подходов, ограничения, типовые ошибки и ясные выводы, она становится полезной для широкого набора схожих запросов. Если страница узко подогнана под одну фразу, потенциал ниже.

Что делать

Здесь уже нужна перестройка контентной логики.

Не стоит планировать материалы по схеме “один запрос — одна статья”. Лучше делать так:

• собирать темы, а не отдельные ключи;

• для каждой темы выделять страницу-опору;

• внутри страницы закрывать несколько слоев: определение, критерии, сравнение, ошибки, ограничения, частые вопросы;

• создавать статьи на смежные темы и дистрибутировать их.

Пример. Если страница посвящена GEO, ей мало дать общее определение. Нужны еще различия между SEO, AEO и GEO, типы площадок, метрики, сценарии мониторинга, подходы под разные платформы, требования к структуре страницы и внешним сигналам. Тогда страница начинает работать на десятки близких формулировок.

Для старых материалов это особенно важно. Статьи, которые раньше ранжировались по узкой группе запросов, теперь стоит обновлять так, чтобы они закрывали тему шире и содержали готовые смысловые блоки для извлечения в ответ.

Слайд 3. Grounding Query – Intent — намерение запроса-основания

На третьем слайде Bing раскладывает запросы по типам намерения пользователя. На экране видны классы вроде:

• Learning — обучение;

• Informational Search — информационный поиск;

• Utility — утилитарный запрос;

• Navigational — навигационный запрос;

• Research — исследование;

• Comparison — сравнение;

• Planning — планирование;

• Conversational — разговорный запрос.

Это уже прямой переход от семантики к пользовательской задаче. И это очень показательно.

Одна и та же тема может содержать несколько типов намерения.
Системе нужен не просто релевантный текст, а текст, который подходит под конкретный сценарий ответа.
Контент без разделения по задачам пользователя становится слабее как источник.

В этом месте Bing хорошо подтверждает ту логику, которая уже была подробно разобрана в материалах про AEO, GEO и мультиплатформенность: генеративная система выбирает не “длинную статью по теме”, а фрагмент, который лучше всего решает конкретную задачу пользователя.

Что делать

Нужно попробовать разбить семантику по намерениям. 

Для каждой темы стоит отдельно отмечать:

• где пользователь хочет понять термин;

• где сравнивает варианты;

• где выбирает;

• где исследует рынок;

• где ищет конкретный бренд или решение;

• где хочет пошаговый план.

Под каждый тип намерения нужен свой формат блока или отдельный материал

Для Learning / обучения:

• короткое точное определение;

• границы применимости;

• отличие от близких понятий.

Для Comparison / сравнения:

• таблица критериев;

• когда выбирать вариант А;

• когда выбирать вариант Б;

• короткий вывод в конце блока.

Для Research / исследования:

• карта возможных решений;

• плюсы и ограничения;

• параметры выбора;

• типичные ошибки;

• агрегация информации.

Для Planning / планирования:

• шаги;

• сроки;

• ресурсы;

• риски;

• что проверять на каждом этапе.

Для Navigational / навигации и локального интента:

• четкие данные о компании;

• услуги;

• регионы;

• контакты;

• единые названия и категории.

и так далее

Слайд 4. Citation Share — доля цитирования

Самый сильный слайд — четвертый. Bing показывает Citation Share, то есть долю сайта в общем числе цитирований по конкретному запросу-основанию.

Вот здесь начинается GEO-аналитика.

Потому что до этого рынок часто жил в логике “попали в ответ / не попали”. Такая модель слишком грубая. Бренд может упоминаться случайно, может стабильно быть среди источников, может забирать значимую часть цитирований. Это три разных состояния, и Bing пытается их различать.

Появляется метрика реального участия сайта в AI-ответах.
Можно будет смотреть не только факт присутствия, но и долю этого присутствия.
GEO начинает получать свою нормальную отчетную единицу — как у SEO позиции, показы и переходы. Не абсолютно прозрачно если хочется увидеть конверсию GEO-работы в деньги, но уже очень интересно. 

Что делать

Во-первых, подождать когда это всё раскатают для всех. Далее собирать собственную матрицу мониторинга. Даже если инструмент еще не дает полный отчет из коробки, сама логика уже понятна.

По каждой группе запросов нужно отслеживать:

• упоминается ли бренд;

• цитируется ли домен;

• какая страница выступает источником;

• какие конкуренты и какими страницами и материалами забирают большую часть цитирований;

• повторяется ли результат на близких формулировках;

• в каком контексте происходит упоминание.

Во-вторых, отделять долю цитирования от доли трафика. Это разные вещи.
Трафик может пока не расти, а присутствие в AI-ответах уже усиливается. Бывает и обратная ситуация.

Что из этого следует для Яндекса

Вот этого всего как раз сильно не хватает Яндексу. У Яндекса уже есть нейроответы, есть влияние на рынок, есть собственная логика отбора источников. Но вебмастерам почти не дают нормального слоя аналитики под это поведение. А без него рынок остается в режиме догадок, ручных проверок и отдельных наблюдений.

Про Google вообще молчу. У них почти ничего нет по GEO в вебмастере)