Рост позиций сайта в традиционной поисковой выдаче больше не гарантирует переходы пользователей на сайт. Генеративная выдача (модули AI Overviews в Google и ЯндексНейро) перехватывает трафик на нулевом экране. Искусственный интеллект выдает готовый текст и точные ответы на вопросы пользователя раньше, чем тот доберется до ссылок на сайты. Одновременно с этим поисковые алгоритмы перестали ранжировать контент, который представляет собой банальный рерайт и не несет новой информации.
В этой статье разбор внутреннего механизма работы современных поисковых систем, механики Query fan-out и проблемы коллапса языковых моделей. Представлена прикладная методология, которая помогает проверить оптимизацию страниц, проанализировать Share of Voice (доля ответов) бренда и настроить точный учет переходов в условиях разрыва UTM-меток.
Как обновления поисковых систем изменили выдачу в 2026 году
Весенний core update Google 2026 изменил алгоритмы генерации блоков AI Overviews. По данным мониторинга SE Ranking, у 79,5% веб-ресурсов из ТОП-3 позиции снизились, а каждая четвертая страница выпала за пределы первой сотни индекса. Это наблюдается у 55% всех отслеживаемых сайтов.
Яндекс интегрировал генеративного ассистента Алису прямо в интерфейс выдачи, увеличив число быстрых ответов в полтора раза. В панели Яндекс.Вебмастер появился инструмент «Видимость сайта в Алисе AI», который помогает оценивать, попадает ли веб-ресурс в ответы искусственного интеллекта.
Поведение пользователей изменилось. Люди получают полный информативный ответ прямо у поисковика и не переходят по ссылкам. В результате классическое SEO больше не гарантирует прежний объем трафика.
Почему рерайт - путь к пессимизации текста
С марта 2026 года Google оценивает показатель Information Gain. Эта метрика прироста смысловой новизны страницы по сравнению с текстами, которые уже знает поисковый робот.
Математическая модель деградации нейросети
В Интернете засилье автоматического контента. А это угроза. Исследователи из пяти университетов (Оксфорд, Кембридж, Imperial College, Торонто, Эдинбург) под руководством Ильи Шумаилова доказали очевидное. Нейросеть, которую обучают на текстах других нейросетей, быстро деградирует.
Когда генератор контента выдает стандартный рерайт чужих статей, алгоритмы исключают его из источников. Нейросеть ищет первоисточники, в которых отражены личный опыт, реальные кейсы, внутренняя аналитика компаний, точные цифры и другое.
По данным Ahrefs, доля страниц, которые одновременно присутствуют в генеративных ответах поисковой системы и в ТОП-10 органики, сократилась вдвое. Поиск часто берет контент с ресурсов не из первой десятки, если в нем есть уникальные факты.
Простой пересказ мысли другими словами ценности не несет. Высокая лексическая уникальность как отдельная цель потеряла смысл, алгоритмам необходима новая информация.
Как проверить страницу на Information Gain
Собрать тексты ТОП-10 конкурентов через сервисы или вручную.
Найти тезисы, которые есть у всех. Эти данные не имеют веса у нейросетей.
Убрать из своего текста общие слова, добавить первичный анализ, внутренние метрики и неочевидные выводы.
Механика Query Fan-Out. Почему широкие темы вытесняют узкие ключи
Этот механизм редко обсуждают, но именно он определяет, почему страницы под один точный ключ проигрывают материалам с комплексным охватом темы.
Query fan-out — режим, при котором большая языковая модель (в частности, Gemini 3 в поиске Google) разворачивает один сложный запрос пользователя на несколько подзапросов, строит карту темы, собирает данные из разных источников и генерирует один общий ответ.
Если текст написан строго под один узкий вопрос, робот использует его только для одной ветки графа. Страница, которая глубоко раскрывает тему со всех сторон (включая ограничения, цены, код, инструменты и результаты проектов), закрывает несколько подзапросов одновременно и становится главным якорным источником для итогового ответа нейросети. Семантика под узкие ключи уступает по ценности материалам, которые полностью закрывают тему.
Настройка страниц под требования ИИ-выдачи (AEO)
Официально Google заявляет, что отдельных критериев для блоков ответов на пользовательские вопросы нет, работают общие правила оценки качества контента. На практике структура документа влияет на частоту попадания в генеративный ответ. ИИ-ассистенты берут контент фрагментами, поэтому нужна разметка, из которой удобно вырезать готовый блок:
Прямой ответ под H2/H3. Заголовок в виде вопроса + емкий ответ в первом абзаце (до 60 слов). Без долгих вступлений. Робот забирает этот фрагмент в первую очередь.
Списки шагов с четкой нумерацией. Поисковый алгоритм вытягивает такие последовательности как готовые инструкции.
Таблицы сравнений хорошо читаются парсерами, часто попадают в нейроответ в исходном виде.
Пример структуры блока для робота.
<h2>Как работает алгоритм GEO-мониторинга?</h2>
<p>Сервис GEO-мониторинга работает по принципу циклического парсинга. Скрипт отправляет пул промптов в API чат-ботов, собирает сгенерированный текст, находит упоминания бренда и рассчитывает процент Share of Voice.</p>
Как нейросети формируют ответы. Анализ стохастической изменчивости
У генеративных ассистентов нет постоянного ТОПа страниц. Каждый новый ответ — это вероятностный процесс. SparkToro и Gumshoe провели эксперимент, в котором 600 участников вводили много раз одинаковые промпты о брендах. Выяснились такие особенности работы LLM:
Шанс получить идентичный список компаний при двух последовательных отправках одного и того же промпта 0,01%.
Полное совпадение состава и порядка брендов в ответе нейросетей менее 0,001%.
Исследование Ahrefs на выборке из 540 000 запросов подтверждает эту нестабильность. Ссылки в быстрых ответах меняются в 70% случаев при повторном поиске. При этом 45,5% из них оказываются совершенно новыми. Это нормальное поведение для вероятностных моделей, где при каждой генерации идет расчет весов токенов.
Специфика популярных нейросетей
YandexGPT опирается на поиск Яндекса, данные Хабра, отзывы, карты и геосервисы. Так как нейросеть регулярно забирает актуальные документы из поискового индекса, ее ответы стабильнее западных аналогов.
Gemini в 83,7% ответов называет бренд по тексту, но ставит ссылку на сайт только в 21,4% случаев. Информация в нейросети обновляется с задержкой, поэтому анализировать видимость нужно минимум раз в квартал.
Perplexity выводит полный список источников над текстом ответа. Этот сервис нейросетей активно подтягивает свежие тренды с форумов и техническую документацию.
ChatGPT обладает преимущественно англоязычной базой, активно использует Википедию и крупные международные платформы отзывов (G2, Trustpilot).
Эффект Ghost Citations (призрачные цитирования)
В 61,7% случаев домен сайта зафиксирован в списке источников нейросети, но имя бренда в сгенерированном тексте ответа не появляется. Пользователь читает ваши данные, но не знает об авторе. Охват есть, но узнаваемость компании не растет.
Чтобы снизить риск, интегрируйте название бренда и в в мета-данные страницы, и в тело материала, внутрь таблиц, графиков и примеров кода.
В чем принципиальная разница между SEO, AEO и GEO
Для работы с ИИ-поиском нужно разделять три направления оптимизации.
SEO (Search Engine Optimization)
База. Техническая проверка доступности страниц для краулеров, скорость загрузки, разметка, ссылочный профиль и факторы E-E-A-T. Без этого другие инструменты не работают.
AEO (Answer Engine Optimization)
Подготовка контента под блоки с быстрыми ответами внутри поисковика (ЯндексНейро, AI Overviews). Алгоритм ищет готовый кусок текста, чтобы забрать его для ответа на запрос пользователя. Поэтому в структуру нужно включать короткие определения, абзацы по 40–60 слов, списки, таблицы и FAQ-разметка. Так роботу проще забрать фрагмент для ответа на вопрос.
GEO (Generative Engine Optimization) Оптимизация присутствия бренда в ответах автономных чат-ассистентов (ChatGPT, YandexGPT, Gemini, Perplexity, DeepSeek). Здесь нет классического рейтинга сайтов. Главная метрика — Share of Voice (процент ответов с упоминанием компании при массовой генерации по пулу промптов) и тональность этого упоминания.
Каждое из этих направлений решает определенную задачу, но работают они одновременно. SEO удерживает органический трафик, AEO вытягивает сайт в быстрые ответы поисковиков, GEO продвигает компанию внутри экосистем чат-ботов.
Факторы ранжирования GEO
Реально работают:
Доменный авторитет и E-E-A-T. Нейросети чаще берут информацию с доменов, у которых сильный ссылочный профиль и есть регулярные экспертные публикации в отраслевых медиа.
Присутствие на внешних площадках. До 64% упоминаний компаний в ответах нейросети приходится на сторонние блоги, каталоги и медиа (Хабр, VC.ru) и только треть на официальный сайт бренда.
Локальная инфраструктура. Для регионального B2C-бизнеса нейровыдачу формируют актуальные карточки в Яндекс Бизнесе и 2ГИС с высоким рейтингом (выше 4,5).
Явные даты в тексте. Нейросети плохо считывают время из мета-тегов. Строка «данные актуальны на Q1 2026 года» в первом абзаце помогает вытеснить устаревшие тексты конкурентов из базы нейросетей.
Канибализация источников при кросс-постинге
Когда одна статья выходит одновременно на вашем сайте, VC.ru и Хабре, нейросеть выберет только один источник, а другие проигнорирует. Обычно это площадка с большим авторитетом (например, Хабр).
Поэтому сначала публикуйте на своем сайте. Дата фиксируется, а через 1-2 недели материал размещайте на внешних ресурсах со ссылкой на первоисточник. Так нейросеть корректно припишет авторство.
Факторы, которые переоценены
Разработчики Google Search Central открыто заявляют, что ИИ-функции работают через стандартный поисковый индекс. Наличие файла llm.txt не влияет на частоту цитирования.
Разметка schema нужна для технического SEO, но доказательств того, что она повышает частоту попадания в ответы нейросетей, в публичных исследованиях нет.
Методология измерения GEO-видимости и восстановление атрибуции трафика
Из-за вариативности ответов нейросетей оценивать GEO по одиночным скриншотам нельзя. Нужен массовый анализ прогонов.
Четыре шага для анализа видимости бренда в нейросетях
Сформировать стек из 10–30 промптов трех типов: ситуационные (как выбрать), задачные (как решить проблему) и сравнительные.
Запустить автоматизированный цикл: не менее 60–100 прогонов на каждый промпт в тех нейросетях, которыми обычно пользуется целевая аудитория.
Зафиксировать три ключевые метрики: Share of Voice (SoV) — процент ответов ИИ с упоминанием бренда; Sentiment — соотношение рекомендательных, нейтральных и негативных контекстов; Accuracy — точность воспроизведения фактов без галлюцинаций.
Использовать специализированный софт для мониторинга (Пиксель Плюс, ВизиоБренд).
Проблема атрибуции трафика
Переходы из нейросетей отображаются в Яндекс.Метрике и GA4 как direct / (none). Когда пользователь копирует ссылку из ответа ассистента или кликает по ней во встроенном браузере чата, UTM-цепочка рвется.
Для частичного восстановления данных нужно:
анализировать рефереры в логах сервера на предмет переходов с доменов нейросетей.
Использовать жесткие уникальные UTM-метки во всех внешних публикациях, которые нейросеть использует в качестве источников.
Оценка окупаемости (ROI) и отложенный спрос
GEO — не канал мгновенных продаж. Оно запускает цепочку отложенного спроса. Пользователь задает вопрос в нейросети, видит название компании в экспертном ответе, закрывает чат. Через несколько недель он может снова открыть поиск и вбить это название напрямую.
Главный измеримый результат GEO — стабильный рост брендовых запросов в Яндекс.Вордстате на горизонте от 6 месяцев. По данным Seer Interactive, конверсия из такого прогретого ИИ-выдачей трафика составляет 15,9%, что значительно выше стандартных показателей органики.
Кому GEO необходимо, а кому не окупится
Инвестиции в генерацию экспертного контента под ИИ-поиск оправданы только при наличии четырех условий одновременно:
У продукта есть четкий физический дифференциатор, иначе искусственный интеллект выдаст усредненный список рынка.
Длинный путь к сделке у клиентов (B2B, недвижимость, медицина, онлайн-образование, ИТ-сервисы).
Выделенный бюджет на полноценные исследования и Digital PR (не менее 3-4 глубоких статей в квартал).
Горизонт планирования проекта от полугода.
Для локального микробизнеса (парикмахерские, автосервисы) классическая GEO-оптимизация не принесет отдачи. Им выгоднее быстро настроить карточки в геосервисах, поддерживать прайс-листы через API и удерживать рейтинг выше 4,5.
Риски ИИ-выдачи
Поисковые алгоритмы нейросетей часто цитируют не оригинальное исследование, а его копию с более авторитетного домена. Чтобы избежать этого, статья должна выходить сначала на своем сайте с разметкой Article, а ключевые выводы стоит дублировать в подкасты и видео. Такой цифровой след сложнее переписать чужим доменом.
Роботы генерируют выдуманные факты в тех случаях, когда не находят ответы. Галлюцинации - это их слабое место. Опросы показывают, что почти половина пользователей верят ответам нейросети без перепроверки. Если бот выдумает неправильную цену или несуществующую услугу компании, это разойдется как факт.
Поэтому необходимо раз в квартал делать аудит упоминаний бренда во всех популярных LLM и корректировать внешнее контентное поле.
ИИ-агенты и протокол Universal Commerce
На смену нейросетям со стандартными чатами идут ИИ-агенты. Они автономно выполняют конкретные действия (бронируют, заказывают, оплачивают) внутри своего интерфейса.
Яндекс запустил для пользователей агент «Исследовать», который самостоятельно собирает данные по сложным запросам, пишет код для проверок и выдает готовый отчет. Google развернул протокол Universal Commerce Protocol (UCP). В режиме UCP-powered checkout покупка и оплата товара происходят прямо внутри интерфейса Gemini, сайт интернет-магазина пользователю не нужен. К системе уже подключились Shopify, Wayfair и Etsy.
В этой модели сайт компании превращается из витрины в структурированную базу данных для ИИ-платформ. Главный риск в такой ситуации — полная потеря прямого контакта с покупателем, так как вся информация о клиенте у нейросети. Страховкой от этой зависимости становится диверсификация каналов. То есть удержание аудитории в собственных мессенджерах, сбор базы email-адресов в CRM и развитие независимого лояльного сообщества вокруг бренда.
Источники и дополнительная аналитика:
Документация Google Search Central: Google AI Features Manual
Бенчмарк Core Update марта 2026 года: ClickRank AI Analytics
Анализ падения кликабельности в AI Overviews: Ahrefs Data Blog
Исследование стохастической вариативности рекомендаций ИИ: SparkToro / Gumshoe Research
Математическая модель деградации LLM на генеративном контенте: Шумаилов и соавт., arXiv:2305.17324
Статистика конверсий ИИ-трафика:Seer Interactive Case Study