Как попасть в ответы ИИ-поиска: разбор механики и чек-лист готовности страницы

Поиск тихо поменял правило, по которому сайты жили последние двадцать лет. Раньше всё решала позиция в выдаче. Теперь между запросом и ответом встал посредник. Он читает источники за пользователя и выдаёт готовый текст, упомянув два или три сайта. Остальные ресурсы для человека, который задал вопрос, просто не существуют.

Цифры пока разнятся от исследования к исследованию. По данным Ahrefs, после запуска AI Overviews кликабельность обычной органики по информационным запросам просела примерно на треть, а Google декларирует аудиторию AI Overviews в полтора миллиарда пользователей в месяц. Можно спорить о точности оценок, но направление очевидно. Появился новый слой видимости, и складывается он без клика по ссылке — ИИ-поиск.

Ниже разберём, как ИИ-поиск на самом деле собирает ответ, чем это меняет работу с сайтом и что конкретно проверить на странице.

Как ИИ-поиск собирает ответ

Удобно представлять, что нейросеть прочитала ваш сайт и решила его процитировать. На деле всё иначе. Работает не один поиск, а цепочка шагов, и на каждом страницу могут отсеять.

Сначала вопрос разбирают на части. Система определяет намерение и дробит сложный запрос на несколько мелких подтем. Этот режим называют query fan-out. Под каждый подвопрос запускается свой поиск. Поэтому страница, заточенная строго под одну узкую фразу, закрывает лишь одну ветку, а материал, который раскрывает тему со всех сторон, попадает сразу в несколько ответов и становится якорным источником.

Дальше ищется смысл, а не слова. Запрос и куски текста переводятся в векторы, то есть в точки в пространстве смыслов. Близкие по значению вещи лежат рядом. «Недорогая поездка в Рим» окажется около «доступного отдыха в Италии», даже если дословно слова не совпадают. Чаще всего работает гибрид: классическое совпадение слов для точных вещей вроде имён и дат, плюс смысловой поиск для всего остального. Эпоха точного вхождения ключа на этом заканчивается.

Найденные фрагменты сравнивают между собой. Отдельная модель переранжирует кандидатов, оценивая каждый кусок в связке с запросом. Здесь и рождается главный сдвиг. Система берёт не лучший сайт, а лучший фрагмент. Ваш текст конкурирует не страницами, а абзацами.

Ответ сверяют с фактами. Прежде чем собрать текст, система проверяет, действительно ли найденные куски подтверждают ответ. Это защита от галлюцинаций, и работает она не идеально. По разным бенчмаркам, доля выдуманного в RAG-системах держится в районе 10–20 процентов в зависимости от темы. Чем специфичнее и сложнее вопрос, тем выше риск.

И только потом текст генерируется, со ссылками. Вот тут две вещи, о которых обычно молчат.

• Во-первых, ответ каждый раз разный. Это вероятностный процесс, и по наблюдениям Ahrefs ссылки в быстрых ответах меняются примерно в 70 процентах повторных запросов. Проверить себя один раз и успокоиться не выйдет.
• Во-вторых, продвинутые системы умеют дозапрашивать сами себя. Если ответ получился неполный, они переформулируют подвопрос и ищут заново. Это уже не поиск, а маленький агент внутри поиска.

SEO не умерло, оно разделилось

Из этой механики вырос частый спор, живо ли SEO. Да, просто распалось на три задачи, и их полезно не путать.

1. Классическое SEO осталось фундаментом. Индексация, скорость, доступность для роботов, ссылочный профиль, сигналы экспертности. Без этого дальше можно не идти.
2. AEO, оптимизация под ответы — это про быстрые блоки внутри поисковика, AI Overviews и Нейро. Алгоритму нужен готовый кусок, который удобно вырезать. Короткое определение, абзац на 40–60 слов, список, таблица.
3. GEO, оптимизация под генеративные ответы — это про присутствие бренда в ответах чат-ассистентов, где классического рейтинга страниц нет вовсе. Тут другая метрика, доля ответов с упоминанием и тональность этого упоминания.

Все три работают одновременно. И да, классическое SEO-продвижение не отменяется. По корреляционным данным Otterly, связь между обычным SEO и видимостью в генеративной выдаче около 0,65. То есть прежние усилия не пропадают, но их уже недостаточно.

Что проверить на странице

Чтобы не держать всё в голове, есть чек-лист готовности страницы к ИИ-поиску, он бесплатный и считает готовность вживую. Разберём по его блокам, заодно объясним, почему каждый пункт там стоит.

1. Пассаж-инженерия

Раз система берёт лучший фрагмент, абзац должен побеждать в отрыве от страницы. Это значит, что нужен прямой ответ в первых одном-двух предложениях под заголовком-вопросом, без вводных абзацев. Это значит, что нужны самодостаточные абзацы, которые читаются без прокрутки вверх и содержат named entity в первом предложении. Факты лучше подавать таблицами и списками, их модель вытаскивает без двусмысленности. И не бойтесь раздела «когда это не работает». Односторонний текст слабее проходит проверку, чем тот, что честно показывает ограничения.

2. Покрытие темы и новизна

Первое — одна статья тему уже не закрывает. Закрывает кластер страниц с внутренней перелинковкой и понятной иерархией, где есть мосты между ключевыми сущностями. Это помогает системе собрать ответ по нескольким подвопросам именно у вас.

Второй момент жёстче. Простой рерайт чужого контента больше не работает. Поисковые алгоритмы научились оценивать прирост смысла, а нейросети, обученные на чужих текстах, деградируют, что показала отдельная научная работа о коллапсе моделей (Shumailov et al. (2023)). Поэтому системы тянутся к оригинальному контенту: личному опыту, реальным кейсам, внутренней аналитике, точным цифрам. Высокая текстовая уникальность тут ничего не даёт. Нужна новизна по сути.

3. Разметка, без иллюзий

Schema помогает машине извлечь и атрибутировать контент. Article или TechArticle с обязательными свойствами, mainEntityOfPage, publisher, автор с единой сущностью по @id. Где уместно, FAQPage или HowTo, и текст в разметке должен совпадать с видимым.

Прямых публичных доказательств, что разметка повышает частоту цитирования в ответах, нет, а Google прямо говорит, что ИИ-функции работают через обычный индекс. Так что Schema — это гигиена для классического SEO и атрибуции, а не рычаг попадания в нейроответ.

4. Свежесть

Модель из обучения знает только то, что было до даты обрезки. Всё свежее она добирает поиском в моменте. Отсюда практика: актуальный dateModified в разметке, обновление раз в полгода-год и явная строка в тексте, вроде «данные актуальны на первый квартал 2026». Нейросети плохо считывают время из метатегов, а такая строка в первом абзаце действительно помогает вытеснить устаревших конкурентов.

5. Доверие, домен и присутствие

Дальше самый недооценённый и одновременно самый неприятный для новых сайтов сдвиг. Цитирование зависит не только от того, насколько текст релевантен запросу. На конкурентных темах решает и сам домен. Страница на сильном домене с высоким DR и живым ссылочным профилем будет цитироваться чаще, чем такой же по качеству текст на свежем домене без ссылок вовсе. Текстовая релевантность нужна, чтобы вас вообще рассмотрели. Но, при прочих равных, авторитет домена часто становится решающим, и новичку остаётся либо брать темой, которую сильные игроки не закрыли, либо параллельно наращивать вес домена через ссылки и упоминания.

Поверх домена работает присутствие за пределами сайта. Бренд, который присутствует на четырёх и более площадках с высоким доверием, попадает в ответы заметно чаще, чем сайт с одним-двумя ресурсами. Причём цитируют чаще тех, о ком говорят в разных контекстах — в обзорах, обсуждениях, кейсах, новостях. И ещё одно наблюдение оттуда же — нейтральные упоминания работают не хуже хвалебных, так что гнаться только за позитивом нет смысла.

На уровне страницы — это означает явного автора с проверяемой квалификацией, единое написание имени и согласованные ссылки на профили, разметку через hasCredential. На уровне стратегии — это означает работу с авторитетом домена и присутствием на стороне, а не только текст на своём сайте.

6. Доступ ИИ-роботов

Если робот не имеет доступа, в ответ вы не попадёте в принципе. Проверьте, что robots.txt не блокирует ботов вроде GPTBot, ClaudeBot, PerplexityBot и Google-Extended, и что доступ для ИИ-ответов Яндекса настроен осознанно. Ключевой контент должен отдаваться в HTML, а не только дорисовываться через JavaScript, иначе парсер его не увидит.

Как измерить, что вы цитируетесь ИИ

Раз ответы вероятностные, оценивать по одному кластеру нельзя. Нужен массовый прогон.

Берётся пул из 10–30 промптов разных типов: ситуационных, задачных, сравнительных. Каждый прогоняется десятки раз в тех нейросетях, которыми пользуется ваша аудитория. Считаются три метрики: доля ответов с упоминанием бренда, тональность этих упоминаний и точность фактов без галлюцинаций.

Пример промпта № 1. Ситуационный (проверка на экспертность и попадание в подборки)

Мне нужно [описать конкретную проблему, например: согласовать перепланировку квартиры]. Какие эксперты или компании в городе X специализируются именно на этом в 2026 году? Приведи топ-5 с кратким обоснованием, почему стоит выбрать каждого из них, и укажи источники информации.

Пример промпта № 2. Сравнительный (проверка тональности и ключевых преимуществ)

Сравни компанию [Название вашего бренда] и [Название главного конкурента] по следующим критериям: [Критерий 1, например: стоимость услуг], [Критерий 2, например: экспертность/опыт работы], [Критерий 3: отзывы клиентов]. Сделай вывод в виде таблицы. На основе каких открытых данных в сети ты делаешь этот вывод?

Пример промпта № 3. Поисково-задачный (проверка пассаж-инженерии и цитирования)

Как правильно [сформулировать главную задачу вашей статьи, например: заполнять журнал работ по перепланировке квартиры]? Дай пошаговую инструкцию со ссылками на авторитетные руководства или свежие статьи экспертов на июнь 2026 года.

Появились и официальные инструменты. Bing ещё в феврале 2026 запустил отчёт по AI-цитированию в Webmaster Tools, причём показывает не только показы, но и grounding queries, то есть по каким темам система ищет ваш контент. Google в июне добавил отчёт по AI в Search Console: пока только показы и пока не для всех. Данные сырые, но впервые они есть.

Отдельная боль — это атрибуция. Переходы из нейросетей часто падают в метрику как direct или none, потому что UTM-цепочка рвётся. Частично спасают анализ рефереров в логах сервера и жёсткие уникальные метки во внешних публикациях, которые нейросеть берёт как источник.

И держите в голове эффект, который путает отчётность. Домен может быть в списке источников, а имя бренда в тексте ответа не прозвучит. Охват есть, узнаваемости нет. Поэтому имя стоит включать не только в ссылку, но и в тело текста, в подписи к таблицам и примеры.

Куда это всё идёт и что делать в ближайшие месяцы

Следующий шаг уже виден. На смену чат-ответам идут агенты, которые не просто отвечают, а действуют. Бронируют, заказывают, оплачивают внутри своего интерфейса. В такой модели сайт превращается из витрины в структурированную базу данных для платформы, а прямой контакт с клиентом легко потерять. Защита от этого простая и проверенная временем: своя база контактов, собственные каналы, лояльное сообщество вокруг бренда. Видимость в ИИ — это хорошо, но зависеть от одного посредника опасно.

Первые цитирования по узким запросам появляются обычно через 1–2 месяца после перестройки ключевых страниц. Устойчивое присутствие по тематическим кластерам — это горизонт 3–6 месяцев. Заметное влияние на брендовые метрики и прогретый трафик — это от полугода и дальше. Если кто-то обещает топ в ИИ-выдаче за неделю, это повод насторожиться, а не обрадоваться.

Начать можно с малого. Запустить десяток своих запросов в нейросетях и посмотреть, кто из ваших конкурентов уже там. Переписать пару ключевых страниц по принципу один блок, один ответ. И пройтись по чек-листу готовности, чтобы увидеть слабые места по баллам. На конкурентных темах параллельно стоит работать над авторитетом домена, без этого даже идеальный текст будет проигрывать сильным игрокам.