Что такое AI Search и нейровыдача

AI Search — это поиск, в котором ответ генерируется языковой моделью на лету, со ссылками на источники, а не подбирается из готового индекса. Нейровыдача — её внешнее проявление: блок сгенерированного ответа в верхней части страницы выдачи. За последние два года эта надстройка превратилась из эксперимента в основной канал в Google и Яндексе, и стратегия SEO для бизнеса смещается от попадания в топ-10 к попаданию в источники цитирования. Ниже — как устроена новая выдача, что такое GEO и LLMO, что делать с контентом и сайтом, и какой минимум разворачивает бизнес прямо сейчас.

Что такое AI Search и нейровыдача

AI Search — общее название для поисковых систем, где ответ пользователю формируется языковой моделью (LLM) на основе содержимого нескольких источников из веба, со ссылками на эти источники. В отличие от классической выдачи, где пользователь получает список ссылок и сам читает страницы, в AI Search он получает синтезированный ответ и может вернуться к источникам только при желании.

Нейровыдача — это видимая часть AI Search в окне поиска. Конкретные реализации:

• Google AI Overviews. Блок сгенерированного ответа в верхней части выдачи, появился в США в мае 2024 года как развитие более раннего эксперимента SGE (Search Generative Experience). К настоящему моменту развернут в более чем 200 странах и 40+ языках, появляется примерно в половине информационных запросов.
• Google AI Mode. Отдельный режим разговорного поиска. Запущен в Search Labs в марте 2025 года, в США — в мае 2025-го, дальше развёрнут глобально. По заявлениям Google на конференциях, за первый год работы аудитория AI Mode достигла масштаба, сопоставимого с крупнейшими продуктами компании.
• Яндекс «Поиск с Алисой» (бывший Яндекс Нейро). Генеративный поиск Яндекса. Технология «Яндекс Нейро» интегрирована весной 2024 года, позднее переименована и расширена в «Поиск с Алисой» на базе модели YandexGPT. Яндекс Алиса как голосовой ассистент интегрирована в поисковый сценарий и обрабатывает уточняющие вопросы пользователя. Работает в Яндекс Браузере и через расширения.
• Bing Chat / Copilot. Реализация Microsoft на базе моделей OpenAI. Активна с 2023 года.
• Самостоятельные ассистенты с поиском. ChatGPT с веб-поиском, Perplexity, Claude с web-fetch — отдельный канал, не привязанный к классическим поисковикам.

Все эти системы используют похожую архитектуру: пользовательский запрос разбивается на подзапросы, языковая модель формирует ответ на основе найденных источников и указывает ссылки на эти источники в виде сносок или карточек. Для бизнеса принципиальный сдвиг — цель SEO смещается с «попасть в топ-10 кликабельных результатов» на «попасть в источники, на которые ссылается генеративный ответ».

Ключевая особенность AI Search — ответ синтезируется из 5–15 источников одновременно. Сайт может не быть первым в классической выдаче, но при этом попадать в цитирование нейроответа — это даёт упоминание бренда и часть переходов, которых раньше получали только лидеры органики.

Как изменилась поисковая выдача

Внешний и поведенческий ландшафт поисковой выдачи изменился сразу по нескольким направлениям. Это уже не косметическое обновление интерфейса, а структурный сдвиг в том, как пользователи добывают информацию.

Падение CTR и рост доли поисков без перехода на сайт

Главный наблюдаемый эффект — снижение доли пользователей, кликающих на органические результаты. Показатель CTR (Click-Through Rate — кликабельность, доля кликов на показ) — основная метрика этого эффекта. По исследованиям 2024–2025 годов (Ahrefs, Seer Interactive, Authoritas) наличие AI Overview на странице выдачи снижает CTR топ-1 органического результата в диапазоне 30–60% в зависимости от ниши. Доля zero-click-поисков (когда пользователь получает ответ прямо в выдаче и никуда не переходит) после запуска AI Overviews ощутимо выросла — по разным оценкам, она перешла из коридора 55–58% в коридор 65–70%.

Для Яндекса аналогичный эффект отмечен после интеграции «Нейро» и «Поиска с Алисой»: по недавним оценкам отраслевых аналитиков, поисковый трафик по информационным запросам в Рунете заметно снизился относительно предшествующего периода — пользователи всё чаще получают ответ прямо в нейровыдаче, без перехода на сайты-источники.

Новая структура SERP

Стандартная страница выдачи (SERP — Search Engine Results Page) теперь часто содержит сразу несколько блоков выше классических «синих ссылок»:

• Блок AI Overview / нейроответа со сгенерированным резюме и сносками на источники;
• Расширенные сниппеты с прямым ответом и микроразметкой;
• Локальные блоки с карточками бизнесов и картой;
• Видеоблок, изображения, новости;
• Рекламные позиции.

Только после всего этого начинаются классические органические результаты. Для пользователя ответ часто закрывается до перехода на сайт. Для бизнеса это означает, что «попадание в топ-3» больше не равно «попадание в первый экран» — нужно учитывать всю цепочку.

Длинные диалоговые запросы. AI Mode и аналоги поощряют пользователей формулировать запросы развёрнуто. По данным Google, поиски в AI Mode в среднем втрое длиннее классических запросов, а часть запросов содержит несколько критериев одновременно: «какие беговые кроссовки для широкой стопы подойдут для тренировок на асфальте бюджет до 150 долларов». Под такие запросы плохо ранжируется страница, описывающая просто «беговые кроссовки» — лучше работает контент с детальной разбивкой по сценариям, бюджетам, критериям.

Возросшая длина пути пользователя. В классической выдаче типичный сценарий — запрос, клик, страница, действие. В AI Search путь длиннее: запрос, чтение нейроответа, уточняющий запрос, второй нейроответ, переход на один из источников, чтение страницы, действие. Среднее число сообщений пользователя в одной сессии AI Mode выросло до 5–7 против одного-двух у классического поиска. Это меняет требования к контенту: страница, которая работает только как первый клик от запроса, теряет в эффективности; страница, которая закрывает уточнённый запрос после знакомства с темой через нейроответ, выигрывает.

Мультимодальные запросы. В AI Mode и Поиске с Алисой запросы перестали быть только текстовыми. По данным Google, более 16% запросов в AI Mode комбинируют голос, изображения и видео. Пользователь делает фотографию интересующего объекта, добавляет голосовой комментарий, получает ответ с разбором содержимого изображения и ссылками на источники. Этот формат — отдельная плоскость оптимизации: важны корректные alt-атрибуты, файловые имена изображений с осмысленным содержанием, изображения с разметкой ImageObject.

Откуда AI Search берёт ответы

Понимание источников цитирования — основа стратегии. Цитирование в AI работает иначе, чем классическое ранжирование: вместо одной позиции в выдаче страница попадает в группу источников, на основе которых модель синтезирует ответ. Разные системы используют разные подходы, но общие закономерности уже видны.

Источники в Google. Google в AI Overviews и AI Mode использует так называемый query fan-out: исходный запрос пользователя разбивается на несколько подзапросов, каждый из которых обрабатывается отдельно по индексу Google. После получения ответов модель Gemini синтезирует общий ответ и указывает источники. В источники чаще всего попадают страницы, которые уже хорошо ранжируются в классической выдаче по соответствующим подзапросам. На этом основании сложилось правило: чтобы попасть в AI Overview, базовое SEO остаётся обязательным условием — без позиций в топ-10 классической выдачи попадание в цитирование маловероятно.

Яндекс «Поиск с Алисой». Яндекс описывает работу схожим образом: модель YandexGPT анализирует проиндексированные страницы, извлекает релевантные фрагменты и синтезирует ответ с указанием источников. Часть запросов закрывается полностью внутри ответа Алисы — пользователь получает информацию из нескольких сайтов в сжатом виде и переходит на сайт только при необходимости в деталях.

Источники в самостоятельных ассистентах. ChatGPT, Claude, Perplexity и аналогичные системы используют комбинацию из обучающего корпуса (где сайт мог быть процитирован модели на этапе обучения) и web-fetch в реальном времени. Perplexity в большей степени опирается на свежий веб-поиск с цитированием, ChatGPT и Claude — на смесь обучающих знаний и опционального поиска. Для попадания в их ответы важны как классические сигналы авторитетности, так и упоминания бренда в авторитетных источниках веба.

Что чаще попадает в источники

По эмпирическим наблюдениям 2024–2025 годов чаще цитируются страницы, которые:

• Имеют чёткую структуру с подзаголовками, отвечающими на конкретные подзапросы;
• Содержат проверяемые факты, цифры, статистику с указанием источников;
• Опубликованы на сайтах с накопленной авторитетностью в нише (E-E-A-T-сигналы);
• Имеют указанного автора-эксперта с проверяемой биографией;
• Имеют корректную микроразметку Schema.org (Article, FAQPage, HowTo, Product);
• Регулярно обновляются (для тем, чувствительных к свежести).

Новые термины SEO эпохи нейровыдачи

На фоне роста AI Search в индустрии быстро закрепились новые сокращения. Терминология ещё не устоялась, и часть терминов перекрывает друг друга по смыслу. Краткий разбор:

На уровне практики все эти направления опираются на одни и те же действия: глубокий экспертный контент, чёткая структура, факты с источниками, корректная разметка, авторитетный домен. Терминологические различия больше об упаковке услуги, чем о фактических работах.

Один важный нюанс: GEO — не замена SEO, а надстройка над ним. Без базовых классических SEO-факторов (индексация, скорость, ссылочный профиль, релевантный контент) попадание в цитирование маловероятно. AI Overviews и аналоги в большинстве случаев цитируют страницы, уже попадающие в топ-10 классической выдачи по соответствующим подзапросам.

Как готовить контент под цитирование в нейровыдаче

Контент, который чаще попадает в источники AI-ответов, имеет несколько устойчивых характеристик. Основные принципы, наблюдаемые по эмпирическим данным первых лет работы нейровыдачи:

Чёткая структура под подзапросы. Поскольку AI разбивает основной запрос на подзапросы, выигрывают страницы, где каждый подзапрос закрывается отдельным разделом с понятным подзаголовком. Подзаголовок формулируется как вопрос пользователя или ключевая фраза подзапроса, а первое предложение раздела даёт прямой ответ. Дальше идёт расширение, контекст, нюансы. Структура «вопрос → краткий ответ → раскрытие» работает заметно лучше монолитного текста.

Факты, цифры, конкретика. Языковые модели чаще цитируют утверждения с проверяемыми фактами: цифры, проценты, конкретные сроки, имена, ссылки на исследования. Размытые формулировки «обычно занимает некоторое время» уступают конкретике «в 2024 году исследование Ahrefs показало снижение CTR на 30–60% при наличии AI Overview». Каждая конкретная цифра — потенциальная точка цитирования. Факты в контенте важны и для классических читателей, и для AI-систем одинаково.

Экспертные сигналы и E-E-A-T

Принцип E-E-A-T (Experience, Expertise, Authoritativeness, Trustworthiness — опыт, экспертность, авторитетность, доверие) усиливается в эпоху AI Search. Конкретные сигналы:

• Указанный автор с биографией и подтверждением экспертизы (страница «Об авторе», профили в профильных сообществах);
• Ссылки на первоисточники: исследования, отчёты, официальные публикации;
• Юридические и контактные реквизиты компании (для коммерческих сайтов);
• Регулярные обновления с указанием даты последней правки;
• Прозрачное описание методологии (как получены цифры, кто и как делал замеры).

Прямые ответы в начале страницы. Под распространённые запросы вида «что такое X», «как сделать Y», «сколько стоит Z» — лучше работает структура с прямым ответом в первом или втором абзаце страницы. Языковая модель часто берёт ответ именно оттуда. Расширение, оговорки, нюансы — ниже. Этот паттерн противоположен классическому SEO с длинным введением и постепенным раскрытием темы.

Блоки вопросов и ответов с микроразметкой. Блоки часто задаваемых вопросов с микроразметкой FAQPage Schema.org — один из самых рабочих форматов под цитирование. Каждый вопрос с ответом — потенциальная точка попадания в AI-ответ. Хорошо подобранные вопросы перекрывают длинный хвост запросов одной страницей.

Технические факторы для AI Search

Помимо классической технической оптимизации появилось несколько новых элементов специально под AI-системы.

Доступ для AI-краулеров

AI-системы используют отдельные пользовательские агенты для обхода веба:

• GPTBot — краулер OpenAI;
• ClaudeBot и anthropic-ai — Anthropic;
• PerplexityBot — Perplexity;
• Google-Extended — отдельный токен Google для контроля использования контента в Gemini и AI Overviews;
• YandexAdditional — отдельные краулеры Яндекса для нейропоиска.

В robots.txt можно либо разрешить, либо запретить каждый агент отдельно. Полная блокировка всех AI-краулеров означает невидимость для нейровыдачи. Полный открытый доступ — стандартное умолчание. Решение принимается осознанно: для контентных проектов с монетизацией через прямой трафик блокировка может иметь смысл, для бизнес-сайтов с фокусом на бренд и лиды — обычно нет.

Файл подсказок для языковых моделей. Стандарт llms.txt — предложение от сентября 2024 года, текстовый файл в корне сайта со списком ключевых страниц и их кратким описанием в формате Markdown. По данным отраслевых исследований (SE Ranking, Limy) к настоящему моменту внедрение стандарта около 10% сайтов, но крупные AI-провайдеры (OpenAI, Google, Anthropic) пока не подтвердили его использование в продакшене. Файл активно используется AI-инструментами для разработчиков (Cursor, Claude Code, GitHub Copilot, MCP-серверы — Model Context Protocol-серверы, для интеграции с агентами). Внедрение занимает несколько часов работы и больше работает как сигнал готовности к агентскому интернету, чем как фактор ранжирования в AI Overviews.

Микроразметка под нейровыдачу

Расширенный набор типов Schema.org, особенно ценных для AI Search:

• Article и BlogPosting — для контентных материалов;
• FAQPage — для блоков вопросов и ответов;
• HowTo — для пошаговых инструкций;
• Product, Offer, AggregateRating, Review — для коммерческих карточек;
• Organization с указанием логотипа, контактов, соцсетей — для бренд-сигналов;
• Person для авторов с верифицированными атрибутами биографии.

Серверный рендеринг и доступность контента. AI-краулеры читают то, что отдаёт сервер. Сайты на чистом клиентском JS-рендеринге без серверной отрисовки рискуют быть невидимыми: краулер получает пустую HTML-обёртку без основного контента. Решение — серверный рендеринг (SSR), статическая генерация (SSG) или гибридные подходы (Next.js, Nuxt, Astro), при которых основной контент отдаётся в HTML с первого ответа сервера.

Что меняется в подходе к семантике

Семантическое ядро остаётся фундаментом, но его структура и приоритеты сдвигаются.

Длинный хвост и вопросительные формы. AI Search поощряет длинные диалоговые запросы. Если раньше пользователь набирал «беговые кроссовки», теперь чаще формулирует «какие беговые кроссовки выбрать для тренировок в парке с асфальтовой дорожкой». Эти длинные формулировки — основной источник трафика в эпоху AI Search. Семантическое ядро под AI Search содержит больше вопросительных и описательных конструкций, чем под классическое SEO.

Сценарные кластеры. Вместо плоской кластеризации по продукту работает кластеризация по сценариям использования. Один продукт даёт десятки сценариев, каждый из них — отдельный кластер. Пример для интернет-магазина обуви: вместо одного кластера «кроссовки» — отдельные кластеры «кроссовки для бега по асфальту», «кроссовки для зала», «кроссовки для широкой стопы», «кроссовки для длинных дистанций». Под каждый сценарий — отдельная посадочная с разделами под подзапросы.

Семантика смежных тем и бренд-сигналы. Языковые модели опираются на широкий контекст темы. Сайт, который покрывает не только узкие коммерческие запросы, но и смежную информационную тематику, имеет больше шансов на цитирование. Кроме того, упоминания бренда в авторитетных источниках веба (без прямой ссылки) — отдельный сигнал, который влияет на попадание в обучающие корпуса крупных моделей.

Региональная специфика для проектов под РБ. Для белорусского рынка к стандартным AI-факторам добавляется специфика. Поиск с Алисой Яндекса покрывает значимую долю русскоязычной аудитории Беларуси наряду с Google AI Overviews. Это означает, что под РБ работа ведётся параллельно по двум системам: оптимизация под цитирование в Поиске с Алисой и в Google AI Overviews. Локальные карточки (Яндекс.Бизнес с подтверждением через УНП — учётный номер плательщика, Google Business Profile) — дополнительный источник для нейровыдачи по локальным запросам. Региональная привязка в Яндекс.Вебмастере остаётся обязательной — без неё попадание в локальные AI-ответы маловероятно. Контент с упоминанием городов (Минск, Гомель, Витебск, Гродно, Брест, Могилёв) и реалий местного рынка работает лучше обобщённого «русскоязычного» контента.

Изменения в работе с поисковыми подсказками. Раньше поисковые подсказки в Google и Яндексе работали как один из источников расширения семантики. В эпоху AI Mode и Поиска с Алисой эта роль усиливается: подсказки и блок «Вместе с этим ищут» теперь содержат много вопросительных и развёрнутых формулировок, которые отражают реальные запросы в нейропоисках. Регулярный сбор подсказок раз в 1–2 месяца — отдельная задача под обновление семантики под AI Search.

Влияние на бизнес-метрики

Сдвиг от классической выдачи к AI Search меняет систему KPI для оценки SEO. То, что работало пять лет назад, теперь даёт неполную картину.

Что теряет значимость

• Средняя позиция по запросам. При появлении AI Overview позиция в Search Console остаётся прежней, но клики падают вдвое-втрое. Метрика перестаёт отражать фактическую видимость.
• Общий органический трафик. Снижение CTR делает рост трафика менее предсказуемым. Можно занимать топ-3 и терять трафик от месяца к месяцу, если AI Overviews захватывает большую долю запросов.
• Прямая конверсия из органики. Часть пути пользователя теперь проходит в нейровыдаче, без перехода на сайт. Конверсия с сайта остаётся, но её источник часто маскирован.

Что приобретает значимость

• Share of Voice в AI. Доля упоминаний бренда в ответах ChatGPT, Perplexity, Google AI Overviews по релевантным запросам. Замер — через специализированные сервисы (Semrush AIO, Profound, Otterly, Limy) или ручной мониторинг.
• Цитируемость. Сколько раз сайт упоминается в источниках нейроответов. Для коммерческих проектов часть переходов с AI-ответов идёт прямо со сносок.
• Брендовые запросы. Пользователи, увидевшие упоминание бренда в нейроответе, часто ищут компанию по названию. Рост брендовых запросов — косвенный сигнал работы AI-видимости.
• Качество трафика. AI-трафик в среднем имеет более высокую конверсию (по данным разных исследований, в 3–4 раза выше классического органического), так как пользователь приходит после прочтения контекста из AI-ответа и более готов к действию.

Практические инструменты замера

Замер AI-видимости — отдельная задача, для которой за последнее время появилось несколько специализированных сервисов:

• Semrush AI Optimization. Отслеживание упоминаний бренда в ответах ChatGPT, Google AI Mode, Perplexity. Анализ доли упоминаний по релевантным запросам, тональности упоминаний, конкурентного среза.
• Profound. Специализированный сервис под мониторинг AI-видимости, отслеживает Share of Model — долю упоминаний по тематическим запросам.
• Otterly и Limy. Сервисы помельче, ориентированы на средний бизнес. Дают регулярные отчёты по доле цитирования.
• Peec. Анализ AI-видимости с фокусом на B2B-нишах.
• Ручной мониторинг. Список из 20–30 ключевых запросов задаётся вручную в каждой из основных AI-систем раз в неделю или месяц. Простой, но трудозатратный способ.

Что добавлять в дашборд SEO для бизнеса

Минимальный набор показателей для отчёта об эффективности SEO в эпоху AI Search:

• Классические метрики: показы, клики, средняя позиция в Search Console и Яндекс.Вебмастере;
• Доля упоминаний бренда в AI-ответах по основным запросам;
• Число цитирований сайта в источниках AI Overviews и Поиска с Алисой;
• Динамика брендовых запросов как косвенный сигнал AI-видимости;
• Конверсия по источникам трафика, в том числе для трафика, идентифицируемого как AI-источник (ChatGPT, Perplexity, AI Mode переходы);
• Соотношение заходов на сайт и сессий в нейропоисках (если доступны данные).

Что делать прямо сейчас — практический минимум

Развёрнутая стратегия под AI Search — отдельный проект на 6–12 месяцев. Базовый минимум, который имеет смысл запустить в ближайшие 1–3 месяца независимо от размера бизнеса.

Этот минимум применим к большинству бизнес-сайтов. Для проектов в YMYL-нишах (Your Money or Your Life — медицина, финансы, юриспруденция, безопасность; темы, в которых ошибки могут повлиять на финансы, здоровье или безопасность пользователя) объём работ больше — повышенные требования к экспертности и подтверждениям. Для крупного e-commerce с большим каталогом — отдельная работа по разметке товаров и обновлению структуры под сценарные запросы.

Конкретный план для контентного проекта

Для блогов, медиа, образовательных платформ, корпоративных блогов B2B-компаний приоритеты следующие:

• Авторы. Каждая статья имеет указанного автора с проверяемой биографией, ссылками на профили (LinkedIn, отраслевые сообщества), указанием реальной экспертизы.
• Источники. Каждое утверждение, опирающееся на данные, имеет ссылку на первоисточник — исследование, отчёт, официальную публикацию.
• Структура «один подзапрос — один раздел». Подзаголовки формулируются как вопросы пользователя, в первом предложении раздела — прямой ответ.
• Регулярные обновления. Старые материалы пересматриваются и обновляются с фиксацией даты последней правки. Для тем, чувствительных к свежести (технологии, право, финансы), цикл обновления — раз в 6–12 месяцев.
• Микроразметка. Article или BlogPosting с указанием автора, даты публикации, даты обновления, идентификатора издателя; FAQPage для блоков вопросов.

Конкретный план для интернет-магазина

Для e-commerce приоритеты сдвигаются в сторону карточек товаров и сценарных страниц:

• Сценарные посадочные. Помимо стандартных категорий — отдельные страницы под сценарии: «беговая обувь для асфальта», «беговая обувь для трейла», «беговая обувь для широкой стопы». Каждая закрывает свой кластер длинных запросов.
• Микроразметка Product. Полная разметка карточек товаров с ценой, наличием, рейтингом, отзывами. AI-ответы часто включают карточки товаров напрямую из этой разметки.
• FAQ на карточках. Раздел частых вопросов под каждой карточкой — «как выбрать размер», «срок доставки», «политика возврата». Эти вопросы попадают в AI-ответы по сопутствующим запросам.
• Сравнительные таблицы. Страницы со сравнениями товаров и спецификаций — формат, который AI-системы часто цитируют целиком как готовую сводку.
• Отзывы с микроразметкой Review. Реальные отзывы покупателей с микроразметкой — сигнал доверия для пользователя и источник информации для AI.

Конкретный план для услугового бизнеса

Для сайтов услуг (студии, агентства, локальные сервисы):

• Кейсы и реальные результаты. Конкретные истории клиентов с цифрами, сроками, результатами. AI-системы часто опираются на кейсы как источник конкретики о компании.
• Описание методологии. Как именно компания делает свою работу, какие этапы, какие инструменты. Это сигнал экспертности.
• Локальные карточки. Заполненные Яндекс.Бизнес и Google Business Profile — отдельный источник для нейровыдачи по локальным запросам.
• Команда и эксперты. Страница «Команда» с указанием специалистов, их опыта, профильных профилей в соцсетях. Сигнал доверия для AI-цитирования.
• Микроразметка LocalBusiness и Service. Корректная разметка типа бизнеса, услуг, цен.

Что критически важно понимать: AI Search не отменяет классическое SEO. Он добавляет надстройку. Без хорошей базы SEO попадание в AI-цитирование маловероятно — большинство нейроответов опирается на сайты, которые и так находятся в топ-10 классической выдачи. Услуга комплексного SEO с фокусом на AI Search строится именно по такому принципу: классические основы плюс системная работа с GEO-факторами.

Часто задаваемые вопросы

Что такое нейровыдача простыми словами?

Нейровыдача — это блок с готовым ответом в верхней части страницы поиска, который генерирует нейросеть на основе нескольких сайтов-источников. В Google это AI Overviews и AI Mode, в Яндексе — «Поиск с Алисой» (бывший «Нейро»). Пользователь часто получает ответ прямо в выдаче и не переходит на сайты, что меняет экономику поискового трафика.

Как блокировать только избранных AI-краулеров при сохранении доступа для остальных?

В robots.txt каждый AI-краулер указывается отдельным блоком User-agent с собственными правилами. Типовой сценарий: разрешить Google-Extended (отдельный токен Google для использования контента в Gemini и AI Overviews), чтобы сайт оставался в индексе AI-выдачи Google, но запретить GPTBot и ClaudeBot, чтобы контент не использовался при обучении сторонних моделей. Конкретные строки: User-agent: GPTBot с Disallow: /; User-agent: ClaudeBot с Disallow: /; для Google-Extended запрет не указывается. Каждый блок проверяется через лог-файлы сервера: спустя 2–4 недели после правок видно, какие из перечисленных краулеров действительно соблюдают robots.txt, а какие — игнорируют. Файл robots.txt — это инструкция, а не технический барьер: добросовестные краулеры её соблюдают, но 100% защиты не даёт.

Можно ли отключить AI Overviews в выдаче?

Со стороны владельца сайта — нет. AI Overviews появляются по решению Google для подходящих запросов, и сайт не управляет тем, отображается ли блок при показе его страницы. Единственное частичное управление — блокировка Google-Extended в robots.txt, которая снижает вероятность использования контента в AI Overviews, но не отменяет сам блок для пользователей.

Как объяснить руководству, что GEO — не отдельный канал, а слой над текущим SEO?

Аргументация, которая обычно работает: GEO опирается на ту же техническую и контентную базу, что классическое SEO. Большинство нейроответов цитирует страницы, уже попадающие в топ-10 классической выдачи. Из этого следует: отдельный бюджет «на GEO» при отсутствии работающего SEO даёт минимальный эффект — а вот добавление GEO-надстройки к работающему SEO усиливает результат: появляются упоминания бренда в AI-ответах, рост брендовых запросов, дополнительный трафик с переходов из сносок. Для руководства: «GEO — это +20–40% к видимости при том же бюджете на SEO, не отдельный канал с собственными расходами». Если SEO ещё не работает, начинать с GEO нерационально — фундамент закладывается сначала.

Как поделить бюджет между классическим SEO и GEO в первый год?

Условные пропорции на горизонте 12 месяцев. Первые 3 месяца — 80% бюджета на классическое SEO (техническая база, индексация, базовый контент, локальные карточки), 20% на GEO (аудит существующего контента под AI-цитирование, базовая микроразметка под FAQPage, проверка доступа AI-краулеров). Месяцы 4–6 — переход к 60/40: добавляется переработка ключевых посадочных под структуру «вопрос — прямой ответ — раскрытие», расширение FAQ-блоков с микроразметкой. Месяцы 7–9 — соотношение 50/50: подключение мониторинга AI-видимости, систематическая работа с экспертными сигналами автора и бренд-упоминаниями. Месяцы 10–12 — 40/60 в пользу GEO: ядро задач смещается на оптимизацию под цитирование, классическое SEO становится поддерживающим. К концу года оба направления работают как единая стратегия.

Как составить llms.txt — какие страницы включать и в каком формате?

Файл размещается в корне сайта по адресу /llms.txt в формате Markdown. Структура: краткое описание сайта в первом абзаце; далее группы ссылок по тематическим разделам с заголовками второго уровня (например, «Услуги», «База знаний», «Кейсы»). Каждая ссылка содержит URL, название страницы и короткое описание контента в формате «[Название страницы](URL): краткое пояснение, что на этой странице». Что включается: 20–50 наиболее ценных страниц — основные посадочные услуг, ключевые статьи блога, страница «О компании», политики и условия. Что не включается: технические страницы (категории блога, поиск, корзина, личный кабинет), дубли, gated-контент за логином. Полная инструкция и примеры доступны на llmstxt.org. Внедрение занимает 2–4 часа на типовой бизнес-сайт. Дополнение llms-full.txt с полным содержимым страниц в одном Markdown-файле имеет смысл для документации SaaS-продуктов, для большинства сайтов избыточно.

Как организовать ежемесячный замер AI-видимости без подписки на платные сервисы?

Рабочий сценарий ручного мониторинга. Подготовка списка: 20–30 ключевых запросов ниши плюс несколько брендовых запросов, по которым важна видимость. Раз в месяц этот список вручную задаётся в Google AI Mode, ChatGPT с поиском, Perplexity, Поиске с Алисой. По каждому запросу фиксируется: упоминается ли сайт в источниках, упоминается ли бренд в тексте ответа без ссылки, как сформулировано упоминание (нейтрально, позитивно, негативно). Результаты сводятся в Google Sheets с колонками «запрос», «система», «упоминание сайта», «упоминание бренда», «формулировка». Раз в квартал делается сводная динамика — рост или снижение доли упоминаний по релевантной семантике. Замер 20–30 запросов в 4 системах занимает 1,5–2 часа в месяц — это посильно силами штатного маркетолога без платных подписок. Для расширенного мониторинга по большому пулу запросов подключается платный сервис, но базовая динамика видна и через ручной режим.

Как переработать одну существующую статью под AI Search за 1–2 часа?

Пошаговая последовательность для одной статьи объёмом 2000–3000 слов. Первые 15 минут — анализ исходного текста: выделить главные подзапросы, на которые статья отвечает (обычно 5–10 штук), составить список этих подзапросов в форме вопросов пользователя. Следующие 30 минут — переписать H2 и H3: каждый подзаголовок переформулировать как вопрос или ключевую фразу подзапроса, добавить отсутствующие подзаголовки под выявленные подзапросы. Следующие 20 минут — переписать первое предложение каждого раздела как прямой ответ на вопрос подзаголовка, дальше идёт раскрытие и нюансы. Следующие 15 минут — добавить или дополнить FAQ-блок в конце статьи с 5–8 реальными вопросами по теме и обернуть в микроразметку FAQPage Schema.org. Последние 10–20 минут — проверить факты в тексте: каждое значимое утверждение подкрепить цифрой и ссылкой на первоисточник, размытые формулировки заменить на конкретику. Итог: статья сохраняет смысл и объём, но структура становится извлекаемой для языковых моделей.

Когда подключать специалиста с компетенцией в AI Search?

Имеет смысл, когда базовое классическое SEO уже работает (сайт корректно проиндексирован, есть стабильные позиции по части запросов, налажена аналитика) и команда готова к надстройке. Без базы AI-надстройка работает плохо. Типовой объём задач специалиста с AI-компетенцией: аудит готовности сайта к AI-цитированию, переработка посадочных под GEO-принципы, расширение семантики под сценарные кластеры, мониторинг цитируемости в AI-системах, регулярная работа с экспертным контентом и бренд-сигналами. Для бизнес-сайтов это направление работ на 6–12 месяцев с заметным эффектом к концу первого года. На стороне команды или подрядчика важна не «отдельная компетенция в AI», а сочетание классического SEO-опыта с пониманием специфики AI-цитирования.