Как меняется поиск в эпоху ИИ и что нужно изменить на своём сайте

Ещё несколько лет назад поиск в интернете выглядел привычно: человек вводил запрос, получал список сайтов и переходил на один из них, чтобы найти ответ.

Сегодня между пользователем и сайтом всё чаще появляется искусственный интеллект. Вместо списка из десяти ссылок человек может получить готовое объяснение, сравнение товаров, инструкцию или подборку компаний.

Например, раньше пользователь искал «какой автобус выбрать для туристических перевозок», открывал несколько сайтов производителей, изучал характеристики и самостоятельно сравнивал модели.

Теперь он может спросить ИИ:

«Какие автобусы на 50 мест подходят для туристических поездок, чем они отличаются и на что обратить внимание при покупке?»

Система может найти несколько источников, сопоставить характеристики и сформировать ответ. Пользователь получит большую часть информации, даже не открывая сайты, из которых она была взята.

Для владельцев сайтов это важное изменение. Раньше основной задачей было получить хорошую позицию в поисковой выдаче и привлечь переход. Теперь информация о компании, товаре или услуге может участвовать в ответе ещё до того, как человек посетит сайт.

Но означает ли это, что традиционное SEO перестало работать? Нужно ли создавать специальные страницы для нейросетей? И существует ли способ гарантированно попасть в ответы ChatGPT или Google?

Разберёмся, как устроен новый поиск, что говорят исследования и какие изменения действительно имеют смысл.

1. Поиск меняется: от списка ссылок к готовому ответу

Поисковые системы давно пытались отвечать на вопросы непосредственно в выдаче. Погода, курсы валют, определения, адреса компаний и короткие справки появлялись в специальных блоках ещё до распространения генеративного ИИ.

Но современные языковые модели позволяют работать с гораздо более сложными запросами.

Вместо поиска одной подходящей страницы система может собрать информацию из нескольких документов, сравнить сведения и представить результат в виде связного ответа.

Так работают, например, генеративные функции Google Поиска, включая AI Overviews и AI Mode. Похожие пользовательские сценарии существуют в ChatGPT с поиском, Perplexity и других системах, хотя их внутренняя архитектура и способы выбора источников различаются.

Почему это важно владельцу сайта

Раньше успешное присутствие в поиске обычно оценивали по позициям, показам и переходам.

Теперь этих показателей недостаточно для описания всех способов, которыми пользователь узнаёт о компании.

Возможны три ситуации:

1. ИИ упомянул компанию в ответе, но не дал ссылку на её сайт.
2. ИИ использовал страницу сайта как источник и показал ссылку.
3. Пользователь перешёл по ссылке и совершил действие: отправил заявку, зарегистрировался или купил товар.

Это три разных результата. Упоминание бренда не обязательно означает, что сайт получил посетителя. А ссылка в ответе не гарантирует переход.

Что показывают исследования

В феврале 2026 года Ahrefs опубликовал исследование влияния AI Overviews на кликабельность обычной поисковой выдачи Google.

Авторы проанализировали 300 тысяч запросов и оценили, что наличие AI Overview связано со снижением CTR первой органической позиции примерно на 58% относительно ожидаемого уровня без такого блока.

Это не означает, что каждый сайт потерял 58% трафика. Исследование оценивает различие кликабельности в определённых условиях, а не универсальные потери всех сайтов.

Тем не менее оно показывает важную тенденцию: высокая позиция в поиске больше не всегда означает такой же объём переходов, как раньше.

Источник: Ahrefs — AI Overviews Reduce Clicks.

2. Что такое GEO и AEO и нужно ли отказываться от SEO

Вместе с генеративным поиском появились новые термины.

SEO (Search Engine Optimization) — поисковая оптимизация. Работа над тем, чтобы поисковые системы могли находить, понимать и показывать страницы сайта по релевантным запросам.

AEO (Answer Engine Optimization) — оптимизация для систем, которые предоставляют пользователю непосредственные ответы.

GEO (Generative Engine Optimization) — оптимизация присутствия контента и бренда в ответах генеративных поисковых систем.

На практике эти направления сильно пересекаются.

Чтобы ИИ-система могла использовать информацию с сайта, ей обычно необходимо каким-то способом получить эту информацию, определить её релевантность и понять содержание.

И здесь по-прежнему важны привычные вещи: доступность страниц, качество контента, понятная структура, внутренняя навигация и достоверность сведений.

Google в официальном руководстве по оптимизации для генеративного ИИ прямо объясняет: его генеративные поисковые функции опираются на основные системы ранжирования и оценки качества Google Поиска.

Поэтому с точки зрения Google работа над видимостью в генеративных функциях остаётся частью поисковой оптимизации.

Источник: Google Search Central — Руководство по оптимизации для генеративного ИИ.

В чём тогда отличие GEO?

Главное отличие — в том, что именно мы хотим измерить.

В традиционном SEO нас интересуют показы страницы, её позиция и переходы.

В GEO дополнительно возникают вопросы:

• Упоминает ли ИИ нашу компанию?
• Использует ли наши страницы как источники?
• Правильно ли описывает товары и услуги?
• Какие сторонние сайты становятся источниками сведений о нас?
• Приводит ли присутствие в ответах к полезным действиям пользователей?

GEO не заменяет SEO. Оно расширяет круг задач и способов измерения результата.

Именно поэтому начинать оптимизацию под ИИ с покупки нового инструмента или установки специального файла обычно не имеет смысла. Сначала нужно понять, насколько хорошо сайт решает базовые задачи поиска и предоставления информации.

3. Как ИИ находит информацию на сайтах

Чтобы понять, что нужно изменить на сайте, полезно разобраться, как формируется ответ.

Здесь важно различать два способа получения информации языковой моделью.

Знания, полученные во время обучения

Языковая модель обучается на больших объёмах данных. В процессе обучения она усваивает закономерности, факты и связи между понятиями.

Но знания модели не являются постоянно обновляемой копией интернета.

Если сегодня изменить цену товара на сайте, это само по себе не означает, что модель, отвечающая только на основе ранее полученных знаний, узнает новую цену.

Поиск актуальной информации

Другой сценарий — система обращается к поиску или внешним источникам непосредственно при обработке запроса.

Такой подход часто связан с технологией RAG — Retrieval-Augmented Generation, или генерацией с дополнением найденной информацией.

В упрощённом виде процесс выглядит следующим образом.

Сначала пользователь задаёт вопрос. Система определяет, какая информация ей необходима, находит подходящие документы и использует полученные сведения при формировании ответа.

Например, пользователь спрашивает:

«Какие автобусы Yutong подходят для туристических перевозок и какие у них характеристики?»

Чтобы подготовить ответ, системе могут понадобиться:

• Модельный ряд автобусов.
• Количество пассажирских мест.
• Характеристики двигателя.
• Оснащение салона.
• Информация производителей и продавцов.

Если нужные сведения доступны на нескольких сайтах, система может сопоставить их.

Google также описывает механизм query fan-out — ветвление запросов. При нём сложный вопрос может разбиваться на несколько связанных поисковых запросов, которые помогают собрать информацию по отдельным частям задачи.

Это объясняет, почему одна большая страница не обязательно будет единственным источником ответа. Разные факты могут быть найдены на разных страницах и даже разных сайтах.

4. Первая задача: сделать информацию доступной

Начнём с технической стороны.

В браузере сайт может выглядеть идеально: красивые карточки товаров, фильтры, анимации, интерактивные блоки и подробные характеристики.

Но то, что видит человек в браузере, не всегда совпадает с содержимым, которое получает автоматизированная система.

JavaScript и исходный HTML

Современные сайты часто строятся с использованием JavaScript.

Это нормально. Google умеет обрабатывать JavaScript и индексировать контент, который появляется после выполнения скриптов.

Но процесс становится сложнее: поисковой системе необходимо получить страницу, выполнить необходимые сценарии и обработать результат.

Другие поисковые роботы и ИИ-агенты могут обладать иными возможностями.

Рассмотрим упрощённый пример.

Страница товара в исходном HTML содержит только контейнер:

<div id="app"></div>
<script src="/assets/app.js"></script>

Все характеристики товара загружаются через JavaScript.

Пользователь с обычным браузером видит описание, цену и фотографии. Но система, которая не выполняет JavaScript, получает практически пустую страницу.

Другой вариант:

<main>
  <article>
    <h1>Туристический автобус Yutong ZK6122H9</h1>

    <p>
      Туристический автобус для междугородних
      и экскурсионных перевозок.
    </p>

    <h2>Характеристики</h2>
    <ul>
      <li>Количество мест: ...</li>
      <li>Оснащение салона: ...</li>
    </ul>

    <a href="/buses/">
      Посмотреть другие автобусы
    </a>
  </article>
</main>

Здесь основное содержание доступно непосредственно в HTML.

Это не означает, что нужно полностью отказаться от JavaScript. Он может отвечать за интерактивность, фильтрацию, анимации и другие функции.

Но для публичных информационных страниц полезно обеспечить доступность важного контента без обязательного выполнения клиентских скриптов.

Для этого применяются серверный рендеринг (SSR), статическая генерация (SSG) и другие подходы.

<div id="app"></div>

<h1>Туристический автобус</h1>
<p>Описание модели</p>
<ul><li>Характеристики…</li></ul>
<a href="/buses/">Каталог</a>

5. Вторая задача: сделать содержание понятным

Технически доступная страница ещё не обязательно является хорошим источником информации.

Представим сайт компании, которая занимается разработкой интернет-магазинов.

На странице написано:

«Мы предлагаем инновационные решения для цифровой трансформации бизнеса, используя современные технологии и индивидуальный подход».

Звучит солидно, но из текста сложно понять, какие именно услуги предоставляет компания.

Работает ли она с готовыми CMS? Разрабатывает ли интеграции? Поддерживает ли существующие проекты? Какие задачи решает?

Для человека такая страница тоже малоинформативна.

Сравним с другим описанием:

«Разрабатываем интернет-магазины на 1С-Битрикс. Настраиваем обмен товарами и заказами с 1С, интеграции с CRM, платёжными системами и службами доставки. Дорабатываем существующие проекты и оптимизируем производительность».

Второй вариант содержит конкретные сведения.

Человек быстрее понимает, подходит ли ему услуга. А поисковая или ИИ-система получает больше фактической информации, которую можно соотнести с вопросом пользователя.

Прямой ответ лучше длинного вступления

Если раздел называется «Можно ли интегрировать интернет-магазин с 1С?», полезно сразу ответить на этот вопрос.

Например:

«Да, интернет-магазин на 1С-Битрикс можно интегрировать с 1С для обмена каталогом, остатками, ценами и заказами. Состав данных и частота обмена зависят от конфигурации систем».

После этого можно подробно объяснять архитектуру интеграции, ограничения и варианты реализации.

Такой подход не является секретным алгоритмом GEO.

Это обычный принцип хорошей технической документации: сначала ответ, затем объяснение.

Почему важна структура

Заголовки, списки, таблицы и ссылки помогают разделить материал на смысловые части.

Но задача не в том, чтобы искусственно разбить текст на десятки коротких блоков.

Если тема требует подробного объяснения, длинная статья вполне уместна. Главное, чтобы читатель мог найти нужный раздел, а каждый раздел действительно раскрывал заявленный вопрос.

Google рекомендует создавать полезный оригинальный контент, организованный прежде всего для людей.

6. Третья задача: публиковать информацию, которой можно доверять

Генеративные системы могут объединять сведения из нескольких источников.

Это создаёт дополнительную проблему: если информация о компании противоречива или устарела, система может получить неверное представление о продукте.

Например, на официальном сайте указана одна версия программного обеспечения, в старой статье — другая, а в каталоге партнёра описана уже снятая с поддержки функция.

Для пользователя это тоже проблема. Но когда сведения объединяются в одном автоматически сформированном ответе, противоречия становятся менее очевидными.

Поэтому полезно поддерживать актуальность ключевых страниц, явно указывать версии продуктов, даты изменений и ограничения.

Собственный опыт важнее пересказа

Google отдельно подчёркивает ценность оригинального содержания и собственных знаний автора.

Например, статья «Как выбрать CRM» может просто пересказывать общеизвестные преимущества автоматизации.

А может содержать реальный опыт внедрения: какие проблемы возникли, какие интеграции потребовались, почему было выбрано конкретное решение и какие ограничения обнаружились в процессе.

Второй материал даёт читателю информацию, которую сложнее получить из десятков похожих публикаций.

Для технического блога особенно полезны:

• Реальные примеры архитектуры.
• Результаты собственных тестов.
• Сравнения с описанной методикой.
• Фрагменты кода и конфигурации.
• Ограничения и обнаруженные проблемы.
• Ссылки на документацию и исследования.

Это не гарантирует цитирование, но делает материал более содержательным и проверяемым.

Что показало исследование GEO

В исследовании GEO: Generative Engine Optimization, представленном на конференции KDD 2024, авторы изучали способы повышения представленности источников в генеративных ответах.

В экспериментальных условиях некоторые методы, включая добавление цитат, статистических данных и ссылок на источники, улучшали показатели видимости. Для отдельных результатов авторы сообщали об увеличении до 40%.

Однако здесь важно понимать ограничения.

Исследование проводилось на определённых наборах запросов, моделях и метриках. Его результаты не означают, что добавление трёх цитат на любую страницу автоматически увеличит её присутствие в ChatGPT или Google на 40%.

Более полезный вывод: проверяемые факты, содержательные детали и источники могут повышать ценность материала в системах, которые формируют ответы из найденной информации.

Источник: Aggarwal и др. — GEO: Generative Engine Optimization, KDD 2024.

7. Нужны ли специальные файлы и разметка для ИИ?

Вокруг GEO быстро появилось множество технических рекомендаций.

Некоторые из них полезны в определённых сценариях. Другие часто представляют как обязательные требования, хотя подтверждений этому нет.

Разберём несколько распространённых примеров.

llms.txt

Файл llms.txt предлагается использовать как структурированный указатель на важные материалы сайта для языковых моделей и ИИ-инструментов.

Идея заключается в том, чтобы предоставить компактный список документации или страниц, которые агент может использовать для получения информации.

Для некоторых инструментов и рабочих процессов такой файл действительно может быть удобен.

Но наличие llms.txt не означает, что поисковые системы автоматически начнут использовать сайт чаще.

Google прямо указывает, что не требует специального файла llms.txt для появления в генеративных результатах поиска.

Поэтому решение о его использовании лучше принимать исходя из реальных потребностей конкретных агентов или интеграций.

Markdown-версии страниц

Markdown — удобный текстовый формат, который хорошо подходит для технической документации и программной обработки.

Некоторые системы могут предпочитать получать документацию именно в таком виде.

Но это не означает, что каждый сайт должен создавать отдельную Markdown-версию каждой страницы.

Обычный HTML остаётся полноценным форматом представления веб-контента.

Если основная информация доступна, правильно структурирована и не скрыта за техническими препятствиями, создание Markdown-дубликатов не является обязательным условием для генеративного поиска Google.

Schema.org

Структурированные данные Schema.org позволяют явно описывать некоторые сущности и свойства страницы: организацию, товар, предложение, статью и другие типы информации.

Это полезный инструмент поисковой оптимизации.

Например, для товара можно указать название, описание, цену и доступность, используя подходящую разметку.

Но Schema.org не является специальным механизмом гарантированного включения в ответы ИИ.

Google рекомендует использовать структурированные данные там, где они соответствуют содержимому страницы и поддерживаемым возможностям поиска.

Нужно ли создавать отдельную страницу под каждый вопрос?

Не обязательно.

Если для пользователя полезна одна подробная инструкция, искусственное разделение её на десятки страниц может только ухудшить навигацию.

Google также предупреждает против массового создания материалов исключительно ради манипулирования поисковыми результатами.

Новая страница должна появляться тогда, когда у неё есть самостоятельная задача и содержательная ценность.

Главный принцип остаётся прежним: не создавать специальные конструкции ради предполагаемого алгоритма, а делать информацию удобной для людей и технически доступной для систем, которые её обрабатывают.

8. Сайт теперь читают не только поисковые роботы, но и ИИ-агенты

Есть ещё одно изменение, которое часто остаётся за пределами обсуждения GEO.

Поисковая система обычно помогает пользователю найти информацию. А браузерный ИИ-агент может взаимодействовать с сайтом от имени пользователя.

Например, человек просит:

«Найди подходящий автобусный рейс на пятницу и покажи варианты билетов».

Агенту недостаточно просто прочитать статью о перевозках.

Ему нужно найти форму поиска, определить поля отправления и назначения, выбрать дату, получить результаты и понять условия покупки.

Для таких задач важна не только индексация, но и устройство пользовательского интерфейса.

Почему семантический HTML снова становится важным

Рассмотрим кнопку.

<div class="button" onclick="search()">
  Найти
</div>

Визуально этот элемент может выглядеть как обычная кнопка.

Но для программ, использующих семантику страницы и дерево доступности, его назначение менее очевидно.

Более корректный вариант:

<button type="submit">
  Найти рейсы
</button>

Такой элемент имеет встроенную семантику кнопки и поддерживает стандартные механизмы взаимодействия.

То же относится к формам, подписям полей, навигации, заголовкам и сообщениям об ошибках.

<label for="departure">
  Город отправления
</label>

<select id="departure" name="departure">
  <option value="krasnodar">Краснодар</option>
  <option value="sochi">Сочи</option>
</select>

Подобная структура помогает не только ИИ-агентам, но и пользователям вспомогательных технологий.

При этом не стоит утверждать, что все ИИ-агенты работают одинаково. Одни анализируют DOM и дерево доступности, другие используют изображения экрана, третьи комбинируют разные методы.

Но понятная семантика и предсказуемое поведение интерфейса полезны независимо от конкретного способа взаимодействия.

9. Как проверить, готов ли ваш сайт к новому поиску

Теперь объединим всё в практическую последовательность.

Не стоит начинать с масштабного переписывания сайта.

Гораздо полезнее выбрать несколько важных страниц и проверить, как они работают на каждом этапе.

Шаг 1. Проверить техническую доступность

Начните с главной страницы и нескольких ключевых страниц услуг или товаров.

Проверьте, что сервер возвращает корректный ответ, важные страницы доступны для нужных роботов, а основной контент присутствует в получаемом HTML или корректно обрабатывается целевой поисковой системой.

Обратите внимание на robots.txt, ограничения индексирования, редиректы, внутренние ссылки и JavaScript.

Шаг 2. Проверить содержание

Попробуйте ответить на простой вопрос:

«Если человек никогда не слышал о нашей компании, сможет ли он понять по этой странице, что мы предлагаем, кому это подходит и на каких условиях?»

Если ответ отрицательный, проблему стоит исправлять независимо от GEO.

Добавьте конкретные сведения, понятные названия, характеристики, ограничения и ссылки на подробности.

Шаг 3. Проверить поисковую видимость

Используйте инструменты поисковых систем, чтобы понять, какие страницы индексируются, по каким запросам они появляются и какие проблемы обнаружены.

Техническая доступность не равна присутствию в поиске.

А присутствие в поиске не гарантирует использование страницы в генеративном ответе.

Шаг 4. Проверить ответы ИИ

Составьте список реальных вопросов, которые потенциальные клиенты задают о ваших товарах или услугах.

Например, для компании, разрабатывающей интернет-магазины:

«Как интегрировать интернет-магазин на Битрикс с 1С?»

«Кто может доработать существующий интернет-магазин?»

«Какие проблемы возникают при обмене остатками между 1С и сайтом?»

Проверьте ответы в нескольких ИИ-системах с включённым поиском, если он доступен.

Отмечайте, какие компании упоминаются, на какие источники ссылается система и насколько корректна информация.

Результаты могут отличаться между сервисами, датами, регионами и даже отдельными запросами.

Поэтому одна удачная проверка не доказывает устойчивого результата.

Шаг 5. Повторить проверку после изменений

После исправлений полезно повторить технический аудит и сравнить результаты.

Для оценки присутствия в ИИ-ответах нужен отдельный журнал наблюдений: вопросы, даты, сервисы, упоминания, источники и переходы, если они измеримы.

Это поможет отделить технические улучшения от изменений в поисковой видимости.

10. Почему технический аудит — только первый этап

Предположим, анализатор проверил сайт и обнаружил, что часть страниц недоступна без JavaScript, некоторые ссылки отсутствуют в исходном HTML, а важные разделы имеют неясную структуру.

Исправление этих проблем может улучшить техническую доступность информации.

Но сам по себе такой результат не означает, что компания начнёт появляться в ответах ChatGPT, Google или других ИИ-систем.

Технический аудит отвечает на вопрос:

«Может ли автоматизированная система получить и разобрать содержимое сайта?»

А проверка генеративной видимости отвечает на другой вопрос:

«Используют ли конкретные ИИ-системы сведения о компании при ответах на интересующие нас вопросы?»

Это связанные, но разные задачи.

Первую можно частично автоматизировать: проверить HTTP-ответы, HTML, ссылки, метаданные, доступность содержимого и другие технические параметры.

Вторая требует наблюдения за ответами, анализа источников и оценки корректности сведений.

Если смешивать эти задачи, легко получить красивый отчёт с высоким техническим баллом, который ничего не говорит о реальном присутствии компании в ответах ИИ.

Для первоначальной диагностики можно воспользоваться анализатором доступности сайта для ИИ. Он помогает найти технические препятствия и определить, какие страницы требуют дополнительной проверки.

11. Что будет важно для сайтов в ближайшие годы

Алгоритмы поиска продолжат меняться. Одни функции генеративного поиска будут развиваться, другие могут исчезать или менять принцип работы.

Но есть несколько направлений, которые сохраняют смысл независимо от конкретной модели.

Первое — доступность информации. Если содержимое сайта сложно получить, оно становится менее пригодным для автоматической обработки.

Второе — качество и точность. Чем больше систем объединяют сведения из разных источников, тем важнее публиковать проверяемую и актуальную информацию.

Третье — понятная структура. Хорошая организация контента помогает людям, поисковым системам и программным агентам находить нужные сведения.

Четвёртое — собственная экспертиза. Пересказывать общедоступные материалы становится всё проще. А вот реальные исследования, опыт внедрения, технические эксперименты и уникальные данные остаются ценными.

Пятое — измеримость. Недостаточно просто заявить, что сайт оптимизирован для ИИ. Нужно понимать, что именно улучшилось: доступность, индексирование, качество информации, присутствие в ответах или количество обращений.

Возможно, через несколько лет само понятие GEO будет использоваться иначе или уступит место новому термину.

Но задача останется прежней: создавать сайты, информация на которых доступна, понятна, достоверна и действительно полезна.

Заключение

Появление генеративного ИИ не отменяет необходимость иметь качественный сайт. Скорее наоборот — делает качество информации и техническую доступность ещё более значимыми.

Сайт перестаёт быть только страницей, на которую пользователь приходит из поисковой выдачи. Он становится одним из возможных источников данных для поисковых систем, ИИ-ассистентов и автоматизированных агентов.

Поэтому подготовка сайта к эпохе ИИ — это не установка одного специального файла и не добавление нескольких новых ключевых слов.

Это последовательная работа: обеспечить доступ к содержимому, улучшить структуру, публиковать проверяемую информацию, поддерживать её актуальность и измерять, как она используется.

Главная цель — не подстроить сайт под очередной алгоритм, а сделать его полезным источником информации для человека и для систем, которые помогают человеку принимать решения.

Источники и дополнительные материалы

1. Google Search Central. Как оптимизировать сайт для функций на основе генеративного ИИ в Google Поиске. Официальные рекомендации по контенту, технической доступности и генеративному поиску.

2. Google Search Central. JavaScript SEO Basics. Документация по обработке JavaScript, рендерингу и индексированию.

3. Aggarwal P. и др. GEO: Generative Engine Optimization. Научное исследование, KDD 2024.

4. Ahrefs. AI Overviews Reduce Clicks — 2026 Update. Исследование влияния AI Overviews на CTR органической выдачи.

5. Журнал Яндекс Практикума «Код». Как попасть в ответы нейросетей: что такое GEO и чем оно отличается от SEO. Обзор GEO, принципов поиска, технических требований и способов оценки результатов.

Примечание: рекомендации отдельных поисковых платформ относятся к их собственным продуктам. Результаты исследований и экспериментов не являются гарантией аналогичного эффекта для любого сайта или ИИ-сервиса.