По официальным данным Google, при формировании ответов ИИ система опирается прежде всего на качество и надежность контента. Ключевой упор делается на высокую экспертность, оригинальность и полезность материала – другими словами, на принципы E-E-A-T (Experience, Expertise, Authoritativeness, Trustworthiness). Как отмечено Google, «системы подчеркивают надежность источников и оригинальный, качественный контент» при ранжировании . Google прямо заявляет, что использование ИИ для генерации текста не дает автоматического преимущества – важно, чтобы контент был «полезным, оригинальным» и удовлетворял критериям качества.
Microsoft (Bing/Copilot) подтверждает аналогичные выводы: «нет секретной стратегии» для попадания в AI-ответы – «успех начинается с контента, который свежий, авторитетный, структурированный и семантически понятный». При этом основные SEO-факторы (доступность для индексации, оптимальная структура страниц, внутренние ссылки, метаданные, обратные ссылки) по-прежнему важны. Специфика генеративного поиска в том, что асистенты разбивают страницу на фрагменты и оценивают именно эти «кусочки» по релевантности, собирая из них ответы. Поэтому заголовки и метаданные (Title, H1) становятся сигналами для ИИ: они помогают парсить назначение и тему контента. Если текст не структурирован или не сфокусирован под конкретный вопрос, ИИ-ассистент может просто не включить его в ответ, даже при хорошем SEO.
Наконец, важны авторитетность источников. Например, Ahrefs и Perplexity указывают, что генеративные системы учитывают ссылки и цитаты: оказаться «цитируемым» авторитетными площадками (включая базы знаний) стало новым критерием видимости. Google пока явно не раскрывает все сигналы SGE, но эксперты сходятся, что глубокая тематическая авторитетность (ширина охвата темы, наличие «фан-аута» сопутствующих вопросов) повышает шансы быть процитированным в ИИ-ответе. В целом же Google призывает продолжать следовать «фундаментальным SEO-практикам»: если сайт хорошо ранжируется по классическому поиску, вероятно, он будет учитываться и в AI-ответах.
Answer Engine Optimization (AEO): Featured Snippets, Knowledge Panels, PAA и их развитие
Featured Snippets – это специальные блоки в поиске Google, где сниппет перевернут и ответ выводится перед ссылкой. Google описывает их как «боксы, где формат обычного результата поиска меняется: сначала показывается фрагмент ответа». Появление Featured Snippet определяется алгоритмически (вручную не присвоить). Владельцы сайтов могут в явном виде отключить выдачу сниппетов (например, с помощью nosnippet или max-snippet), если не хотят, чтобы их контент использовался. Важный вывод: Featured Snippet-стратегии остаются значимыми – ИИ-ответы в ряде случаев используют именно такие «фрагменты», дополненные собственным текстом. При этом, если ответ на запрос находит прямую формулировку на странице, Google может брать его сразу после соответствующего заголовка, что подтверждает патентный подход «answer-first».
Панели знаний (Knowledge Panels) – информационные блоки по сущностям (люди, компании, места), основанные на Графе знаний. Google официально уточняет, что они генерируются автоматически по запросам к известным сущностям, используя данные из разных источников (в том числе лицензированных баз данных и самих проверенных пользователей). Владелец или официальный представитель может «утвердить» панель и предлагать изменения. Согласно Google, данные для панели берутся из «различных открытых источников» и даже специально заключенных партнерств. Панели знаний не зависят от текущего ранжирования страниц и появляются только при достаточном объеме проверенной информации об объекте. С практической точки зрения SEO, наличие хорошо заполненных знаний о бренде/персоне (схема Organization, статьи в Википедии, Google My Business) повышает шансы попасть в эту панель.
PAA («Люди также спрашивают») – блок связанных вопросов. Исторически ответы в PAA выводились как обычные Featured Snippet-ответы с цитированием сайтов. Но с конца 2024 года Google начал показывать в PAA AI-ответы («AI Overviews»), созданные генеративной моделью, если нет подходящего цитируемого фрагмента. Анализ 8.4 млн выдач PAA показал, что к июлю 2025 примерно 12.6% ответов формировались ИИ, остальные – классические сниппеты. Т.е. тренд таков: PAA эволюционировал от чистых Featured Snippet к гибриду со сгенерированными ответами. Это отражает новую реальность AEO: SEO-специалисты учитывают, что часть видимости может быть «перехвачена» ИИ-ответами даже в традиционных блоках «Также спрашивают».
Роль структурированной разметки и авторитетности источников (E-E-A-T)
Структурированная разметка (Schema.org) всегда помогала поисковым системам лучше понимать содержание страниц. Сейчас она продолжает играть роль – например, контент AI-ответов опирается на знания из Google Knowledge Graph и других структурированных данных. Google рекомендует использовать типы разметки (FAQPage, QAPage, HowTo, Organization и др.) для улучшения представления сайта в поиске (в т.ч. для возможных ответов). Хотя явных «патентов» на строгую необходимость schema в AEO нет, практика показывает: сайты с правильно размеченным контентом (особенно блоки «вопрос–ответ», списки и схемы) легче парсит ИИ. Например, SISTRIX отмечает, что в AI-ответах появляются ссылки на конкретные тематические подстраницы (часто оформленные по правилам schema), а не на главные страницы.
Авторитетность источника также критична. Во-первых, сам Google ориентируется на E-E-A-T – опыт, экспертизу и надежность автора/сайта. Как уже упоминалось, качественный авторитетный контент получает приоритет. Во-вторых, генеративные системы делают упор на ссылки на проверенные источники. Так, Perplexity заявляет о приоритете «надежных источников» и публикует ответы с ссылками именно на них. Независимые исследования находят, что Perplexity вручную повышает авторитет некоторых доменов (Amazon, GitHub, Coursera и др.). В ответах Google тоже все чаще упоминаются сайты с высоким доверием. SEO-эксперты советуют укреплять «окружение» бренда в интернете (гуглимые отзывы, соцсети, авторитетные медиа) – это повышает косвенный авторитет, который может учесть ИИ при генерации ответа. Таким образом, E-E-A-T остаётся базовым требованием: советы SEO-экспертов в AEO сходятся на том, что продуманный контент с опытом автора и ссылками на авторитетные ресурсы и сейчас выигрывает.
GEO: оптимизация контента для SGE, Bing Chat, Perplexity и других
Google SGE/AI Overviews: официально Google утверждает, что для появлений в AI-ответах не требуется особой настройки помимо обычного SEO. Нужно лишь убедиться, что страница индексируется и соответствует общим требованиям качества (условие индексации и безопасность). Практические рекомендации (Rich Sanger и Ahrefs) сходятся: фокусировать контент на запросных, подробных темах, отвечая на широкие информационные вопросы и выдавая «общую картину» по теме. В экспериментах эксперты отмечают, что AI-ответы Google чаще возникают по длинным вопросительным запросам (57.9% таких запросов имеют AI Overview) и по запросам более 6 слов.
Microsoft Bing/Copilot: Microsoft говорит, что Copilot «разбивает контент на мелкие фрагменты» (парсинг) и оценивает их по авторитетности и релевантности. Ключевыми сигналами для Copilot называют заголовки и структуры страниц: Title и H1 помогают ИИ понять тему материала. Рекомендации от Microsoft подчеркивают схожие с Google принципы: свежесть, авторитетность и ясная структура текста. При этом также важна фундаментальная поисковая доступность – техническая корректность страниц и внутренние ссылки.
Perplexity.ai: этот «AI-поисковик» строит результаты иначе, но тоже с цитированием. По данным Perplexity, важны доверительные источники и фактологичность. Он, в отличие от открытого Google-интернета, черпает информацию из «ограниченного набора надежных доменов». Исследование Yesilyurt (август 2025) показало: Perplexity использует сложный ML-реранг, который резко отбраковывает нерелевантный контент и особо поощряет тематику, авторитет и свежесть. Среди факторов ранжирования – быстрота реакции новых публикаций, семантическая полнота контента (не только ключевые слова, но и «покрытие» темы) и пользовательские сигналы (клики, вовлеченность). Кроме того, были обнаружены «в ручную составленные» списки авторитетных доменов (Amazon, GitHub и др.), упоминание которых дает явный приоритет. В целом, Perplexity поощряет глубокую экспертность по узкой теме и оперативное обновление контента – здесь не «победители по PageRank», а те, кто быстрее покрывает новые подзапросы и проверяет факты.
Другие LLM-поисковики (GPT-чаты, Perplexity, Bing) пока мало разглашают свои алгоритмы, но общая рекомендация SEO-сообщества звучит так: создавать ясный, структурированный контент, рассчитанный на точные ответы. Например, SISTRIX отмечает, что AI-ответы предпочитают «четкие, прямые ответы на вопросы» и поощряют «семантическую глубину» материала. Иными словами, старыми методами (кластеризация тем, семантический анализ, FAQ-разметка) сейчас пользуются также, только акцент смещается в сторону полноты и разнообразия информации (тем самых «фан-аут» запросов, о которых говорят гуглы).
Зарегистрированные патенты по генерации ответов и выбору контента
Ряд патентов Google и других компаний проливают свет на то, как ИИ-системы выбирают фрагменты для ответов. Так, патент Google US11481646B2 «Selecting answer spans» описывает нейронную сеть, которая ищет в документе точные «спаны» (отрывки текста) с самым высоким соответствием запросу. Ключевое правило из этого патента: разместить конкретный ответ сразу после подходящего вопросного заголовка на странице – это существенно повышает шансы быть выбранным в сниппете или AI-ответе.
Патент US10019513B1 «Weighted answer terms» (патент Featured Snippets) учит ИИ формировать «взвешенный вектор» терминов, часто встречающихся в лучших ответах по теме. Это означает, что контент должен включать проверенную «консенсусную» терминологию экспертов: например, в ответе «почему небо голубое» слова «рассеяние Рэлея» и «атмосфера» получат высокие веса. Если фрагмент ответа сильно отличается по терминологии от общепринятой, алгоритм может оценить его ниже.
Патент WO2025063948A1 «Data extraction using LLMs» описывает подход, при котором весь веб-сайт рассматривается как единый «запрос» для ИИ. Архитектура сайта (либо «hub-and-spoke» – страницы-«хабы» для категорий и узловые «споки» с деталями) влияет на то, какую «личность» сайта усматривает ИИ. Несогласованность тематики или конфликтная подача (размытого бренд) понижает «доверие» к сайту. Это подчеркивает идею единого бренда: все страницы должны в совокупности рассказывать одну четкую историю.
Другие патенты Google (например, US20240289407A1 «Stateful chat») указывают, что запросы становятся частью продолжительного диалога. То есть поисковые сессии сохраняют контекст, а движок генерирует «синтетические» последующие запросы на основе истории. Вывод для контента: ответы должны быть релевантны не только отдельному вопросу, но и потенциальной цепочке уточняющих вопросов.
Утечки информации о работе алгоритмов ИИ-ответов
Случайные «утечки» иногда проливают тень на реальные алгоритмы Google. Например, в мае 2024 была опубликована большая утечка внутренней документации Google Search (Content API Warehouse). Хотя эти данные касались классического поиска, они содержат упоминания систем («NavBoost») и сигналов (клики, Chrome-данные, «unsquashed clicks») для определения качества и популярности контента. Google официально отрицал использование большинства таких сигналов (публично заявляя об обратном), но утечка подтверждает, что компания интересовалась поведением пользователей (например, анализом длинных/коротких кликов и истории поиска). Специфично об алгоритмах формирования AI-ответов «приватных» утечек не было опубликовано, однако этот кейс иллюстрирует: Google может использовать скрытые метрики вовлеченности и историю запросов, в том числе для контекстных (диалоговых) ответов.
Эксперименты и исследования SEO-сообщества
Сообщество SEO активно проводит исследования влияния AI-ответов. Ahrefs, например, проанализировал миллионы выдач и отмечает существенное падение кликов на сайты при наличии AI-ответа (среднее – около 34.5%, по данным Seer Interactive до 61%). Ahrefs также показывает: AI-ответы встречаются примерно на 21% всех запросов (практически на 58% вопросных запросов и 46% длинных запросов), подтверждая, что генеративный поиск охватывает самые «информационные» запросы. Search Engine Journal и другие источники приводят аналогичные данные: в PAA-сегменте примерно 12–13% ответов уже генерируются ИИ.
Что касается факторных тестов: практические эксперименты показывают, что стандартные методы блокировки контента работают и для AI. Например, специалист Гленн Гейб провел тест с директивой nosnippet (контроль «preview_control») и убедился, что Google прекратил показывать соответствующую страницу в AI-ответах (после некоторой задержки). Это означает, что сайт может запретить использование своего контента в AI-ответах привычными робот-метками, но с эффективностью через время.
Попадание в AI-ответы по-прежнему во многом соответствует классическим SEO-принципам. Rich Sanger из Google (экс-инженер) совместно с Ahrefs резюмирует, что для видимости в AI нужно делать привычные «SEO-основы»: исследование ключевых слов, соответствие контента намерениям, полноту раскрытия темы и наращивание ссылочной авторитетности. При этом ценится уникальность информации: Google ориентирован на «added value» – если текущие топовые источники отвечают на запрос однородно, система «проявляет разнообразие» и ищет дополнительные данные. Это стимулирует практики создания контента «по опыту» (самостоятельные эксперименты, собственные данные).
Все эти исследования подтверждают: несмотря на новизну генеративных результатов, основы SEO не изменились – все внимание по-прежнему на качестве, релевантности и авторитетности контента.
