Оптимизация для AI-поиска: полное руководство по ранжированию в 2026

Что такое AI Search Engine Optimization?

Если вы наблюдали, как ваш органический трафик выравнивается, в то время как логи рефералов от ChatGPT растут, вы уже видели, что происходит. Поиск разделяется на две поверхности — классические десять синих ссылок и AI-сгенерированный ответ, который цитирует свои источники прямо в тексте. Большинство сайтов все еще оптимизируются под первую поверхность. Те немногие, кто оптимизируется под обе, уходят в отрыв.

AI search engine optimization — это то, что выводит вас на вторую поверхность. Это дисциплина, делающая ваш контент цитируемым — не просто ранжируемым — для AI-систем, которые синтезируют ответы из нескольких источников. Традиционное SEO предполагало, что пользователь кликнет по вашей ссылке. AI SEO предполагает, что пользователь может никогда не кликнуть; само цитирование, с вашим брендом и URL, встроенными в ответ AI, является выигрышем. Это смежная, но отличная дисциплина от Generative Engine Optimization (GEO), которая является более широким понятием для того же сдвига.

Хорошая новость: AI SEO построено на том же техническом фундаменте, что и классическое SEO. Краулируемость, схема, скорость страницы, EEAT — все это по-прежнему важно, все это по-прежнему измеряется. Новым является слой сверху: явные разрешающие правила для AI-ботов в robots.txt, манифесты llms.txt, цитируемые отрывки по 40–80 слов, фактическая плотность, схема FAQPage с селекторами speakable и продуманный граф сущностей, связывающий ваш бренд с Wikipedia, Wikidata и аналогичными доверенными узлами. Это руководство проходит по каждому слою от начала до конца — 18 факторов ранжирования и универсальный чек-лист из 15 шагов.

5 AI-поисковых систем, которые имеют значение в 2026 году

Пять AI-поисковых систем обеспечивают почти весь трафик, генерируемый цитированиями, по состоянию на 2026 год. Они разделяют одни и те же основы оптимизации — схема, доступ краулеров, цитируемые отрывки — но по-разному вознаграждают сигналы на периферии. Знание характера каждой из них важно, прежде чем настраивать тактику под нее.

Google AI Overviews

Самая большая единая AI-поверхность, просто потому что она находится внутри Google. AI Overviews — это встроенные AI-ответы, которые Google размещает над десятью синими ссылками на растущей доле запросов. Они берут данные из того же веб-индекса, который Google всегда индексировал, но оценивают отрывки по извлекаемости, фактической плотности и сигналам схемы.

Рычагом для AI Overviews является доступ Google-Extended в robots.txt (обратите внимание: отдельно от Googlebot), схема FAQPage и HowTo, цитируемые отрывки в верхней части каждой страницы и свежесть dateModified. Сайты, уже находящиеся на первой странице органической выдачи с правильной схемой, почти автоматически попадают в AI Overviews. Сайты с поломанным техническим SEO не получают ничего ни на одной из поверхностей.

ChatGPT Search

OpenAI запустила ChatGPT Search 31 октября 2024 года. Он использует два краулера: GPTBot (обучение и обновление) и OAI-SearchBot (оперативный поиск). Цитирования появляются в виде пронумерованных сносок, которые ведут на URL источника.

ChatGPT отдает предпочтение контенту с сильными структурными сигналами — четкие вопросы в H2, схема FAQPage, цитируемые отрывки по 40–80 слов и упоминания бренда на Wikipedia, Reddit, GitHub и Stack Overflow. Он также агрессивно кэширует; как только отрывок процитирован, он имеет тенденцию оставаться процитированным в течение недель. Мы рассматриваем платформенные тактики в нашем руководстве ChatGPT SEO guide.

Perplexity

Самая прозрачная из AI-поисковых систем — каждый ответ Perplexity показывает свои цитирования в виде горизонтальной прокрутки карточек источников над синтезированным ответом. Нажмите на любую карточку, и вы перейдете непосредственно к URL источника. Для сайтов, оптимизирующихся под цитирование, Perplexity — самая простая система для измерения прогресса.

Perplexity использует PerplexityBot для краулинга и является одной из самых либеральных систем в плане повторной загрузки контента. Она вознаграждает оригинальные исследования, встроенные цитирования источников и узконаправленные ответы на 40–80 слов. Отдача от оптимизации быстрая — исправления схемы и контента могут быстро проявиться в цитированиях.

Gemini

Флагманский AI-ассистент Google, интегрированный в Search, Gmail, Docs и Android. Gemini использует тот же веб-индекс, который индексирует Googlebot, а также граф знаний Google и базу данных сущностей. Выводы для оптимизации: классическое SEO + авторитетность сущности + покрытие Google Knowledge Panel являются доминирующими рычагами.

Краулер Gemini — это Google-Extended — отдельная директива robots.txt от Googlebot. Сайты, которые разрешают Googlebot, но блокируют Google-Extended, исключают себя из Gemini и AI Overviews, продолжая при этом ранжироваться в органике. Исправление — одна строка в robots.txt.

Microsoft Copilot

Работает на базе Bing, интегрирован в Windows, Edge, Microsoft 365 и отдельное приложение Copilot. Microsoft Copilot использует Bingbot для краулинга — тот же краулер, который существует с 2009 года. Вывод: Bing SEO и оптимизация для Copilot почти идентичны, и многие сайты, уже оптимизированные для Bing, получают цитирования в Copilot бесплатно.

Copilot вознаграждает правильную настройку Bing Webmaster Tools, схемы Article и Organization, свежесть dateModified и упоминания бренда на LinkedIn (высокий вес, потому что Microsoft владеет LinkedIn). Для платформенных тактик по Perplexity, Gemini и Copilot бок о бок смотрите наше руководство Perplexity, Gemini & Copilot SEO guide.

Факторы ранжирования в AI-поиске — 18 факторов, которые имеют значение

В сети много расплывчатых советов о том, "что нравится AI-движкам". Вот 18 факторов, которые стоит проверить. Каждый фактор содержит определение и примерную оценку веса (высокий / средний / низкий — редакционная оценка, а не результат измерений), чтобы вы могли провести аудит своего сайта.

1. Доступ AI-краулеров в robots.txt (Вес: высокий)

Бинарный шлюз. AI-движки могут цитировать только тот контент, который их краулеры могут загрузить. Пять значимых пользовательских агентов: GPTBot (обучение OpenAI), OAI-SearchBot (живой поиск ChatGPT), ClaudeBot и anthropic-ai (Anthropic), PerplexityBot, Google-Extended (Gemini и AI Overviews), applebot-extended (Apple Intelligence) и Bingbot (Copilot). Общее правило User-agent: * Disallow: / блокирует их всех.

2. Наличие и валидность llms.txt (Вес: средний)

Манифест /llms.txt в корне сайта указывает AI-движкам, какие URL следует приоритезировать. Пока это не жесткий фактор ранжирования, но это чистый сигнал того, что сайт курируется и осведомлен об AI. Anthropic, Perplexity и несколько компаний-разработчиков инструментов активно проверяют его наличие.

3. JSON-LD разметка Schema (Вес: высокий)

Пять типов схем имеют наибольший вес: FAQPage, HowTo, Article, Organization, BreadcrumbList. AI-движки парсят JSON-LD как сигнал высокого доверия, потому что он машиночитаем и однозначен.

4. Селекторы Speakable (Вес: средний)

Схема SpeakableSpecification с cssSelector, указывающим на #tldr, #definition или #faq, сообщает голосовым и аудио AI, какие части страницы предназначены для чтения вслух. Голосовые AI-поверхности (Alexa, Siri, Google Assistant, ChatGPT Voice) преимущественно извлекают контент, помеченный как speakable.

5. Длина цитируемого отрывка (40–80 слов) (Вес: высокий)

Конвейеры извлечения AI извлекают фрагменты именно такого размера. Отрывки короче 40 слов выглядят как фрагменты без контекста; длиннее 80 слов начинают терять смысловую связность. Самодостаточные отрывки длиной 40–80 слов в верхней части каждой страницы — это тактика с наибольшим эффектом для контента.

6. Фактическая плотность (Вес: средний-высокий)

Отрывок, насыщенный именованными сущностями (люди, даты, продукты, числа, места), оценивается выше, чем расплывчатая проза. LLM используют количество именованных сущностей как быстрый прокси для оценки "этот отрывок информативен". Слова-паразиты — "в современном быстро меняющемся мире", "важно отметить" — снижают плотность.

7. Авторитетность сущности (Вес: высокий)

Wikipedia, Wikidata, Crunchbase, LinkedIn Company, GitHub и отраслевые ассоциации формируют граф сущностей, который AI-движки используют для распознавания брендов. Схема Organization с ссылками sameAs на все эти ресурсы превращает ваш бренд в распознаваемый узел, а не в неизвестный URL.

8. Оригинальные исследования и статистика (Вес: высокий)

LLM нуждаются в первичных источниках. Страница с одним оригинальным числом — результатом опроса, бенчмарком или собственной статистикой — побеждает десять страниц, обобщающих чужие исследования. Оригинальные исследования привлекают цитирования, потому что это единственное место, где можно найти эти данные.

9. Серверный рендеринг (SSR) (Вес: высокий)

Большинство AI-краулеров ненадежно выполняют JavaScript. Одностраничные приложения (Vue, React, Angular) без SSR отдают краулерам почти пустую HTML-оболочку — контент технически существует, но невидим. Обязательно использование SSR (Nuxt, Next.js, SvelteKit) или статической генерации.

10. Core Web Vitals (LCP, INP, CLS) (Вес: средний)

LCP менее 2.5с, INP менее 200мс, CLS менее 0.1. AI-краулеры могут не дождаться очень медленных страниц и молча их пропускают. Скорость загрузки страницы — это шлюз для цитирования, а не просто метрика UX. Медленные страницы даже не попадают в пул кандидатов.

11. Мобильная адаптация (Вес: средний)

AI-движки, как и классический поиск, отдают приоритет индексации для мобильных устройств. Страницы, которые некорректно отображаются на мобильных (горизонтальная прокрутка, нечитаемый текст, сломанные CTA), получают понижение веса во всех конвейерах сканирования.

12. Глубина контента (3000+ слов для краеугольных статей) (Вес: средний)

Центральные и опорные страницы выигрывают от глубины — 3000+ слов, всесторонне охватывающих тему, с подразделами, FAQ и таблицами. AI-движки извлекают информацию из центрального контента чаще, чем из коротких страниц, потому что там больше материала для потенциальных отрывков.

13. Встроенные ссылки на источники (Вес: высокий)

Каждая статистика, исследование или фактическое утверждение должны иметь встроенный источник — название издателя и год, по возможности ссылку. Голые статистики ("исследования показывают, что 73% пользователей предпочитают...") выглядят ненадежно для LLM и отфильтровываются из пула кандидатов на цитирование.

14. Сравнительные таблицы (Вес: средний)

Таблицы предпочтительны для LLM, потому что они уже структурированы. Сравнительная таблица на 2 или 3 столбца с четким заголовком извлекается целиком в AI-ответы чаще, чем эквивалентная проза. Используйте HTML-таблицы, а не изображения таблиц.

15. Заголовки H2 в форме вопросов (Вес: средний-высокий)

Многие запросы в AI-поиске сформулированы как вопросы. H2, сформулированные как вопросы ("Как сделать X?", "Что такое Y?", "Почему Z?"), становятся заголовками фрагментов в конвейерах извлечения и соответствуют пользовательским запросам с более высокой уверенностью, чем повествовательные заголовки.

16. Сигналы свежести (dateModified) (Вес: средний-высокий)

dateModified в схеме Article, article:modified_time в мета-тегах и видимые строки "Обновлено:" — все это влияет на вес свежести. AI-движки склонны отдавать предпочтение свежему контенту, если только тема не является вечнозеленой. Ежеквартальное обновление — это минимум.

17. Упоминания бренда на доверенных AI доменах (Вес: высокий)

Wikipedia, Reddit, GitHub, Hacker News, Stack Overflow и 2–3 крупных отраслевых издания в вашей нише выступают в качестве сигналов авторитетности. Одно цитирование в Wikipedia или закрепленная ветка на Reddit могут перевесить множество обычных обратных ссылок для целей AI-ранжирования.

18. Структура внутренних ссылок (Вес: низкий-средний)

Четкая тематическая структура "центр-спицы" с внутренними ссылками между связанными страницами помогает AI-движкам понимать тематическую глубину и авторитетность. Страницы, спрятанные глубоко в структуре сайта, как правило, цитируются реже, чем страницы в одном-двух кликах от главной.

Эти 18 факторов не имеют одинакового веса, но они усиливают друг друга. Следующий раздел — универсальный чек-лист из 15 шагов, который проверяет каждый фактор примерно за 2–3 часа.

Универсальный чек-лист оптимизации для AI-поиска (15 шагов)

Это универсальный чек-лист, который можно применить к любому сайту. Каждый шаг занимает 1–15 минут. Общее время от начала до конца: около 2–3 часов для одного сайта. Результат — приоритезированный список задач и базовый уровень, который можно повторять ежеквартально.

1. Разрешить все основные AI-краулеры в robots.txt. Убедитесь, что GPTBot, OAI-SearchBot, ChatGPT-User, ClaudeBot, anthropic-ai, PerplexityBot, Google-Extended, applebot-extended и Bingbot не запрещены. Добавьте явные правила Allow для каждого.
2. Подтвердить серверный рендеринг на ключевых страницах. Просмотрите исходный код каждой основной страницы. Убедитесь, что контент находится в сыром HTML, а не вставляется через JS. При необходимости перенесите SPA на SSR или статическую генерацию.
3. Опубликовать валидный манифест llms.txt. Создайте /llms.txt, перечислив ваши самые приоритетные URL. Сверьте файл со спецификацией llmstxt.org.
4. Добавить схему Article к каждому посту блога и основной странице. JSON-LD с headline, datePublished, dateModified, author (Person + sameAs), image.
5. Добавить схему FAQPage с селекторами speakable. 5–15 вопросов в FAQ на каждой основной странице, обернутых в JSON-LD FAQPage с SpeakableSpecification.
6. Добавить схему HowTo ко всем пошаговым инструкциям. Шаги, обернутые в JSON-LD HowTo с name, totalTime, itemListElement. Схема должна соответствовать видимому контенту.
7. Переписать вступительные абзацы до 40–80 самодостаточных слов. Первый абзац каждой страницы = самодостаточный ответ с темой, ответом и одним доказательством.
8. Добавить блок TL;DR или резюме в начале длинного контента. 3–5 пунктов в верхней части статей объемом 1500+ слов. Пометьте id="tldr" для speakable.
9. Добавить встроенные ссылки на источники для каждой статистики. Минимум название издателя + год, по возможности ссылка.
10. Построить авторитетность сущности через Wikipedia и sameAs. Записи в Wikipedia, Wikidata, Crunchbase, LinkedIn, GitHub, связанные через Organization schema sameAs.
11. Достичь LCP < 2.5с и INP < 200мс. Запустите PageSpeed Insights для топ-10 страниц. Используйте WebP для изображений, ленивую загрузку, исключите блокирующий рендеринг JS.
12. Обновлять dateModified ежеквартально. Каждые 90 дней для топ-20 страниц. Обновите dateModified в схеме, meta article:modified_time, видимую строку даты.
13. Использовать заголовки H2 в форме вопросов. Как минимум один H2 на странице, сформулированный как вопрос, соответствующий вероятным пользовательским запросам.
14. Добавить сравнительные таблицы для любого сравнения концепций. HTML-таблицы с заголовками, 4–8 строк, подпись. Никаких изображений вместо таблиц.
15. Настроить еженедельный отслеживание цитирований во всех 5 AI-движках. Profound, Otterly или Athena. Комбинируйте с рефералами GA4 от chat.openai.com, perplexity.ai, gemini.google.com.

sitetest.ai автоматизирует часть этого чек-листа — 92 отдельные проверки (52 влияют на оценку A–F, из них 18 — безопасность и доступность; 40 — рекомендации) по краулерному доступу, схемам, контенту, производительности и сигналам авторитетности, с оценками от A до F и готовыми для разработчиков исправлениями. Для более глубокого знакомства с тем, что на самом деле охватывает автоматизированный AI SEO аудит, смотрите наше руководство-объяснение.

AI Crawler Access — Robots.txt Setup

Самый важный блок кода на вашем сайте для AI-поиска — это ваш robots.txt. Ошибка здесь сведет на нет все остальные тактики из этого руководства — AI-движки просто не смогут добраться до вашего контента.

Минимально жизнеспособный AI-дружественный robots.txt выглядит так:

User-agent: GPTBot
Allow: /

User-agent: OAI-SearchBot
Allow: /

User-agent: ChatGPT-User
Allow: /

User-agent: ClaudeBot
Allow: /

User-agent: anthropic-ai
Allow: /

User-agent: PerplexityBot
Allow: /

User-agent: Google-Extended
Allow: /

User-agent: applebot-extended
Allow: /

User-agent: Bingbot
Allow: /

User-agent: *
Allow: /
Sitemap: https://yoursite.com/sitemap.xml

Распространённая ошибка: сайты, которые в 2023–2024 годах массово заблокировали AI-ботов из-за GDPR или опасений по поводу лицензирования контента, и так и не отменили блокировку. Такие сайты остаются невидимыми для AI-поиска, пока не снимут блокировку. Страх был в том, что LLM будут обучаться на вашем контенте и подорвут ваш трафик. На практике сайты, блокирующие AI-краулеры, вообще не могут быть процитированы, а сайты, разрешающие краулеры, могут получать реферальные клики из AI-цитирований.

Исключение составляют контент за paywall и проприетарный контент, где опасения по поводу лицензирования обоснованы. Для таких конкретных путей используйте гранулярные правила Disallow: /paid/, а не массовые блокировки ботов. Весь остальной публичный контент должен быть разрешен. Проверьте результат, открыв https://yoursite.com/robots.txt и убедившись, что директивы для ботов присутствуют и правильно отформатированы — опечатки здесь незаметны и разрушительны.

Стоит отметить одну тонкую ловушку: Google-Extended — это отдельная директива от Googlebot. Это бот, который питает Gemini и AI Overviews. Сайты, которые разрешают Googlebot, но массово блокируют «всех остальных ботов», непреднамеренно исключают себя из AI-поверхностей Google, продолжая при этом ранжироваться в органике. Исправление — одна явная строка Allow, но только если вы знаете, что ее искать. Тестируйте ваш robots.txt с помощью инструмента проверки robots.txt в Google Search Console после каждого изменения и перепроверяйте ежеквартально, потому что список user-agent AI-ботов продолжает расширяться (applebot-extended от Apple для Apple Intelligence появился в середине 2024 года; ожидайте еще один-два в 2026 году).

llms.txt — Объяснение нового стандарта

llms.txt — это предлагаемый простой текстовый манифест по адресу /llms.txt, который сообщает AI-движкам, какие URL на вашем сайте наиболее полезны для обработки, в порядке приоритета. Думайте об этом как о robots.txt для LLM — кураторская карта вашего высококачественного контента. Спецификация была предложена Джереми Ховардом в 2024 году и сейчас принята Anthropic, Perplexity и растущим списком компаний, создающих AI-инструменты.

Формат — простой Markdown:

# Название вашего сайта

> Однострочное описание того, чем занимается ваш сайт.

## Документация
- [Начало работы](/docs/getting-started): Краткое описание в одно предложение.
- [Справочник API](/docs/api): Краткое описание в одно предложение.

## Блог
- [Лучшая статья](/blog/top-article): Краткое описание в одно предложение.
- [Вторая статья](/blog/second-article): Краткое описание в одно предложение.

H1 — это название вашего сайта, H2 — разделы (Документация, Блог, Цены, Учебники), пункты списка — URL + описание в одно предложение. Перед публикацией сверьте файл со спецификацией llmstxt.org. По состоянию на 2026 год это не формальная спецификация W3C, но это 5-минутный сигнал о том, что вы понимаете AI-поверхность — и AI-движки действительно его сканируют.

Для получения полного руководства по llms.txt с 50+ реальными примерами, правилами валидации, распространенными ошибками и эволюцией спецификации, смотрите наше специальное глубокое погружение: llms.txt: Полное руководство по цитируемости в AI. Этот раздел намеренно короткий — та статья является экспертом в этой области.

Структура контента для цитирования в AI (Шаблоны)

Помимо технического уровня, структура определяет, какие именно фрагменты вашей страницы будут процитированы. Пять паттернов контента делают фрагменты удобнее для цитирования.

Паттерн 1: Блок определения. Открывайте каждую крупную страницу самодостаточным определением темы на 40–80 слов. Используйте стилизованный блок с id="definition", чтобы его было легко отметить с помощью speakable schema. Формат: название термина, затем 1–2 предложения, отвечающие на вопрос «что это?» с субъектом + ответом + одним доказательством. AI-движки извлекают блоки определений надежнее, чем любые другие фрагменты на странице, потому что они высокоплотные и самодостаточные.

Паттерн 2: Маркированный список TL;DR. 3–5 пунктов в начале длинных статей, отметьте id="tldr". Каждый пункт должен быть законченной мыслью (не фрагментом), заканчивающейся точкой. AI Overviews и ChatGPT Search оба напрямую извлекают блоки TL;DR в свои карточки ответов, потому что формат совпадает с их выходным форматом — списки на входе, списки на выходе.

Паттерн 3: Нумерованный список тактик. При перечислении тактик, шагов или пунктов чек-листа используйте упорядоченные списки (<ol>) с жирными ведущими фразами. Формат: 1. **Название тактики жирным.** Объяснение на 2–4 предложения. AI-движки извлекают нумерованные списки целиком, потому что они уже структурированы. Схема HowTo поверх этого формата — самая эффективная тактика для обучающего контента.

Паттерн 4: Сравнительная таблица. Всякий раз, когда вы сравниваете 2+ продукта, фреймворка, плана или концепции, используйте HTML-таблицу с четкими заголовками, 4–8 строками данных и подписью в одно предложение. AI-движки извлекают таблицы как единое целое; прозаические сравнения фрагментируются. Избегайте объединенных ячеек, вложенных таблиц и изображений в ячейках — они ломают парсинг таблиц LLM.

Паттерн 5: Раздел FAQ. Добавьте 5–15 вопросов внизу каждой крупной страницы. Используйте реальные вопросы из «Похожие вопросы» (People Also Ask), запросов ChatGPT, тикетов поддержки и тредов Reddit. Оберните в FAQPage JSON-LD с селекторами speakable. Это самая эффективная тактика для цитирования — AI Overviews напрямую извлекают ответы из FAQ в свои карточки ответов.

Применяйте эти пять паттернов последовательно к вашим топ-20 страницам.

Schema.org для видимости в AI

Разметка Schema — это машиночитаемый слой вашего контента. AI-движки парсят JSON-LD как сигнал высокого доверия, потому что он однозначен — структурированные данные точно говорят им, что на странице, кто ее написал, когда она была обновлена и как она relates к вашему бренду.

Пять наиболее эффективных типов схем для видимости в AI:

Article. Оборачивает каждую запись в блоге и страницу контента. Обязательные поля: headline, datePublished, dateModified, author (схема Person с sameAs на LinkedIn/Twitter/личный сайт), image. AI-движки используют схему Article для оценки свежести и авторитетности автора.

FAQPage с SpeakableSpecification. Оборачивает раздел FAQ внизу каждой крупной страницы. SpeakableSpecification указывает на #faq, чтобы голосовые и аудио AI знали, какой селектор читать вслух. Самая эффективная тактика цитирования для AI Overviews.

HowTo. Оборачивает каждую пошаговую инструкцию или страницу-руководство. Обязательные поля: name, totalTime, itemListElement (массив HowToStep с name и text). AI Overviews извлекают контент HowTo в богатые карточки ответов со списком шагов.

Organization с sameAs. На главной странице и странице контактов. Ссылки sameAs связывают ваш бренд с Wikipedia, Wikidata, Crunchbase, LinkedIn Company, GitHub, Twitter/X — каждым узлом графа сущностей, где присутствует ваш бренд. AI-движки используют это, чтобы распознавать ваш бренд как сущность, а не как неизвестный URL.

BreadcrumbList. На каждом URL, кроме главной страницы, показывающий место страницы в иерархии сайта. AI-движки используют хлебные крошки для понимания тематического контекста. Страница на /blog/seo/technical-audit/ интерпретируется иначе, чем /blog/marketing/why-seo-matters/.

Распространённая ошибка: отсутствие селекторов speakable в схеме FAQPage. Speakable добавляется быстро (одно дополнительное свойство). Ещё одна частая ошибка: поля схемы, не соответствующие видимому контенту (например, schema dateModified установлена на сегодня, а видимая строка «Обновлено:» показывает 2023 год). AI-движки жестко штрафуют за такое несоответствие. Всегда проверяйте все через Google Rich Results Test перед публикацией.

Сигналы EEAT, которым доверяют AI-движки

EEAT — Опыт (Experience), Экспертиза (Expertise), Авторитетность (Authoritativeness), Доверие (Trustworthiness) — был введен Google в 2014 году и стал строго учитываться с 2022 года. AI-движки унаследовали оценку EEAT напрямую из руководств Google для оценщиков качества. Сайты с сильными сигналами EEAT цитируются последовательно; сайты без них отфильтровываются из пулов цитирования.

Подпись автора со схемой Person. Каждая страница контента должна иметь видимую подпись автора со ссылкой на страницу автора. Страница автора должна содержать JSON-LD Person с name, jobTitle, worksFor (Organization) и sameAs (LinkedIn, Twitter, личный сайт, Google Scholar для академических авторов). Анонимный контент цитируется гораздо реже, чем контент с указанием авторства.

Даты публикации и обновления. Видимые строки, показывающие, когда контент был впервые опубликован и последний раз обновлен. Сопоставьте видимые даты с schema datePublished и dateModified точно. Несоответствия подрывают сигналы доверия. AI-движки склонны отдавать предпочтение свежему контенту, если тема не является вечнозеленой.

Примеры из первых рук и скриншоты. Реальные скриншоты панелей управления, реальные цифры «до/после» из ваших собственных тестов, реальные примеры клиентов (с разрешения). AI-движки отличают «пережеванный контент» от «оригинального исследования» частично по этим сигналам — страницы со встроенными скриншотами и первичными данными оцениваются выше.

Сноска о методологии. Короткий раздел «Методология» внизу статей, основанных на исследованиях, раскрывающий источники данных, размеры выборок и временные рамки. Это то, что отличает авторитетный контент от обычного наполнителя блога. AI-движки предпочтительно цитируют контент с раскрытой методологией, потому что он проверяем.

Совокупный эффект: сайт с полными сигналами EEAT (именные авторы с sameAs, видимые даты, скриншоты, методология) имеет больше шансов на цитирование, чем эквивалентный сайт без них. EEAT также долговечен — как только ваши авторы признаны авторитетами, цитирования накапливаются по всем статьям. Вот почему страницы команды и авторов важнее, чем кажется.

Стоит выделить один паттерн: AI-движки сильно взвешивают кросс-платформенную согласованность. Если подпись автора гласит «Иван Петров, CMO», но в LinkedIn указано «VP Marketing», а в Twitter/X — «рост в $бренд», это несоответствие читается как низкое доверие. Выберите одну каноническую должность и распространите ее на LinkedIn, Twitter/X, GitHub, вашу страницу автора и все ссылки Person schema. То же самое с фото, написанием имени и местоимениями. Мелочь по отдельности, но накапливается по всем вашим авторам и контенту.

Скорость сайта и Core Web Vitals для AI

Скорость загрузки страницы — это шлюз для цитирования, а не просто метрика UX. AI-краулеры могут прервать загрузку очень медленных страниц и молча отбросить их из пула кандидатов. Пороговые значения, которые важны для AI-поиска:

• LCP (Largest Contentful Paint) < 2.5с. Самый большой видимый элемент загружается в течение 2.5 секунд. Критически важно для AI-краулеров, которые прерывают медленный рендеринг.
• INP (Interaction to Next Paint) < 200мс. Заменяет FID с 2024 года. Измеряет отзывчивость на взаимодействия пользователя. AI-боты не взаимодействуют, но Google использует INP в mobile-first индексации, которая питает AI Overviews.
• CLS (Cumulative Layout Shift) < 0.1. Визуальная стабильность во время загрузки страницы. Влияет на сигналы ранжирования, которые распространяются на AI-поверхности.

Практический стек оптимизации: конвертируйте изображения в WebP (обычно меньше JPEG), используйте ленивую загрузку для медиа ниже сгиба (loading="lazy"), устраните блокирующий рендеринг JavaScript (отложите некритичные скрипты), используйте CDN для статических ресурсов и подмножество веб-шрифтов только до тех символов, которые вы реально используете. PageSpeed Insights и Lighthouse дают диагностику; исправления в основном механические.

Скорость страницы не сексуальна, но это фундамент для всего остального.

Измерение производительности AI-поиска

Нельзя улучшить то, что нельзя измерить. Производительность AI-поиска разбивается на три измеримых уровня, и полная система отслеживания покрывает все три.

Уровень 1: Доступ краулеров. Анализ серверных логов для user-agent AI-ботов — GPTBot, OAI-SearchBot, ChatGPT-User, ClaudeBot, anthropic-ai, PerplexityBot, Google-Extended, Bingbot, applebot-extended. Подтверждает, что краулеры достигают вашего контента. Инструменты: анализаторы серверных логов (GoAccess, AWStats); sitetest.ai проверяет доступ AI-ботов живыми запросами, но ваши серверные логи не читает.

Уровень 2: Цитирования. Ручные проверки и автоматические трекеры. Ручные: еженедельно запрашивайте ChatGPT, Perplexity, Gemini, AI Overviews, Copilot по вашим целевым запросам и проверяйте цитирования. Автоматизированные: такие инструменты, как Profound, Otterly, Athena и Peec AI, отслеживают упоминания во всех пяти движках с еженедельными дайджестами. sitetest.ai цитирования не отслеживает — он проверяет доступ AI-краулеров и аудирует страницу.

Уровень 3: Реферальный трафик. Сегмент GA4, где источник содержит «chat.openai.com», «perplexity.ai», «gemini.google.com», «copilot.microsoft.com». Это фактическая воронка кликов от цитирования к трафику.

Вместе эти три уровня дают вам воронку AI-поиска: сканируют ли AI-движки, цитируют ли они, переходят ли пользователи по ссылкам? Для сравнения 8 инструментов для отслеживания цитирований, проверок AI-ботов, валидаторов llms.txt и полноценных аудиторов с ценами на 2026 год, смотрите наше Руководство по инструментам видимости в AI.

AI Search SEO vs Traditional SEO — Comparison Table

Две дисциплины имеют общую основу, но расходятся в сигналах и результатах. Краткая версия:

Они не противопоставлены друг другу. Сайты с нарушенным традиционным SEO не могут ранжироваться и в AI — краулинг, схема, EEAT, скорость загрузки страниц по-прежнему применяются. AI Search SEO — это дополнительный слой. Для углубленного разбора GEO vs SEO, охватывающего факторы ранжирования, модели трафика и стратегию миграции, смотрите наше сравнительное руководство.

Часто задаваемые вопросы

Заключение — Три вывода

Оптимизация для поисковых систем на основе ИИ не заменяет классическое SEO. Это следующий слой поверх него. Сайты, которые выиграют в 2026 и 2027 годах, — это те, кто относится к доступу AI-краулеров, схеме и цитируемым отрывкам с той же серьезностью, с какой команды относились к ключевым словам и обратным ссылкам в 2010-х.

Три вывода из этого руководства. Первый: ворота бинарны — AI-движки либо добираются до вашего контента, либо нет. Разрешите GPTBot, ClaudeBot, PerplexityBot, OAI-SearchBot, Google-Extended и остальных в robots.txt сегодня — это единственное изменение открывает путь всем остальным тактикам в арсенале. Второй: структура побеждает объем. Страница на 1500 слов с TL;DR, FAQ, схемой HowTo, самодостаточными отрывками на 40–80 слов и встроенными цитированиями каждый раз превосходит стену неструктурированного текста на 5000 слов в AI-цитировании. Третий: измеряйте то, что внедряете. Без отслеживания цитирований, мониторинга серверных логов и фильтров рефералов GA4 вы не сможете понять, какие тактики приносят результат — выберите один трекер и настройте еженедельные дайджесты по вашим топ-20 запросам.

18 факторов ранжирования и 15-шаговый чек-лист из этого руководства — это практическая стратегия, которую можно применить к любому сайту. Каждая тактика внедряется менее чем за час. Совокупный эффект от всех них — это то, что отличает сайты, которые цитируют, от сайтов, которые остаются невидимыми.

Методология

Статистика в этом руководстве взята из исследования AI Overviews Search Engine Land (март 2025), отчета Reuters о еженедельных активных пользователях OpenAI (август 2024), исследования Ahrefs о трафике из AI-поиска (2025), данных Microsoft о DAU Copilot (январь 2025) и доклада Google I/O 2025 о MAU Gemini. Факторы ранжирования и их веса — редакционное обобщение, опирающееся на исследования цитирования AI Overviews от BrightEdge и материалы блога Ahrefs по AI-поиску; это не результат собственных измерений sitetest.ai. dateModified отражает дату последней редакции.