Масштабный анализ AI-ответов Google (AI Overview) в Рунете: практические рекомендации по работе с AI-блоками

Пока рынок говорит об AI-революции в поиске, мы её измерили. Наше исследование, основанное на 10 000 + запросов, показывает: насколько велико влияние AI-ответов на распределение трафика в Google, какие стратегии работают для попадания в AI-блок. Мы даём алгоритм, как сделать ваш сайт источником для AI Overviews.

Cодержание статьи:

Провести анализ реализации и характеристик систем генеративных ИИ-ответов в поисковике Google (Google AI Overview) в русскоязычном поиске по различным тематическим в коммерческих срезах. Оценить частоту появления ИИ-блока в различных срезах

1. Разработать и сформировать репрезентативную выборку поисковых запросов для анализа.

1.1. Собрать 10 000 запросов, разделенных поровну между коммерческими сферами «Производство/продажа товаров» и «Предоставление услуг».

1.2. Классифицировать запросы в каждой сфере по степени коммерциализации на основании доли коммерческих страниц в ТОП-20 Google: информационные, коммерческие и смешанные запросы

2. Проанализировать параметры ИИ-ответов (Google AI Overview) и их источников в Рунете

2.1. Для каждого запроса определить наличие/отсутствие блока с ИИ-ответом.

2.2. Для запросов с ИИ-ответом:

3. Выявить статистические закономерности проникновения и характеристик ИИ-ответов Google.

3.1. Рассчитать общую долю проникновения ИИ-ответов в выборке.

3.2. Определить степень проникновения отдельно для:

— двух исследуемых сфер (производство/продажа товаров и предоставление услуг);

— трех типов запросов (информационные, смешанные, коммерческие)

3.3. Выявить корреляции между типом запроса, позицией и типом страницы-источника.

Для автоматизации процесса использовались скрипты на языке Python:отправка пакетных запросов к API, парсинг полученных данных, извлечения и анализа параметров ИИ-блоков (наличие, текст, источники, позиции), а также для расчёта итоговых метрик.

Пояснение к графику

Пояснение к графику

В 47% с одного домена берется 2 и более ссылок в качестве источника для AI-ответа. Выявленный максимум: с 1 домена - 8 ссылок. Ключ - «грязезащитное покрытие антискользящее»

1. HTML-страница (в т.ч. социальные сети )
2. PDF-документ
3. Видео (только YouTube)

1. Для информационных запросов и запросов в сфере услуг показатель появления AI-ответов превышает 80%. Это делает оптимизацию под AI-блок обязательным элементом SEO-стратегии для Google.

2. AI-блок создает еще 7-10 мест для попадания на 1-ую страницу Google. Первые 1-3 источника для ИИ-ответов видны выше на декстопной версии, чем сайты из органических результатов ТОП-3

3. Источниками для AI-ответа могут служить страницы, на которых нет текста в классическом понимании. Страницы категорий в интернет-магазине содержат матрицу товаров и фильтры. На основе них Google формирует контент для AI-блока

4. Отсутствие прямой корреляции между позицией страницы в обычной выдаче и ее использованием в AI-блоке (39% источников за TOП-30) делает бессмысленной оценку успеха продвижения URL-адреса на основе ключей. Необходимо опираться на входящий трафик, как показатель качества страницы.

5. В запросах, связанной с ценой/стоимостью вероятность появления AI-блока почти 100%. При этом информация некорретная. У Google низкая региональная релевантность ответов. Пользователь из Москвы введет запрос «светодиодные светильники цена» и получит результаты на основе коммерческих страниц из города Красноярск.

До весны 2025 года Google старался по таким запросам показывать 1 сайт и таблицу результатов. Сейчас их заменил ответ ИИ.

6. По коммерческим запросам в AI-блоках часто появляются ссылки внутри текста на ресурсы. Эти ресурсы в 99% случаев находятся на 1-ой странице классической выдачи. То есть, дополнительная возможность получить клик у тех, кто уже и так в ТОП-10.

Поскольку в сфере услуг AI-ответы встречаются в 80%+ случаев, стратегия должна быть нацелена на то, чтобы сайт стал источником для такого ответа.

Алгоритм действий

1. Создать контент-хаб (семантический кокон страниц): Для основного коммерческого запроса (например, «плазмолифтинг головы») опубликовать 2-3 тематические информационные статьи.

2. Выявить микроинтенты: Сформировать список подзаголовков H2-H3 в статьях на основе вопросов пользователей через парсинг блока «Вопросы по теме» (People also ask).

3. Внедрить структуру «бутерброда»: Каждую статью построить по схеме:

Обоснование

Google часто указывает на конкретный фрагмент текста (2-4 предложения), что видно по параметру в #text2video источника. Структурированная работа с микроинтентами повышает вероятность того, что отдельный блок текста послужит источником для AI-ответа.

Например для запроса «плазмолифтинг головы»:

Статья 1: «Плюсы и минусы плазмотерапии для волос»

Статья 2: «Что такое плазмолифтинг и как он работает»

Для категорийных запросов по товарам AI-ответ формируется комбинированно (категории интернет-магазина + информационный контент).

Алгоритм действий

1. Классическое SEO листингов интернет-магазина

Детализировать структуру сайта, создавая релевантные категории и используя SEO-фильтры. Например, пересечение 3-х параметров: «беспроводные компьютерные мыши с подсветкой HP». 3 параметра (беспроводная, наличие подсветки, бренд HP).

Это соответствует логике Google, который использует страницы категорий (даже с малым количеством текста) как источники данных.

2. Добавить информационный кокон. Создать 1-2 тематических обзорных статьи, которые будут служить дополнительными источниками для AI-ответа. Одна из этих статей обязательно будет «как выбрать» продвигаемый продукт.

Обоснование

AI-ответ по категорийному запросу часто представляет собой гибрид: данные о товарах (извлекаются с коммерческой страницы листинга) + поясняющая информация (берётся из информационных обзоров).

Пример для запроса «купить беспроводную компьютерную мышку HP»

Поддерживающие статьи: