AI Overviews (SGE) и LLM Optimization: SEO для генеративного поиска

AI Overviews (SGE) и LLM Optimization: SEO для генеративного поиска

Ландшафт поискового маркетинга переживает самую радикальную трансформацию с момента изобретения алгоритма PageRank. Переход от классической выдачи, состоящей из «десяти синих ссылок», к генеративным движкам (Generative Engines) полностью меняет правила игры для создателей контента, SEO-специалистов и маркетологов.

Появление Google AI Overviews (ранее SGE — Search Generative Experience), Perplexity, ChatGPT Search, а также интеграция LLM (Large Language Models) в Bing и другие поисковые экосистемы означает одно: поисковики больше не хотят быть просто маршрутизаторами трафика. Они становятся синтезаторами ответов.

В этой энциклопедической статье мы разберем, как работают генеративные поисковые системы, почему умирает традиционный информационный трафик (ToFu), и подробно погрузимся в новые дисциплины: LLMO (Large Language Model Optimization) и GEO (Generative Engine Optimization).

---

Визуализация сдвига парадигмы: от Трафика к Ответам

Ниже представлена концептуальная схема, иллюстрирующая, как изменился путь пользователя и распределение трафика.

Парадигма поиска: Традиционный vs Генеративный (AI)

Эра поисковых систем (Traditional Search Engine)

<!-- Шаг 1 -->
<rect x="30" y="55" width="140" height="50" fill="#ffffff" rx="6" stroke="#64748b" stroke-width="2"/>
<text x="100" y="85" font-family="system-ui, sans-serif" font-size="14" font-weight="600" text-anchor="middle" fill="#0f172a">Ключевой запрос</text>

<!-- Шаг 2 -->
<rect x="250" y="55" width="140" height="50" fill="#ffffff" rx="6" stroke="#64748b" stroke-width="2"/>
<text x="320" y="85" font-family="system-ui, sans-serif" font-size="14" font-weight="600" text-anchor="middle" fill="#0f172a">Индекс (Алгоритм)</text>

<!-- Шаг 3 -->
<rect x="470" y="55" width="140" height="50" fill="#ffffff" rx="6" stroke="#64748b" stroke-width="2"/>
<text x="540" y="75" font-family="system-ui, sans-serif" font-size="14" font-weight="600" text-anchor="middle" fill="#0f172a">Выдача (SERP)</text>
<text x="540" y="93" font-family="system-ui, sans-serif" font-size="12" text-anchor="middle" fill="#475569">10 синих ссылок</text>

<!-- Шаг 4 -->
<rect x="690" y="55" width="100" height="50" fill="#3b82f6" rx="6"/>
<text x="740" y="75" font-family="system-ui, sans-serif" font-size="14" font-weight="bold" text-anchor="middle" fill="#ffffff">Клик (Трафик)</text>
<text x="740" y="93" font-family="system-ui, sans-serif" font-size="12" text-anchor="middle" fill="#e0f2fe">на сайт автора</text>

<!-- Стрелки -->
<line x1="170" y1="80" x2="240" y2="80" stroke="#334155" stroke-width="3" marker-end="url(#arrowDark)" />
<line x1="390" y1="80" x2="460" y2="80" stroke="#334155" stroke-width="3" marker-end="url(#arrowDark)" />
<line x1="610" y1="80" x2="680" y2="80" stroke="#334155" stroke-width="3" marker-end="url(#arrowDark)" />

Эра ИИ-ответов (SGE, Perplexity, ChatGPT)

<!-- Шаг 1 -->
<rect x="30" y="75" width="140" height="50" fill="#ffffff" rx="6" stroke="#4f46e5" stroke-width="2"/>
<text x="100" y="95" font-family="system-ui, sans-serif" font-size="14" font-weight="600" text-anchor="middle" fill="#0f172a">Сложный промпт</text>
<text x="100" y="113" font-family="system-ui, sans-serif" font-size="12" text-anchor="middle" fill="#475569">Естественный язык</text>

<!-- Шаг 2 -->
<rect x="250" y="75" width="140" height="50" fill="#ffffff" rx="6" stroke="#4f46e5" stroke-width="2"/>
<text x="320" y="95" font-family="system-ui, sans-serif" font-size="14" font-weight="600" text-anchor="middle" fill="#0f172a">LLM + RAG</text>
<text x="320" y="113" font-family="system-ui, sans-serif" font-size="12" text-anchor="middle" fill="#475569">Синтез знаний</text>

<!-- Шаг 3 -->
<rect x="470" y="75" width="140" height="50" fill="#ffffff" rx="6" stroke="#4f46e5" stroke-width="2"/>
<text x="540" y="95" font-family="system-ui, sans-serif" font-size="14" font-weight="600" text-anchor="middle" fill="#0f172a">Прямой ответ</text>
<text x="540" y="113" font-family="system-ui, sans-serif" font-size="12" text-anchor="middle" fill="#475569">Генерация в UI</text>

<!-- Результат 1: Zero-Click -->
<rect x="690" y="50" width="100" height="45" fill="#fca5a5" rx="6" stroke="#ef4444" stroke-width="1"/>
<text x="740" y="68" font-family="system-ui, sans-serif" font-size="12" font-weight="bold" text-anchor="middle" fill="#7f1d1d">Zero-Click</text>
<text x="740" y="83" font-family="system-ui, sans-serif" font-size="10" text-anchor="middle" fill="#7f1d1d">Трафика нет</text>

<!-- Результат 2: Citation Click -->
<rect x="690" y="110" width="100" height="45" fill="#10b981" rx="6" stroke="#059669" stroke-width="1"/>
<text x="740" y="128" font-family="system-ui, sans-serif" font-size="12" font-weight="bold" text-anchor="middle" fill="#ffffff">Клик по цитате</text>
<text x="740" y="143" font-family="system-ui, sans-serif" font-size="10" text-anchor="middle" fill="#d1fae5">Глубокий интент</text>

<!-- Стрелки -->
<line x1="170" y1="100" x2="240" y2="100" stroke="#6366f1" stroke-width="3" marker-end="url(#arrowLight)" />
<line x1="390" y1="100" x2="460" y2="100" stroke="#6366f1" stroke-width="3" marker-end="url(#arrowLight)" />

<path d="M 610 100 C 640 100, 650 72, 680 72" fill="none" stroke="#6366f1" stroke-width="3" marker-end="url(#arrowLight)" />
<path d="M 610 100 C 640 100, 650 132, 680 132" fill="none" stroke="#6366f1" stroke-width="3" marker-end="url(#arrowLight)" />

---

1. Анатомия генеративного поиска: Как это работает

Чтобы понять, как оптимизировать контент, необходимо разобрать механику работы современных ИИ-поисковиков. В отличие от классического Google, который ищет совпадения ключевых слов в индексе, генеративные системы опираются на архитектуру RAG (Retrieval-Augmented Generation — генерация с дополненной выборкой).

Что такое RAG?

Большие языковые модели (LLM) сами по себе статичны (их знания обрываются на дате обучения) и склонны к галлюцинациям. Чтобы предоставлять точные и свежие ответы, используется RAG:

1. Retrieval (Поиск): При вводе запроса система сначала обращается к традиционному индексу (как Google) или специализированным векторным базам данных, чтобы найти наиболее релевантные страницы.
2. Augmentation (Дополнение): Извлеченный текст с этих страниц «скармливается» нейросети в качестве контекста (добавляется в невидимый промпт).
3. Generation (Генерация): LLM анализирует контекст и синтезирует итоговый связный ответ, расставляя ссылки-цитаты (citations) на источники, из которых она взяла факты.

Ключевые игроки на рынке

• Google AI Overviews (SGE): Блок генеративного ответа, появляющийся над классической выдачей. Он агрегирует информацию с 3-5 топовых сайтов, предоставляя пользователю выжимку. Если ответ полностью удовлетворяет интент, пользователь не скроллит вниз и не кликает по синим ссылкам.
• Perplexity AI: Поисковик нового поколения, который работает в формате чат-бота. Он делает параллельно несколько поисковых запросов, читает десятки сайтов в реальном времени и выдает подробное эссе со строгими ссылками на источники.
• ChatGPT Search: Интеграция веб-поиска (ранее через Bing) прямо в интерфейс ChatGPT, позволяющая модели обращаться к интернету для проверки фактов.

---

2. Смерть информационного (ToFu) трафика и Эпоха Zero-Click

В классической воронке продаж SEO-трафик делится на три уровня:

1. Top of the Funnel (ToFu): Информационные запросы (“Что такое CRM?”, “Как варить кофе”, “История маркетинга”).
2. Middle of the Funnel (MoFu): Сравнительные запросы (“AmoCRM vs Bitrix24”, “Лучшие кофеварки 2024”).
3. Bottom of the Funnel (BoFu): Транзакционные запросы (“Купить подписку AmoCRM”, “Цена DeLonghi Magnifica”).

ИИ убивает ToFu

Генеративные нейросети блестяще справляются с компиляцией общеизвестной информации. Если ваш контент представляет собой банальный рерайт Википедии или состоит из базовых определений, он больше не принесет трафика. Пользователь получит ответ прямо в интерфейсе поиска. Это называется Zero-Click Search (поиск без кликов).

По данным исследований, после массового внедрения AI Overviews в Google, сайты-словари, агрегаторы рецептов, порталы с базовыми инструкциями потеряли от 30% до 60% органического трафика. Нейросеть просто забирает их контент, синтезирует его в короткий абзац и оставляет пользователя на странице Google.

Куда смещается фокус?

LLM не умеют чувствовать, тестировать продукты физически или формировать независимые экспертные мнения. Следовательно, контент должен сместиться в сторону уникального человеческого опыта, глубокой экспертизы, собственных исследований и поляризующих мнений.

---

3. GEO и LLMO: Концепции оптимизации под нейросети

На смену классическому SEO приходят новые дисциплины:

• GEO (Generative Engine Optimization): Оптимизация контента для попадания в блоки ответов (AI Overviews) традиционных поисковиков (Google, Bing).
• LLMO (Large Language Model Optimization): Более широкое понятие. Это форматирование и структурирование данных так, чтобы любые языковые модели (включая ChatGPT, Claude, корпоративные RAG-системы) могли легко парсить, понимать и ссылаться на ваш бренд.

Традиционное SEO против GEO / LLMO

Характеристика	Традиционное SEO	GEO / LLMO
Главная цель	Ранжирование на позиции №1	Попадание в источники (Citations) генеративного ответа
Тип метрики	CTR, позиция, объем трафика	Доля упоминаний (Share of Voice), клики по цитатам
Ключевые слова	Точные вхождения (Exact Match)	Семантическая близость, контекст, ответы на сложные вопросы
Архитектура контента	Вода ради объема, плотность ключей	Информационная плотность (Information Gain), четкая структура
Авторитетность	Обратные ссылки (Backlinks)	Упоминания бренда (Brand Mentions), EEAT, уникальные данные
Формат подачи	Монолитный текст	Маркдаун, таблицы, списки, Q&A (вопрос-ответ)

---

4. Практические стратегии: Как оптимизировать контент под ИИ

Оптимизация под генеративный поиск — это не просто смена тегов. Это изменение самого подхода к созданию текстов. Ваш контент должен стать идеальной “пищей” (training data/RAG context) для нейросетей.

Ниже представлены ключевые технические и смысловые стратегии GEO.

4.1. Максимизация Information Gain (Информационной плотности)

Google и Perplexity получают на вход множество документов. Чтобы алгоритм выбрал именно вашу страницу в качестве источника для цитирования, в ней должна быть информация, которой нет у конкурентов.

• Добавляйте уникальную статистику: Данные ваших внутренних опросов, метрики вашей платформы.
• Мнения экспертов: Цитаты сотрудников, интервью. ИИ любит ссылаться на конкретные имена, так как это повышает уровень достоверности (Trust).
• Кейс-стади (Case Studies): Реальные истории использования с цифрами (“Как мы увеличили конверсию на 40%“).

4.2. Использование разметки и структурирования (Markdown & Schema.org)

Нейросети “читают” текст иначе, чем люди. Им проще парсить структурированные данные.

• Таблицы: LLM обожают таблицы. Если вы сравниваете два продукта, не пишите простыню текста — сделайте markdown-таблицу. Вероятность, что ИИ заберет вашу таблицу в свой ответ и поставит ссылку, возрастает многократно.
• Списки: Используйте нумерованные (ul/li) и маркированные списки для любых алгоритмов, чеклистов и рейтингов.
• Четкая иерархия заголовков: Соблюдайте строгую вложенность H1 -> H2 -> H3. Заголовки должны звучать как вопросы, которые могут задать пользователи (например, “Как настроить LLMO для блога?”).
• Schema Markup: Размечайте FAQ, HowTo, Article, Author. Семантическая паутина помогает ИИ быстрее понять сущности.

4.3. Фокус на EEAT (Experience, Expertise, Authoritativeness, Trustworthiness)

В эпоху, когда ИИ может сгенерировать 1000 статей за минуту, фактором ранжирования становится доказанный человеческий опыт.

• Experience (Опыт): Пишите от первого лица. “Я протестировал 10 CRM…”, “Наш опыт показывает…”. Нейросети обучены распознавать нарратив личного опыта и отдают ему приоритет при сложных запросах.
• Trust (Доверие): Прозрачность авторства. У каждого материала должен быть профиль автора с ссылками на его социальные сети (LinkedIn, Twitter), подтверждающими его реальность.

4.4. LLM Reputation Management (Управление репутацией в ИИ)

Ваш бренд должен стать “сущностью” (Entity) в векторном пространстве языковых моделей. Если пользователь спросит ChatGPT “Какое лучшее агентство по маркетингу в Москве?”, модель ответит на основе тех данных, которые она видела чаще всего в авторитетных источниках.

• Публикуйте PR-статьи на крупных платформах (Reddit, Habr, VC, Medium).
• Оптимизируйте свой бренд в Википедии и базах данных знаний (Knowledge Graphs).
• Добивайтесь упоминаний (Brand Mentions) без ссылок — для LLM текстовое упоминание бренда рядом с положительным контекстом так же важно, как и физическая гиперссылка для традиционного SEO.

4.5. Архитектура “Перевернутой Пирамиды” (BLUF - Bottom Line Up Front)

Модели при RAG-поиске парсят текст блоками (чанками). Обычно в базу попадают первые параграфы текста или участки с наибольшей плотностью ключевых слов.

• Давайте прямой, четкий и исчерпывающий ответ на вопрос в первом абзаце под заголовком.
• Не используйте долгих вступлений (“В современном быстро меняющемся мире…”). Сразу переходите к делу: “LLMO — это процесс адаптации…”.
• Оставляйте глубокий анализ, нюансы и мнения для последующих абзацев (туда пользователь перейдет, кликнув по цитате, если базового ответа ИИ ему не хватит).

---

5. Анатомия идеальной статьи для генеративного поиска

Чтобы ваш контент был максимально готов к эпохе GEO, используйте следующий чек-лист при его создании:

1. Title и H1: Содержат ключевую сущность и интент (вопрос или проблему).
2. TL;DR или Summary: Выжимка статьи в виде 3-4 буллитов сразу под H1. Идеальный кусок для захвата RAG-алгоритмом.
3. Таблицы данных: Как минимум одна смысловая таблица, сравнивающая концепции, цены или продукты.
4. Блок Q&A (Вопрос-Ответ): Микро-разметка частых вопросов. Формулируйте вопросы в точности так, как их задают голосом или в чатах.
5. Цитаты экспертов: Врезанные блоки цитат реальных людей с указанием их должностей.
6. Графики и уникальные изображения: ИИ-поисковики активно внедряют мультимодальность. Схемы (как SVG в начале этой статьи) могут попадать в генеративную выдачу.
7. Отсутствие “воды”: Каждое предложение должно нести смысловую нагрузку (Information Gain > 0).

---

6. Будущее: Что будет с контент-маркетингом?

Сдвиг в сторону SGE и Perplexity не убивает контент-маркетинг, но безжалостно очищает интернет от посредственности (Commodity Content). Если ваш контент можно легко сгенерировать с помощью базового промпта в ChatGPT, он больше не представляет ценности для бизнеса.

В будущем трафик станет меньше по объему, но значительно выше по качеству. Пользователи, которые будут переходить по цитатам из ИИ-ответов на ваш сайт, — это глубоко вовлеченные люди, которым не хватило поверхностного ответа машины. Они ищут ваш уникальный взгляд, ваш стиль, ваш опыт и вашу экспертизу.

SEO превращается из игры по манипуляции ключевыми словами в инженерию знаний (Knowledge Engineering). Маркетологам предстоит научиться упаковывать свои мысли в форматы, понятные векторным базам данных, сохраняя при этом живой человеческий голос, который заставит пользователя сделать тот самый клик.

Совет

Главное правило новой эры: Не пишите для того, чтобы ответить на простой вопрос. Пишите для того, чтобы стать первоисточником, на который сошлется ИИ при ответе на этот вопрос.

---

Документ создан в рамках адаптации стратегии Owned Media под реалии генеративного поиска (LLMO/GEO).