GeoAeoAleНезависимое медиа об AI-поиске
Написать статью ↗Исследования, наблюдения и практический опыт о видимости в ответах машин.
Google описал отдельную отчётность для AI Overviews и AI Mode. Она помогает наблюдать показы и клики внутри Google Search, но не раскрывает ranking score, полный набор использованных источников или причинную связь между изменением страницы и появлением ответа.
Perplexity документирует PerplexityBot для поискового обхода и Perplexity-User для получения страницы по пользовательскому запросу. Совпавшие User-Agent и официальный IP помогают классифицировать fetch, но ни одна роль сама по себе не доказывает, что страница появилась ссылкой в ответе.
Главный вывод недели: техническая доступность и обычная поисковая пригодность остаются базой для AI-поиска, но fetch, показ, цитата и переход — разные события. Новая отчётность полезна только тогда, когда у каждого показателя есть собственное определение, период и источник данных.
Цитируемость начинается не со специального AI-тега, а с доступной страницы, ясного утверждения и проверяемого источника рядом с ним. Сущность нужно назвать одинаково, определить её границы и связать с датой, методом и первичной документацией. Затем редактор проверяет, может ли независимый читатель найти тезис в HTML и понять, какую часть источника он подтверждает. Это повышает проверяемость, но не гарантирует retrieval или ссылку в конкретном ответе.
GEO, AEO, AIO и AI SEO не являются единым официальным стандартом. Их лучше использовать как ярлыки разных задач: доступность страницы, понимание её смысла, доказательность, извлечение фрагмента, качество ответа, ссылка и переход. Google прямо рекомендует обычные поисковые основы для AI-функций и не требует специальной AI-разметки. Поэтому задача редактора — не угадать секретный формат модели, а сделать утверждения проверяемыми, страницы доступными и каждое изменение измеримым. Такой подход полезен и для небольшого проекта, и для большой редакции: он показывает, какую часть цепочки вы изменили, какие данные подтверждают результат и где начинается зона, которую контролирует оператор платформы.
AI-ответ не является прозрачным журналом поиска. Можно наблюдать запрос бота, опубликованный ответ и показанные ссылки, но нельзя по одной цитате восстановить полный retrieval trace, веса источников или внутреннее рассуждение. Google описывает query fan-out как возможный способ разложить сложный вопрос на дополнительные запросы; это документированная возможность конкретной системы, а не универсальное правило для всех answer engines.
AI-видимость нужно измерять как набор отдельных наблюдаемых событий: доступность URL, fetch, упоминание, ссылка, релевантность ссылки и переход. Заранее зафиксируйте панель вопросов, язык, страну, режим, дату и правило оценки; сохраняйте полный ответ и URLs. Отчёт показывает числитель и знаменатель, а причинные выводы помечает как гипотезы. Так команда видит изменение поверхности и не обещает результат, который контролирует платформа.
Основной материал должен быть доступен в серверном HTML, URL — отдавать правдивый статус, а canonical, hreflang, sitemap и robots — соответствовать реальной структуре сайта. Это устраняет барьеры для совместимых краулеров. Это не гарантирует обход, индексацию, retrieval или citation; приватные данные защищают авторизацией, а не robots.txt.
Лог веб-сервера доказывает получение ресурса конкретным запросом. Он не доказывает retrieval, использование факта, показ ссылки или переход пользователя. Для каждого утверждения нужна отдельная цепочка сохранённых артефактов.
Публичные документы семи поверхностей описывают разные режимы доступа и поиска, но не раскрывают единую формулу выбора источника. Проверяйте доступность, обнаружение, ссылку и цитирование как отдельные события.
Чтобы понять, изменился ли смысл документации, одного diff сырого HTML недостаточно. Снимайте открытый URL, нормализуйте шумные элементы, сравнивайте извлечённый текст и структуру, а затем вручную проверяйте потенциально значимые фрагменты. Результат этого материала — методология и пилотный протокол, а не количественная оценка: числовые наблюдения нужно получить при фактическом запуске эксперимента.
Google отделяет допуск сайта к AI-ответам от фактического выбора, разные системы используют разные домены, а научный эксперимент показывает влияние репутационных сигналов в узкой задаче. Google Play добавляет отдельную границу доступности приложения, а Perplexity — границу между моделью и поисковой поверхностью. Это границы измерения, а не универсальные рецепты продвижения.