GEO и AI SEO: вероятностная выдача и роль традиционного SEO
Ключевые факты
- 1 Нейросети формируют рекомендации бренда на основе консенсуса источников в поисковой выдаче.
- 2 Ответы LLM вероятностны и гиперперсонализированы, что затрудняет оценку влияния.
- 3 Традиционное SEO остается базой для видимости в ИИ-помощниках, так как они используют поисковую выдачу для "заземления" ответов.
- 4 Отсутствие устоявшихся метрик в ИИ-SEO требует использования Share of Voice / Share of Model для оценки присутствия.
Нейросети, такие как LLM, формируют рекомендации бренда на основе консенсуса источников в поисковой выдаче. Если большинство источников негативны, LLM отразит эти опасения. Ответы нейросетей являются вероятностными и не детерминированными, в отличие от традиционного поиска. С развитием персонализированных ИИ-функций, таких как Google Personal Intelligence, оценка ситуации станет еще сложнее из-за гиперперсонализации ответов. Взаимодействие с ИИ-системами отличается от поисковых запросов: пользователи используют более длинные и контекстуальные промпты в диалоговой форме. Издатели сталкиваются с отсутствием статистики по пользовательским промптам и частоте появления сущностей в ответах ИИ-помощников, за исключением отчетов о grounding-запросах в Bing Webmaster Tools. В рамках GEO можно влиять на документы, используемые для обучения ИИ, и, что более важно, на результаты поиска Google, Bing и Яндекса, которые служат для "заземления" (grounding) ответов LLM. Большинство современных ИИ-поисков сначала выполняют традиционный поиск, а затем LLM генерирует ответ на основе найденных документов. Множество экспериментов показывают, что снижение видимости в обычном Google часто коррелирует с падением видимости в ChatGPT, что подчеркивает базовую роль SEO. Оценка влияния на бизнес затруднена из-за редких кликов по источникам в ИИ-ответах, неполного учета трафика из ИИ-помощников и совпадения рефереров генеративных ответов с обычным поиском. В этой развивающейся области отсутствуют устоявшиеся метрики. В настоящее время используются показатели доли упоминаний и тональности (Share of Voice / Share of Model) для бенчмаркинга и оценки вероятности присутствия в ИИ-ответе. При этом важно учитывать, что поисковые системы стали наиболее посещаемыми ИИ-помощниками, и их "удельный вес" в отчетах должен быть максимальным.