Что из продвижения сайта уже можно отдать нейросети для оптимизации процесса SEO
Осенью 2026 года прошла отраслевая онлайн-конференция по поисковому и генеративному продвижению, где практики один за другим рассказывали примерно одно и то же разными словами. Нейросети действительно забрали у оптимизаторов большую часть рутины. Забрали ровно ту часть, которую и раньше никто не считал главной. С остальным вышло сложнее.
Спор о том, что можно передать модели, упирается в вопрос, что вообще входит в продвижение сайта. Список длинный, от технической диагностики и семантического ядра до перелинковки, внешних ссылок, юзабилити и аналитики, и подробный разбор по каждому направлению собран на goldenstudio.ru . По этому списку и стоит пройти, чтобы понять, где машина уже справляется сама, а где ломает результат.
Сбор и агрегация данных ушли машине первыми
Один из докладчиков привёл сравнение долей внутри своей команды. Четыре года назад около 80% рабочего времени уходило на добычу и сведение данных и только 20% оставалось на гипотезы с внедрением. Сейчас пропорция перевернулась. Пять процентов на данные, девяносто пять на работу с ними.
Технический аудит его команда перестала делать руками весной 2026 года. Раньше сотрудник запускал краулер, заходил в Яндекс.Вебмастер и Google Search Console, выгружал таблицы и сводил их между собой. Теперь обход запускается по расписанию в субботу вечером, данные собираются автоматически, и в понедельник утром оптимизатор открывает готовый отчёт.
Второй пример нагляднее. На аудит пришла сеть клиник с двадцатью филиалами и пятнадцатью сайтами, накопленными при покупке региональных клиник. Руками такая проверка заняла бы три недели. Требования к странице услуги описали машиночитаемым чек-листом в формате JSON, краулер обошёл сайты, модель проставила галочки по этому чек-листу. Сорок минут вместо трёх недель.
Здесь есть оговорка, которую проговорили отдельно. Нейросеть работает по регламенту, который для неё написали люди. Запрос вида «проанализируй сайт и сайт конкурента, какой лучше» даёт каждый раз новый ответ, цифры перестают сходиться между отчётами, и первым это замечает клиент.
Тексты модель пишет, редактора это не отменяет
Массовая генерация статей оказалась самой переоценённой частью истории. Тысяча сгенерированных текстов не даёт тысячу новых причин рекомендовать сайт, потому что одинаковый машинный поток не любят ни читатели, ни модели, ни площадки с пользовательским контентом.
Позиция Google описана в документации по спам-политикам прямой формулировкой. Нарушением считается массовое производство неоригинальных страниц ради ранжирования, «no matter how it's created», то есть независимо от способа создания. Первым примером в официальном списке идёт генерация множества страниц с помощью ИИ-инструментов без добавленной ценности для пользователя. Ручной рерайт наказуем ровно так же, машина здесь ни при чём.
Совет по старым материалам прозвучал ещё жёстче. Если на сайте лежат информационные тексты, сгенерированные разом и без правки, их лучше скрыть из видимой части и отправить в переработку. Обезличенные статьи без указанного автора вызывают мало доверия и у поисковых роботов, и у читателя.
Гипотезы и точки роста остаются людям
Отчёт клиенту в командах, которые уже перестроили процессы, собирается из трёх частей. Шапка и выгрузки по трафику, позициям и выполненным работам делаются автоматически. Третья часть, гипотезы и точки роста, пишется руками. Формулировка прозвучала без кокетства. Полностью отдавать эту часть модели никто пока не рискует.
Логика здесь та же, что и с автоматизацией любого производства. Нейросеть работает множителем. Выстроенные процессы, разложенные по папкам скрипты и написанные инструкции умножаются на десять. Хаос умножается на десять тем же самым множителем и остаётся хаосом.
Топ-10 перестал гарантировать цитирование
Самая интересная часть конференции держалась на цифрах исследования, которое провёл один из российских сервисов продвижения на собственной базе. Коммерческую семантику прогнали через ИИ-ответы Алисы и Google AI Overviews, сделав около двухсот тысяч замеров по четырём тысячам сайтов и двумстам восьмидесяти регионам.
Первое наблюдение касается охвата. ИИ-ответ появляется меньше чем по половине коммерческих запросов в Алисе и больше чем по шестидесяти процентам в Google. Значительная часть коммерческой семантики генеративными ответами вообще не затронута.
Дальше цифры становятся приятнее. Запросы, по которым сайт стоит в топ-10, дают цитирование почти в 79% случаев у Алисы и чуть больше 80% у AI Overviews. За пределами первой десятки цитируемость резко падает в обеих системах. Позиции в органике остаются фундаментом, без них разговор про видимость в нейроответах не начинается.
А вот третье наблюдение ломает привычную схему работы. Совпадение запросов, по которым ИИ-ответ появляется одновременно у Алисы и у Google, составляет всего 24%. Больше чем в половине случаев позиция в топ-10 Яндекса не даёт попадания в ответ Алисы, тогда как у Google мимо AI Overviews проходит меньше четверти таких страниц. Строить стратегию под одну систему бессмысленно.
Отдельно отмечена реакция на коммерческие маркеры. Приписки вроде «купить оптом» Алиса встречает холодно, Google на них реагирует заметно лояльнее. Длина запроса тоже работает в разные стороны — чем длиннее фраза, тем чаще появляется ответ в AI Overviews и тем реже в Алисе.
Чем Яндекс объясняет отбор источников
Механику Яндекс раскрыл на своей конференции «День Поиска» 7 апреля 2026 года. Алиса не ищет отдельно от поиска. Она делает несколько обычных поисковых запросов, отбирает из результатов самые качественные страницы и собирает нейроответ уже из них. Базой попадания остаётся обычная поисковая оптимизация.
Критерии отбора Яндекс свёл в аббревиатуру ЭПОС — экспертность, полезность, оригинальность, содержательность. Экспертность означает материалы авторов с реальным опытом, с информацией о самих авторах и компании. Полезность упирается в удобство чтения на смартфоне и отсутствие перекрывающих контент баннеров. Оригинальность в формулировке Яндекса ценностная, формальный процент уникальности её не заменяет. Старая известная информация, пересказанная новыми словами, оригинальной не считается. Содержательность требует полноты раскрытия темы и отдельно запрещает писать часть текста ради объёма.
Тогда же в Яндекс.Вебмастере появился инструмент «Видимость сайта в Алисе AI». Он показывает долю запросов, где площадка упомянута как источник, примеры самих запросов и сайты похожей тематики, которые попадают в генеративный ответ чаще.
Ссылки и упоминания живут по разным правилам
На конференции развели два типа внешней работы. Для классического продвижения ценится анкорная ссылка с нужным ключом и метрики донора. Для попадания в ответы нейросетей важнее контекст упоминания, формулировка вида «компания X — один из лидеров в области Y», и то, чтобы площадка была трафиковой и сама стояла в топе выдачи.
Второе требование звучит скучно и срабатывает жёстко. Данные о компании на разных площадках должны совпадать. Если в Яндекс Картах и Google Картах у одной организации указаны разные адреса, проверить информацию модель не может и предпочитает не показывать такую компанию вовсе.
К этому идёт поправка на качество. Сто упоминаний не равны ста единицам доверия, и одна публикация в крупном деловом издании способна перевесить сотню упоминаний на слабых площадках. Попытка написать о себе везде, куда дотянешься, скорее приведёт к спам-фильтру.
Почему трафика из чат-ботов пока нет
Самая отрезвляющая цифра прозвучала по одному из крупнейших сайтов Рунета с десятками миллионов переходов в сутки. Переходов из нейросетей аналитика фиксирует около десяти тысяч в месяц. Даже с поправкой на то, что часть переходов теряется при разрыве цепочки меток, порядок величин говорит сам за себя.
Отсюда вывод, неудобный для рынка. Работа на видимость в чат-ботах имеет смысл как верхний этап воронки, где человек формирует мнение о компании, примерно как раньше формировал его по отзывам на картах. Ждать оттуда прямых продаж в ближайший месяц не приходится. Потери информационных проектов после появления генеративных ответов оценивают в 30–40% трафика, и вот это касается уже всех, кто живёт на статьях.
С чего начинать проверку своего сайта
Формат тридцатидневного теста выглядит так. Собрать от десяти до тридцати запросов, которые точно описывают бизнес, снять по ним текущую картину в Алисе и в AI Overviews, посмотреть, кого цитируют вместо вас и в какой тональности.
Дальше берутся страницы, которые уже стоят в топ-10, но цитирования не получают. Их прорабатывают первыми. Потом страницы со второй страницы выдачи, которые реально дотянуть до первой. В работу идут структура заголовков, блоки с частыми вопросами, таблицы и списки, указание источников, актуальные цены и обновление устаревших материалов.
Повторный замер через две-четыре недели покажет направление движения. Разброс в ответах нейросети нормален, поэтому проверять видимость стоит двумя-тремя прогонами, а не одним.
Что из этого следует для небольшого сайта
Картина складывается неожиданно бодрая для тех, кто пишет сам. Машина забрала выгрузки, сведение таблиц, проверку по чек-листам и черновики текстов, то есть работу, за которую и раньше никто не любил платить дорого. Всё, что осталось людям, оценивается теперь выше — экспертность автора, собственные факты, согласованность данных о компании по всей сети.
Занятно, что критерии Яндекса и спам-политика Google сошлись в одной точке с разных сторон. Обе требуют ценностной оригинальности, которую процент уникальности в проверочном сервисе не заменяет. Сайту, который умеет в это, генеративная выдача скорее помогает. Сайту, который три года выезжал на переписанных чужих статьях, теперь просто некуда деваться.
