Генеративный поиск: как устроен и что меняет для сайта

Коротко: генеративный поиск — ответ нейросети, собранный поверх обычного индекса: система разбивает вопрос на подзапросы, находит страницы и пересказывает их фрагменты со ссылками. Страница вне индекса в ответ не попадёт. Поэтому сайту нужны позиции и законченные абзацы, а результат проверяют по видимости бренда в ответах, а не по кликам.

Допустим, покупатель спрашивает у Алисы AI или ChatGPT, к кому обратиться в вашей категории. Он получает готовый текст, где названы несколько компаний и стоят ссылки на источники. Хорошие позиции в обычной выдаче не гарантируют места в этом тексте, а отчёты о трафике не показывают, попал ли туда сайт. Мы в Звонко сравнили по документации и внешним исследованиям, как такие ответы собирают Google, Алиса AI, ChatGPT и Perplexity: схема у всех одна, а условия для сайта разные.

Как устроен генеративный поиск и как нейросети находят сайты

Генеративный поиск строит ответ в пять шагов: разбирает вопрос, ищет документы по индексу, отбирает фрагменты, пересказывает их и добавляет ссылки на источники. Так нейросети находят сайты: о свежих страницах модель узнаёт от поиска, а не из того, на чём её обучали. Этот путь в своей документации описывают Google, Яндекс и Perplexity, различаются детали.

Google называет первый шаг query fan-out: система выполняет несколько связанных поисков по подтемам и источникам данных. В анонсе AI Mode компания уточняет, что вопрос разбивается на подтемы и по ним параллельно уходит множество запросов, а режим Deep Search может сделать сотни поисков и собрать отчёт со ссылками. Яндекс при запуске поиска с Алисой описал планирующую модель, которая составляет структуру ответа и формирует поисковые запросы, и генерирующую модель, собирающую найденное в один материал. У Perplexity три шага: понять вопрос, найти информацию, свести её в ответ с нумерованными ссылками.

Научная основа у этой схемы одна — RAG, связка генеративной модели с внешним индексом документов. В статье Lewis и соавторов (NeurIPS 2020) модель с извлечением документов писала более точный и разнообразный текст, чем та же модель без него. Как RAG работает на практике и какие сайты берёт Алиса, мы разбирали в статье что такое RAG.

Чем генеративная выдача отличается от обычной

Генеративная выдача отвечает на вопрос текстом, обычная предлагает перейти на страницу. Единицей отбора в генеративной выдаче становится фрагмент страницы, остальное в основном совпадает, потому что оба режима берут документы из одного индекса.

Для сайта из таблицы следуют две вещи. Работа над индексацией и позициями остаётся нужной: без неё страница не попадёт в набор, из которого модель выбирает. А внутри страницы теперь важен каждый абзац: модель забирает кусок текста, и если ответ размазан по трём экранам, взять нечего.

Чем различается генеративный поиск у Google, Алисы AI, ChatGPT и Perplexity

Схема у четырёх систем одна, а условия для сайта у каждой свои, поэтому правило одной системы на другую не переносится.

Google AI Overviews и AI Mode. Страница должна быть проиндексирована и иметь право на показ в Поиске со сниппетом, других требований нет; показ при этом не гарантирован. Ограничить его можно через nosnippet, data-nosnippet, max-snippet или noindex. Подробно режим разобран в статье про Google AI Mode.

Алиса AI. По итогам второго квартала 2026 года быстрые ответы Алисы AI показываются по 42% запросов, их аудитория — 49,5 млн человек в месяц (это данные самого Яндекса). Ответы опираются на поиск Яндекса, и, по замеру Ашманова и партнёров, сайты не из топ-10 попадают в них всё реже. Как попасть в такие ответы, описано в материале про ответы Алисы.

ChatGPT search. Сайты в ответы поиска приводит бот OAI-SearchBot: он показывает сайты в результатах поиска ChatGPT. GPTBot собирает данные для обучения, а ChatGPT-User работает по запросу пользователя, и правила robots.txt к нему могут не применяться. Что делать с этими ботами, написано в статье про GPTBot и robots.txt.

Perplexity. PerplexityBot показывает сайты в выдаче Perplexity и ставит на них ссылки, для обучения моделей не используется. Бот Perplexity-User, который действует по запросу пользователя, правила robots.txt, как правило, не соблюдает.

Нужно ли сайту быть в топ-10 поиска, чтобы попасть в ответ нейросети

Зависит от системы: ответы Алисы AI опираются на топ-10 поиска всё теснее, а в Google AI Overviews заметная доля ссылок ведёт на страницы ниже первой десятки.

По данным Ашманова и партнёров, за полгода доля сайтов не из топ-10 в ответах Алисы упала с 40% до 10%. Авторы предполагают, что Яндекс усилил привязку ответа к топу поиска. Замеры проводили на запросах по десяти подкатегориям e-commerce, для других тематик цифра может отличаться.

В Google картина другая. В июле 2025 года Ahrefs разобрал 1,9 млн цитат и насчитал, что 76% ссылок в AI Overviews ведут на страницы из топ-10. Остальные распределились так: 9,5% — на позиции с 11-й по 100-ю, 14,4% — на страницы ниже сотой позиции. Методики у двух исследований разные, сравнивать цифры напрямую нельзя.

Для практики это значит одно: позиции в обычной выдаче дают странице шанс, особенно в Яндексе, а попадание в ответы надо проверять по каждой системе отдельно.

Сколько переходов на сайт даёт ссылка в ответе нейросети

Мало: по данным Pew Research Center, по ссылке внутри ИИ-сводки Google переходят в 1% визитов. Исследователи Pew наблюдали за 900 взрослыми в США и разобрали 68 879 поисков за март 2025 года. Цитата в ответе даёт бренду видимость, но переходов почти не приносит.

Ahrefs смотрел не на людей, а на данные Search Console по 300 000 ключей. По его подсчёту, наличие AI Overview совпадает с CTR первой позиции на 34,5% ниже, и сам Ahrefs называет это корреляцией, а не доказанной причиной. Как Google AI Mode влияет на трафик, мы разбирали в статье про Google AI Mode.

Есть и обратная сторона. По данным Seer Interactive, у бренда, процитированного в AI Overview, органический CTR 0,70% против 0,52% у не процитированного. Seer сам оговаривает, что причинность не доказана: сильные бренды и так цитируют чаще. Судить о работе с генеративным поиском только по кликам поэтому не получится.

Как измерять видимость брендов в ответах генеративного поиска

Видимость бренда измеряют по ответам нейросетей на контрольные вопросы: берут вопросы, которые задают покупатели, задают их каждой системе и записывают, назван ли бренд, есть ли ссылка на сайт и кто назван рядом. Работу над тем, чтобы бренд появлялся в таких ответах, называют GEO, и замер — её первый шаг.

Готовой отчётности для этого нет. Google не выделяет трафик из ИИ-функций в Search Console: он входит в общий отчёт Performance с типом Web. Переходы из чат-ботов можно найти в Метрике, как показано в статье про переходы из нейросетей в Метрике, а упоминания без перехода видны только при проверке самих ответов. Как сделать это вручную, описано в материале как проверить, называет ли вас нейросеть.

Генеративный поиск и GEO как дисциплину связала статья Aggarwal и соавторов (KDD 2024): авторы ввели термин и показали, что приёмы оптимизации повышают видимость в ответах до 40%. Это максимум на их тестовом наборе, и по тематикам результат сильно различается. Как соотносятся GEO и SEO, мы разобрали в статье GEO или SEO для нейросетей.

Что сделать сайту, чтобы попадать в ответы генеративного поиска

Порядок такой: сначала индекс и доступ ботов, потом фрагменты, потом замер. Без первого шага остальные не сработают.

1. Проверьте индексацию и сниппет. Страница должна быть в индексе и без noindex, nosnippet и жёсткого max-snippet. Для Google это единственное формальное условие.
2. Разрешите поисковых ботов. В robots.txt отдельно откройте OAI-SearchBot и PerplexityBot, если хотите попадать в ответы ChatGPT и Perplexity. Изменения robots.txt OpenAI учитывает примерно за сутки. GPTBot можно закрыть отдельно: он собирает данные для обучения.
3. Пишите законченными фрагментами. Абзац под заголовком в форме вопроса даёт ответ в первом предложении и читается без остальной страницы.
4. Держите позиции в обычной выдаче. Для Алисы AI это особенно важно; как мы работаем с ответами Яндекса, описано на странице продвижения в Алисе AI.
5. Измеряйте видимость отдельно от трафика. Один набор контрольных вопросов, раз в месяц или чаще, по каждой системе отдельно. Так мы в Звонко строим продвижение в нейросетях: замер до работ и после, по одним и тем же вопросам.

Ранжирование даёт странице шанс, законченный фрагмент даёт цитату, а замер видимости показывает, сработало ли это. Новых файлов и особой разметки для Google не нужно: компания прямо пишет, что дополнительных оптимизаций для AI Overviews нет.

Открытым остаётся вопрос, сколько клиентов цитата приносит сама по себе. Данные Seer показывают, что процитированные бренды получают больше кликов, но не отвечают, что здесь причина, а что следствие. Пока ответа нет, мы считаем видимость в ответах отдельной метрикой и не пересчитываем её в заявки.

ОБ АВТОРЕ

Дмитрий Зимин Сооснователь Звонко. 12 лет в маркетинге и медиа, бывший главред спортивных СМИ