AI меняет правила поиска. Теперь все решают данные, а не лендинг
Что происходит, когда в AI‑поиске предварительный отбор делает не человек, а алгоритм, сравнивающий разные предложения. Почему в этой модели оптимизация контента и лендингов больше не дает конкурентного преимущества сама по себе, если продуктовые данные, цена и условия проигрывают.
ChatGPT, Perplexity и другие аналогичные системы превращаются в отдельный канал продаж.
По данным Adobe Analytics, в период Черной пятницы 2025 года трафик из AI-search в интернет‑магазины США вырос в восемь раз (+805% год к году), а конверсия в этом случае на 38% выше, чем у переходов из обычных поисковиков и рекламы.
McKinsey ожидает, что к 2030 году объем совершаемых таким образом покупок составит 3–5 трлн долларов в год.
Крупные американские магазины и технологические компании уже разрабатывают единые стандарты, чтобы AI могли работать с их каталогами напрямую. OpenAI и платежный сервис Stripe запустили первый такой чекаут в ChatGPT. Искусственный интеллект помогает пользователю выбрать товар и оформить заказ прямо в чате, а человек подтверждает покупку одним нажатием, без перехода на сайт.
Яндекс Нейро и падение SEO‑трафика в Рунете
В России наблюдается тот же процесс. Яндекс Нейро уже формирует нейроответы на коммерческие запросы. Например, сравнение продуктов, советы их по выбору. Сайты без структурированных данных в выдачу AI не попадают.
По данным Brand Analytics, в 2025 году российские компании потеряли 33-38% органического трафика. Потому что пользователь получает ответ прямо в поиске и дальше на сайт не идет.
При этом объем e‑commerce в России уже превысил 10 трлн рублей и продолжает прибавлять десятки процентов ежегодно. То есть покупок становится больше, но путь к ним меняется. Все чаще AI берет на себя поиск и сравнение, а человек выбирает уже из того, что отобрано машиной.
Как магазину попасть в нейровыдачу
Интернет‑магазины могут подключиться к протоколу Yandex Commerce Protocol (YCP), чтобы передавать свою информацию по товарам прямо в ИИ‑сервисы Яндекса. Это российский аналог протоколов UCP/ACP в западной агентной коммерции. Без него LLM не видит ваш каталог целиком.
В «Алисе AI» запущен агент «Найти дешевле». Он ищет товары по всему Рунету, сравнивает ценовые параметры и показывает подборку прямо в чате. Покупатель выбирает подходящий вариант и оформляет заказ в один клик, не заходя на сайт магазина.
Для ритейлера это новый канал продаж, для AI — еще один источник данных, который он учитывает при сравнении офферов.
Почему оптимизации под AI-выдачу недостаточно
У оптимизации под ИИ‑поиск (GEO, Generative Engine Optimization) и answer engines (AEO, Answer Engine Optimization) свои правила, отличные от классического SEO.
Чтобы сайт вообще попал в поле зрения нейросетей, нужны:
- Schema‑разметка,
- FAQ‑блоки,
- табличные сравнения,
- упоминания в медиа и «цифровой след».
Дальше начинается выбор. ИИ «видит» ваш сайт в AI‑search и сразу сопоставляет ваше предложение с конкурентами по структурированным данным:
- стоимости,
- условиям,
- наличию,
- срокам доставки,
- отзывам,
- политике возврата.
Если продукт проигрывает по этим показателям, никакая разметка и идеальный GEO‑контент не вытащат вас в рекомендацию, хотя вы можете попасть в нейропоиск.
Не читает лендинг, а парсит данные
Когда пользователь задает запрос нейросети, она не открывает сайты и не читает описания. Порядок ее работы принципиально отличается от привычного поиска.
ИИ последовательно:
- запрашивает структурированную информацию (JSON-LD, Product Schema, ценовые фиды);
- сопоставляет цены, характеристики, рейтинги, остатки;
- если сведений не хватает или они противоречивы, просматривает текстовый контент.
Продукт с посредственным SEO, но полными данными попадает в рекомендации AI чаще, чем аналог из первой десятки выдачи поисковых систем с неполной Schema. Искусственный интеллект видит JSON-LD раньше, чем title-тег.
Пример. Два агентства занимаются контекстной рекламой. У первого детальная страница услуг с прайсом, сроками и пунктами договора в соответствующем формате. У второго красивый лендинг с кейсами и историей основателя, но без машиночитаемых данных об условиях работы. AI, которому поручили найти подрядчика, порекомендует первое. Потому что понимает его лучше.
Как точно формулирует аналитик Кевин Индиг: «В мире GEO маркетинг — это архитектура данных».
Структурированный продуктовый фид стал тем, чем раньше была домашняя страница.
Объективное сравнение
AI оценивает продукты по конкретным атрибутам, перечисленным выше. Маркетинговые формулировки и сторителлинг он игнорирует, потому что анализирует поля в данных, а не нарративы.
Если ваш продукт по объективным параметрам не отличается от более дешевого аналога, нейросеть выберет конкурента. Для premium‑брендов это отдельная проблема. При высокой стоимости им необходимо прописать в машиночитаемом формате все ключевые преимущества (гарантия, сертификаты, страна производства, состав).
Скрытые комиссии — теперь фактор отсева
AI сравнивает полную стоимость покупки, исходя из цены товара, скрытых комиссий, расходов на логистику, скидок. Если ценовой показатель на странице расходится с тем, что указано в Schema‑разметке или фиде, вероятность попасть в рекомендацию снижается.
Например: магазин показывает 2 990 рублей, но доставка добавляется только при оформлении заказа, а в разметке стоит другая цифра. Нейросеть видит это расхождение и выбирает конкурента с прозрачным ценообразованием, даже при сопоставимых суммах.
Поэтому информация должна совпадать везде!
Хороший продукт без данных проигрывает посредственному с правильной разметкой
ИИ‑модели при формировании рекомендаций ориентируются на то, что можно измерить и проверить: структурированные данные, количество упоминаний в независимых источниках, уровень «согласованности» информации в сети. И это вне зависимости от реального качества продукта.
То есть небольшое производство с превосходным продуктом, но без нормального фида и отзывов на агрегаторах, в нейровыдаче не появится. Там будет конкурент с полной и правильно размеченной информацией. То есть грамотно настроенная data‑инфраструктура дает структурное преимущество.
УТП в тексте AI не видит, переводите в атрибуты
Нейросеть не «прочитает» ваш маркетинговый текст и не «извлечет» из него УТП. Если страница копирует общее описание категории, у нее нет причин цитировать именно вас. Та же информация есть на тысяче других сайтов.
Каждое преимущество нужно перевести в отдельный машиночитаемый атрибут:
- Лучшая гарантия в отрасли → поле warranty в Offer.
- Доставка за 24 часа → deliveryTime , обновляемое в реальном времени.
- Сертификаты качества → additionalProperty с конкретными значениями.
- Локальное производство → countryOfOrigin, подтвержденный в независимых источниках
- Уникальная комплектация → явные поля состава.
- TCO или ROI‑обоснование → FAQ с цифрами и прозрачной методологией расчета.
Пример. Компания продает промышленные фильтры и на странице пишет: «Надежная продукция с многолетней историей». Конкурент указывает в Schema: гарантия 5 лет, срок замены 18 месяцев, сертификат ISO 9001, страна производства Германия. При одинаковой цене агент порекомендует второго, потому что умеет это проверить.
Табличный формат контента проще извлечь. Потому когда сравниваете характеристики, делайте это структурированными полями, а не маркетинговым описанием.
Ловушка для типовых продуктов
Если ваш продукт ничем не отличается от товара конкурентов, GEO поможет попасть в нейровыдачу, но не продать. AI сравнит цены и выберет самый дешевый вариант.
Процесс идет одновременно и у вас, и у ваших конкурентов. Когда все видят, что конверсия падает, то начинают снижать цену. Вкладываться в GEO без работы над отличием продукта значит тратить деньги на трафик, который все равно уйдет к конкуренту с более дешевым предложением.
Выход — найти отличие, которое можно выразить конкретно: быстрая доставка, сильная политика возврата, сертификаты, уникальная комплектация, экспертное сопровождение. Все это должно быть в данных, иначе оно не учтется.
B2B ниша
В корпоративных закупках сдвиг происходит быстрее, чем в рознице. По прогнозу Gartner, к 2028 году 90% B2B‑сделок будут проходить с участием AI в совокупности более 15 трлн долларов закупок.
Одна из крупнейших платформ для корпоративных закупок SAP интегрировала в свои продукты ИИ‑агента Joule с функцией Tender Analysis Agent. Он автоматически разбирает тендерные предложения (извлекает требования, сравнивает поставщиков по цене, срокам доставки, условиям оплаты и рискам) и выдает рекомендацию. То, что раньше занимало у закупщика несколько дней в таблицах, выполянется за минуты.
Для B2B‑продавца это означает конкретное изменение. Оценивается только то, что можно прочитать и сравнить: надежность поставок, SLA поддержки, совокупная стоимость владения, соответствие стандартам. Все это должно быть в данных, а не в PDF с коммерческим предложением.
Вывод
SEO и контент по‑прежнему нужны. Они обеспечивают базовую видимость в поиске и помогают вообще «найти» вас. Но когда идет анализ предложения, решающее значение имеет техническая и коммерческая информация. Поисковая оптимизация формирует входящий трафик, но дальнейший отбор проходит по критериям рыночной конкурентоспособности.
GEO и AEO — это новые каналы для интернет-маркетинга. Выигрывают те компании, которые перестраивают свою стратегию, с учетом них. Более подробно об особенностях оптимизации под AI-поиск в аналистической статье https://pragmatix.digital/seo-aeo-geo-optimizatsia-saita-v-2026-godu.
Материал подготовлен специалистами PRAGMATIX DIGITAL на основе исследований eMarketer, McKinsey, Microsoft, Google, Shopify, Gartner, Forrester, BigCommerce, DigitalApplied, Sanbi.ai и других источников за 2025–2026 год.
Комментарии