Топ-10 Google пока ведёт в ИИ-ответы. Три сигнала, что правила скоро сменятся

Принято считать, что ИИ-ответы уже изменили поиск. Я так не думаю. Под капотом поиск по-прежнему ранжирует страницы в два этапа, и хорошее SEO до сих пор ведёт прямо в цитаты ИИ. Но в 2026 году Google сделал три шага, после которых стоит готовиться к настоящим переменам: опубликовал теоретическую базу для ранжирования без этой схемы, начал платить издателям за вклад в ИИ-ответы и открыл по ним отчёт в Search Console.

Как поиск ранжирует сейчас: два этапа

В феврале 2026 года исследователи Google DeepMind опубликовали статью «Autoregressive Ranking: Bridging the Gap Between Dual and Cross Encoders». Её вступление — хорошее краткое описание того, как устроено ранжирование сегодня. Доминирующая схема двухступенчатая:

• Dual Encoder (DE) — быстрый отбор. Запрос и документы превращаются в векторы, и из огромного корпуса быстро выбираются ближайшие кандидаты. Быстро, но грубо: вся связь между запросом и документом сжата в одно число сходства.
• Cross Encoder (CE) — точная переранжировка. Модель читает запрос и каждый документ-кандидат вместе и выставляет точную оценку. Для всего корпуса это слишком дорого, поэтому CE работает только на отобранных кандидатах.

Оговорка: статья описывает стандартную практику информационного поиска, а не внутреннее устройство Google Search. Но логика у схемы универсальная. Чтобы попасть в точную переранжировку, страница сначала должна пройти грубый отбор.

Поэтому хорошее SEO пока работает и для ИИ-ответов

Данные это подтверждают. Ahrefs проанализировал 1,9 млн цитат из 1 млн AI Overviews:

• 76,1% процитированных страниц стоят в топ-10 Google;
• ещё 9,5% — на позициях 11–100;
• 14,4% не ранжируются в выдаче вообще;
• медианная позиция первой цитаты — 2, второй — 4, третьей — 5.

Если вы в топ-10, шансы попасть в цитаты высокие. Но у исследования есть рамки: только AI Overviews, только три первые цитаты в ответе, данные июля 2025 года. Сами авторы пишут, что даже с первой позиции шанс на цитату — «в лучшем случае подбрасывание монетки».

Я проверил это на живом магазине

Цифры Ahrefs — средние по рынку, поэтому я сверил их с данными магазина печатных музыкальных материалов anastasiya.studio, с которым работаю. Взял из Search Console две выгрузки за один и тот же период, 15 июня – 14 сентября 2026: новый отчёт по генеративному ИИ (показы страниц в AI Overviews и AI Mode) и обычный отчёт по эффективности (средняя позиция страниц). Потом сопоставил их по URL.

За три месяца у сайта 43 983 обычных показа и 6 685 показов в ИИ-функциях Google. Показы в ИИ получили 419 страниц.

Что показало сопоставление:

• 74% страниц с показами в ИИ стоят в топ-10 по средней позиции. Почти как 76,1% у Ahrefs. И на эти страницы пришлось 92,6% всех ИИ-показов.
• Ни одной страницы вне органики. У Ahrefs 14,4% цитат ведут на страницы, которых нет в выдаче. Здесь каждая страница из ИИ-ответов есть и в обычном поиске.
• Топ-3 не даёт преимущества перед позициями 3–10. На каждые 100 обычных показов страницы из топ-3 получают 15,9 показа в ИИ, страницы с позиций 3–10 — 17,2. За пределами топ-10 доля резко падает: 6,1 на позициях 10–20 и 2,8 на позициях 20–100.
• ИИ-показы идут следом за органикой. Корреляция дневных показов — 0,88. В дни, когда средняя позиция сайта лучше, показов в ИИ больше: корреляция с позицией −0,77.
• К сезону ИИ вырос быстрее органики. С 15 августа по 14 сентября обычные показы выросли в 1,5 раза к предыдущему месяцу, а показы в ИИ — в 2,1 раза. Доля ИИ поднялась с 12,7% до 17,9% от обычных показов.
• На мобильных ИИ заметнее: там 41,3% ИИ-показов против 21,4% обычных. Но и средняя позиция сайта на мобильных лучше, 4,4 против 10,6 на десктопе. Скорее всего, это следствие позиций, а не отдельный эффект.

Оговорки. Это один сайт в одной нише. Отчёт Google считает показы ссылок, а не цитаты. Я сравнивал среднюю позицию страницы по всем её запросам, а Ahrefs — позицию по конкретному запросу. И корреляция не доказывает причину. Но картина ровно такая, какой она должна быть при двухступенчатом поиске: в ИИ-ответы попадает то, что уже прошло отбор. Поэтому, когда этот отбор исчезнет, правила и поменяются.

Сигнал 1. ARR — теория ранжирования без двух этапов

Главное в статье DeepMind — не описание текущей схемы, а то, что может прийти ей на смену. Autoregressive Ranking (ARR) — подход, в котором языковая модель не оценивает документы по одному, а сама генерирует идентификаторы релевантных документов, токен за токеном, сразу в порядке релевантности. Два этапа схлопываются в одну модель, отдельный векторный индекс не нужен.

Авторы доказали две вещи:

• чтобы Dual Encoder мог выстроить любой порядок из k документов, размерность его векторов должна расти линейно вместе с k. Чем больше корпус, тем тяжелее быстрому отбору;
• ARR с постоянной размерностью теоретически способен ранжировать сколько угодно документов.

В эксперименте на WordNet ARR показал качество на уровне Cross Encoder и заметно превзошёл Dual Encoder. А предложенная авторами функция потерь SToICaL снизила долю случаев, когда модель ставит нерелевантный документ выше релевантного, с 27,66% до 0%.

Преувеличивать не стоит. Это теоретическая работа, эксперименты небольшие (WordNet и набор товарных запросов ESCI, модель Mistral-7B), и никто не утверждает, что Google Search уже так работает. Но направление понятно, и теоретическая база под него теперь есть.

Что это значит для SEO — дальше мой вывод, а не утверждение авторов. В двухступенчатой схеме есть этап, где страницу находят по сходству с запросом, и туда ведёт классическое SEO. В ARR модель сама называет документы, которые считает релевантными, и отдельного этапа «попасть в кандидаты» нет. Значит, вес сместится от того, насколько страница похожа на запрос, к тому, насколько хорошо модель знает вас, ваш сайт и ваш контент.

Сигнал 2. Google начал платить за вклад в ИИ-ответы

14 сентября 2026 года Digiday сообщил о запуске AI contribution pilot. Google платит издателям не за каждое упоминание, а когда их контент «значимо» влияет на ответы в Gemini, AI Overviews и AI Mode. Сумма появляется в виджете ИИ-заработка в Search Console. Сам Google описывает программу как тест модели работы с сайтами, «чей контент помогает сохранять его генеративные ответы свежими и точными».

Критики хватает: издатели называют выплаты «копейками», расчёт — «чёрным ящиком», скептики видят в программе страховку от регуляторов. Но сам факт показателен. Google признал, что контент имеет цену как сырьё для ИИ-ответов, а не только как страница в выдаче, и начал строить под это экономику.

Сигнал 3. ИИ-отчёт уже в Search Console

В Search Console появился отчёт по эффективности в генеративном ИИ. Он показывает, сколько раз ссылки на ваш сайт были показаны в AI Overviews и AI Mode, с разбивкой по страницам, странам, датам и устройствам. По данным Google, с 31 августа 2026 года отчёт доступен всем сайтам. Пустым он будет, если показов в ИИ-функциях мало, а эксперименты Search Labs в нём не учитываются.

Мои собственные цифры скромные: 12 показов, самый большой всплеск — 3 показа за день. Сайту два месяца, так что это не результат, а точка отсчёта, о которой я пишу ниже в пункте 7. И уже видно ограничение беты: в отчёте есть только показы, без кликов, CTR и позиции.

Отдельный отчёт — это отдельный канал со своими метриками. Google отделил ИИ-показы от обычных, и теперь их можно измерять.

Что делать уже сейчас

Слоган этого блога — «индексируем будущее поиска». Вот к чему я советую готовиться, пока топ-10 ещё ведёт в цитаты.

1. Контент: в каждой статье должен быть «самородок»

Самородок — то, чего нет у конкурентов: собственные данные, эксперимент, скриншот, вывод, который нельзя пересказать с чужого сайта. Модели, которая сама генерирует ответ, не нужна сотая перепевка одного и того же. Контент-заводы уже неэффективны, а скоро умрут окончательно.

2. Экспертность: хватит скромничать

Если модель будет выбирать тех, кого знает, о вас должны знать. Пора заявить о себе на как можно большем числе авторитетных площадок: about.me, Medium, профильные каталоги, Wikidata. С Wikidata осторожнее: у неё есть правила значимости, и записи, созданные ради самопродвижения, удаляют. Заводите её, когда о вас уже пишут независимые источники. Как это работает на практике, я показывал в статье про эксперта для E-E-A-T.

3. Нетворкинг

Активное участие в профессиональных сообществах может и не принести лидов. Но упоминания в обсуждениях, ответы на форумах, совместные материалы и выступления строят ваш авторитет в глазах ИИ. Модели учатся на том, что о вас пишут другие.

4. Не бросайте классическое SEO

Пока схема двухступенчатая, 76% цитат по данным Ahrefs приходят из топ-10, а на anastasiya.studio страницы из топ-10 собрали 92,6% показов в ИИ. Индексация, скорость, перелинковка и позиции остаются входным билетом в ИИ-ответы. Готовиться к будущему за счёт настоящего — плохая стратегия.

5. Станьте однозначной сущностью

Если модель должна вспомнить вас сама, ей нужно однозначно понимать, кто вы. Одно и то же имя, должность и название бренда везде. Разметка Person и Organization со ссылками sameAs на все ваши профили. Одинаковое написание имени латиницей на всех англоязычных площадках. Разрозненные профили под разными вариантами имени модель может не связать в одного человека.

6. Сделайте контент читаемым для машин

Цены, характеристики и ключевые факты должны быть в HTML, а не прятаться за JavaScript. ИИ цитирует то, что смог прочитать. Подробный разбор с данными — в статье про ChatGPT.

7. Снимите точку отсчёта в новом отчёте GSC

Откройте отчёт по генеративному ИИ сейчас и запишите, какие страницы получают показы в AI Overviews и AI Mode. Сравните с обычным отчётом по эффективности. Страницы, которые есть в ИИ, но слабы в органике, и наоборот, покажут, что модель считает у вас ценным. Когда правила сменятся, у вас будет с чем сравнивать.

8. Обновляйте ключевые материалы и ставьте даты

В описании своего пилота Google говорит о контенте, который держит ответы «свежими и точными». Дата публикации и дата обновления на странице, актуальные цифры, пометки об изменениях — дешёвый способ показать свежесть и людям, и модели.

Поиск пока не изменился. Но Google уже написал теорию, завёл кассу и поставил счётчик. Лучше, чтобы к моменту, когда правила сменятся, модель уже знала вас по имени.

Maxim Safianov

Я работаю на стыке технического SEO и разработки: помогаю сайтам оставаться видимыми и для классического поиска, и для AI-ответов — и пишу инструменты на Python, которые это автоматизируют.