Вокруг GEO сейчас слишком много мистики. На практике логика AI Overviews гораздо приземлённее.
Google берет тот же поисковый индекс, раскладывает исходный запрос на несколько связанных подзапросов, находит набор подходящих источников, извлекает из них фрагменты и уже потом собирает итоговый ответ.
Важно разделять два этапа:
1. Какие страницы попадают в пул источников.
2. Какие именно источники будут процитированы в конкретной генерации.
Цитаты могут меняться от запроса к запросу и от обновления к обновлению. Но сам набор регулярно используемых страниц и сущностей обычно заметно стабильнее.
Именно его и имеет смысл анализировать.
Как я бы исследовал AI Overview по целевому запросу
Собираем серию выдач по одному и тому же запросу: разные сессии, устройства, авторизованный и чистый профиль.
Дальше фиксируем:
- какие URL повторяются в цитатах;
- какие источники находятся в обычном SERP;
- какие сущности постоянно появляются в ответе;
- какие формулировки и блоки повторяются;
- какие источники появляются всегда, а какие периодически.
Так формируется условный Stable Core - набор страниц, сущностей и форматов ответа, которые система стабильно считает релевантными теме.
После этого самое интересное: найти на каждой странице тот фрагмент, который мог быть использован при генерации ответа.
И здесь довольно быстро становится видно общую закономерность.
AI гораздо проще работать с контентом, где:
- ответ дан сразу;
- фрагмент самодостаточен и понятен вне контекста всей статьи;
- заголовок максимально близок к формулировке вопроса;
- сущности и связи между ними сформулированы явно;
- информация совпадает с тем, что подтверждают другие доверенные источники;
- данные легко процитировать и привязать к конкретному URL.
Поэтому одного «качественного экспертного текста» недостаточно.
Можно написать прекрасный материал, но если ответ спрятан в нескольких абзацах рассуждений, формулировки слишком абстрактны, а структура плохо соответствует поисковому интенту, машине будет проще взять менее красивый, но лучше структурированный источник.
Но просто копировать конкурентов тоже бессмысленно.
Здесь возникает интересный баланс.
Если ваша информация слишком сильно расходится с остальными источниками, системе сложнее считать её частью консенсуса.
Если же вы полностью повторяете уже существующего лидера, у AI практически нет причин выбирать именно вас.
Поэтому рабочая стратегия выглядит так:
сначала соответствие - потом дифференциация.
Сначала:
- собираем сущности и темы из источников, которые уже цитируются;
- воспроизводим понятную структуру ответа;
- закрываем основные вопросы пользователя;
- используем прямые формулировки под конкретные интенты.
И только после этого добавляем то, чего нет у остальных:
- более свежие данные;
- дополнительную сущность или сценарий;
- собственную статистику;
- сравнение;
- таблицу;
- исследование;
- уникальный практический опыт.
То есть задача GEO - не в том, чтобы написать «максимально уникальный текст».
Задача - сделать страницу одновременно понятной модели, согласованной с информационным полем и содержащей собственную добавленную ценность.
И ещё один важный момент.
Разговорные AI-запросы часто сильно отличаются от классического SEO-языка. Пользователь может спрашивать:
«Какой вариант лучше для маленькой компании?»
а на странице будет:
«Сравнительный анализ решений для субъектов малого предпринимательства».
Смысл похожий, но структура ответа и язык уже гораздо хуже соответствуют реальному запросу.
Поэтому при GEO-анализе я бы смотрел не только на сущности и структуру страниц конкурентов, но и на язык, которым пользователь задаёт вопрос модели.
Пока рынок GEO молодой, основное преимущество получают не те, кто нашёл очередной «секретный фактор ранжирования», а те, кто быстрее построил нормальный цикл:
запрос → выдача AI → источники → извлекаемые фрагменты → гипотеза → изменение страницы → повторный замер.
По сути это снова SEO.
Только оптимизируем мы уже не исключительно позицию документа в SERP, а вероятность того, что его фрагмент будет использован системой при синтезе ответа.
#SEO #GEO #AISEO #AIOverviews #GoogleSEO #LLMO #Search
@seo_ai_etc