Как ChatGPT, AI Overviews и Алиса видят ваш бренд — и как на это влиять

Клиент открывает ChatGPT и спрашивает: «какие месячные линзы взять при сухости глаз». Получает готовый ответ с тремя брендами и советом, где купить. До вашего сайта он не доходит — хотя сайт стоит высоко в обычной выдаче Google. Выбор мог сформироваться внутри чужого ответа, до клика, и в аналитике вы бы этого не увидели.

Поиск перестал быть списком ссылок. Он стал ответом. И работа сместилась туда же — внутрь ответа, который собирает не человек, а модель. Теперь важно не то, на какой позиции ваша страница, а что ИИ о вас знает, откуда это взял и показал ли вас клиенту, который до сайта уже не дойдёт.

Эта статья ведёт один бренд по всему пути через ИИ-посредника: от момента, когда бот стучится на сайт, до момента, когда покупатель делает выбор. Семь участков работы, на каждом — где вы теряете видимость и что с этим делать. Путь выглядит так:

Что изменилось по сути

Классическое SEO и AI-видимость решают разные задачи. Одно двигает страницу в выдаче, второе управляет тем, как бренд выглядит внутри готового ответа.

Ни одна строка справа не отменяет левую. Позиции всё ещё нужны — но теперь это половина работы.

1. Доступ: пустили ли вы ботов и что видит ИИ на сайте

Контент не попадёт в ИИ-ответ, если бот до него не дошёл или не смог прочитать. Барьеров два: блокировка (robots.txt, правила Cloudflare) и рендеринг — по умолчанию ИИ-боты не исполняют клиентский JavaScript, проверять надо по логам и исходному HTML для каждой платформы. Первый барьер вы ставите сами, часто по ошибке.

Начну с того, что ботов много и они разные. Общий список «AI-краулеры» вводит в заблуждение — у каждого своя задача, и блокировать их скопом значит рубить и то, что приносит трафик.

Разница не косметическая. OpenAI прямо разделяет их: GPTBot берёт контент, который «may be used in training», а OAI-SearchBot существует, чтобы «surface websites in search results in ChatGPT's search features». Perplexity так же делит PerplexityBot (поиск и цитирование) и Perplexity-User (заходит на страницу по вопросу человека). Заблокировали PerplexityBot ради защиты от обучения — заодно выпали из поиска Perplexity, хотя он моделей не обучает.

Отдельная ловушка — Google-Extended. Google запустил этот токен 28 сентября 2023 года как контроль над обучением, а не как поисковый краулер: он управляет использованием контента в AI-продуктах вне поиска. AI Overviews и AI Mode им не управляются — они работают через обычного Googlebot и подчиняются директивам robots.txt для него. Документация Search Central подтверждает это дословно: «Google-Extended does not impact a site's inclusion in Google Search nor is it used as a ranking signal» (формулировка появилась в апреле 2025 года, в исходном анонсе её не было). Закрыли Google-Extended, думая, что убрались из AI Overviews, — не убрались, только запретили обучение.

Вторая ловушка — Cloudflare. По правилам, которые Cloudflare объявила 1–2 июля 2026 (даты в источниках расходятся на день из-за часового пояса; вступают в силу 15 сентября 2026), блокировка обучающей категории заденет и краулеры двойного назначения — Googlebot, Applebot, Bingbot: они классифицированы как multi-purpose, и к ним применяется самая строгая из выбранных настроек. Итог — просадка индексации на ровном месте. В нашем примере «Оптика 24» именно так потеряла часть каталога: правило WAF молча отбивало ботов, индексация просела (в реальном проекте цифру берут из GSC и логов, не из головы).

Третья ловушка — рендеринг, и здесь важно не смешивать поверхности. Googlebot исполняет JavaScript в рамках Google Search, поэтому AI Overviews и AI Mode, работающие через него, отрендеренный контент видят — их ограничение не JS, а лимит 2 МБ. А вот на остальные ИИ-боты рассчитывать нельзя: по данным исследования Vercel и MERJ (анализ сотен миллионов запросов), GPTBot, ClaudeBot и PerplexityBot не показали признаков исполнения JavaScript. Каталог линз на чистом клиентском рендеринге (CSR) для них может остаться пустой страницей. Если раздел важен для видимости в ChatGPT и Perplexity, серверный рендеринг (SSR) или пререндер надёжнее — контент лежит в исходном HTML, а не собирается в браузере.

И четвёртое, про что забывают: Googlebot читает не всю страницу. По документации Google Search Central (обновлена 3 февраля 2026), при краулинге для поиска он берёт первые 2 МБ файла, дальше обрывает загрузку и в индексацию отдаёт только скачанную часть. Тяжёлый DOM с версткой и инлайн-данными способен вытолкнуть важный текст за этот порог.

Решение о блокировке принимайте после замера, а не на эмоции «ИИ ворует контент». Сначала посмотрите, сколько трафика и каких переходов даёт конкретный бот, — потом решайте, резать или пускать. Про файл llms.txt как отдельный слой управления доступом — здесь: llms.txt в 2026: кто реально читает файл.

ИИ-боты делятся на обучающие, поисковые и fetch-по-запросу, и рубить их скопом значит терять поиск ради защиты от обучения: заблокировали PerplexityBot — выпали из поиска Perplexity, который моделей не обучает. Google-Extended не управляет AI Overviews: те ходят обычным Googlebot. Правила Cloudflare от 1–2 июля 2026 вступают в силу 15 сентября и относят Googlebot, Applebot и Bingbot к multi-purpose, применяя к ним самую строгую из выбранных настроек. AI Overviews видят отрендеренный JS через Googlebot и обрывают загрузку на 2 МБ, а GPTBot, ClaudeBot и PerplexityBot по данным Vercel и MERJ не исполняют JavaScript вовсе — без SSR критический контент для них не существует.

Бота пустили. Но когда он пришёл, он не понял запрос так, как вы его писали.

2. Запрос: почему ИИ разбирает запрос шире, чем ваша SEO-страница

ИИ не берёт запрос целиком. Он раскладывает его на веер связанных под-запросов и собирает ответ из разных источников. Страница, заточенная под один ключ, проигрывает той, что закрывает весь веер.

Механику подтверждает сам Google. В документации по AI-функциям поиска сказано дословно: «Both AI Overviews and AI Mode may use a "query fan-out" technique — issuing multiple related searches across subtopics and data sources — to develop a response». Несколько параллельных поисков по подтемам и источникам вместо одного. Для ChatGPT, Perplexity и Алисы точная внутренняя механика не раскрыта, но как рабочая модель fan-out описывает и их поведение.

Возьмём запрос «какие линзы для работы за компьютером». Человек написал одну фразу — модель раскладывает её на восемь под-вопросов. Вот веер целиком и то, как его закрывает страница «Оптики 24», заточенная под «купить линзы для компьютера»:

Четыре дыры в веере. Модель добирает эти ответы у того, кто их закрыл, и цитирует его, а не вас.

Один запрос ИИ раскладывает на веер под-запросов — это подтверждённая механика Google для AI Overviews и AI Mode, описанная в документации по query fan-out. Страница под один ключ проигрывает той, что закрывает весь веер: у «Оптики 24» запрос «линзы для компьютера» развернулся в восемь под-вопросов, из которых страница закрыла два, ещё два частично, а четыре не закрыла вовсе — и эти четыре ответа модель добрала у конкурента. Приём рабочий: выписать под-вопросы запроса и закрыть дыры в покрытии.

Веер вы закрыли. Но из десятков страниц по теме ИИ источником выберет не вас, если не поймёт, кому верить.

3. Источники: почему ИИ цитирует одних, а других игнорирует

Попадание в ТОП не гарантирует цитату. Модель опирается на источники, которые считает релевантными для запроса, доступными и достаточно надёжными, чтобы подтвердить конкретное утверждение. «Ваш сайт прочитали» и «ваш бренд использовали в ответе» — разные события.

Выбор источников и образ бренда — разные слои, не путайте их. Эта глава про то, какие документы ИИ берёт как сырьё для ответа. Что он из этих документов собирает и запоминает о бренде — следующая глава.

Первое, что стоит принять: цитируемый источник и первая строка обычной выдачи — не одно и то же. Ahrefs разобрал около 863 тысяч выдач и 4 млн цитируемых в AI Overviews адресов: в топ-10 обычного поиска входит лишь примерно 38% из них. Остальные 62% модель берёт с позиций 11–100 и вовсе за пределами первой сотни — поровну. Цифра дрейфует и зависит от замера: тот же Ahrefs в июле 2025 года насчитал 76% совпадения с топ-10, BrightEdge — около 17%, так что сверяйтесь с датой среза. Направление же устойчиво: модель может взять ответ у отраслевого медиа, форума или агрегатора, а ваш магазин с первой позиции обойти — для конкретного под-запроса чужой документ оказался полнее, доступнее или согласованнее с остальными.

Упоминания вне сайта решают, чем модель подтвердит факт о бренде. Reddit, профильные СМИ, каталоги, обзоры, форумы, справочники — всё это источники, из которых модель собирает картину. Если о бренде говорят только на его же сайте, ИИ нечем подтвердить утверждения, и он берёт того, о ком есть внешние свидетельства. Про сигналы самой страницы под ИИ-ответ — отдельно: Как стать видимым в ChatGPT, Perplexity и AI-поиске.

Чтобы не рассуждать абстрактно, разложите свою видимость по таблице:

В примере с «Оптикой 24» ответ на «линзы для компьютера» собран из статьи медиа и ветки отзовика — сайт магазина модель не тронула. Формально магазин в ТОПе. Фактически в ответе его нет, потому что подтверждать экспертизу нечем: о бренде говорит только он сам.

Позиция в обычной выдаче не гарантирует попадание в ИИ-ответ. Утверждения о бренде модель подтверждает упоминаниями вне сайта: в ответе на «линзы для компьютера» она собрала «Оптику 24» из статьи медиа и ветки отзовика, а сайт магазина с первой позиции не тронула — подтверждать экспертизу было нечем, о бренде говорил только он сам. «Прочитали сайт» и «использовали в ответе» — события разные, поэтому разложите видимость по типам источников: свой, заработанный, UGC, контролируемый конкурентом.

4. Образ: что ИИ считает правдой о вашем бренде

Отвечает ИИ по своему образу бренда-сущности, а не по тексту конкретной страницы. Собирайте этот образ через согласованные факты в нескольких независимых источниках, связи sameAs и schema. Разметка и Q&A-структура — машиночитаемая подсказка, а не гарантия того, что модель примет утверждение как факт.

Допустим, grounding из прошлой главы отработал: ИИ нашёл ваши страницы и упоминания. Ответ он всё равно строит не по одной странице, а по внутреннему образу бренда как сущности — объекта со своим именем, свойствами и связями. Эта глава про то, что в этом образе, и как его собрать правильно.

Начните с базовых фактов. Модель должна понимать шесть вещей, и у каждой есть место, где она закрепляется:

Связи sameAs — способ сказать модели «это один и тот же бренд». Пропишите в Organization schema ссылки на соцсети, справочники, профили — так ИИ сшивает разрозненные упоминания в одну сущность, а не в несколько разных.

Главный риск сущностного профиля — дисамбигуация, когда модель дробит один бренд на несколько. Если на сайте бренд «Оптика 24», в справочниках «Optika 24», а в соцсетях «Optika24», модель может собрать три отдельные сущности вместо одной. В нашем примере ИИ путал «Оптику 24» с конкурентом «Оптика 24/7» и описывал её как обычного реселлера, а не как эксперта по подбору линз. Лечение — свести все написания к одному имени и связать через sameAs.

Про schema без иллюзий. Разметка не доказывает факт — она делает утверждение машиночитаемым. Доверие появляется, когда факт повторяется в независимых согласованных источниках, а не когда он лежит в JSON-LD. И не стройте расчёт на rich-результаты: разметку HowTo Google убрал из выдачи 14 сентября 2023 года, а FAQ-результаты в общей выдаче тоже перестал показывать и пометил документацию по ним как устаревшую. Q&A-структуру в тексте оставляйте — короткий вопрос и прямой ответ проще извлечь и процитировать, — но не как обещание расширенного сниппета.

Сущностный профиль и брендовое восприятие ИИ заслуживают отдельного разбора — здесь только верхушка темы. Подробно: Entity SEO: как построить сущностный профиль бренда и Брендовый шум: почему ChatGPT и Perplexity видят вас не так.

Бывает и обратная задача — переубедить модель. Если ИИ считает бренд оптовым поставщиком, хотя он работает в розницу, правится это не одной страницей, а согласованным сущностным профилем: одинаковые формулировки о том, чем бренд занимается, на сайте, в справочниках, в соцсетях и во внешних публикациях.

Отдельная оговорка для крупных мультиязычных проектов. Семантический коллапс — размывание образа бренда, когда сайт клонируют на десять языков и плодят почти одинаковые страницы. Для среднего бизнеса это не проблема, для сети с версиями на разных рынках — реальный риск потери единой сущности.

ИИ отвечает не по странице, а по образу бренда-сущности, собранному из множества источников: модель должна понимать шесть вещей о бренде — имя, чем занимается, где работает, кому принадлежит, почему ему верить и с чем он связан. Разные написания названия дробят бренд на несколько сущностей: «Оптика 24» на сайте, «Optika 24» в справочниках и «Optika24» в соцсетях собираются в три разных объекта, поэтому сведите всё к одному имени и свяжите через sameAs. Schema делает факт машиночитаемым, но не доказывает его и rich-сниппет не даёт: разметку HowTo Google убрал из выдачи 14 сентября 2023 года, а FAQ-результаты в общей выдаче показывать перестал.

5. Искажения: как образ бренда ломается и как это заметить

Кто на самом деле ломает образ бренда? Конкуренты тут виноваты реже всего. Чаще образ ломают обычные причины: устаревшие данные, разные написания названия, мусорные отзывы, чужие обзоры. Заметить искажение можно по брендовым ответам ИИ, мониторингу площадок и прямым вопросам к моделям.

В примере с «Оптикой 24» сработал первый и второй блок вместе: старые отзывы и заспамленная ветка на форуме сформировали негативный источник, и в ответе на брендовый запрос модель описывала бренд как дорогой (реплика условная, не замер — но механизм реальный).

Как это заметить, пока клиент не увидел раньше вас. Три индикатора, и промпты для проверки нейтральные — не «расскажи правду о бренде X», это провоцирует оценочный и токсичный ответ:

Что известно о бренде [БРЕНД]?
Какие плюсы и минусы у бренда [БРЕНД]?
Сравни [БРЕНД] с [КОНКУРЕНТ] по источникам.
Какие источники подтверждают информацию о [БРЕНД]?

Тема захвата источников уже вышла за пределы SEO-разговоров. В августе 2025 года Cloudflare публично обвинила Perplexity в использовании скрытых, незаявленных краулеров, игнорирующих директивы robots.txt: по данным компании, Perplexity меняла user-agent и диапазоны сетей, чтобы скрыть краулинг. Это спор про доступ краулеров, а не доказательство, что «отравление образа» стало индустрией, — поэтому корректнее говорить про растущий риск-слой, а не про массовую практику.

Юридическая рамка коротко. Деловую репутацию юрлица защищает ст. 152 ГК РФ: компания вправе требовать опровержения, удаления информации из сети (п. 5 ст. 152) и возмещения убытков. Компенсацию морального вреда юрлицо требовать не вправе (п. 11 ст. 152), но может заявить о нематериальном репутационном вреде — на это указывает Обзор практики Верховного Суда от 16 марта 2016 года. Уголовная статья о клевете (ст. 128.1 УК РФ) работает иначе: потерпевшим по ней юрлицо быть не может, защищается конкретный человек — например, владелец или руководитель. С ответственностью самой площадки сложнее: специальной нормы о диффамации для платформ нет, суды опираются на п. 5 ст. 152 ГК РФ и разъяснения ВС — владелец сайта обязан удалить порочащие сведения, признанные судом недостоверными, даже если публиковал их не он. Статья 1253.1 ГК РФ об информационном посреднике к диффамации не относится: она написана про интеллектуальные права. Системная работа с образом бренда остаётся зоной репутационного менеджмента. Глубже в этой статье не уходим — это не юридическая консультация: при подозрении на диффамацию обращайтесь к профильному юристу.

Образ чаще искажают устаревшие данные и мусорный UGC, а не атаки. Результат в обоих случаях один: неверный ответ ИИ — у «Оптики 24» старые отзывы и заспамленная ветка форума заставили модель называть бренд дорогим. Искажение ловят нейтральными промптами вроде «что известно о бренде X» и мониторингом Reddit, Pikabu, форумов и отзовиков; провокационные формулировки дают токсичный ответ, а не диагностику. Захват источников — растущий риск, а не сложившаяся индустрия: в августе 2025 года Cloudflare публично обвинила Perplexity в скрытых краулерах, игнорирующих robots.txt, но это спор про доступ, а не доказательство массового «отравления образа».

Образ построен и защищён. Но видите ли вы себя в ответах ИИ или только верите, что там есть?

6. Замер: как увидеть себя в ИИ-ответах, а не верить в это

Без разделения уровней замер видимости превращается в самообман. Их шесть, и путать их нельзя: GA4 показывает трафик, но не цитаты, а цитаты не равны деньгам.

Самое полезное на практике — ручной протокол замера. Он даёт то, чего не даёт ни один автоматический отчёт: живую картину, кого и как ИИ показывает по вашим запросам.

Прогоните 10–20 целевых запросов по всем системам, зафиксируйте по таблице — и получите базовую линию, от которой видно движение. В примере «Оптики 24» бренд оказался в ответах на малую долю целевых запросов (в реальном проекте это точное число из замера, не оценка).

Шесть уровней видимости нельзя мешать в один: трафик, упоминание в ответе, цитаты, тональность, доля голоса, деньги. GA4 и GSC дают неполную картину: часть ИИ-трафика приходит без меток — как прямой заход или «не задано», — а отчёты по нейровыдаче Google выкатывает постепенно и доступны они не всем ресурсам. Рост брендового поиска после появления в ИИ-ответах — корреляция, не причинность, и ROI считают только через заявки и продажи. Ручной протокол по 10–20 запросам даёт базовую линию, которой нет ни в одном автоотчёте.

Вы измерили присутствие. Осталось главное: это приносит деньги или съедает их?

7. Деньги: заявка, заказ или потерянная продажа

AI-видимость измеряется участием бренда в выборе клиента, а трафик здесь вторичен. ИИ-ответ влияет на заявку, заказ и выручку по-разному в трёх сценариях. В рунете тот же путь идёт через Яндекс, Алису и Нейро.

Три сценария на сквозном примере «Оптики 24»:

Важно не выдавать желаемое за доказанное. Зафиксировать вы можете присутствие бренда в ответе, цитируемый источник, просевший CTR при появлении AI Overview, показ товара в интерфейсе Алисы. А вот утверждать без данных, что именно это изменило продажи, что цитата дала заявку или что причина падения — только AI Overview, нельзя: для таких выводов нужна атрибуция.

Отдельный узел — когда ИИ ответил за вас. Клиент получил ответ в выдаче и не кликнул: это zero-click, каннибализация AI Overviews, падение CTR при сохранении позиций. Масштаб уже измерили. Pew Research Center проследил 68 879 поисков у 900 американцев в марте 2025 года: при показе AI-сводки пользователь открывал обычный результат в 8% визитов против 15% без неё, а по ссылке внутри самой сводки кликал в 1% случаев. Ahrefs на 300 тысячах запросов оценил падение CTR первой позиции в 58% (замер от 4 февраля 2026 года; годом раньше тот же отчёт давал 34,5%). Seer Interactive на 3 119 информационных запросах зафиксировал минус 61% органического CTR и минус 68% платного. Разложите симптомы по причинам, иначе будете лечить не то (почему обычный аудит тут промахивается — отдельно: Почему SEO-аудит часто бесполезен):

Для магазинов есть нюанс, который снижает панику. AI Overviews чаще появляются на информационных запросах и заметно реже на транзакционных — но подавать это надо с атрибуцией, официальных данных Google нет. По оценке Seer Interactive:

Semrush на большой выборке фиксирует встречную динамику: доля информационных запросов среди показов AI Overviews снижается, а коммерческих растёт. Вывод для практики: рост доли коммерческих запросов в AI Overviews — тренд, за которым стоит следить в GSC, а не повод переоптимизировать транзакционные страницы прямо сейчас.

В рунете путь клиента через ИИ-посредника идёт через Яндекс и Алису. По анонсу Яндекса от 29 июня 2026 года, Алиса AI получает платформу для создания ИИ-агентов — чат превращается в поверхность взаимодействия с сервисами, первые агенты уже работают. Это новый слой видимости, к которому бренды готовятся сейчас. Товарный слой уже проявляется в конкретных сценариях: Яндекс Маркет, товарные плитки в выдаче, агент Алисы «Найти дешевле». Но механизм попадания конкретного товара в ответ Алисы нельзя приравнивать к schema.org и нельзя описывать как «покупку цитаты» — официальной документации по нему нет, проверяйте перед тем, как строить стратегию.

Товарные данные развести по каналам, не сваливать в одну кучу «для Алисы»:

Механизм попадания у Google и Яндекса разный, но требование общее: товарные данные должны быть структурированы.

И миф «ИИ убивает продажи» разбирается тем же принципом: ИИ меняет путь выбора и атрибуцию, а не обязательно рубит выручку. Утверждать «улучшает продажи» без своих данных так же неверно, как «убивает».

AI-видимость по-разному влияет на выбор клиента в инфо-, услуговом и товарном сценарии, и не всё из этого доказуемо без данных: зафиксировать можно присутствие бренда в ответе, цитируемый источник и просевший CTR, а связь с продажами — только через атрибуцию. Падение кликов при живых позициях лечится иначе, чем классический слив: сначала диагностика по симптому. Для магазинов есть смягчающий фактор — по оценке Seer Interactive, AI Overviews появляются примерно на 36% информационных запросов, на 8% коммерческих и на 5% транзакционных, хотя Semrush фиксирует рост коммерческой доли. В рунете тот же путь идёт через Яндекс и Алису.

Что делать завтра

Путь бренда через ИИ-посредника собирается в одну цепочку: доступ → запрос → источники → образ → искажения → замер → деньги. На каждом участке своя работа, но начать стоит с того, что бренд контролирует напрямую, отделив это от того, что он только мониторит.

Контролируете вы свои страницы, разметку, факты о себе. Мониторите — чужие источники, UGC, упоминания. Не пытайтесь управлять вторым как первым.

Частые вопросы

Кириченко Станислав

20+ лет в SEO, сложные технические аудиты, second opinion, AI-автоматизация · Подробнее обо мне