У вашего контента появился новый читатель. И это не человек

Ещё недавно у брендового контента было два понятных адресата. Первый — человек, который должен открыть статью, разобраться в теме и, возможно, перейти к продукту. Второй — поисковая система, которой нужно понять, о чём страница и по каким запросам её показывать.

Теперь между ними появился ещё один слой: генеративный поиск. Пользователь может спросить у ИИ, какой сервис выбрать, как решить рабочую проблему или почему падает эффективность рекламы, а система сама найдёт несколько источников и соберёт из них ответ. Человек при этом может вообще не открыть исходную статью.

Называть ИИ «читателем» можно только условно. Он не садится изучать материал от заголовка до вывода. Но для маркетолога результат похож: содержание статьи теперь может повлиять на представление о компании ещё до того, как потенциальный клиент увидит её сайт.

Страница может поучаствовать в ответе, который пользователь так и не откроет

Google объясняет работу AI Overviews и AI Mode через retrieval-augmented generation: система получает свежие страницы из поискового индекса и использует информацию из них при генерации ответа. При сложных вопросах применяется query fan-out — исходный запрос разбивается на несколько связанных, чтобы найти больше подходящих источников.

Похожая логика есть и в российском поиске. Алиса AI использует страницы из поисковой выдачи как источники и показывает их рядом с ответом. Яндекс отдельно указывает, что вероятность попадания материала в такие ответы зависит в том числе от его экспертности, полезности, оригинальности и содержательности.

Для контент-команды это меняет саму точку контакта с аудиторией.

Допустим, человек спрашивает: «Как организовать работу небольшой команды без дорогого таск-трекера?» Раньше мы в первую очередь боролись за то, чтобы он увидел статью в выдаче, перешёл по ссылке и уже внутри материала встретился с брендом. Теперь часть этого пути может пройти внутри AI-ответа: система соберёт информацию о цене, функциях, ограничениях и сценариях из нескольких страниц и выдаст итог сама.

Ваш материал может стать одним из этих источников. Но это ещё не означает, что пользователь запомнит, кто именно дал информацию.

Быть источником и быть заметным брендом — не одно и то же

Это, пожалуй, самая неприятная часть новой механики.

Pew Research Center анализировал поисковое поведение 900 взрослых пользователей Google в США в марте 2025 года. Когда в выдаче появлялся AI-summary, по обычным поисковым результатам переходили в 8% посещений страницы выдачи. Без AI-summary — в 15%. По ссылкам внутри самого AI-summary пользователи переходили примерно в 1% случаев.

Это данные конкретной американской выборки и конкретного периода, а не универсальная норма для всех рынков, но они хорошо показывают сам сдвиг: ответ всё чаще получают до клика.

Есть и второй нюанс. Semrush в исследовании 2026 года проанализировал почти четыре тысячи появлений доменов в ответах нескольких AI-систем и получил 61,7% так называемых ghost citations: сайт использовался как источник, но название бренда в тексте ответа вообще не появлялось.

Это отраслевое исследование с ограниченной выборкой, поэтому превращать цифру 61,7% в закон интернета не стоит. Но сама проблема вполне реальна: источник получил цитирование, а бренд — не обязательно узнаваемость.

Отсюда возникает странная ситуация. Маркетолог может радоваться: «Нас цитирует ИИ». Но пользователь в ответе увидел тезис, получил решение своей задачи и ушёл дальше, даже не заметив, кому принадлежит исходный материал.

Поэтому считать AI-цитирование новым аналогом позиции в поисковой выдаче слишком просто. Видимость страницы, переход на сайт и присутствие самого бренда в ответе — три разных результата.

GEO существует. Волшебной разметки для ИИ — пока нет

На этом фоне быстро вырос термин GEO — Generative Engine Optimization. В 2024 году исследователи из Princeton и других университетов формализовали этот подход и в экспериментальной среде показали, что отдельные изменения контента могут увеличивать его видимость в генеративных ответах вплоть до 40%. При этом эффективность методов заметно различалась между тематиками.

После этого вокруг GEO предсказуемо появилось множество советов: дробить текст на специальные блоки, писать отдельные страницы под нейросети, создавать десятки вариаций ответа, внедрять специальные файлы и перестраивать редакционную работу вокруг того, «что любит ИИ».

Официальная позиция Google выглядит гораздо спокойнее. Компания прямо пишет, что для AI Overviews и AI Mode не существует отдельного набора требований: базовые SEO-принципы продолжают работать, а попытка массово создавать страницы под множество возможных формулировок запроса может, наоборот, нарушать правила против масштабируемого низкокачественного контента.

Яндекс говорит примерно о том же с другой стороны. Уникальность формулировок сама по себе не считается ценностью. Переписанный или сгенерированный текст без новой информации может быть оригинальным технически, но не содержательно. Более ценными становятся собственная экспертиза, авторский комментарий и информация, которую трудно получить в другом месте.

То есть парадокс новой эпохи поиска довольно простой: чем сильнее хочется начать «писать специально для ИИ», тем полезнее сначала спросить, есть ли в материале вообще что-то, что стоит использовать в ответе.

Контенту теперь нужна не только публикация, но и обслуживание

Здесь изменения становятся уже совсем практическими.

Представим статью о сервисе. В ней написано, что продукт бесплатный, поддерживает определённый сценарий и работает таким-то образом. Через полгода условия изменились. На основном сайте информацию обновили, а старая экспертная статья осталась прежней.

Для обычного читателя проблема возникнет, только если он откроет именно этот материал. Для генеративного поиска старая страница потенциально остаётся одним из источников, с которыми системе приходится работать.

Поэтому «Опубликовано» всё меньше похоже на конечный статус контента.

У редакции появляется дополнительная работа: помнить, какие материалы содержат продуктовые факты, где использованы быстро меняющиеся цифры, что нужно проверить после крупного обновления, какие исследования устарели и где один и тот же тезис разошёлся по нескольким внешним площадкам.

В 2026 году Bing добавил в Webmaster Tools отдельный раздел AI Performance: веб-мастер может видеть, какие страницы сайта используются как источники в AI-ответах, сколько раз они цитируются и по каким запросам система к ним обращалась. Среди рекомендаций Microsoft — усиливать глубину материалов, понятность структуры, доказательность и своевременно обновлять информацию.

Контент постепенно превращается не только в поток новых публикаций, но и в базу знаний бренда, за состоянием которой приходится следить.

И вот здесь канбан-доска полезнее очередного GEO-чек-листа

Никакая канбан-доска сама по себе не заставит ChatGPT, Алису AI или Google сослаться на вашу статью. Но она может решить более приземлённую проблему: не дать редакционной команде потерять контроль над тем, что именно она публикует и насколько эта информация ещё актуальна.

Мы бы для такой работы разделили материалы хотя бы на несколько состояний: идея, сбор фактуры, подготовка, фактчек, публикация и последующая проверка. В самой карточке можно хранить основной вопрос, на который отвечает материал, источники, подтверждённые продуктовые факты, дату последней проверки и площадки, где опубликованы его версии.

Тогда статья после выхода не исчезает в архиве навсегда. Материалы с быстро меняющимися данными можно вернуть на проверку, продуктовые статьи — пересмотреть после релиза, а сильную тему — развить в новом формате вместо того, чтобы снова начинать контент-план с пустого листа.

Для такого процесса можно завести редакционную доску в Канбано. Сейчас канбан-доски полностью бесплатны: можно подключить всю команду и не ограничивать количество досок и карточек только ради теста нового процесса.

Главное же изменение вообще не в инструментах. Появление AI-поиска не означает, что редакции срочно нужен второй набор текстов — «для людей» и «для нейросетей». Скорее наоборот.

Если материал ясно отвечает на реальный вопрос, содержит собственную фактуру, не маскирует предположения под факты и остаётся актуальным после публикации, он становится полезнее и человеку, и обычному поиску, и генеративной системе.

А вот производство ещё сотни одинаковых статей ради нового алгоритма — это как раз тот случай, когда технологии поменялись, а старая привычка создавать контент ради заполнения выдачи осталась.