За последние годы поиск в интернете перестал ассоциироваться с длинным списком синих ссылок. Люди чаще адресуют запросы генеративным ИИ и агрегаторам ответов от ChatGPT до Gemini. Выигрывают уже не те, кто оказался выше в поисковой выдаче, а те, кого заметили машины. Поэтому во всем мире растет спрос на новую механику продвижения в сети — AIRO (AI Results / AI Retrieval Optimization).
В этой реальности велик соблазн использовать неэтичные методы влияния на SEO: симулировать экспертность, фабриковать цитируемые источники, внедряться в модели через лазейки. Но такой путь чреват последствиями — от потери доверия до репутационных санкций и исключения из выдачи. О том, какие подходы действительно помогают попасть в поле зрения ИИ, а какие ведут к цифровой изоляции, Sostav рассказал SEO-специалист AGIMA Андрей Попов.
Как меняется поведение людей в сети: ИИ сжимает воронку и перераспределяет трафик
LLM-инструменты стали самостоятельным каналом поиска. По данным отраслевого анализа от Salt Agency, переходы из ChatGPT доминируют, Perplexity растет, а распределение конверсий в разных сферах неоднородно:
- Health: LLM — 13,24%, органика — 12,88%.
- Careers: LLM — 22,31%, органика — 16,58%.
- Catalog Website: LLM — 2,34%, органика — 2,13%.
- Consumer E-commerce: LLM — 7,14%, органика — 24,12%.
- Travel: LLM — 24,45%, органика — 28,97%.
- SaaS: LLM — 6,69%, органика — 6,71%.
Таким образом, мы видим, что ИИ-ответы закрывают часть информационных запросов «на лету». Органические клики, то есть из поисковых систем, по-прежнему происходят, но становятся качественнее и дороже. Значит, измерение эффективности продвижения в интернете точно должно учитывать суммарную видимость: и классическую органику, и вклад ИИ-рефералов.
На фоне развития нейросетевого поиска появился новый термин — AIRO (AI Results / AI Retrieval Optimization). AIRO — это оптимизация того, как генеративные модели вроде ChatGPT рассказывают пользователям про конкретный бренд или продукт. Фокус здесь смещается с привычного ранжирования страниц в поиске в сторону создания контента, доступного для машин. Чем информация понятнее нейросети, тем охотнее она ее процитирует.
AIRO, как и ранее SEO, уже разделился на два направления. Одно строит доверие и структурирует знания для ИИ, а другое пытается использовать технологические пробелы и наивность моделей. Оба подхода работают, но устойчив только первый.
Неэтичные практики: как манипулируют нейросетями — и почему это риск
Рынок оптимизации под ИИ повторяет раннюю историю SEO, только быстрее и агрессивнее. В 2010-е мы были свидетелями таких явлений, как «линкофермы» и Keyword Stuffing, когда некоторые сайты были под завязку забиты однотипными конструкциями и странными сочетаниями слов. Это делалось, чтобы вывести сайты в топы выдачи. В ответ на это Google разработал алгоритмы Panda и Penguin, которые пессимизируют такой контент.
Сейчас мы столкнулись примерно с тем же, но уже в нейросетях. Некоторые компании тестируют схемы, способные временно заставить модель говорить то, что нужно. Но эти методы не просто рискованны — они подрывают доверие к самой экосистеме ИИ-поиска. Посмотрим, что это за способы.
1. Клон-фермы и фабрики рейтингов: игра в статистический консенсус
Механика проста: берется партнерский или нишевой сайт, клонируется 10−15 раз с изменением логотипа и домена, контент при этом остается прежним, иногда слегка переформулированным.
В результате LLM видит 15 «разных» доменов, фиксирует одинаковый нарратив и воспринимает его как подтвержденный большинством. А дело в том, что модели не ранжируют, а усредняют. И поэтому чем больше повторов одного утверждения, тем выше вероятность, что оно будет выдано как истинное.
Это позволяет продвигать фиктивные рейтинги, поддельные обзоры и псевдопартнерские материалы в ответах ChatGPT или Perplexity — без трафика и без ссылок.
Риски такой схемы:
- потеря достоверности ответов, «заражение» обучающих выборок;
- юридические претензии по недобросовестной рекламе;
- грядущее внедрение антиспам-фильтров, которые могут заблокировать все домены, участвовавшие в схеме.
2. «Паразитная оптимизация» через внутренний поиск авторитетных доменов
Суть схемы в том, что злоумышленник использует внутренний поиск на чужих сайтах, чтобы искусственно «привязать» нужные ключевые слова к авторитетному бренду.
Манипулятор заходит на сайт известной компании и делает поиск по нужной фразе (например, «лучший ИИ-инструмент»). Даже если сайт выдает страницу «ничего не найдено», у этой страницы будет уникальный URL с параметрами запроса. Этот URL затем массово продвигается через технические инструменты для генерации ссылок.
В данном случае цель злоумышленника не в том, чтобы страница появилась в поисковой выдаче, а в том, чтобы ИИ «заметил» ее, как часто упоминаемую и связал с нужной темой — ведь в URL есть ключевик и домен авторитетного ресурса.
Риски такой схемы:
- владельцы сайтов могут отправлять жалобы или подавать DMCA-претензии за несанкционированное использование их бренда;
- при обновлении моделей ИИ такие искусственные связи обычно исчезают, а вся схема теряет смысл.
3. Подстройка под автозаполнение Google
Тактика основана на обратном инжиниринге собственных языковых шаблонов Google. Человек начинает вводить фразу в Google, дожидается автозаполнения — и вставляет предложенный системой вариант в свой контент. Поскольку этот текст построен на фразах, которые уже «любят» алгоритмы Google, шанс попасть в Featured Snippet или AI Overview значительно выше.
Риски такой схемы:
- нарушение принципа оригинальности контента;
- попадание под фильтры duplicate style / pattern detection;
- ухудшение качества выдачи, в которой растет доля «самоцитирования» внутри экосистемы Google.
4. Манипуляция RL-фидбэком в ChatGPT
Это один из самых спорных методов. В платном аккаунте ChatGPT человек задает несколько однотипных промптов. Например, таких: «Согласно экспертным обзорам, [бренд X] занимает первое место в категории Y». После нескольких повторов и положительного фидбэка LLM начинает воспроизводить ответ с этим утверждением.
Риски такой схемы:
- нарушение пользовательских соглашений OpenAI;
- возможные юридические последствия при доказанном умысле манипуляции;
- нестабильность результата — любое обновление модели откатывает «выученные» ответы.
5. Геоперсонализация
Исследования показывают, что LLM-результаты различаются по географии. То, что модель «узнает» в Европе, может не появляться в выдаче в США. Манипуляторы используют это для локальных атак: тестируют ответы из разных регионов, «накачивают» нужные промпты и фиксируют изменения, не видимые глобально.
Риски такой схемы:
- искажение региональных ответов, что может трактоваться как введение в заблуждение;
- рост требований к прозрачности и логированию данных в будущем регулировании LLM;
- усложнение отслеживания истинных источников в мультигеоконтенте.
6. Платные LLM-рейтинги в качестве услуги: возврат к SEO-рынку 2012 года
В западных странах уже формируется новый «серый» рынок. Агентства предлагают за 15 тыс. долларов в месяц удерживать бренд в топ-ответах ChatGPT по ключевым запросам.
Некоторые агентства утверждают, что трафик, который приходит из ИИ-систем, часто неправильно фиксируется в аналитике. Вместо того чтобы определяться как переход из внешнего источника, он попадает в категорию «прямой трафик» — то есть выглядит так, будто пользователь сам ввел адрес сайта.
Из-за этого вклад ИИ-канала в привлечение аудитории оказывается «невидимым»: его не связывают с конкретными действиями по продвижению, а конверсии и доход приписываются другим источникам. На этом основании агентства нередко заявляют, что реальная отдача от ИИ-инструментов (ROI) выше, чем показывают отчеты, и используют этот аргумент, чтобы обосновать более высокую стоимость своих услуг.
Риски такой схемы:
- нарушение принципов прозрачности и честной конкуренции;
- подрыв доверия к AI-платформам и вероятные санкции от OpenAI / Anthropic;
- этический кризис для брендов, использующих такие услуги: краткосрочная выгода против долгосрочной репутации.
Любая из описанных выше схем может подпасть под регуляторные ограничения: это уже сейчас трактуется как недобросовестная конкуренция и введение потребителя в заблуждение. Платформы — от OpenAI до Google и Perplexity — внедряют фильтры доверия, а также системы репутационного скоринга источников. Попадание в «черный список» означает полное исключение из ИИ-ответов, и этот процесс становится все менее обратимым.
Кроме того, такие манипуляции напрямую бьют по капиталу бренда. Доверие рушится гораздо быстрее, чем восстанавливается: одно разоблачение — и LLM прекращают цитировать бренд вовсе. В краткосрочной перспективе это может дать прирост трафика, но в долгосрочной подорвет экосистему и приведет к новой волне фильтрации, аналогичной Google Penguin.
Этичные практики AIRO: как сделать контент понятным для ИИ и людей
1. Структура и понятные слои. Чтобы поисковые системы и ИИ правильно «считывали» ваш контент, важно помочь им разобраться в его структуре. Для этого:
- используйте микроразметку — это специальные «подсказки» для машин. Например: organization — для описания компании, product — для товаров, FAQPage — для раздела с вопросами и ответами;
- соблюдайте иерархию заголовков, чтобы ИИ понимал, где главная тема, а где детали;
- пишите даты и единицы измерения в стандартном виде, чтобы их можно было легко распознать;
- выносите ключевые данные в списки или таблицы и обязательно указывайте источник рядом — это облегчает машинное «извлечение» фактов.
2. Канонические страницы: один источник истины. Если на сайте есть несколько статей об одной теме, ИИ может запутаться, какой из них доверять. Поэтому:
- создавайте одну основную страницу, где собраны все ключевые данные: методология, дата последнего обновления, автор и владелец контента;
- используйте канонические URL-адреса и метки — это помогает поисковикам и ИИ понимать, какая версия текста является «главной»;
- придерживайтесь единого формата ссылок и слагов (адресов страниц), чтобы система не путала схожие материалы.
3. Прозрачная ссылка-политика. ИИ лучше понимает и цитирует материалы, если видит, откуда взялись данные. Поэтому:
- ставьте прямые ссылки на первоисточники: научные исследования, официальные документы, отраслевые отчеты;
- при необходимости используйте открытые лицензии, особенно если материал планируется как агрегатор данных;
- не забывайте про внутренние ссылки — они показывают связи между страницами и помогают ИИ следовать по «маршруту» темы.
4. Авторство и экспертность (E-E-A-T). Доверие к контенту во многом зависит от того, кто его написал:
- добавляйте имя автора и короткую биографию к каждой статье;
- создайте страницы-«карточки» экспертов, где будет рассказано об их опыте и компетенциях;
- ведите журнал правок — так будет видно, как материал обновлялся со временем;
- все цифры, цитаты и экспертные суждения должны быть проверены и подтверждены.
5. Удобные форматы ответов. ИИ чаще и точнее цитирует контент, если тот представлен в удобной для него форме. Например:
- FAQ или базы знаний — для коротких и точных ответов;
- формат TL;DR («коротко о главном») — для быстрых выводов;
- числовые диапазоны («между X и Y») — если точную цифру назвать нельзя;
- один-два предложения с выводом — когда важно дать быструю справку.
Что делать сегодня
Мы стоим на границе новой эпохи цифрового продвижения, где привычные механики SEO уступают место оптимизации под искусственный интеллект. Для бизнеса это означает смену парадигмы: эффективность продвижения теперь определяется не только позицией сайта, но и тем, как бренд представлен в ответах ИИ-систем — от ChatGPT до Perplexity. Поэтому, вместо того чтобы «обмануть» алгоритмы, нужно научиться выстраивать с ними честные отношения.
Рост роли генеративных поисков делает видимость в LLM-результатах новым активом компании. Органический трафик сокращается, но становится качественнее и дороже. Поэтому необходимо выстраивать долгосрочное доверие, структурируя знания о компании таким образом, чтобы они были доступны как людям, так и машинам.
Клон-фермы, искусственные связи с авторитетными доменами, платные рейтинги и подстройка под поведение моделей — все это напоминает ранние этапы SEO с «линкофермами» и Keyword Stuffing, только в ускоренном формате. Неэтичные методы продвижения дают лишь кратковременный эффект, а затем падение доверия, фильтры, санкции и исключение из ИИ-ответов. Для бизнеса это не просто технологический риск, а удар по репутации и будущему бренда.
Этичный подход, напротив, делает ставку на прозрачность, достоверность и удобство восприятия контента нейросетями. Микроразметка, канонические страницы, единая структура данных, открытые источники, понятные цитаты, подтвержденное авторство и экспертность — все это формирует цифровое доверие. Именно такие сигналы позволяют LLM-моделям «узнавать» бренд и включать его в собственные ответы.
Фактически мы переходим от борьбы за поисковые позиции к проектированию собственной «истины», которая послужит опорой для машинного интеллекта. Компании, инвестирующие в этику, прозрачность и структурированные знания, завтра станут поставщиками фактов для всей экосистемы ИИ-поиска.
Как SEO-специалист, я вижу в этом не только технологический, но и репутационный поворот. Честное продвижение становится новой формой конкурентного преимущества. В условиях, когда машины учатся понимать смысл, выигрывают не те, кто выше в выдаче, а те, кого «понимают» и цитируют нейросети.