Эффективность SEO в AI-поиске нельзя оценить только по позициям и органическим переходам. Маркетологу нужно видеть, появляется ли бренд в ответах AI-систем, какие страницы попадают в цитаты, приходят ли пользователи из таких ответов и превращаются ли эти визиты в заявки или продажи. Разбираем, какие метрики собрать и как связать их с бизнес-результатами.
Почему привычных SEO-метрик уже недостаточно
Классическое SEO отвечает на вопрос, где страница находится в поисковой выдаче и сколько переходов она получает. В AI-поиске пользователь может увидеть готовый ответ с несколькими ссылками и не открыть большинство из них. Бренд при этом получает внимание, даже если прямого визита не произошло.
Share of voice, число упоминаний, цитирования и тональность помогают оценить видимость бренда в AI-поиске относительно конкурентов. Но эти показатели не показывают, какие страницы прочитали AI-боты и повлияли ли ответы на поведение аудитории. Search Engine Journal рекомендует дополнять внешние наблюдения собственными данными из логов и аналитики.
Проблема есть и с сопоставимостью результатов. Ответы могут различаться между платформами и даже между двумя запусками одного запроса. Поэтому разовое измерение присутствия бренда не даёт надёжной картины: промпты, платформы и период наблюдения нужно фиксировать заранее.
Метрики SEO в AI-поиске: три уровня оценки
Aleyda Solis предлагает разделять измерения на Presence, Readiness и Business Impact. Такая модель помогает не смешивать факт упоминания бренда с технической готовностью сайта и реальным вкладом в бизнес.
Presence показывает, насколько часто и в каком виде бренд появляется в ответах. В эту группу входят пять показателей:
- охват промптов - доля запросов из выбранной группы, в ответах на которые появился бренд;
- доля рекомендаций - как часто бренд не просто упомянут, а рекомендован пользователю;
- доля связанных цитирований - насколько часто упоминание сопровождается ссылкой на релевантную страницу;
- доля побед в сравнительных запросах - как часто бренд оказывается среди предпочтительных вариантов в запросах с выбором между компаниями или продуктами;
- точность представления - совпадает ли описание бренда с его реальными продуктами, условиями и позиционированием.
Это иллюстрация расчёта, а не универсальный ориентир для всех ниш.
Readiness описывает условия, при которых контент проще обнаружить, прочитать и корректно интерпретировать. Здесь оценивают доступность страниц для краулеров, структуру материалов, наличие понятных сущностей, вопросных формулировок и структурированных данных. Сам по себе высокий показатель готовности не гарантирует цитирование, но помогает найти технические и содержательные препятствия.
Business Impact связывает видимость с наблюдаемыми, прокси- и моделируемыми результатами. К наблюдаемым относят визиты и конверсии из AI-источников. Рост брендового поиска или прямого трафика может быть прокси-сигналом, но его нельзя автоматически приписывать AI-поиску: на эти показатели также влияют реклама, PR, сезонность и запуски продуктов.
Как измерить эффективность SEO через first-party данные
Собственные данные позволяют проверить, что происходит после появления страницы в поле зрения AI-систем. Search Engine Journal выделяет среди таких сигналов активность AI-краулеров, страницы, которые они просматривают, и реферальный трафик от AI-платформ.
Логи сервера помогают увидеть, какие боты обращаются к сайту и какие URL запрашивают. Эти сведения стоит сопоставлять с содержанием страниц: краулер может регулярно посещать технический раздел, но это ещё не означает, что страница цитируется в ответах. Полезный рабочий сценарий выглядит так: найти часто посещаемые URL, проверить их видимость в отслеживаемых промптах и затем сравнить с переходами и конверсиями.
В аналитике отдельно выделяют визиты из AI-платформ. Aleyda Solis показывает, как создать в GA4 пользовательскую группу каналов с правилами по источнику. Порядок правил имеет значение: визит попадает в первый подходящий канал, поэтому пересекающиеся условия могут исказить отчётность.
Отдельно нужно учитывать ограничения атрибуции. Пользователь может увидеть ответ в приложении, запомнить бренд, открыть сайт позже напрямую или найти его по брендовому запросу. Такая цепочка не всегда будет записана как переход из AI-системы. Поэтому AI-трафик и конверсии лучше рассматривать в нескольких срезах, а не сводить весь эффект к одному источнику.
Что считать переходами из AI-систем
В отчёте полезно разделять платформы и типы поверхностей: ChatGPT, Perplexity, Gemini и поисковые функции с генеративными ответами могут по-разному передавать реферер и ссылки. Смешивание всех источников в одну строку скрывает различия в качестве визитов и сценариях поведения.
Google AI Overviews и AI Mode, согласно описанию в материалах Aleyda Solis, учитываются в общей отчётности Search Console по веб-поиску и не представлены там как отдельные самостоятельные источники трафика. Поэтому Search Console не заменяет анализ логов и системы аналитики, если задача - выделить именно AI-влияние.
Для каждой платформы стоит фиксировать минимум источник, посадочную страницу, глубину просмотра, целевое действие и период. Если переходов мало, показатель не нужно объявлять незначимым: часть влияния может проявиться в последующих брендовых визитах или прямых заходах. Но такие эффекты следует помечать как косвенные, а не выдавать за доказанную атрибуцию.
Как оценивать цитируемость контента
Одного факта, что AI-бот посетил страницу, недостаточно. Следующий вопрос - почему одна страница становится источником ответа, а другая остаётся без цитирования. Для анализа можно сопоставлять содержание URL с формулировками промптов, полноту раскрытия темы, структуру сущностей и ясность объяснений.
iPullRank описывает экспериментальный подход с cosine similarity - оценкой семантической близости между контентом и запросом. В их материалах также рассматриваются Comprehensive Coverage Index, Strategic Entity Richness, Explanatory Efficiency Index, Information Gain Score и Entity Density. Это исследовательские метрики, которые полезны для сравнительного анализа страниц, но не заменяют фактическую проверку цитирований.
В том же исследовании iPullRank страницы из среднего диапазона запросов с оптимизированной плотностью сущностей показывали заявленный авторами рост вероятности цитирования на 292%. Авторы отдельно указывают, что речь идёт о корреляции, а не о доказанной причинной связи. Переносить этот результат на другую нишу, язык или AI-платформу без собственного теста нельзя.
Практически это означает, что контент нужно проверять не по одной оценке «оптимизировано», а по набору вопросов: отвечает ли страница на конкретный запрос, раскрывает ли связанные понятия, содержит ли проверяемые факты и понятно ли обозначает, кто, что и на каких условиях предлагает.
Что это значит для бизнеса
Компаниям стоит начать с небольшой фиксированной выборки промптов, связанных с выбором продукта, сравнением решений и вопросами клиентов. Для каждого замера нужно записывать наличие бренда, форму упоминания, ссылку на страницу, конкурентов в ответе и дату проверки. Затем эти данные сопоставляют с логами AI-ботов, AI-реферальными визитами и целевыми действиями в аналитике.
Внутри отчёта полезно разделять три типа результата: наблюдаемый - визит или заявка с распознанным источником; косвенный - изменение брендового спроса или прямых визитов; моделируемый - оценка потенциальной выручки на основе предположений. Такое разделение не даёт создать ложную точность и показывает, какие выводы подтверждены данными, а какие требуют проверки.
Контентные доработки лучше привязывать к конкретным сигналам. Если бот посещает страницу, но она не цитируется, нужно проверить структуру и соответствие запросу. Если цитирования есть, но переходов и конверсий нет, проблема может быть в посадочной странице, предложении или несоответствии намерения пользователя. Если переходов мало, это не отменяет анализ, но требует аккуратно учитывать скрытую часть пути клиента.
Эффективность SEO в AI-поиске складывается из присутствия, готовности контента и бизнес-эффекта. Ни один показатель не описывает её полностью, поэтому устойчивую систему измерений строят на повторяемых замерах и связке внешней видимости с собственными данными сайта.