Сегодня мы решили сделать краткий обзор исследований, экспериментов и наблюдений в области GEO и AI-поиска. Разбираемся, как нейросети выбирают источники, помогает ли Schema.org попасть в AI-ответы и сколько трафика на самом деле приносят LLM.
Schema.org не гарантирует попадание в Google AI Overviews
AI Ranked изучили 458 страниц, процитированных в AI Overviews по B2B-запросам. JSON-LD обнаружили на 74% страниц.
Но при сравнении цитируемых и нецитируемых страниц из органического топ-10 выяснилось, что Schema встречалась даже чаще среди нецитируемых: 76,7% против 68,3%.
О чём нам это говорит? Как минимум о том, что наличие структурированной разметки само по себе не объясняет, почему Google выбирает страницу для AI-ответа. Правда, делать из этого вывод, что Schema вообще не нужна, тоже не стоит. Тем более что исследование наблюдательное, а не экспериментальное.
📌 Исследование AI Ranked
ChatGPT находит гораздо больше источников, чем цитирует
THREADSLAB проанализировали 28 308 AI-ответов разных систем.
Доля найденных сайтов, получивших цитирование:
- ChatGPT — 30,8%;
- Perplexity — 18,6%;
- Google AI Overviews — 92,9%;
- Gemini — 96,9%.
Системы по-разному раскрывают данные о найденных источниках, поэтому сравнивать проценты напрямую нужно осторожно.
Получили очередное подтверждение, что попасть в поле зрения AI-системы — ещё не значит попасть в её ответ. И это важный нюанс для GEO-мониторинга: обнаружение источника, цитирование и упоминание бренда — не одно и то же. Если всё свести к единому показателю «AI-видимости», можно получить довольно красивую, но малоинформативную метрику.
📌 Исследование THREADSLAB
AI-трафик конвертируется лучше, но его пока очень мало
Marie Haynes проанализировала GA4-данные 100 сайтов за год — более 145 млн сеансов.
Выяснилось, что ChatGPT приносит всего 0,62% от объёма органического трафика Google, а все LLM вместе — 0,73%.
При этом на 55 сайтах, отслеживающих конверсии, коэффициент конверсии ChatGPT составил 13,8% против 3,02% у Google Organic.
Но из-за огромной разницы в объёме трафика Google обеспечил в 27 раз больше конверсий, чем все LLM вместе: 964 против 36 в приведённом автором сравнении.
В общем, разговоры о том, что AI-поиск скоро заменит традиционный, пока несколько преждевременны. По крайней мере, с точки зрения реальных переходов и конверсий.
Правда, автор не уточняет, какие именно конверсионные события учитывались. Поэтому делать универсальный вывод о том, что трафик из ChatGPT «качественнее», мы бы тоже не спешили.
📌 Исследование Marie Haynes
Google AI Overviews почти удвоили присутствие в коммерческой выдаче
Semrush отслеживал 400 коммерческих запросов в Google США.
С сентября 2025 по август 2026 года доля запросов с AI Overviews выросла с 45,75% до 88%.
Особенно часто AI-ответы появляются по запросам с модификаторами reviews, best X for Y, alternatives и brand vs brand.
AI Overviews — уже давно не только история про информационные запросы. Так что при мониторинге коммерческой семантики стоит учитывать присутствие AI-блоков в выдаче (если вдруг вы ещё этого не делаете).
Впрочем, 400 запросов из нескольких тематик — не вся коммерческая выдача Google. Переносить эти 88% на любые проекты было бы слишком смело.
📌 Исследование Semrush
Что на самом деле влияет на цитируемость в AI-поиске?
Исследователи Mahe Chen и Nick Koudas проанализировали 158 099 AI-ответов и 468 037 цитирований, чтобы выяснить, какие факторы связаны с попаданием сайтов в ответы нейросетей.
Результаты оказались любопытными:
- Процесс поиска и отбора документов самой AI-системой объяснял значительно большую долю вариации цитирований, чем характеристики страниц: 32% против 2,8%.
- Schema.org, FAQ-блоки, краткие саммари и скорость загрузки не показали устойчивого самостоятельного преимущества при сравнении страниц одного сайта.
- Соответствие заголовков и содержания страниц вопросам пользователей оказалось более значимым.
- В контролируемых экспериментах замена названия бренда при одинаковых характеристиках продукта влияла на рекомендации AI.
Пожалуй, это одно из самых интересных исследований в подборке. Особенно на фоне множества GEO-чек-листов, где предлагают добавить Schema, FAQ, несколько саммари и ждать роста цитируемости.
Похоже, всё несколько сложнее. Важно не только содержание страницы, но и то, как AI-система ищет информацию, какие источники выбирает и какие бренды уже знает.
Это пока препринт, а не окончательное доказательство того, какие факторы работают, а какие нет. Но хороший повод критичнее относиться к универсальным рецептам GEO-оптимизации.
📌 Исследование Chen & Koudas (arXiv)
Что объединяет эти исследования?
На наш взгляд, главный вывод здесь не в том, что для GEO нужны какие-то принципиально новые SEO-практики. Скорее наоборот: чем больше появляется исследований, тем больше вопросов возникает к обещаниям быстро повысить AI-видимость с помощью набора технических приёмов.
При этом и сами исследования пока стоит воспринимать критически: методы измерения отличаются, поведение AI-систем постоянно меняется, а высокая цитируемость далеко не всегда означает реальный результат для бизнеса.
