Вывод 1: AI уже служит для информации и советов
Исследование OpenAI сентября 2025 года проанализировало 1.5 миллиона потребительских разговоров. Опубликованный обзор классифицировал 49% сообщений как вопросы, 40% как выполнение и 11% как выражение. Около 70% потребительского использования было вне работы. Числа описывают аудиторию продукта и период исследования; не означают, что половина сообщений — покупательский поиск.
Коммерческое значение — в начале решения. Человек может просить пояснение, сравнивать подходы и определять требования до поиска поставщика. Моя интерпретация: компании оцениваются до появления узнаваемого продажного запроса. Сайт, объясняющий лишь название компании, может мало помогать ранним решениям, даже занимая позиции по бренду. Это изменение информационного пути, не доказательство покупательского намерения всех разговоров.
Вывод 2: источник может помогать ответу, не получая посещения
Pew проанализировал просмотры 900 взрослых США. Клики на традиционные результаты происходили в 8% посещений Google с AI-сводками против 15% без них; на источники сводки — в 1%. Работа использовала мартовские просмотры 2025 года и восстановленные результаты, собранные в апреле. Это наблюдение, не рандомизированная оценка причинного влияния сводок на клики.
Вывод отделяет экспозицию от трафика. Не определяет финансовой ценности ответа конкретному рекламодателю, издателю или поставщику услуг.
Вывод 3: приходящие посетители могут вести себя иначе
Отчет Adobe от 29 октября 2026 года дает другое наблюдение: в сентябре AI-переходы на розничные сайты США конвертировались в покупки на 90% лучше прочих и приносили на 83% больше дохода за посещение. AI-трафик вырос на 71% год к году. Базовый анализ охватывает свыше 1 триллиона посещений, 100 миллионов продуктов и 18 категорий.
Это относительные сравнения наблюдаемых посещений, не абсолютная конверсия или доказательство дополнительных покупок из-за AI. Кликнувшие после разговора могли уже сузить выбор. Числа относятся к рознице США, не программным продажам или выбору ухода семьей. Но показывают, почему количество посетителей и ценность каждого — разные коммерческие вопросы. Малый поток переходов может заслуживать внимания, не становясь крупнейшим источником.
Кажущееся противоречие исчезает после разделения единиц
Поисковое взаимодействие, показ ответа, переход и покупка не взаимозаменяемы. Меньшая склонность покидать страницу ответа может сочетаться с большей конверсией покидающих. Это не объединенный причинный вывод работ: выборки, сроки и продукты различны. Именно поэтому проценты нельзя перемножить в прогноз компании.
Представьте вымышленный бизнес с меньшим трафиком, но более подходящими продажными разговорами. Он может улучшаться коммерчески. Другой получает больше ссылок, но меньше прибыльных заказов, теряя ценность. Оба возможны, когда ответ и сайт выполняют разные части решения. Полезное экономическое различие — видимость, подходящий спрос и завершенный бизнес.
| Наблюдаемая единица | Что устанавливает | Что неизвестно |
|---|---|---|
| Название появилось в выборочном ответе | Сколько покупателей увидели или поверили | |
| Страница указана как доказательство | Рекомендовали ли компанию | |
| Человек достиг измеряемого сайта | Был ли визит дополнительным | |
| Коммерческий результат состоялся | Что случилось бы без экспозиции |
Вывод 4: контент влияет на видимость, но известный прирост — не прогноз
Работа GEO, принятая на KDD 2024, представила набор 10,000 запросов и сообщила улучшения видимости до 40% по экспериментальным мерам. Проверяла добавление релевантных источников, цитат и статистики. Эффекты различались по области. Отдельный опыт Perplexity также выявил зависимость результата от меры видимости.
Это доказательство влияния представления источника на ответ. Не обещание на 40% больше контактов; экспериментальные системы — не каждый нынешний продукт. Видимость включала объем материала и место его появления. Важное различие — изменение контента, повлиявшее на измеренный ответ, и программа, увеличившая прибыль. Работа доказывает первое, не второе.
Вывод 5: AI-поиск по-прежнему зависит от существующего веба
Актуальное руководство Google описывает ответы с опорой на индекс Search и разветвление запросов: вопрос может запускать связанные поиски до сборки ответа. Рекомендация остается полезной оригинальной информацией на обычных основах поиска. Отдельная страница для каждой формулировки — не описанная модель ценности.
Следствие — конкуренция на уровне объяснения. Покупателю сложного предложения одновременно нужны цены, совместимость, риски и доказательства внедрения. Разные страницы дают разные части. Компания может добавлять полезный факт, не владея всем ответом. И наоборот, известный бренд отсутствует в конкретном решении, если материалы не отвечают условиям. Это моя интерпретация документированного извлечения, не раскрытая формула ранжирования.
Вывод 6: видимость поиска и обучение модели — разные решения
OpenAI описывает OAI-SearchBot как поисковый сканер, GPTBot — отдельный сканер обучения. Разница явная: политика компании в отношении обучения не обязана совпадать с политикой поискового присутствия.
Это экономически важно: ограничивать обучение и оставаться обнаруживаемым — не обязательно противоположные цели. Это объясняет, почему заблокированную или исключенную страницу нельзя оценивать как доступную, но не выбранную. Команда может видеть одинаковое отсутствие в панели при разных причинах. Ни разрешение, ни успешное сканирование не гарантируют ссылки.
Google теперь дает отдельный контроль включения в AI
Контроль Search Console для генеративных функций Search запущен глобально 31 августа 2026 года. Включение действует по умолчанию, но ресурс может наследовать выбор родительского ресурса. Документация отделяет его от контроля обучения и исключения из Search целиком.
Существенный вывод: обнаруживаемость имеет видимый управленческий уровень наряду с контентным. Отсутствие в ответах может отражать решение издателя, наследуемую настройку, доступ или выбор. Одинаковый внешний результат не означает одинаковую причину. Это различие допустимости, не доказательство улучшения рейтинга после согласия.
Вывод 7: платформенная отчетность улучшается, не закрывая разрыв атрибуции
Специальный Generative AI performance от Google, запущенный во всем мире 31 августа 2026 года, сообщает показы поддерживаемых AI-функций Search. Представления включают страницы, страны, даты и устройства. При недостатке показов сайт может его не увидеть. Это полезное свидетельство экспозиции ссылок, не полный реестр вопросов, клиентов или продаж.
Bing измеряет использование источников, не клиентские результаты
Анонс Bing AI Performance февраля 2026 года описывает число ссылок, цитируемые URL и выборочные запросы подтверждения в поддерживаемых продуктах. Отделяет их от роли и положения страницы в одном ответе. Делает использование источника наблюдаемее, не превращая в атрибуцию продаж. Цитируемая техническая и покупательская страницы могут помогать разным решениям, даже добавляя по одной ссылке к итогу.
Коммерческий вывод: возможность — более информированный спрос, не универсальный множитель трафика
Мое прочтение: AI-поиск меняет и знания будущего клиента, и момент, когда ему нужен сайт. Это делает точные продуктовые и сервисные сведения коммерчески важными до клика. И делает сырую оценку ссылок неполной мерой ценности. Для каждого бизнеса остается вопрос связи экспозиций с подходящими дополнительными результатами за приемлемые расходы.
Я работаю в Searchable. Как стратегический партнер связываю исследование с реальным предложением, рынками и решениями клиентов: индивидуальный Prompt Universe, личный запуск и общая интерпретация. Полезный разговор со мной начинается с того, где бизнес выиграет от информированного спроса. Не с обещанного процента роста.
Границы исследования
Проверено 3 ноября 2026 года. Это синтез первичных работ и официальной документации, не новый потребительский опрос или контролируемый клиентский эксперимент. Даты и группы работ остаются разделенными. Числа приписаны издателям; коммерческие интерпретации мои. Google и Bing измеряют разные единицы. Ни одна работа обзора не устанавливает универсального доходного эффекта по отраслям.
Источники и примечания
Источники проверены: 3 ноября 2026 г.. Планы и примеры — советы, а не измеренные результаты клиентов. Я работаю в Searchable. Ссылки на продукт отражают эту связь.
1
Searchable