Чтобы попадать в AI-выдачу, над сайтом работают по четырём направлениям: техническая проработка (разблокировать AI-ботов, настроить микроразметку), контент (описать продукт как продавец-консультант и собрать специальные страницы), соцсигналы (PR и упоминания на площадках с доверием) и аналитика (парсить смыслы запросов и тестировать). Быть сильным в SEO - не гарантия успеха в AI-оптимизации: это похожие, но разные каналы.
Один из главных тезисов доклада Анатолия Гиля на AI Борще звучит так, если вы крутой в SEO, это ещё не значит, что вы попадёте в AI-выдачу. Каналы похожие, но работают по-разному. Нельзя чуть-чуть подкрутить одно место и ждать роста - продвигаться нужно комплексно, по четырём компонентам сразу.
AI Борщ, 30 июня 2026, Москва. На экране - слайд Анатолия Гиля.
| Компонент | Что делаем |
|---|---|
| Техническая проработка | Разблокировать AI-ботов, настроить разметку контента, оптимизировать код, собрать фиды для AI-поиска |
| Контент | Специальные страницы и блоки для AI-ботов, описание продукта простым языком под задачу клиента |
| Соцсигналы | Крауд-ссылки на популярных площадках, размещение в рейтингах, списках и сравнительных статьях |
| Аналитика | Базовые фразы по интентам, парсинг ответов AI-систем, регулярные контентные A/B-тесты |
Источник: презентация, слайд «Состав работ по AI-оптимизации»
Техника
Самое базовое - проверить, не заблокированы ли AI-боты. Их часто банят автоматически: системы фильтрации трафика вроде Cloudflare принимают наплыв ботов за DDoS, или в файле robots.txt стоит запрет на конкретных ботов. Если бот не может вас прочитать, для нейросети вы невидимка. Дальше идёт микроразметка, чтобы контент отдавался правильно. Похоже на SEO, но не идентично.
Контент
Тут канал вытягивается сильнее всего, но это трудоёмко. Правило простое: опишите весь продукт так, как это делал бы продавец-консультант в магазине - максимально понятно и точечно под задачу человека. Гиль опирается на логику JTBD (jobs to be done - какую конкретную задачу пришёл решить клиент). Старые сеошные «портянки» ради воды и объёма для нейросети скорее сигнал не рекомендовать вас.
Отдельная работа - специальные страницы, которых раньше не было: рейтинги, отзывы, сравнения брендов. Их нейросети любят, потому что так же работают менеджеры по продажам. Приходите за пылесосом - вам дают сравнительную таблицу: этот лучше вот этим, тот - вот этим. Такие страницы хорошо заходят в нейровыдачу.
Соцсигналы
Нейросети завязаны на медийное присутствие и репутацию. Гиль описал это так: нейросеть ведёт себя как знакомый, который пересмотрел миллиард каналов и готов поделиться, кому доверять. Компанию без имени она рекомендует хуже. В SEO можно было нагенерить ссылок, с которых нет трафика, и как-то расти - здесь так не выйдет. Через соцсигналы можно вытащить сайт в выдачу даже по узкому направлению: если на компанию ссылаются профильные ресурсы и через неё «ездили» публичные люди, это траст-фактор, и нейросеть рекомендует именно её.
Аналитика
Самое сложное. В SEO всё понятно: пробили запрос «купить такое-то» - видите свою позицию по системам, регионам и устройствам. С нейросетями так не выйдет. Люди пишут не фразы, а промты: полстраницы текста или голосом. Запросы уникальные, поэтому приходится парсить смыслы вместо ключевых слов. Готового точного решения на рынке пока нет, поэтому остаётся много экспериментов - тестировать, переписывать, замерять.
Чанки и фраглы
У нейровыдачи свои правила по контенту. Есть понятие, которое на русский так и не перевели: чанки и фраглы (chunks and fraggles). Это отдельное предложение или словосочетание, которое нейросеть может забрать готовой формулировкой прямо в ответ. Оно несёт конкретный смысл и содержит нужные ключевые слова. Такой блок оптимизируют сразу под две вещи: под обычный поиск (чтобы были ключевые фразы) и под нейросеть (чтобы формулировка забиралась целиком). И под каждый продукт таких экспериментов нужно провести не один, чтобы понять, какой вординг работает лучше.
Под каждую нейросеть - своя настройка
Разные нейросети работают по-разному, и оптимизация под них тоже разная. Аналогия Гиля: как сессия у разных преподавателей, под каждого подстраиваешься. Плюс модели часто обновляются: настроил, вышел апдейт серьёзной модели - и позиции просели, начинаешь заново. Пример инструментов: в некоторые системы можно грузить товарные фиды (у Google это Merchant Center), и тогда нейросеть сразу знает ваш ассортимент.
Что осталось в записи и презентации
Четыре компонента - это рамка. Что за ней: полный чек-лист AI-оптимизации больше чем на 50 позиций, конкретика по каждому блоку и то, как приоритизировать работы.
В записи Анатоли Гиль разбирает, какие правки в контенте дают рост, как проверять блокировку ботов руками, какие площадки дают траст и чем мерить видимость в разных нейросетях.
Запись доклада и презентация - в материалах конференции на aiborsch.com