Google, который читает мысли: как меняется поисковая оптимизация в эру ИИ и что делать российскому бизнесу
Поисковые системы больше не находят ответы – они их понимают, предугадывают и даже создают с нуля. Контент, который раньше ждал клика, теперь стал строчкой в сводке, которую пользователь даже не открывает. Что изменилось в самом принципе поиска, и как адаптировать свой ресурс к реалиям, где алгоритмы думают, а не сканируют – читайте в статье Demis Group.
Как работает поиск в современных реалиях?
Представьте, что вводите в Google:
«Где купить удобные кроссовки, чтобы ноги не уставали?»
Через 0,3 секунды на экране – не привычные синие ссылки, не рекламные блоки, не каталоги, а полноценный ответ с подборкой ортопедической обуви, учетом нагрузки при длительном стоянии, ближайшими точками продаж и даже рекомендациями от хирурга-ортопеда – упражнениями для стоп и советами по подбору стелек.
Это уже не просто поиск. Это диалог между человеком и интеллектом, который понимает не только слова, но и боль, контекст, образ жизни – то, что пользователь не успел или не знал, как сформулировать. Именно в нем ключевые слова перестали быть центром SEO-вселенной. Если раньше Google был цифровым библиотекарем, перебирающим документы по совпадению слов, то сегодня он – аналитик, психолог и советник в одном лице, способный расшифровать намерение за неуклюжей формулировкой.
Современному пользователю больше не нужно искать «кроссовки для плоскостопия», он ищет облегчение и комфорт. И новые алгоритмы это чувствуют!
Как правильно адаптироваться к модернизированным SEO-реалиям и почему это важно? Разбираемся вместе с руководителем группы поискового продвижения маркетингового агентства Demis Group – Григорием Пчелинцевым.
Что убило ключевое слово: технологии, которые перекроили поиск
Раньше Google действительно напоминал библиотекаря: он знал, где лежит документ, и умел находить его по совпадению слов. Достаточно было вставить нужные термины – и вы в топе. Однако с приходом ИИ-алгоритмов этот подход стал менее успешным.
BERT (2019): первый шаг к пониманию смыслов
Переломный момент наступил в 2019 году с запуском BERT (Bidirectional Encoder Representations from Transformers). Это был не очередной апдейт, а полноценная революция в понимании языка.
До BERT поисковые алгоритмы обрабатывали запросы по принципу статистического соответствия. Система разбивала запрос на отдельные термины, искала их в индексе и ранжировала страницы по частоте вхождений и внешним сигналам.
Запросы «купить iPhone без доставки» и «купить iPhone с доставкой» обрабатывались почти идентично – ведь ключевые слова («купить», «iPhone», «доставка») были и там, и там. Частица «без» не играла особой роли и не меняла общей картины, потому что алгоритмы не понимали семантическую нагрузку предлогов и частиц.
BERT изменил саму архитектуру обработки текста. Впервые Google стал использовать контекстно-зависимое двунаправленное моделирование. Это означает, что каждый токен (слово, часть слова) анализируется не изолированно, а с учетом всех слов до и после него. Теперь «без доставки» – это не просто набор слов, а отрицание условия, и это кардинально меняет смысл. Система улавливает, что пользователь хочет именно отказаться от доставки, например забрать товар сам, и перестраивает выдачу, учитывая это намерение.
Такое стало возможным благодаря трансформерной архитектуре, которая позволяет модели оценивать важность каждого слова в контексте всего предложения (mechanism of attention). Например, во фразе «не работает после обновления» слово «не» получает высокий вес, потому что оно инвертирует смысл последующего глагола. Раньше такие нюансы терялись.
Кроме того, BERT обучался на естественных, разговорных запросах, включая длинные, неструктурированные, с грамматическими ошибками. Это позволило Google начать понимать намерение, а не просто сопоставлять слова.
Сегодня Google не ищет страницы с нужными словами. Он ищет страницы, которые отвечают на суть запроса, даже если ключевые слова на них отсутствуют.
Технически это означает:
-
Падение значимости точного соответствия ключа (exact match).
-
Рост веса семантической плотности и контекстной релевантности.
-
Учет синтаксических конструкций, частиц, предлогов, отрицаний.
-
Интеграция представлений на уровне предложений, а не слов.
BERT стал первым шагом к тому, что мы видим сегодня: поисковик больше не индексирует слова – он интерпретирует язык как человек.
MUM (2021): когда поиск стал мультимодальным и междоменным
Google MUM (Multitask Unified Model) – прорыв в архитектуре поискового интеллекта, который кардинально изменил способ обработки информации. В отличие от предшественников, MUM построен на масштабированной трансформерной модели с 1000+ языками и возможностью одновременной обработки нескольких типов данных – текста, изображений, аудио, видео. Он не только «видит» разные форматы, но и интегрирует их в единую модель понимания. Это и есть суть мультимодальности: не анализ отдельных сигналов, а синтез знаний из разных модальностей.
Технически MUM обучен на многозадачной архитектуре (multitask learning), что позволяет не просто понимать запрос, но и предвидеть следующие шаги пользователя, выявлять скрытые зависимости и строить логические цепочки между темами, которые раньше считались несвязанными.
Пример:
Запрос: «Как подготовиться к восхождению на Эверест?»
Для традиционного алгоритма это повод выдать статьи про снаряжение и маршруты. А для MUM – многоуровневая задача, требующая интеграции знаний из разных доменов:
-
Медицина – адаптация к высоте, кислородная недостаточность, тренировки для сердечно-сосудистой системы.
-
Логистика – визы, перелеты, трансферы в Катманду, сроки акклиматизации.
-
Психология – работа со страхом, стрессоустойчивость, командная динамика.
-
Юридические и страховые аспекты – медицинская страховка с покрытием высотных экспедиций.
-
Климат и сезонность – оптимальные месяцы для восхождения, прогнозы погоды.
MUM не просто находит информацию – он структурирует путь пользователя, предвосхищая его потребности на каждом этапе. И делает это, анализируя миллионы источников, включая видео с разбором маршрутов, аудиоинтервью альпинистов, фото снаряжения, медицинские рекомендации и даже отчеты спасательных служб.
Ключевое отличие MUM от BERT – масштаб и глубина интеграции.
-
BERT понимает один запрос в одном контексте.
-
MUM строит многошаговые сценарии, объединяя домены, форматы и задачи.
Он способен, например, увидеть изображение кемпингового снаряжения, проанализировать его пригодность для экстремальных условий, сравнить с рекомендациями экспертов и предложить альтернативы – все без единого текстового запроса.
Это означает, что сегодня релевантность определяется не по совпадению слов, а по полноте покрытия темы. Если контент отвечает только на поверхностный вопрос – вы исчезаете из выдачи.
Чтобы попасть в сферу внимания MUM, нужно быть экспертом, способным охватить экосистему запроса.
Технически это требует:
-
Мультимодального контента (текст + видео + инфографика + голосовые гиды).
-
Четкой структуры, отражающей этапы пользовательского пути.
-
Интеграции данных из смежных областей.
-
Использования structured data для помощи ИИ в интерпретации.
Так MUM стал не просто «умным поиском», а междоменным синтезом знаний, который ставит во главу угла глубину, контекст и практическую ценность.
Gemini (2023–2025): когда Google перестал вести на сайты
Появление Google Gemini стало шагом к трансформации из инструмента навигации в автономного агента, способного не просто находить информацию, а создавать ее с нуля.
В отличие от BERT и MUM, которые все еще интерпретировали и структурировали существующий контент, Gemini генерирует ответы на основе обученной модели знаний. Он не выбирает лучшую страницу, а синтезирует ответ из сотен источников, фильтрует противоречия, учитывает актуальность, ранжирует доверие и выдает результат в виде цельного, логически выстроенного повествования – прямо в интерфейсе поиска.
Gemini основан на масштабированной LLM-архитектуре (Large Language Model), интегрированной с поисковым индексом Google. Это означает, что он:
-
Обладает обширными предварительно изученными знаниями.
-
Может динамически дополнять их данными из свежего индекса.
-
Применяет логические цепочки и рассуждения (reasoning) для построения ответов.
-
Генерирует персонализированные, адаптированные под контекст и стиль ответы – будь то краткий факт, пошаговая инструкция или сравнительный анализ.
Результат:
Пользователь вводит запрос – например,
«Какие ортопедические кроссовки лучше для работы на ногах: Asics или Brooks?»
– и получает структурированное сравнение по амортизации, поддержке свода, износостойкости, отзывам врачей и цене.
Ответ включает выводы, рекомендации и даже упоминает, что Brooks лучше подходит при плоскостопии, а Asics – при высоком своде.
При этом:
-
Сайты не открываются.
-
Клика нет.
-
Трафик не идет.
Вы можете быть одним из источников, на которые Gemini ссылается (в формате «источники» внизу), но ваш сайт – не цель, а сырье. Это меняет саму экономику SEO. Раньше задача была попасть в топ и получить клик. Сейчас – попасть в ответ. Даже если вы «внутри», то рискуете остаться невидимым автором, чьи данные используются без перехода и без конверсии.
Gemini не ведет пользователя к знанию, а дает его сразу, как ассистент, который не просто нашел письмо – а написал его сам и не спросил, откуда брать информацию. Для владельцев контента это означает:
-
Авторитетность (E-E-A-T) становится критичнее, чем когда-либо – Gemini предпочитает источники с высоким доверием.
-
Структурированные данные и четкая семантика помогают ИИ правильно вас интерпретировать.
-
Глубина и уникальность контента – не про трафик, а про шанс быть выбранным как источник.
Теперь недостаточно быть релевантным. Нужно быть надежным, структурированным и готовым к новой реальности, где сайт – не пункт назначения, а элемент базы знаний.
Gemini – не конец SEO. Это начало эры, где вы конкурируете не за позиции, а за право быть услышанным ИИ.
От ключей к кластерам: новая архитектура семантики в эпоху ИИ
Подход, при котором SEO строится вокруг списка ключевых слов, все дальше уходит в прошлое. Алгоритмы Google больше не ищут совпадений, они строят семантические модели, оценивают глубину знаний и определяют авторитетность источника. Это означает, что вы больше не оптимизируете страницу под слово – вы проектируете вселенную знаний вокруг темы.
Получается, ключевоцентричная модель больше не работает?
Дело не в том, что ключевые слова перестали учитываться. Они все еще важны как сигналы релевантности. Но теперь они – лишь элемент более сложной системы.
Современные ИИ-алгоритмы (BERT, MUM, Gemini) способны:
-
Распознавать синонимы без прямого вхождения терминов.
-
Понимать контекст: например, «обувь для официантов» и «кроссовки для работы на ногах» – это один пользовательский сценарий.
-
Определять намерение за запросом, даже если оно выражено нечетко.
В результате, пользователь может ввести что-то вроде:
«Устала после смены – ноги как будто в тисках, что делать?»
– и получить ответ, связанный с ортопедической обувью, хотя слово «кроссовки» в запросе отсутствует.
Это возможно, потому что Google интерпретирует запрос как часть более широкой темы – «комфорт при длительном стоянии».
Так что же пришло на смену ключевому списку?
Тематические кластеры (Topic Clusters)!
Теперь это не просто набор статей, а иерархическая контент-архитектура, где:
-
Pillar page – центральный ресурс, охватывающий тему на стратегическом уровне (например, «Что делать, если болят ноги после работы?»).
-
Cluster pages – глубокие материалы по подтемам: «Упражнения от боли в стопах», «Топ-5 брендов ортопедической обуви», «Как выбрать стельки при плоскостопии», «Уход за обувью в условиях высокой нагрузки».
Все страницы связаны внутренними ссылками, что формирует семантический граф, понятный как пользователям, так и поисковым ботам. Такая структура сигнализирует Google: «Этот сайт – не набор разрозненных страниц, а авторитетный источник по теме».
Онтологии знаний
Это логические модели, где понятия объединены причинно-следственными, категориальными и контекстными связями.
Например:
Плоскостопие → Боль в стопе → Ортопедическая обувь → Подбор по профессии → Уход и замена стелек → Профилактика → Визит к врачу
Такая цепочка позволяет ИИ понять, что пользователь, ищущий обувь, может также нуждаться в медицинской консультации или упражнениях.
Онтологии можно строить на основе анализа данных: чатов поддержки, голосовых поисков, поведения на сайте.
Семантические поля
Здесь вместо списка ключей появляется карта значений, включающая:
-
Синонимы и парафразы («удобная обувь», «обувь с амортизацией», «кроссовки для стоячей работы»).
-
Вопросы пользователей («можно ли носить кроссовки каждый день?», «как долго служит стелька?»).
-
Эмоциональные оттенки (усталость, боль, желание облегчения).
-
Контекст использования (профессия, длительность смены, тип пола).
Такой подход позволяет создавать контент, который «говорит» на языке пользователя, а не на языке SEO-таблиц. Google видит: вы не просто продаете, а понимаете проблему целиком. И в эпоху ИИ – это и есть главный критерий авторитетности.
Практика: как перестроить контент-стратегию в эпоху ИИ
Оптимизация под ключевые слова – это прошлое. Будущее за стратегией, построенной на понимании пользователя, а не на подборе терминов. Чтобы выжить в новой реальности, где Google отвечает за вас, нужно перестать спрашивать: «Какие слова вставить?». И начать с главного: «Что человек на самом деле хочет понять, решить, почувствовать?».
Современные поисковые системы интерпретируют запросы в контексте поведенческих паттернов, истории взаимодействия и глубинных пользовательских задач. Полагаться исключительно на ключевые слова – значит игнорировать архитектуру ранжирования, построенную вокруг релевантности намерения и качества контекстного покрытия. Эффективный контент-план должен учитывать не только тип намерения, но и сопутствующие демографические, ситуационные и поведенческие факторы, формирующие информационный запрос, – Григорий Пчелинцев, руководитель группы поискового продвижения Demis Group.
Шаг 1: от запроса к намерению – и дальше, к контексту
Современный запрос – срез человеческого опыта. Чтобы на него ответить, нужно распознать не только тип намерения, но и его эмоциональную и ситуационную глубину.
-
Информационное намерение: «Почему болят ступни после работы?»
→ Человек ищет объяснение, диагноз, возможные причины.
Ваша задача – не продать, а объяснить: плоскостопие, перегрузка, неправильная обувь, заболевания опорно-двигательного аппарата.
-
Коммерческое намерение: «Сравнение ортопедических кроссовок Asics и Brooks»
→ Пользователь уже в фазе выбора.
Здесь нужен объективный, экспертный разбор: амортизация, срок службы, поддержка свода, отзывы врачей. -
Транзакционное намерение: «Купить кроссовки с аркой под размер 39»
→ Готов к покупке.
Требуется максимально простой путь к конверсии, но с подтверждением доверия: гарантии, доставка, возврат. -
Эмоциональное намерение: «Как не страдать после 12 часов на ногах?»
→ Это не просто запрос, а крик о помощи.
Здесь важна эмпатия. Ответ должен начинаться не с товара, а с признания боли: «Да, это тяжело. Многие через это проходят. Вот что помогает».
Понимание намерения – фундамент. Но еще важнее – контекст: профессия, тип нагрузки, образ жизни, даже уровень дохода.
Шаг 2: строим контент-воронку на основе тематического кластера
Нужна иерархическая структура, где каждый элемент усиливает общий авторитет. Центр – Pillar page, например:
«Обувь для людей, которые много стоят: что носить, чтобы не болели ноги после смены».
Это авторитетный ресурс, охватывающий тему целиком: от анатомии стопы до подбора обуви, упражнений и ухода.
От него расходятся cluster pages:
-
«Как выбрать кроссовки при плоскостопии?»
-
«Упражнения для снятия усталости в стопах»
-
«Топ-5 брендов ортопедической обуви по отзывам врачей»
-
«Как ухаживать за кроссовками при ежедневной эксплуатации?»
Все страницы связаны внутренними ссылками, используют единый терминологический корпус и логически дополняют друг друга. Это формирует семантический граф, который Google распознает как признак экспертности.
Шаг 3: семантическая плотность вместо ключевой частоты
Теперь не важно, сколько раз вы вставили слово «ортопедические кроссовки». Важно – насколько полно вы покрываете тему.
Для этого анализируйте:
-
Синонимы и вариации: «обувь с поддержкой свода», «удобная обувь для официантов», «кроссовки для работы на ногах».
-
Частые вопросы: «можно ли носить каждый день?», «как часто менять стельки?», «подходят ли для зимы?»
-
Контекст использования: работа в ресторане, медицина, торговля, стоячие мероприятия.
-
Эмоциональные триггеры: усталость, боль, желание комфорта, страх за здоровье.
Используйте NLP-анализ (например, через Clearscope или Frase), чтобы проверить, насколько ваш контент соответствует семантическому полю.
Цель – не повторять слова, а закрыть все аспекты темы, чтобы ИИ увидел: «Этот контент – исчерпывающий».
Шаг 4: структурные данные как язык для ИИ
Добавляйте:
-
FAQPage – чтобы Google мог взять ваши ответы в Featured Snippet.
-
HowTo – для пошаговых инструкций (например, «Как правильно завязывать шнуровку для поддержки свода?»).
-
Article, Product, Review – чтобы помочь ИИ классифицировать и использовать ваш контент.
Так можно попасть в ответы Gemini, MUM, голосовые ассистенты, чтобы вас цитировали, даже если ответы не ведут на сайт.
Инструменты новой эры: как картографировать смыслы вместо сбора ключей
Современное SEO – это не сбор слов, а построение семантических моделей, понимание контекста и предвосхищение запросов, которых пользователь еще не задал. Для этого нужны инструменты, способные анализировать язык на уровне смысла, а не совпадений. Они помогают выйти за рамки ключевых слов и увидеть полную картину темы: какие понятия связаны, какие вопросы возникают у пользователей, как устроена их воронка осознания.
Вот пять ключевых категорий инструментов, которые формируют основу современной семантической аналитики.
- NLP-платформы и библиотеки – позволяют анализировать текст на уровне сущностей, настроений, синтаксических связей и семантической близости. Они показывают, насколько близко ваш контент к теме в целом, а не просто фиксируют вхождение слов.
- Графы знаний – системы или внутренние онтологии на базе собственных данных помогают визуализировать связи между понятиями. Это критично для построения тематических кластеров и выявления «слепых зон» в контенте.
- SEO-платформы нового поколения – они не просто анализируют ключи, а оценивают глубину освещения темы, сравнивают ваш контент с топовыми страницами и дают рекомендации по улучшению семантической плотности.
- Исследование скрытых вопросов – такие инструменты раскрывают, что на самом деле интересует пользователей. Они показывают не только запросы, но и логику поиска, цепочки вопросов, эмоциональные повороты.
- Внутренние данные. Чаты поддержки, голосовые поиски на сайте, записи call-центров – это золото. Они показывают, как люди на самом деле говорят о вашей теме. Используйте их для построения аутентичной семантики, а не искусственных ключей.
Именно эти инструменты формируют новую компетенцию: не SEO-специалиста, а архитектора контекста, способного говорить на одном языке с ИИ.
Что будет дальше: можно ли построить прогноз на основе текущей траектории поиска
На основе наблюдаемых изменений в архитектуре Google можно констатировать: поисковая система активно смещает фокус с индексации страниц на генерацию ответов. Уже сегодня в выдаче все чаще встречаются синтезированные результаты от Gemini, где информация подается без необходимости переходить на сайт. Это не единичные случаи – это системная тенденция, усиливающаяся с ростом доли генеративных моделей в интерфейсе поиска.
Контент, который ИИ использует для формирования ответов, отбирается по признакам доверия. Факторы E-E-A-T (опыт, экспертность, авторитет, достоверность) становятся критически важными, поскольку алгоритмы стремятся минимизировать риски ошибок и дезинформации. Источники, демонстрирующие глубокую экспертизу, систематически цитируются в блоках «Источники», даже если пользователь не кликает по ним.
Структурированные данные (schema.org) все чаще выступают не как рекомендация, а как способ помочь поисковому ИИ правильно интерпретировать контент. Страницы без разметки FAQ, HowTo или Article хуже индексируются в контексте генеративных ответов, поскольку ИИ не может однозначно определить, где вопрос, где инструкция, где мнение.
Контент, оптимизированный под человека, но не адаптированный для машинного понимания, теряет шанс быть включенным в ответ. При этом важна не просто структура, а семантическая полнота – способность охватить тему целиком, включая смежные вопросы, контекст использования и скрытые потребности.
То, что ранее считалось задачей SEO – привлечение трафика, – теперь становится побочным эффектом. Основная цель – оказаться в числе источников, на которые опирается ИИ. Для этого недостаточно технической оптимизации. Нужна системная работа: экспертный контент, прозрачность источников, четкая разметка и постоянное подтверждение авторитетности.
Направление очевидно.
Куда именно приведет этот путь – покажет время.
Но игнорировать его уже невозможно.
Оригинал статьи на SEOnews