Как «слоптимизация» меняет поиск и рекомендации товаров

Исследования по структурированию контента для RAG-чатов подтверждают: то, как организована информация, напрямую влияет на точность и уместность ответов . Нумерованные списки, сравнительные таблицы, чёткие заголовки и сжатые описания легче сегментировать и использовать. Именно поэтому жёстко структурированные списки — особенно те, где издатель ставит себя на первое место, — становятся идеальным инструментом для манипуляции ИИ-рекомендациями.

Игра на два фронта: классическое SEO и оптимизация под RAG

Это не замена старого доброго SEO. Это надстройка.

Компании всегда боролись за место в поисковой выдаче. Официальная документация Google по основным обновлениям советует владельцам сайтов анализировать изменения трафика после полного развёртывания апдейта, сравнивая показатели «до» и «после» . Эта игра всем знакома. Новизна в том, что один и тот же контент теперь оптимизируется одновременно и под Google, и под RAG-чатботы — у каждого свои уязвимости.

Google уже начал отвечать. После декабрьского основного обновления 2025 года (разворачивалось с 11 декабря 2025 по 1 января 2026) органическая видимость множества SaaS- и B2B-брендов упала на 30–50%. Удар пришёлся на разделы с блогами, руководствами и инструкциями, где как раз и обитали рекламные списки-самовосхваления . По оценкам, от 40 до 60% сайтов в мире ощутили на себе значительные изменения в ранжировании, причём сильнее всего пострадали партнёрские сайты — 71% из них столкнулись с негативным эффектом .

По данным Search Engine Land, крупнейшие потери понесли «саморекламные» подборки, где издатель ставил себя на первое место. Это может говорить о том, что Google начал применять более строгие сигналы доверия к рейтинговым сравнениям продуктов . В то же время интернет-магазины и розничные бренды без стратегии саморекламных списков оказались в числе главных бенефициаров этого обновления .

Почему вопрос доверия здесь глубже SEO-спама

Традиционный SEO-спам виден невооружённым глазом. Вы видите конкурирующие страницы в выдаче, можете сравнить их утверждения и оценить источник. ИИ-поиск убирает эту прозрачность:

• Ответы синтезируются. Пользователь видит готовый ответ, а не набор найденных документов, логику переранжирования или изначальные источники. Покажет ли чат-бот ссылки, зависит от конкретной реализации .
• Нет оценки мотивов. Технические описания RAG делают упор на семантический поиск, промпт-инжиниринг и генерацию, но не на встроенную проверку коммерческой ангажированности источника. Исследования подтверждают: RAG-системы по-прежнему могут вводиться в заблуждение извлечённой информацией, особенно если промпты противоречат предобученному знанию модели .
• Манипуляцию сложнее заметить. В обычном поиске можно пробежаться по разным результатам и перейти на конкурирующие сайты. В ИИ-поиске — только финальный синтез. Если слоптимизированные страницы доминируют в подборке источников, синтезированный ответ выглядит авторитетно, оставаясь по сути рекламным.

Структура стимулов уже меняется. Бренды, понявшие, что структурированные страницы сравнения отлично проходят через RAG-выдачу, получают явный стимул плодить их больше — и не обязательно качественнее. А поскольку ИИ-контент часто сам служит инструментом для такой массовой штамповки, порочный круг только ускоряется.

Потребители сталкиваются с нарастающей проблемой доверия. Если невозможно понять, почему чат-бот назвал продукт лучшим — из-за его реальных достоинств или из-за успешной манипуляции алгоритмами, — то главное преимущество ИИ-помощника (быстрый, надёжный синтез информации) оказывается подорванным ещё до того, как все к нему привыкли.