<стр>Четыре способа выявить запросы режима ИИ и обзора ИИ, скрытые в Search Console: от пользовательского регулярного выражения до бесплатного классификатора, который помечает 100 000 запросов за один запуск.
<п>3 июня 2026 года Google представила в Search Console отчеты об эффективности генеративного ИИ, а также специальные представления показов в рамках функций генеративного ИИ в поиске, таких как обзоры ИИ и режим ИИ. Наконец-то появился официальный отчет «Обзоры ИИ», показывающий, как часто эти функции задействуют ваши страницы. Чего он не включает, так это запросов, лежащих в основе активности ИИ, а отчет представляет собой только пользовательский интерфейс. 11 августа 2026 года я повторно проверил на своем ресурсе, что ни API Search Analytics, ни массовый экспорт BigQuery не предоставляют генеративные данные ИИ, поэтому официального способа отслеживать трафик в режиме ИИ на уровне запроса не существует.
За исключением того, что запросы все равно возникают. Фрагменты реальных разговоров ИИ, ответы типа «да, продолжай», «да, продолжай». последующие действия и целые вставленные подсказки стали отображаться в отчете об эффективности как обычные запросы. Анастасия Куру написала о странных строках в LinkedIn, а Джон Мюллер из Google ответил, подтвердив, что эти данные всегда были доступны в отчете об эффективности, и указав на документацию Google.
Я написал полный аккаунт с собственными данными за 16 месяцев отдельно и применил свой метод извлечения этих запросов через MCP Google Search Console, так что ниже приведены лишь практические способы вытащить AI-запросы в Search Console в открытый доступ, а также бесплатный инструмент на основе моей собственной специально обученной модели машинного обучения, который сделает это за вас.
Борьба за запросы
Как только утечка стала достоянием общественности, оптимизаторы по поисковой оптимизации начали искать способы выявить эти запросы.
<п>Ранняя волна, еще в июне 2025 года, представляла собой регулярное выражение для подсчета слов, выявляющее длинные диалоговые запросы только по длине, например, что-то из 32+ слов. Барри Шварц подвел итог этим первым попыткам, отдав должное Метехану Йелюрту, Виджею Чаухану и Дэвиду Коницны. С тех пор подходы стали намного более конкретными.
Метод 1: Полная инвентаризация Гленна Гейба в Excel
<п>Пользовательский интерфейс отчета о производительности ограничивает любую таблицу 1000 строками, поэтому на большом сайте большая часть данных вашего запроса остается скрытой до начала работы. Ответ Гленна Гейба — пропустить пользовательский интерфейс. Он получает полный набор запросов через API Search Analytics с помощью Analytics Edge в Excel, затем просит Клода организовать список и пометить вероятные запросы в режиме AI. Если вы уже работаете в Excel, это помещает полную инвентаризацию в привычный вам рабочий процесс.
Изображение предоставлено: Suganthan Моханадасан
Метод 2: Пользовательское регулярное выражение Жана-Кристофа Шуинара
<п>Жан-Кристоф Шуинар решил ту же проблему изнутри отчета. 14 августа 2026 года он опубликовал в LinkedIn регулярное выражение, которое помечает диалоговые строки непосредственно в фильтре запросов отчета об эффективности, используя опцию «Пользовательское регулярное выражение». Он построил его, сравнивая подсказки, которые люди обычно вводят в LLM, на основе данных, к которым у него есть доступ, со строками, которые редко встречались в GSC до «Обзоров ИИ».
<п>В результате получается одно длинное чередование, охватывающее подсказки (написать, набросать, сгенерировать, обобщить, объяснить, действовать как), приветствия, подтверждения (да, ок, звучит хорошо, да, продолжайте), отказы и последующие действия (еще, продолжить, показать мне больше, любые другие варианты). Вставьте его в фильтр, и вы сразу же бесплатно получите доступ к уже открытому отчету.
Изображение предоставлено: Сугантан Моханадасан <стр>Кроме того, его тематическое исследование от 12 января 2026 года показало, что клики в режиме искусственного интеллекта отслеживаются в Search Console, но запросы, стоящие за ними, почти исключительно анонимны, и это предостережение касается каждого метода здесь.
<х2>Метод 3: Усовершенствованный визуализатор GSC Амина Форутана
Изображение предоставлено: Сугантан Моханадасан
Метод 4: Мои серверы MCP
В моем MCP Search Console встроен детектор разговоров в виде инструмента под названием genai_conversation_queries, и мой BigQuery MCP запускает тот же детектор для массового экспорта, где находится анонимизированный пул запросов. Оба работают локально, поэтому ваши данные перемещаются только между вами и Google. Что у них хорошо получается, так это автоматизация и масштабирование с помощью меток уровня запроса в каждой строке. Ограничением является настройка, а не обнаружение, поскольку вам нужен клиент MCP и конфигурация, поэтому они подходят техническим пользователям.
Изображение предоставлено: Сугантан Моханадасан
4 метода бок о бок
<таблица> <тр> ~60><сильный>Метод ~60><сильный>Сильный на ~60><сильный>Пределы
<тело> <тр>
<тр>
<тр>
<тр>
<п>Посмотрите вниз по столбцу «Пределы» и увидите, что первые три имеют пробел. Списки шаблонов и сортировка по каждому запуску не могут надежно выявлять крайние случаи, такие как зонды отслеживания рейтинга, подсказки агентов, вставленные строки или фразы типа «мое местоположение». образцы. Они также созданы для английского языка, поэтому ответ на тамильском языке или на хинглише со смешанным кодом проходит без маркировки. Метод 4 решит эту проблему с помощью специальной модели машинного обучения.
Почему нужна модель ML
Классифицировать каждый запрос по именованным сегментам на разных языках, включая странные, сгенерированные машиной строки, очень сложно точно с помощью традиционных методов. Потому что существует так много крайних случаев и т. д. Поэтому единственный надежный способ заставить это работать — это обучить модель машинного обучения.
И я решил построить такой.
Изображение предоставлено: Suganthan Моханадасан
Как я построил детектор
Детектор состоит из двух частей. Детерминистическим правилам принадлежат точные классы (артефакты ответов, зонды отслеживания, подсказки использования агентов), а обученная модель владеет нечеткой границей между диалоговым, длинным хвостом и обычным.
<п>Модель представляет собой базу xlm-roberta-base от FacebookAI, предварительно обученную на 100 языках и настроенную на основе моего собственного выхлопа разговоров в Search Console, а также синтетических строк на восьми языках, включая смешанный код танглиш и хинглиш. Я проверил его по чуть более чем 120 000 набранным запросам и дважды переобучил его на том, что сломалось. Он работает в квантованном виде в контейнере Cloudflare с масштабированием до нуля, и та же модель теперь представляет собой бесплатный инструмент, который каждый может использовать без какой-либо настройки.
Инструмент
Этот инструмент представляет собой классификатор запросов AI Mode и AI Review, который можно бесплатно найти на этом сайте, и вам не нужно регистрироваться или сообщать мне свой адрес электронной почты.
Если маршрут GSC MCP звучит как усилие, значит, это тот же детектор, в котором это усилие удалено.
Изображение предоставлено: Сугантан Моханадасан
Как это работает
Добавьте в Search Console или запрос BigQuery, экспортируйте его в формате CSV, и несколько файлов объединятся в один запуск.
Изображение предоставлено: Сугантан Моханадасан
<сильный>Шаг 1:Модель классифицирует ваши запросы в одну из семи групп.
Шаг 2: Если вы добавите генеративный ИИ-отчет Search Console, инструмент извлечет данные страницы и сопоставит их с вашими запросами. (В отчете вы увидите столбец «Страница AI». Полный URL-адрес вы увидите при экспорте CSV.)
Детерминированные правила помечают очевидные сегменты прямо в вашем браузере, и эти запросы никогда не покидают ваше устройство. Я делаю это, потому что хочу минимизировать объем обрабатываемых данных и ускорить процесс.
<п>Все остальное попадает в модель, классифицируется в памяти и ничего из этого не сохраняется. Каждый запрос возвращается с сегментом и оценкой достоверности. Проще говоря, сегменты представляют собой полные диалоговые запросы, короткие ответы типа «да, продолжай», «да, продолжай». последующие развороты, такие как «а как насчет профессионального плана?» зонды отслеживания рангов, подсказки агентов, вставленные строки и обычный поиск. Вы можете фильтровать по сегменту, классификатору и достоверности, а затем экспортировать каждую помеченную строку в CSV без ограничения строк.
Как это использовать
<стр>Пять шагов, от начала до конца. <ол>
<х2>Ограничения
Инструмент легко обрабатывает до 100 000 уникальных запросов за один запуск в браузере, а для большого запуска требуется, чтобы вкладка оставалась открытой, что, как я понимаю, является способом расчета в 2010 году. Второе ограничение распространяется на все способы отслеживания режима AI в Google Search Console, включая мой. Google анонимизирует редкие запросы; строки диалога редки, и часть пула никогда не отображается, поэтому рассматривайте выходные результаты как заниженный счетчик. Мой экспорт в BigQuery показывает, что 57,7% моих показов находились в анонимизированном пуле за последние 59 дней (по состоянию на 11 августа 2026 г.).
Эта модель стоит мне реальных денег, и, как вы меня уже знаете, я ничего не продаю, и ни один из моих инструментов не требует какой-либо регистрации или платного доступа. Поэтому мне пришлось ввести некоторые ограничения и ограничения, чтобы каждый мог использовать этот инструмент.
Итак, пожалуйста, играйте хорошо. Вы не хотите быть человеком, который все портит.
Инструмент находится в стадии бета-тестирования, и если его начнет использовать множество людей, он замедлится, и обработка может занять больше времени. В этом случае подождите и повторите попытку.
<стр>Также обратите внимание, что я предлагаю свое время и опыт бесплатно, поэтому не требую поддержки клиентов и т. д. Да, мне приходится писать это, потому что некоторые люди ведут себя не как разумные взрослые. <ч2>Более 100 000 запросов
При количестве уникальных запросов более 100 000 нам необходимо выполнить пакетный запуск. Отправьте свой запрос, и мое агентство выполнит его как полноценную пакетную работу, а затем отправит вам по электронной почте полные результаты. Мы также можем превратить результаты в полный, действенный отчет или помочь в вашей более широкой работе по AI-SEO.
Этот пост был первоначально опубликован на Suganthan.
