Общих стандартов, по которым рекомендации одного специалиста применимы ко всем, не существует среди поставщиков LLM.
<п>В течение примерно двух десятилетий дисциплина SEO действовала на основе тихого предположения, которое оказалось одной из ее наиболее ценных особенностей. Руководство от одной поисковой системы путешествовало. Если Google сказал, что файлы Sitemap имеют значение, Bing сказал, что файлы Sitemap имеют значение. Если Бинг сказал, что структурированные данные заслуживают реальных усилий, то Google сказал то же самое. Практики оптимизировали для Google с разумной уверенностью, что работа будет перенесена и на другие движки, и в большинстве случаев так оно и было. Эта портативность не была удачей. Это был продукт структурно большого слоя перекрытия, который основные поисковые системы строили совместно, по кирпичику, в течение двадцати лет.
<п>В стране LLM этого мира не существует. Крупнейшие провайдеры обучаются на разных корпорациях, используют разные сканеры в соответствии с разными политиками, направляют разные запросы через разные поисковые системы и применяют разные процессы согласования, которые формируют окончательный ответ способами, которые не могут предсказать восходящие сигналы. Рекомендации любого поставщика, включая рекомендации Google по собственным продуктам Gemini, являются одной точкой данных. Практики, развивающие привычку SEO, привычку рассматривать указания одного движка как всю карту, будут уверенно оптимизировать для одной платформы и упускать из виду другие.
<п><эм>Боковая панель: Пока я завершал эту статью, Google опубликовал новое руководство по оптимизации своих функций генеративного ИИ. Их формулировка ясна: с точки зрения поиска Google оптимизация для поиска с помощью ИИ по-прежнему остается SEO. Эта структура точна для поиска Google. Это не распространяется на ChatGPT, Claude, Perplexity или любой другой LLM, и именно об этой ловушке и рассказывается в этой статье.
Общие стандарты, которые сделали руководство по SEO портативным
<п>Эпоха портативных навигаторов была основана на реальном сотрудничестве, а не на совпадении. Протокол Sitemaps стал совместной собственностью Google, Yahoo и Microsoft в ноябре 2006 года, когда три движка официально согласились поддерживать общий протокол версии 0.90, основанный на более ранней версии Google Sitemaps 0.84, выпущенной в июне 2005 года. Пять лет спустя, 2 июня 2011 года, те же три движка запустили Schema.org, к которому вскоре присоединился Яндекс, чтобы создать общий словарь для разметки структурированных данных. Это заявление было сделано на сцене SMX Advanced. В то время я работал в команде Bing, и то, что поразило меня тогда, имеет значение и сейчас. Двигатели были конкурентами, но они решили, что общий словарь им всем пригодится. Веб-мастера получили один набор правил. В сети появились более чистые данные. Двигатели получили более качественные сигналы. Все выиграли.
<п>Модель повторилась с robots.txt, соглашением 1994 года, которое в 2022 году стало RFC 9309 в IETF, официально закрепив то, что уже соблюдал каждый серьезный сканер. И совсем недавно это повторилось снова с IndexNow, протоколом, который Microsoft Bing и Яндекс запустили в октябре 2021 года. IndexNow теперь поддерживается Bing, Yandex, Naver, Seznam и Yep. Google тестировал протокол с 2021 года, но так и не принял его.
Именно из-за этого слоя перекрытия можно было безопасно следовать рекомендациям Google, даже если вы заботитесь о трафике Bing. Сигналы, которые использовали машины, не были идентичными, но входные данные, которые они принимали, протоколы, которые они соблюдали, и стандарты, которые они рекламировали, были одинаковыми. Оптимизация имела общую подложку.
Где действительно расходятся стеки LLM
В среде LLM нет общей подложки сопоставимого размера. Различия не косметические и не временные. Они встроены в то, как построены системы.
<п>Начните с обучающих данных. OpenAI подписала лицензионные соглашения с News Corp на сумму до 250 миллионов долларов в течение пяти лет, Axel Springer примерно на 13 миллионов долларов в год, Reddit примерно на 70 миллионов долларов в год, а также Financial Times, Condé Nast, Hearst, Vox Media, The Atlantic, Associated Press, Le Monde и другие. У Google есть собственная сделка с Reddit, оцениваемая в 60 миллионов долларов в год, которая предоставляет доступ к API данных в реальном времени. Anthropic не раскрывала публично информацию об аналогичных лицензионных соглашениях с издателями, и этот нераскрытый статус сам по себе является проблемой для практиков. Корпуса, которые питали эти модели и продолжают их обновлять, — это не одни и те же документы. Практикующие врачи не могут знать, за что заплатил тот или иной поставщик услуг, а за что нет.
<п>Далее расходится гусеничная инфраструктура. OpenAI использует три отдельных бота: GPTBot для обучения, OAI-SearchBot для поисковой индексации и ChatGPT-User для поиска, инициируемого пользователем. Anthropic использует три собственных: ClaudeBot для обучения, Claude-SearchBot для поиска и Claude-User для поиска, инициируемого пользователем. Perplexity запускает PerplexityBot и Perplexity-User. В сентябре 2023 года Google представила Google-Extended в качестве пользовательского агента, который контролирует, может ли Google использовать контент сайта для обучения Gemini, полностью отдельно от робота Googlebot, который обрабатывает традиционную поисковую индексацию. Не существует единого пользовательского агента ИИ. Каждому провайдеру требуется отдельное правило, и эти правила не могут быть четко перенесены между провайдерами, поскольку боты не выполняют одинаковую работу одинаковыми способами.
<п>Архитектуры поиска различаются структурно. ChatGPT исторически использовал индекс Bing в качестве основного источника веб-поиска, и это соединение, похоже, по-прежнему является основным, хотя OpenAI продолжает создавать дополнительную инфраструктуру параллельно с ним. Perplexity построила свою систему поиска на основе конвейера на базе Vespa, который рассматривает документы и фрагменты поддокументов как первоклассные извлекаемые единицы. Gemini от Google использует собственный индекс Google и базу знаний Knowledge Graph. Клод использует Brave Search в качестве партнера по поиску. Один и тот же запрос, четыре разные системы поиска, четыре разных взгляда на то, какие источники существуют и какие источники заслуживают внимания.
<п>Затем идет уровень выравнивания, где у SEO вообще нет аналогов. После того, как модель обучена на своем корпусе, поставщики проводят постобучение, чтобы определить, как модель на самом деле ведет себя: тон, модели отказа, формат, безопасная поза и то, что считается хорошим ответом. Основным подходом OpenAI был RLHF, или обучение с подкреплением на основе обратной связи с человеком, при котором оценщики-люди оценивают результаты модели, и модель учится давать высоко оцененные ответы. Anthropic разработала конституционный ИИ, который обучает модели критиковать и пересматривать свои результаты в соответствии с записанным набором принципов. Эти методологии приводят к явно различному поведению конечных продуктов. Один и тот же полученный контент, введенный в две модели, согласованные с помощью двух методологий, может привести к двум существенно различным отзывам об одном и том же бренде.
Когда руководство одного провайдера явно не позволяет перенести порт
<п>Самый яркий пример руководства, которое не портируется, — это llms.txt. Джереми Ховард из Answer.AI предложил этот файл в сентябре 2024 года в качестве манифеста уценки, размещенного в корне сайта, который будет направлять LLM к наиболее важному контенту. Предложение было подхвачено сообществом SEO. Йоаст построил генератор. Агентства добавили создание файла llms.txt в свои каталоги услуг. Спикеры конференции заявили, что это необходимо.
<п>По состоянию на середину 2026 года ни один крупный поставщик LLM не подтвердил, что использует этот файл. Не ОпенАИ. Не антропный. Не Гугл. Анализ журналов серверов сотен тысяч доменов показывает, что основные сканеры искусственного интеллекта вообще не запрашивают /llms.txt регулярно. Джон Мюллер из Google публично сравнил его с устаревшим метатегом ключевых слов. Гэри Иллис подтвердил на Search Central Live в июле 2025 года, что Google не поддерживает llms.txt и не планирует этого делать.
<п>Я уже писал об этом в другом месте, поэтому не буду здесь повторять технические детали. Для этого аргумента важен структурный урок. Schema.org добилась успеха, потому что три движка собрали ее вместе, а затем совместно реализовали. Llms.txt был предложен одним исследователем, подхвачен поставщиками инструментов и проигнорирован платформами, которые он должен был обслуживать. Модель общих стандартов, которая дала SEO портативное руководство, недоступна специалистам LLM в том же масштабе, потому что платформы не создают стандарты вместе. Они строят свои собственные трубопроводы.
Инверсия Близнецов
Наилучшая иллюстрация того, насколько сильно деградировала мобильность наведения, находится внутри одной компании. Google публикует собственную документацию по SEO в Search Central — каноническом руководстве, которому отрасль следует на протяжении двух десятилетий. В этих документах особое внимание уделяется традиционным сигналам ранжирования, E-E-A-T, качеству контента, технической доступности и структурированным данным. Это руководство по-прежнему полезно для самого поиска Google.
Google также производит Gemini, модель, которая поддерживает обзоры AI и отдельную поверхность режима AI Google. И поведение цитирования на этих поверхностях, похоже, не соответствует рекомендациям, которые та же компания публикует для своих собственных результатов поиска.
<п>В конце 2024 года примерно три четверти страниц, упомянутых в обзорах AI, также вошли в топ-12 Google по тому же запросу. К началу 2026 года, после того как в январе Google обновил обзоры AI до версии Gemini 3, Ahrefs проанализировал 4 миллиона URL-адресов обзоров AI и обнаружил, что только 38% цитируемых страниц также входят в топ-10 по тому же запросу. Отдельный анализ BrightEdge показал, что перекрытие приближается к 17%. Работа SE Ranking после обновления показала, что Gemini 3 заменил примерно 42% доменов, ранее упоминавшихся в более ранних версиях модели, и генерирует на 32% больше источников на каждый ответ.
Разрыв увеличивается еще больше, если вы посмотрите на режим искусственного интеллекта Google, который представляет собой отдельную диалоговую поверхность, работающую в том же семействе Gemini. Данные Semrush показывают, что режим AI и обзоры AI приходят к семантически схожим выводам в 86% случаев, но ссылаются на одни и те же URL-адреса только в 13,7% случаев. Лишь 14 % упоминаний в режиме искусственного интеллекта входят в традиционную десятку лучших по версии Google.
<п>На данный момент кажется, что канонические отношения изменились. Опубликованное Google руководство по SEO по-прежнему является самым чистым путем к ранжированию в поиске Google. Но этот рейтинг больше не является надежным показателем того, что его цитируют собственные поверхности искусственного интеллекта Google. Одни и те же рекомендации, один и тот же контент, одна и та же область могут привести к трем существенно разным результатам в поиске Google, обзорах ИИ и режиме ИИ, даже если все три находятся в одной компании. Старая схема следования указаниям поисковой системы и уверенности в том, что другие поверхности системы будут вести себя последовательно, похоже, не дает той же отдачи, что и раньше.
Какие еще порты и почему они меньше, чем кажутся
<п>Универсальный слой сохраняется. Доступность сканера по-прежнему имеет значение для каждого провайдера. Фактический контент из первоисточников по-прежнему получает больше цитирований, чем пересказ агрегаторов. Чистая извлекаемая структура по-прежнему помогает каждой системе понять, о чем страница. Присутствие в высокоавторитетных источниках, на которые непропорционально цитируются все крупные LLM, — в Википедии, YouTube, Reddit, крупных новостных агентствах — по-прежнему действует как мультипликатор силы на разных платформах. Повышение видимости этих источников дает контенту возможность появиться в любом LLM, который их использует.
<п>Но универсальный уровень намного меньше, чем в эпоху SEO. Анализ Qwairy 118 000 ответов ИИ в ChatGPT, Perplexity, Google AI Mode и Claude показал, что только 11% цитируемых доменов появлялись на нескольких платформах. Остальные 89% были привязаны к конкретной платформе. Бренд, который получает цитирования на Perplexity, может быть практически незаметен на Claude. Бренд, который регулярно упоминается в ChatGPT, может вообще не отображаться в обзорах AI. Один и тот же контент может быть правильным ответом для одной системы и неправильным ответом для соседней системы.
Что это значит для работы
<стр>Практическое значение не состоит в том, чтобы оставлять всякую надежду. Суть в том, что практикующие специалисты должны перестать рассматривать руководство какого-либо отдельного поставщика LLM как универсальную карту и начать рассматривать его как один из нескольких входных данных. Прочтите, что каждый крупный поставщик публикует о своих системах. Проверьте свою видимость на разных платформах, а не только на той, которую вы используете чаще всего. Считайте расхождение значением по умолчанию, а перекрытие — исключением, а не наоборот.
SEO работает не так, и разница имеет значение. Старый рефлекс заключался в оптимизации для Google и доверии к переносимости. Новая реальность такова, что следование указаниям одного из LLM, даже руководству Google по поводу Близнецов, приведет к тому, что вы будете оптимизированы для части ландшафта и потенциально слепы к остальному. Дисциплина перестраивается на работу с конкретной платформой, которой не существовало в эпоху SEO, и специалисты, которые осознают это, в первую очередь потратят следующие два года на установление стандартов, которым следуют все остальные.
Перекрытие уменьшилось. Теперь вам предстоит выполнить больше работы, чем когда-либо.
<стр>Если у вас есть мысли о том, где в вашей работе различия между поставщиками наиболее резкие, обратитесь напрямую. Мне бы искренне хотелось услышать, что отображается в данных.
Этот пост был первоначально опубликован на сайте Duane Forrester Decodes.
