GOOGLE ПОТРАТИЛ ГОДЫ, чтобы скрыть, как работает алгоритм. А потом сам всё рассказал. Как попасть в ИИ-поиск от Гугла
🔥 Руководство Google для AI-поиска (от 15 мая 2026). Полный разбор от DrMAX.
Google впервые опубликовал официальное руководство по оптимизации для AI-функций поиска — AI Overviews и AI Mode.
Примечательно, что книга «Доказательное SEO 2026», написанная DrMAX на основе судебных слушаний US vs Google и утечки Content Warehouse API, предвосхитила практически все ключевые позиции этого документа — за полгода до его выхода.
А если вы — читатель канала DrMax, то многие концепции были показаны и озвучены за год и более до выхода руководства Гугла.
GOOGLE официально признал: ваш контент невидим для ИИ, если вы делаете это неправильно.
Пункт 1. «SEO по-прежнему актуален для AI-поиска»
Что говорит Google:
Лучшие практики SEO остаются актуальными, потому что наши AI-функции построены поверх основных систем ранжирования Search. Они используют RAG (Retrieval-Augmented Generation) — ответы генерируются на основе страниц, извлечённых из обычного поискового индекса.
Если страница не проиндексирована — её нет для AI Overviews. Точка.
Где это в книге:
📖 Глава 1 — «Архитектура ранжирования»
Книга описывает полный конвейер: Alexandria (индекс) → SegIndexer → Mustang (скоринг) → NavBoost (поведенческая валидация) → Twiddlers (финальные корректировки). RAG работает именно как обёртка поверх этой системы — система берёт уже отранжированные кандидатов.
Ключевые приёмы из книги:
➡️Аудит scaledSelectionTierRank — уровень тиринга, в который попадает страница. Страницы на Landfill-уровне (низший тир) практически не участвуют в AI-генерации
➡️Проверка isRoboted и isCrawled через Search Console перед любой AI-оптимизацией
➡️Концепция «архитектурного соответствия» вместо «обратной инженерии» — фундаментальный сдвиг в подходе
💡 Кроме того почитайте в канале DrMAX про пайплайн ранжирования Гугла и попробуйте промпт аудита страницы для пайплайна ранжирования.
Пункт 2. «Query Fan-Out — параллельные подзапросы»
Что говорит Google:
«При обработке запроса система генерирует набор параллельных подзапросов. Например, для запроса «как починить газон от сорняков» система автоматически запускает: «лучшие гербициды», «удалить сорняки без химии», «предотвратить сорняки»».
Страница может попасть в AI-ответ по fan-out запросу, даже не упоминая оригинальный запрос.
Где это в книге:
📖 Глава 9 — «Семантическая оптимизация: QBST и сущности»
Книга описывает механизм QBST (Query-Based Salient Terms) — «запомненный» набор терминов, которые Google ожидает встретить на странице данной темы. По сути это и есть инструмент работы с fan-out логикой.
Ключевые приёмы из книги:
➡️QBST-оптимизация через отсутствующие термины (раздел 9.5.2): найти термины, которые есть у лидеров выдачи, но отсутствуют на вашей странице — Google «ждёт» их для этой темы
➡️Entity-first внутренняя перелинковка (раздел 9.5.4): строить ссылки не по ключевым словам, а по смысловой близости сущностей — это усиливает покрытие fan-out зоны
➡️Управление вероятностью disambiguации (раздел 9.5.1): если Google неправильно определяет тему страницы — она проиграет в fan-out конкуренции
💡 Кроме того почитайте в канале Как работает Query Fan-Out, модель коконцев 2.0 (последняя версия уже 4) на основе Query Fan-Out, и спец статью Оптимизация для Query Fan-Out.
Пункт 3. «Создавайте ценный, некомодийный контент»
Что говорит Google:
«Commodity content — например «7 Tips for First-Time Homebuyers» — основан на общеизвестных данных, которые мог написать кто угодно. Non-commodity content — например «Why We Waived the Inspection & Saved Money» — даёт уникальный экспертный или личный взгляд, выходящий за рамки обычного«.
Это самое важное требование гайда. И самое технически задокументированное в книге.
Где это в книге:
📖 Глава 8 — «Контент: от количества к «усилию»
Атрибут contentEffort из утечки — это алгоритмическая реализация того, что Google теперь называет «non-commodity». Google использует LLM (Gemini) для оценки сложности воспроизведения контента. Если ваш текст можно сгенерировать за 30 секунд — contentEffort стремится к нулю.
Ключевые приёмы из книги (6 методов, раздел 8.4):
➡️Anti-replicability engineering (8.4.1) — Намеренно создавать структуры, которые LLM не может воспроизвести: личные хронологии, нестандартные форматы сравнений, авторские методологии
➡️Data-shift optimization (8.4.2) — Смещать уникальность из текста в данные: оригинальные таблицы, собственные замеры, проприетарная статистика
➡️Anti-template strategy (8.4.3) — Контролируемая асимметрия страниц — разрушать шаблонность структуры, чтобы OriginalContentScore не опускался к нулю через ContentChecksum96
➡️Явные человеческие ограничения (8.4.4) — Встраивать в контент детали, которые возможны только при реальном опыте: конкретные цифры, даты, неудачи, нестандартные результаты
➡️Content layering (8.4.5) — Асинхронное наращивание «слоёв усилия» — добавлять данные постепенно, каждый раз повышая contentEffort
➡️Закрытые экспертные кластеры (8.4.6) — Связывать контент в «закрытые» экспертные сети: LLM труднее воспроизвести систему взаимосвязанных оригинальных материалов
💡 Кроме того почитайте в канале про GIST систему и попробуйте систему GIST — промптов для анализа и генерации сверхконтента.
Пункт 4. «Уникальная точка зрения и первичный опыт»
Что говорит Google:
Рецензия на основе личного опыта — это уникальная перспектива.
Пересказ существующего контента — это просто повторение того, что уже есть в интернете».
Где это в книге:
📖 Глава 13 — «E-E-A-T: перевод руководства асессоров на язык алгоритмов»
Книга вводит «Гипотезу об отсоединённой сущности»: анонимный контент алгоритмически обречён, потому что Google не может привязать его к authorReputationScore и authorObfuscatedGaiaStr.
Ключевые приёмы из книги:
➡️Привязка автора к Knowledge Graph (раздел 13.2): создать страницу автора с ссылками на LinkedIn, Wikipedia-упоминания, Google Scholar — чтобы EntityAnnotations связали автора с темой
➡️Явные маркеры первичного опыта (раздел 13.3): даты тестирования, конкретные условия, нестандартные результаты — всё, что невозможно без реального опыта
➡️»AI Reputation Watchdog» (раздел 11.4.6): мониторинг того, как бренд и авторы упоминаются в AI-ответах, и активное управление этим
💡 Кроме того посмотрите Промпт эмулятора ассесора + Промпт аудита ассесором спамного контента. А также инструмент аудита EEAT страниц (2.0).
Пункт 5. «Техническая структура — основа доступности для AI»
Что говорит Google:
Страница должна быть проиндексирована и иметь сниппет — это минимальное условие для попадания в AI Overviews.
Следуйте лучшим практикам краулинга, семантического HTML и Page Experience».
Где это в книге:
📖 Глава 3 — «Сканирование и индексация» + Глава 4 — «Core Web Vitals»
Книга документирует связь CWV с NavBoost: медленная страница не напрямую теряет позиции — она накапливает badClicks, которые снижают P (сигнал популярности).
Ключевые приёмы из книги:
➡️robots.txt: приём isRoboted (раздел 3.1): Google хранит статус robots.txt в индексе — ошибочная блокировка критических страниц остаётся в системе дольше, чем принято думать
➡️ContentChecksum96 (раздел 3.3.3): Google вычисляет цифровой отпечаток каждой страницы и находит дубликаты не по URL, а по содержимому — включая cross-site дубликаты
➡️clutterScore и «размазывание сигнала» (раздел 15.3): агрессивная реклама на одной части сайта портит clutterScore всего домена, не только конкретных страниц
➡️CWV → NavBoost → ранжирование (раздел 4.1): оптимизировать CWV нужно не ради прямого фактора, а ради снижения badClicks в NavBoost
💡 Кроме того, посмотрите промпт эмулятора пайплайна ранжирования.
Пункт 6. «Изображения и видео — дополнительные точки входа»
Что говорит Google:
«AI-функции поиска могут включать релевантные изображения и видео — это дополнительные возможности присутствия помимо ссылок на страницы».
Где это в книге:
📖 Глава 16 — «Оптимизация для вертикалей: изображения и видео»
Книга описывает атрибуты original_media_score, nimaAva/Vq (оценка эстетики изображения Google), clickMagnetScore — все они влияют на отбор медиа-элементов для включения в AI-ответы.
Ключевые приёмы из книги:
➡️original_media_score: оригинальные изображения (не стоковые) получают значительно выше оценку. Скриншоты собственных тестов, авторские фотографии — прямой вклад в contentEffort
➡️OCR-индексация: Google читает текст на изображениях. Инфографика с уникальными данными — это двойная защита от воспроизведения
➡️ YouTube как AI-источник: в мае 2026 YouTube обогнал Reddit по частоте цитирований в AI-ответах. Видео индексируется по транскрипту — те же правила non-commodity
💡 Кроме того, посмотрите также старенький промпт Составление оглавления видео (с таймкодами).
Где все это взять:
➡️DrMax: 2 учебника в одном: «Доказательное SEO 2026 + Введение в Промптоведение»
➡️25 PRO промптов + Pocketbook DrMax
➡️А тут все-все с доп. скидками — Полный КОМПЛЕКТ с дополнительными скидками из книги «Доказательное SEO 2026», промптов и покетбука (итого скидка 25%)
Сегодня каждый сеошник или владелец сайта должен обладать этими топовыми свежими SEO-учебниками:
