68% SEO-специалистов не видят надежных метрик эффективности продвижения брендов в ИИ
91% российских SEO-специалистов, принявших участие в исследовании, имеют опыт работы с GEO (Generative Engine Optimization) и AEO (Answer Engine Optimization). Однако единых методов продвижения в ответах нейросетей и AI-ассистентов пока не разработано, а рынок продолжает искать надежные способы оценки эффективности этого направления. Такие данные приведены в отчете Sape, который есть в распоряжении Sostav. За последний год 64% респондентов применяли GEO и AEO для продвижения трех и более проектов, 27% — для одного-двух проектов. При этом 9% участников опроса не имеют опыта в этой сфере. Большинство опрошенных оценили размер рынка AI SEO относительно классического SEO в пределах 10%. Наиболее активно в этот новый канал привлечения инвестируют компании из IT и технологий, финансового сектора и банковского дела. Далее в списке следуют маркетинговые и диджитал-агентства, медицинские и фармацевтические организации, а также представители электронной коммерции и розничной торговли. Появление AI SEO повлияло на организацию работы SEO-команд. 39% специалистов используют гибридную модель: часть SEO-задач они объединяют с AI SEO, а часть ведут отдельно. 19% полностью адаптировали свои стратегии, 10% рассматривают AI SEO как дополнение к поисковой оптимизации. 27% пока не меняют существующие процессы. Единого подхода к организации работы с GEO и AEO пока не сложилось. 44% респондентов ведут их как параллельные направления с разными действиями, 37% объединяют в единую стратегию без разделения задач. 61% участников опроса считают, что для заметной видимости в ИИ недостаточно минимальных изменений в классическом SEO: 46% говорят о необходимости более глубокой адаптации подхода, 15% — о существенной перестройке стратегии. Для видимости бренда в ИИ-ответах важен не только собственный сайт, но и информационный контекст вокруг него. Среди тактик, применяемых опрошенными, — публикация материалов на авторитетных внешних площадках (в СМИ и отраслевых блогах), работа с контентом на сайте, подтверждение фактов ссылками на исследования и официальную статистику, микроразметка и размещение ИИ-дружественного контента. Внешние упоминания без прямой ссылки респонденты оценивают как не менее значимый сигнал, чем ссылки: 37% называют их влияние сильным, 34% — умеренным. Для ссылок показатели составляют 24% и 47% соответственно. Среди приоритетных форматов контента: кейсы с конкретными цифрами, короткие емкие определения, списки и пошаговые инструкции. Искусственный интеллект, по мнению опрошенных, больше доверяет энциклопедиям, отраслевым медиа, федеральным СМИ и отчетам аналитических агентств. Половина респондентов оценивают оптимальный стартовый бюджет для среднего бизнеса в 100–200 тыс. руб. в месяц, 31% — в 50–100 тыс. руб. Основные статьи расходов: работа с внешними источниками и ссылками, создание и адаптация контента, оплата инструментов и подписок. У 37% есть отдельный бюджет на AI SEO, у 22% это направление выделено отдельной строкой внутри общего SEO-бюджета. Первых результатов работы большинство опрошенных ожидают в течение одного-трех месяцев. Достижение целевых показателей занимает больше времени: 42% называют срок от трех до шести месяцев, 32% — от полугода до года. Основной метрикой эффективности AI SEO является видимость бренда в ИИ-ответах (ее отслеживают 83% респондентов). Далее следуют переходы из систем на сайт, частота цитирования материалов и сравнение с конкурентами. При этом 68% специалистов не видят надежных метрик эффективности продвижения брендов в ИИ. У 56% респондентов доля трафика из генеративных моделей не превышает 5%, у 37% — более 5%. У отдельных компаний показатель достигает почти половины всего трафика. 56% опрошенных считают, что через пять лет доля AI SEO составит не менее 31% рынка SEO, почти четверть прогнозируют долю более 50%. Среди ключевых трендов: коммерциализация ответов ИИ, усиление роли репутационного маркетинга и создание внешнего информационного контура вокруг бренда. Основные сложности в развитии AI SEO: отсутствие надежных метрик для оценки эффективности, невозможность контролировать точность ответов генеративных моделей, непредсказуемость ранжирования, высокие затраты на мониторинг и нехватка экспертизы в командах. В опросе приняли участие 110 практикующих SEO-специалистов.
