У Google теперь два разных поиска — а вы оптимизируете под один

6 июл. 2026 г. · 3 мин чтения · Автор Михаил Кузьмицкий

Два поиска под одной кнопкой

Главное архитектурное открытие 2026 года о Google: AI Overview (AIO) и AI Mode (AIM) — не один «ИИ-поиск» в двух видах, а две разные системы на разных retrieval-движках. Гипотеза («Ашманов и партнёры», эмпирика на 600+ параметрах): AIO собирает ответ из классической выдачи, AIM — векторным семантическим поиском, как ChatGPT.

Для практики это значит: «один шаблон на всех» не работает. Оптимизируясь только под классическую выдачу, вы покрываете AIO — и почти не существуете в AIM.

Данные: чем они отличаются

Параметр	AI Overview (AIO)	AI Mode (AIM)
Длина ответа	короткий (1–2 абзаца)	~4× длиннее
Источников по исходному запросу	~60%	~15%
+ по дополнительным под-запросам	10–15%	~30%
Топ-3 источников	~40% мест	распределено ровнее
Коммерческие страницы в источниках	45,6%	29,2%
Языки источников	как в выдаче (одноязычно)	многоязычные
Многозначные слова	одно значение	все значения
Корреляция с органикой	сильнее	слабее

Красноречивее всего — форма гистограмм. В AIO распределение источников по позициям выглядит как классическая выдача: плотная посадка на топ-3, экспоненциальный спад. В AIM оно ровное — ровно то, чего ждёшь от поиска по embedding-индексу, где позиция в SERP не значит ничего, а решает семантическая близость.

Стратегия для AIO: классика ещё работает

Топ-10 по-прежнему даёт ~60% источников — позиции остаются рычагом.
Query fan-out добавляет шанс страницам вне топ-3 — через под-запросы.
Свежесть решает: в ответах систематически выигрывают недавно обновлённые страницы.
Доля коммерческих источников высокая (45,6%) — коммерческие страницы в AIO пускают.

Стратегия для AIM: позиция почти не важна

Топ-10 даёт лишь ~15% источников — ранжирование почти не помогает.
Нужна векторная близость, а не лексика: самодостаточные атомарные блоки 40–60 слов, число в начале пассажа, структурированные данные.
Многоязычность: AIM цитирует иностранные источники — и ваш контент может попасть в чужие локали (и наоборот: конкуренты приходят из других языков).
Ответ в 4 раза длиннее → больше слотов для цитирования, но каждый слот выигрывается отдельным под-интентом (см. где движки берут ответы).

Что делать

Разделите KPI. Присутствие в AIO и в AIM — два разных результата; меряйте их отдельно, как и позиции.
Для AIO — держите классику: позиции, свежесть, покрытие веера под-запросов.
Для AIM — атомизируйте: каждый под-интент = самодостаточный блок, извлекаемый без контекста.
Проверьте обе поверхности. Наш зонд AI-видимости меряет цитирование по 4 движкам, а geo-metrics отдельно считает экспозицию в AI Overview по вашим ключам.

Источники

GEO-HowTo 2026 — доклад Курдюковой–Волович («Ашманов и партнёры») — гипотеза двух движков, методика на 600+ параметрах: гистограммы источников, доли по исходному запросу (~60% vs ~15%), коммерческие страницы (45,6% vs 29,2%), языковое поведение.
GEO-HowTo 2026 — доклад Александра Рунова (MGCom) — Google Search 2.0 (19.05.2026): «AI стал основой поискового интерфейса».
Материалы US v. Google (2025) — FastSearch как отдельная retrieval-система (эмбеддинги, dot-product) — архитектурная база гипотезы.

Частые вопросы

Чем AI Overview отличается от AI Mode?

AI Overview — короткая сводка над классической выдачей, собранная в основном из неё же (~60% источников по исходному запросу). AI Mode — отдельный диалоговый режим с ответом в ~4 раза длиннее, собранным векторным семантическим поиском (~15% источников по исходному запросу, остальное — через под-запросы и семантическую близость).

Правда ли, что у AIO и AIM разные движки?

Это гипотеза «Ашманов и партнёры», эмпирически обоснованная на 600+ параметрах: форма гистограмм источников, языковое поведение, доля коммерческих страниц (45,6% в AIO против 29,2% в AIM), обработка многозначных слов. В судебных материалах и утечках явного разделения нет, но гипотеза согласуется с архитектурой FastSearch/MUVERA как отдельной retrieval-системы.

Как оптимизировать под каждый из них?

Под AIO работает классическое SEO: топ-10 даёт ~60% источников, плюс свежесть и query fan-out. Под AIM позиция почти не важна — нужны самодостаточные атомарные блоки с числами в начале, структурированные данные и покрытие под-интентов: движок ищет по векторной близости, а не по лексике и позиции.

Помогла статья?

Запустить SEO/GEO с seo·matrix → или заявка без Telegram →