Ваши метрики зелёные — а поисковая выдача уже схлопывается

Почему вообще важно смотреть на то, что вокруг вас, а не только на себя

Смотрите, в чём тут дело. Вы открываете отчёт по AI-видимости — и там всё хорошо. Вас цитируют, упоминают, ссылаются. Инструмент рисует зелёный свет. Казалось бы, работа сделана.

Но исследователи, изучающие поведение AI-поисковиков, обнаружили неприятную вещь: метрики вашего присутствия могут выглядеть прекрасно именно в тот момент, когда информационная среда вокруг вас тихо деградирует. Вы в ответе — но девять источников рядом с вами уже не девять разных точек зрения, а девять почти одинаковых машинно-сгенерированных текстов, пересказывающих одно и то же.

Это не алармизм. Это конкретный механизм с конкретным названием — retrieval collapse («схлопывание пула источников»). И он уже работает. Разберём по шагам, как именно — и что с этим делать.

Как AI-поисковики выбирают, что процитировать: предвзятость, о которой мало кто знает

AI-поисковик, формируя ответ, сначала извлекает страницы из пула (retrieval), а потом собирает из них текст. Так вот на этапе извлечения исследователи зафиксировали измеримый перекос: системы предпочитают машинно-написанные тексты человеческим — даже когда оба отвечают на вопрос одинаково хорошо.

Причина, по которой учёные объясняют этот эффект: машинный текст статистически более «гладкий» и предсказуемый. Retrieval-модели, обученные на огромных корпусах такого же текста, воспринимают эту предсказуемость как признак надёжного источника. Человеческий текст с его живыми интонациями, отступлениями и нюансами просто не звучит так, как система научилась ожидать от «хорошего ответа».

Тут есть нюанс: это не значит, что машинный текст точнее или полезнее. Это значит, что он выигрывает гонку по формальному признаку — структурной предсказуемости. И прямо сейчас это работает как конкурентное преимущество для тех, кто генерирует контент массово.

Если вам интересно, как вообще устроена видимость в AI-поисковиках — полезно почитать про Query Fan-Out и почему ваш контент не попадает в ответы AI-поисковиков: там объясняется, как система решает, какие источники вообще рассматривать.

Немного синтетики в пуле — и вот уже 80% ответа из клонов

Исследователи провели контролируемый эксперимент: взяли реальный пул источников и раунд за раундом добавляли машинно-написанные SEO-оптимизированные страницы. Когда синтетический контент занял две трети пула — более 80% того, что реально попадало в финальные ответы, оказалось синтетическим.

Это непропорциональное усиление. Скромное большинство машинных страниц в пуле → подавляющее большинство машинных источников в ответах. Потому что эти страницы специально построены так, чтобы срабатывали сигналы ранжирования — и они срабатывают.

Представьте типичный запрос — например, «как долго принимать пробиотики». Раньше поисковик вытягивал для ответа клинический разбор, страницу университетского центра здоровья, форум пациентов, пару редакционных изданий — разные источники с разными точками зрения. После двадцати волн синтетического контента восемь из десяти слотов заняты почти идентичными статьями, пересказывающими одни и те же три утверждения. Ответ читается нормально. Но он собран из копий копий.

Разнообразие мнений и фактов, которое раньше жило в этом пуле, просто замолчало.

Дашборд показывает зелёный — а пул уже схлопнулся

Вот где настоящая ловушка. Через всю эту «контаминацию» точность ответов практически не меняется — держится в районе 68–70%. Ответы по-прежнему звучат правдоподобно и по делу. Именно поэтому снаружи ничего не выглядит сломанным.

Команда открывает дашборд AI-видимости — и видит, что её цитируют. Может, даже чуть чаще, чем раньше. Всё зелёное. Но дашборд не показывает, что три-четыре источника рядом с ними, которые год назад были восемью разными изданиями, теперь — кластер практически одинаковых текстов, повторяющих одни и те же тезисы.

Присутствие сохранилось. Разнообразие источников вокруг — нет. И только одно из этих двух попало в отчёт.

Это не значит, что отслеживать цитирования бесполезно. Это значит, что нужно смотреть не только «цитируют ли меня», но и «что за среда вокруг моего цитирования». Подробнее о том, как вообще устроен мониторинг упоминаний в нейросетях, — в материале про AI-видимость бренда и отслеживание упоминаний в нейросетях.

Почему эта ситуация не стабилизируется сама по себе

Если машинный текст сейчас в фаворе — может, это просто новый нормальный порядок вещей? Исследователи говорят: нет. И вот почему.

Системы буквально пьют собственный результат. Модели, обученные на рекурсивно сгенерированных данных, деградируют от поколения к поколению — как фотокопия фотокопии. Каждый проход размывает детали. Retrieval-слой, который всё больше опирается на машинные источники, которые сами же эти модели и произвели, — это медленный оборот той же петли.

У платформ есть структурный стимул это исправить. Google в своих официальных материалах говорит, что ему важна полезность контента, а не способ его создания. Это нейтральная позиция сейчас. Но долгосрочное выживание поисковых систем зависит от того, чтобы ответы оставались реально разнообразными и достоверными — а значит, давление в сторону человеко-верифицированных, оригинальных источников будет нарастать.

Когда именно это произойдёт — никто точно не знает. Но ставить всю стратегию на то, что нынешняя предвзятость в пользу машинного текста сохранится вечно, — значит ставить против единственной силы, от которой зависит само существование этих систем.

Что конкретно делать: три шага, которые работают вне зависимости от того, как изменятся алгоритмы

Давайте по шагам — и без абстракций.

1. Производите то, что синтетический пул воспроизвести не может. Единственная категория контента, которую гомогенизирующийся пул структурно не умеет генерировать, — это оригинальные данные. Собственные исследования, первичные тесты, прямые наблюдения, данные от реальных клиентов. Всё, что языковая модель пишет, — это производное от уже существующего. Новая информация может войти в систему только извне — от человека, который её добыл. Это не просто «качественный контент». Это единственный тип источника, который копия не может заменить.

2. Делайте своё авторство очевидным. Если системы будут двигаться в сторону привилегирования человеко-верифицированных источников, ваша задача — быть однозначно опознаваемым как такой источник. Реальное имя автора, проверяемые credentials, источники, которые можно проверить, публичный track record. Вы работаете на то, чтобы быть узлом, который система провенанса — когда она появится — сможет распознать и сохранить.

3. Читайте свои цифры иначе. Держите частоту цитирований как ориентировочный показатель, а не абсолютный. Задавайте себе другой вопрос: «Я попадаю в ответы, которые сами по себе разнообразны по источникам — или я цитируюсь внутри кластера клонов?» Рост цитирования внутри схлопывающегося пула — это не та победа, которой она кажется на экране.

Кстати, о том, какие форматы контента чаще цитируют AI-поисковики, есть отдельный разбор — полезно сопоставить с тем, что написано здесь.

Долгая игра всегда про одно и то же

Контент, который выигрывает у AI-поисковиков сегодня, находится на курсе столкновения с тем, что этим поисковикам нужно, чтобы продолжать нормально работать. Те, кто строит несинтетический, авторски верифицированный, доказательный контент, не гонятся за текущей предвзятостью алгоритмов. Они позиционируются под коррекцию, которую сама система неизбежно произведёт ради собственного выживания.

Это медленнее, чем оптимизироваться под квартальный retrieval-рейтинг. Зато это игра, в которой не нужно угадывать следующий алгоритмический разворот — нужно просто быть тем, чем алгоритм в итоге хочет пользоваться.

Если хотите разобрать свой контент под этим углом — мой Telegram-канал для этого и существует: там разборы, наблюдения и конкретные схемы без воды.

По мотивам материала Search Engine Journal «The Web Is Eating Itself And Your Metrics Look Fine».

100 нейросетей
для экспертов

Подборка, которой реально пользуются — пришлю на почту. Без спама, отписка в один клик.

Для решения
любых задач

Для роста
и эффективности

Для бизнеса
и карьеры

🎁 Заберите 100 нейросетей для экспертов

Получить подборку Соглашаюсь на обработку email и получение писем