Как адаптировать E-commerce под AI-поиск

Ваш интернет-магазин стоит в топ-5 Яндекса, но органический трафик тает третий месяц подряд. Метрика показывает снижение переходов, хотя позиции не просели ни на строчку. Знакомая ситуация? Ее причина — не в конкурентах и не в сезонности. Между вашим магазином и покупателем появился новый посредник: AI-ответ поисковой системы.

SEO-специалист диджитал-агентства «ВебСфера» Серафима Шимко рассказала как адаптировать E-commerce под AI-поиск

Яндекс Нейро и Google AI Overviews уже перехватывают клики, формируя готовые ответы с рекомендациями товаров прямо в выдаче. По данным аналитиков, AI-сервисы направили 1,13 млрд переходов на топ-1000 сайтов только за июнь 2025 года — рост на 357% за год (данные Similarweb, 2025). А прогноз Gartner от февраля 2024 года предсказывает падение объема поисковых запросов на 25% к 2026 году из-за миграции пользователей к AI-чатботам и виртуальным агентам.

Почему трафик интернет-магазина тает при стабильных позициях

AI-ответы в Яндекс Нейро и Google AI Overviews перехватывают клики до того, как пользователь добирается до вашей ссылки в органической выдаче.

Механизм прост. Представьте: вы арендовали отличное место на втором этаже ТЦ, но однажды на первом этаже открылся консьерж-сервис, который встречает каждого посетителя у входа и сам рекомендует магазин — иногда ваш, иногда соседний. Ваше «место» не изменилось, но до второго этажа теперь доходят не все.

Именно это делают AI-ответы в поиске. Человек вводит «какой робот-пылесос выбрать для квартиры с животными» — и вместо списка ссылок видит развёрнутый ответ Яндекс Нейро с конкретными моделями, ценами и ссылками на 2–3 источника. Или получает карточки товаров в Google AI Overview с рейтингами и сравнением характеристик. Клик по вашей ссылке в органике перестает быть обязательным.

Масштаб потерь измерим. Первая позиция в Google теряет до 64% кликов при наличии AI Overview — CTR падает с 7,3% до 2,6% за год, по данным Seer Interactive (2025).

В Яндексе снижение составляет 34,5%. Маркетплейсы — Ozon, Wildberries, Яндекс.Маркет — попадают в AI-блоки чаще собственных магазинов: их каталоги структурированы, фиды обогащены, карточки содержат отзывы и спецификации в машиночитаемом формате.

От ключевых слов к нейроответам: как e-commerce-поиск менялся последние 15 лет

За полтора десятилетия поиск товаров в интернете прошел путь от примитивного совпадения слов до AI-генерируемых рекомендаций, и каждый виток этой спирали менял правила игры для интернет-магазинов.

Первая эра (2010–2017) строилась на количестве. Ключевые слова в title, meta description и тексте карточки, закупка ссылочной массы, keyword density — вот чем жили SEO-специалисты e-commerce. Магазин мог выйти в топ Яндекса за счёт 500 купленных ссылок и «сеошного» текста на категорийной странице, не имея ни одного экспертного материала.

Вторая эра (2017–2023) сместила акцент на качество и смысл. Google внедрил концепцию E-A-T (позже E-E-A-T), Яндекс запустил «Палех» и «Королёв», научившиеся понимать семантику запроса. Появились featured snippets — первый предвестник zero-click. Магазины, инвестировавшие в экспертный контент и гайды по выбору, получили преимущество. Те, кто остался на уровне «купить робот-пылесос недорого» — начали проигрывать.

Тогда же случились две показательные тупиковые ветки: Google AMP для e-commerce обещал приоритет в мобильной выдаче, но к 2023 году привилегии отменили; голосовой шопинг через Alexa и Google Assistant не взлетел — покупатели оказались не готовы выбирать товары без визуального контакта.

Третья, текущая эра (2024 — настоящее время) — AI-поиск как посредник. Яндекс интегрировал YandexGPT в поиск (Нейро / Поиск с Алисой), Google развернул AI Overviews на базе Gemini, ChatGPT и Perplexity добавили функции шопинга с прямыми ссылками на товары. Пользователь перестал искать ссылки — он задаёт вопрос и получает готовый ответ с рекомендациями. Так возникла дисциплина GEO (Generative Engine Optimization), решающая задачу, непосильную для классического SEO: сделать именно ваш магазин источником данных для AI-ответа.

Ключевое отличие от предыдущих «тупиковых» веток — масштаб принятия. AMP и голосовой шопинг не изменили поведение пользователей. AI-поиск — уже изменил: 47% поколения Z используют генеративный AI еженедельно (Gallup / Walton Family Foundation, апрель 2025), а ChatGPT превысил 300 млн ежемесячных пользователей.

Что такое GEO для интернет-магазина и чем оно отличается от классического SEO

GEO (Generative Engine Optimization) — это адаптация каталога, контента и структурированных данных интернет-магазина для попадания в AI-генерируемые ответы Яндекс Нейро, Google AI Overviews, ChatGPT и Perplexity.

Чтобы разобраться в сути этого подхода, нужно развести три понятия. Классическое SEO нацелено на ранжирование страниц в списке ссылок — его единица измерения «позиция в выдаче». AEO (Answer Engine Optimization) работает с featured snippets и голосовыми ассистентами — цель захватить «нулевую позицию» с коротким ответом. GEO идёт дальше обоих: его задача — стать источником, который AI-система процитирует своём ответе. Эти три слоя не заменяют друг друга. Они накладываются.

Вот как различаются подходы на практике для e-commerce:

Главный компромисс при переходе к GEO — нестабильность результатов. Вы получаете доступ к трафику, который конвертируется значительно лучше (пользователь приходит «прогретым», уже понимая критерии выбора), но платите непредсказуемостью: источник, который цитировали вчера, может исчезнуть из AI-ответов завтра. Мы наблюдаем это регулярно — магазин попадает в нейроответ Яндекса по целевому запросу, а через неделю его там уже нет. Стабильность здесь пока не купишь.

Что это даёт владельцу магазина в Беларуси или России прямо сейчас? Два преимущества. Первое — окно возможностей: по моим наблюдениям, подавляющее большинство e-commerce-сайтов в СНГ не адаптированы под GEO — ни schema-разметка не проработана, ни фиды не обогащены. Кто сделает это первым, займёт место в AI-ответах раньше конкурентов. Второе — двойная отдача: всё, что вы делаете для GEO (чистка данных, обогащение каталога, экспертный контент, структурированная разметка), одновременно усиливает классическое SEO. Это не расход, а инвестиция с двойным возвратом.

Как Яндекс Нейро и Google AI Overviews выбирают, какой магазин показать

Яндекс Нейро отбирает кандидатов из топ-30 органической выдачи и цитирует страницы с чёткой структурой и прямыми ответами; Google AI Overviews дополнительно опирается на schema-разметку, продуктовые фиды Google Merchant Center и сигналы E-E-A-T.

Механизм работы Яндекс Нейро устроен как двухступенчатый фильтр. Первая ступень — классическое ранжирование: YandexGPT не ищет источники самостоятельно, а работает «поверх» обычной выдачи, выбирая кандидатов из первых 30 позиций. Если вашей страницы нет в этом диапазоне — нейросеть её не увидит. Вторая ступень — оценка пригодности контента для генерации ответа. По данным Semantica Media (2025), Нейро отдает предпочтение страницам с четкими подзаголовками, конкретными формулировками и структурными опорами — размерами, типами, параметрами, ценами. Маркетинговые тексты из серии «мы — лучшие на рынке» для нейропоиска невидимы.

Размер сайта, возраст домена и известность бренда не увеличивают шансы попадания в AI-блок Яндекса — Нейро оценивает конкретную страницу, а не домен.

Google AI Overviews работает иначе. Помимо классического ранжирования, система опирается на Shopping Graph — базу из более чем 50 млрд товарных позиций (Google / NRF, январь 2026), которая питается schema-разметкой Product и Offer, фидами из Google Merchant Center, отзывами и рейтингами. В январе 2026 года Google анонсировал Universal Commerce Protocol (UCP) — открытый стандарт, позволяющий AI-агентам автономно находить, сравнивать и покупать товары. Walmart, Target, Wayfair и Etsy уже подключены.

5 фактов, которые меняют правила игры для e-commerce

Первое: AI-системы не «читают» ваш сайт как человек — они парсят структурированные данные. Если цена товара указана только в тексте описания, но отсутствует в schema Offer, для AI этой цены не существует.

Второе: LLM используют structured data как «источник истины» для верификации фактов, найденных в неструктурированном тексте. Если schema на вашей карточке противоречит описанию — AI-система снизит доверие к обоим источникам.

Третье: AI-поисковики обрабатывают длинные сложные запросы до 40 слов (данные Head Promo, 2025), тогда как классический поиск оптимизирован под 3–4 слова. Это означает, что пользователь AI-поиска приходит с детализированным запросом вроде «посоветуй магазин в Минске с доставкой, где купить беговые кроссовки для асфальта с хорошей амортизацией до 200 рублей» — и ваш магазин должен содержать контент, способный ответить на каждый элемент этого запроса.

Четвёртое: Google Shopping Graph и Яндекс.Маркет — это не просто рекламные каналы, а ключевые входные точки для AI-систем. Ваш продуктовый фид в Merchant Center или YML-фид для Маркета — это то, что AI «видит» в первую очередь.

Пятое: трафик из AI-ответов конвертируется существенно выше органического. По наблюдениям агентства Hooglink (2025), пользователи, пришедшие по ссылке из AI-ответа, принимают решения быстрее, чаще выбирают более дорогие варианты и охотнее взаимодействуют с отделом продаж — потому что AI уже дал им «надстройку над товаром» в виде понимания критериев выбора. В наших проектах мы видим ту же картину: AI-реферальный трафик, хоть и невелик по объёму, показывает конверсию в 2–4 раза выше стандартного органического.

Что объединяет обе системы? Структура контента (подзаголовки, спецификации, FAQ), консистентность данных (schema, фид и текст описания не противоречат друг другу) и экспертная глубина (не «купите у нас», а «вот как выбрать, и вот почему»). Различие — в роли фидов: для Google критичен Merchant Center и Shopping Graph, для Яндекса — YML-фид Маркета и качество контента на странице.

Практический вывод для магазинов в СНГ: оптимизировать нужно под обе системы, но начинать с Яндекса — порог входа ниже, достаточно попасть в топ-30 и иметь качественный контент.

Структурированные данные, фиды и доступность для AI

Фундамент AI-видимости интернет-магазина — корректная schema-разметка Product и Offer, обогащенные продуктовые фиды и открытый доступ для AI-краулеров.

Без технической базы никакой контент не поможет: AI-системы просто не смогут «прочитать» ваш каталог. Разберём три направления в порядке приоритета.

Какую schema-разметку внедрить в первую очередь

Начните с Product + Offer в формате JSON-LD на каждой карточке товара, затем добавьте AggregateRating, Review и BreadcrumbList.

Schema.org — стандартизированный словарь, созданный совместно Google, Microsoft, Yahoo и Яндексом в 2011 году для описания сущностей на веб-страницах в машиночитаемом виде. Для e-commerce критичны шесть типов разметки:

• Product (атрибуты товара),
• Offer (цена, наличие, доставка),
• AggregateRating и Review (рейтинг и отзывы),
• BreadcrumbList (навигационная цепочка),
• FAQPage (вопросы и ответы на карточке или категории).

На экспертных страницах блога добавляются Article и Organization.

Разметка внедряется в формате JSON-LD — блок JavaScript в теле страницы, невидимый пользователю, но «читаемый» поисковыми системами и AI-краулерами. По данным ALM Corp (2025), сайты с корректной product schema получают в 4,2 раза более высокую видимость в Google Shopping, а CTR в органике вырастает на 20–40% за счет rich results.

Обратная сторона — трудоемкость поддержки. Каждое изменение цены или наличия должно синхронно обновляться на странице, в schema и в продуктовом фиде. Рассинхронизация снижает доверие AI-систем к магазину.

На 1С-Битрикс разметка поддерживается модулями (INTEC, Аспро и другие), но по опыту нашей команды, в 7 из 10 случаев они генерируют schema с ошибками: отсутствует Offer, не заполнен priceCurrency, или AggregateRating ссылается на несуществующие отзывы. На OpenCart и CS-Cart аналогичные плагины есть, однако полнота атрибутов часто недостаточна — приходится дорабатывать вручную.

Продуктовые фиды для AI-оптимизации

Чистый, полный продуктовый фид с гранулярными атрибутами — главный канал, через который AI-системы «понимают» ваш каталог.

Если schema-разметка — «паспорт» отдельной страницы, то продуктовый фид — «реестр» всего каталога, который вы передаете напрямую в поисковые экосистемы. Google Merchant Center и Яндекс.Маркет (YML-фид) — два ключевых канала для магазинов в СНГ.

Проблема большинства фидов интернет-магазинов в Беларуси и России — минимализм. Когда мы проводим аудит, типичная картина — 3–4 заполненных атрибута на товар при минимально необходимых десяти. Разница между «Кроссовки Nike» и «Мужские беговые кроссовки Nike Air Zoom Pegasus 41 — амортизация Zoom Air, дышащий верх Flymesh, для асфальта, чёрные, 42 размер» — это разница между невидимостью и попаданием в AI-рекомендацию на сложный запрос.

В январе 2026 года Google объявил о десятках новых атрибутов для Merchant Center, включая ответы на частые вопросы о продукте, совместимые аксессуары и альтернативные товары (Google Blog / NRF 2026). Shopping Graph стал ключевым источником данных для AI Overviews, и Google наращивает его глубину.

Для Яндекс.Маркета действует формат YML — XML-фид со своим набором полей. Обогащение гранулярными параметрами (param) — материал, размер, цвет, назначение — напрямую влияет на попадание товара в вертикали Яндекс Нейро, где Алиса показывает готовые подборки с ценами и фильтрами.

Инструменты: DataFeedWatch и Feedonomics — для мультиканальной синдикации; встроенные модули 1С-Битрикс — для генерации YML. Критерий качества прост: менее 10 заполненных атрибутов на товар — для AI-систем ваш фид практически «слеп».

Robots.txt и AI-краулеры: открывать или блокировать

Если вы хотите попадать в AI-ответы — откройте доступ для GPTBot, ClaudeBot и PerplexityBot в robots.txt.

AI-системы используют собственных краулеров для индексации: GPTBot (OpenAI), ClaudeBot (Anthropic), PerplexityBot (Perplexity AI). Если robots.txt не содержит явных запретов, они сканируют сайт свободно. Но шаблонные конфигурации в СНГ (особенно на 1С-Битрикс) часто блокируют всех неизвестных ботов через «Disallow: /». Мы встречаем это в каждом втором аудите — владелец даже не знает, что его сайт невидим для ChatGPT и Perplexity.

Часть владельцев опасается, что AI «украдёт» контент, генерируя ответы без перехода на сайт. Опасение обоснованное, но компромисс односторонний: заблокировав AI-ботов, вы гарантированно не попадете в их ответы. Открыв — получаете шанс на цитирование со ссылкой. Для e-commerce, где каждый переход — потенциальная конверсия, решение очевидно.

Проверьте прямо сейчас: откройте yoursite.by/robots.txt и убедитесь, что для GPTBot, ClaudeBot и PerplexityBot нет правил Disallow.

Какой контент цитирует AI и как его структурировать для интернет-магазина

AI-системы цитируют контент с прямыми ответами на конкретные вопросы, структурированный подзаголовками и подкрепленный экспертными данными — не маркетинговыми лозунгами.

Переработка контента — самый ресурсоемкий, но и самый результативный этап адаптации. Три направления заслуживают внимания.

Карточки товаров в большинстве интернет-магазинов СНГ содержат generic-описания из каталога поставщика. Мы проверяли: берёшь описание, вставляешь в кавычки в Яндекс — 30–50 сайтов с побуквенным совпадением. Для AI такой контент невидим. Переход к формату «benefit-led + spec-driven» означает: описание начинается с задачи, которую решает товар, и продолжается точными спецификациями. Не «отличные кроссовки для бега», а «разработаны для длительных тренировок на асфальте: амортизация Zoom Air снижает ударную нагрузку, верх Flymesh обеспечивает вентиляцию при +30°C, вес 280 г в размере 42».

Категорийные страницы — недооцененный актив. В стандартной конфигурации это витрина с фильтрами. Для AI-поиска они должны стать «экспертными навигаторами»: FAQ-блок с 5–7 реальными вопросами покупателей, краткий гайд по выбору, сравнительная информация. Именно такой контент Яндекс Нейро «забирает» для формирования ответа.

Отзывы и пользовательский контент (UGC) — сильнейший E-E-A-T сигнал для AI. Реальный отзыв с описанием опыта использования, размеченный schema Review и AggregateRating, весит для генеративных систем больше любого маркетингового текста.

Как это работает на практике? «Текстерра» описала кейс (2025): производитель строительных герметиков в России переработал сайт — упростил архитектуру, пересобрал каталог и создал экспертные статьи с формулировками, близкими к реальным вопросам покупателей («что такое МС-полимер», «можно ли использовать герметик вместо клея»). Сайт стал появляться в нейроответах Яндекса, а Метрика зафиксировала 65 переходов из ChatGPT, DeepSeek и других AI-платформ — без специальной GEO-оптимизации. Сработали структура, экспертиза и качество контента.

Совет эксперта от Серафимы Шимко, SEO-специалиста ВебСфера: «Собственный интернет-магазин не обыграет Wildberries или Ozon по ширине каталога и ценам в AI-выдаче. Но маркетплейсы не создают экспертный контент — у них нет гайдов по выбору, детальных сравнений и инженерных разборов. Именно этот пробел позволяет собственному магазину попасть в AI-ответы на сложные вопросы. Когда покупатель спрашивает Яндекс Нейро «какой диван выбрать для маленькой гостиной», нейросеть ищет не каталог с 10 000 позиций, а страницу, которая объясняет критерии выбора — габариты, тип механизма, ткань обивки. Если такая страница есть у вас и размечена корректно — AI процитирует вас, а не маркетплейс.»

«AI-трафик — это пока капля в море» - так ли это

Скептики правы в одном: AI-трафик составляет менее 1% у большинства интернет-магазинов в СНГ на начало 2026 года.

Зачем перераспределять ресурсы на канал, который даёт меньше процента переходов? Алгоритмы нестабильны, лучшие практики не устоялись, ROI непрозрачен. У среднего магазина в Беларуси бюджет не резиновый. Аргумент справедлив в конкретных сценариях:

1. менее 50 SKU и нулевая SEO-база — без позиций в топ-30 Яндекса в AI-выдачу не попасть;
2. ультра-узкая ниша, где нейроответы пока не появляются;
3. фаза выживания, когда каждый рубль должен приносить конверсию в этом месяце.

Но для большинства действующих интернет-магазинов с оборотом и работающим SEO выжидательная стратегия обходится дороже ранней адаптации.

Темпы роста: AI-реферальный трафик вырос на 357% за год. Через 12–18 месяцев канал перестанет быть «каплей» — а позиции в AI-выдаче займут те, кто начал раньше.

Двойная отдача: всё, что делается для GEO — чистка schema, обогащение фидов, экспертный контент — одновременно усиливает классическое SEO. Бюджет идет не на «факультативный канал», а на фундамент, работающий в обоих направлениях.

Стоимость бездействия: если прогноз Gartner сбудется и объем поисковых запросов сократится на 25% к концу 2026 — магазин потеряет четверть основного канала привлечения.

Что конкретно сделать в ближайшие 90 дней

Разбейте работу на три фазы: технический фундамент (месяц 1), контентная перестройка (месяц 2), мониторинг и масштабирование (месяц 3).

GEO-оптимизация — не замена классического SEO, а надстройка. Без позиций в топ-30 Яндекса магазин не попадёт в поле зрения Нейро. Без schema и обогащенных фидов — останется невидимым для Google AI Overviews. Без экспертного контента — проиграет маркетплейсам.

Фундамент, который закладывается сейчас — чистые данные, корректная разметка, контент под реальные вопросы покупателей — работает в двух направлениях одновременно. Окно возможностей для интернет-магазинов Беларуси и СНГ открыто. Через год вход будет стоить дороже, а конкуренция за AI-видимость вырастет кратно.

FAQ

Q: Почему органический трафик магазина падает при сохранении позиций в ТОП-5?
A: Трафик перехватывается блоками Zero-Click. Генеративные системы (Яндекс Нейро, Google AI Overviews) формируют готовые ответы с товарами над классической выдачей. До 64% кликов по транзакционным запросам замыкаются внутри AI-интерфейса, не доходя до органических ссылок.

Q: В чем фундаментальное отличие GEO (Generative Engine Optimization) от SEO?
A: SEO оптимизирует страницы (URL) под поисковые запросы для ранжирования списком. GEO оптимизирует машиночитаемые данные (сущности) для цитирования внутри LLM-моделей. В GEO фокус смещается на JSON-LD, продуктовые фиды (Merchant Center / YML) и E-E-A-T сигналы.

Q: Какая микроразметка критически важна для попадания карточки товара в AI-ответы?
A: Базовый стандарт — связка Product и Offer в формате JSON-LD. Для интеграции в Google Shopping Graph и AI Overviews обязательно наличие гранулярных атрибутов: цены (price), валюты, наличия (availability) и глобальных идентификаторов сущности (GTIN, SKU, Brand).

Q: Нужно ли открывать доступ в robots.txt для AI-ботов?
A: Да. Если ваш robots.txt блокирует GPTBot, ClaudeBot или PerplexityBot, LLM-модели не смогут спарсить ваш контент. Блокировка гарантирует полное отсутствие цитируемости вашего бренда (citation rate) в генеративных ответах.

Q: Как Яндекс Нейро выбирает интернет-магазины в качестве источника ответа?
A: Нейро работает как надстройка: YandexGPT анализирует документы только из ТОП-30 текущей органической выдачи. Из них алгоритм выбирает страницы с четкой структурой (FAQ, таблицы спецификаций) и прямыми ответами, игнорируя сплошные SEO-тексты.

Q: Как независимому интернет-магазину обойти маркетплейсы в выдаче Яндекс Нейро?
A: За счет экспертного слоя, которого нет у маркетплейсов. По длинным интентам («какой диван выбрать для гостиной с животными») нейросети цитируют не листинги с тысячами товаров, а глубокие гайды (buyer's guide) и категорийные страницы с разбором критериев (benefit-led + spec-driven).

Поделиться в социальных сетях: