Короткий ответ: AEO — неофициальный маркетинговый термин, а не отдельная дисциплина с собственными правилами. Google прямо пишет, что AEO и GEO — это просто названия для работ по видимости в AI Search, но «с точки зрения Google это по-прежнему SEO»1. Подтверждённое ядро AEO — старые добрые индексируемость, полезный уникальный контент и понятная структура. Реально новое здесь только одно: появился отдельный слой измерения — цитирования и упоминания бренда в AI-ответах. Разберём по первоисточникам, где заканчивается факт и начинается хайп.

Что вообще такое AEO и кто его придумал?

Что означает Answer Engine Optimization

AEO расшифровывается как Answer Engine Optimization — «оптимизация под движки ответов». Идея: подавать контент и цифровой след бренда так, чтобы answer engines (AI-поиск) могли выбрать ваш источник, процитировать его или корректно пересказать.

Кто придумал термин

С авторством термина всё мутно. Часть индустрии приписывает его конкретным экспертам и агентствам, но независимого первоисточника, который однозначно фиксирует, кто и когда ввёл «Answer Engine Optimization», нет — заявления исходят от заинтересованных сторон. Поэтому честная формулировка такая: термин продвигают SEO- и AI-search-агентства и консалтинг, а точное авторство по первоисточникам не подтверждено.

Почему отсутствие первоисточника — признак хайпа

Это важная деталь для анти-хайпа. Когда у понятия нет ни официального определения от поисковика, ни проверяемого «отца-основателя», а есть только волна статей в блогах — это первый признак, что перед вами маркетинговая упаковка, а не новая инженерная дисциплина.

Чем AEO отличается от GEO и обычного SEO — и отличается ли?

Три термина по весу источника

Развести три термина проще всего по весу источника, на который они опираются.

ТерминОткуда взялсяСтатус
SEOИндустриальный стандарт, поддержан доками Google/ЯндексаБазовая дисциплина
GEO (Generative Engine Optimization)Академически формализован в статье «GEO: Generative Engine Optimization»2Исследовательская рамка
AEO (Answer Engine Optimization)SEO/AI-агентства и блогиНеофициальный маркетинговый термин

Научная опора GEO

GEO хотя бы имеет научную опору: авторы статьи описывают его как black-box-фреймворк для повышения видимости в ответах генеративных движков и заявляют рост visibility до 40% в эксперименте2. Но и это — экспериментальный эффект в исследовательской постановке, корреляция в рамках конкретного теста, а не универсальная гарантия для любого сайта.

У AEO академической опоры нет

AEO академической опоры не имеет вовсе. Это зонтичное название для смеси «оптимизация под прямые ответы + GEO + entity SEO». Подробно границу между парадигмами мы разбирали в материале «GEO vs SEO: чем продвижение в нейросетях отличается от классического» — и там же видно, что новизна GEO в метриках и объекте оптимизации, а не в «секретной разметке».

Что Google официально говорит про оптимизацию под AI Overviews?

Как Google описывает AI Overviews

Вот где первоисточник режет хайп сильнее всего. Google описывает AI Overviews и AI Mode как AI-функции поверх обычного Поиска: они используют тот же Search index, механику grounding/RAG и query fan-out, а чтобы попасть в генеративные AI-функции, страница должна быть индексируемой и eligible for snippets1. Про query fan-out — почему один вопрос пользователя разворачивается в десяток подзапросов — мы писали отдельно в материале «Query fan-out в ChatGPT».

Какие AEO-хаки Google снимает

Дальше Google прямым текстом снимает почти все «AEO-хаки»:

  • Для AI Overviews и AI Mode нет дополнительных требований и «special optimizations necessary» — нужно пересматривать фундаментальные SEO best practices, а не изобретать новые3.
  • Не нужно создавать llms.txt или спецразметку специально для Google Search; Google Search игнорирует llms.txt1.
  • Не нужно дробить контент на крошечные chunks — системы понимают страницу, где затронуто несколько тем1.
  • Не нужно писать «особым стилем» только для AI: системы понимают синонимы и смысл1.
  • Structured data не является спецтребованием для генеративного AI-поиска1.

Что Google всё же рекомендует

При этом Google не говорит «делайте что хотите». Он рекомендует сохранять техническую гигиену: crawlability, индексируемость, доступность контента, корректную работу с изображениями/видео, а где релевантно — Merchant Center и Business Profile1. И отдельно предупреждает против inauthentic mentions — накрутки упоминаний: AI-функции опираются на core ranking и spam systems1. Так что белые методы — это не вкусовщина, а прямая позиция поисковика.

Новые инструменты для владельцев сайтов

3 июня 2026 года Google вдобавок объявил новые инструменты для владельцев сайтов вокруг AI in Search: контроль в Search Console, performance insights и обновлённые best practices4. То есть поисковик строит измерение и управление, но не выдаёт «новую дисциплину оптимизации».

Какие приёмы AEO подтверждают доки поисковиков, а какие — только SEO-блоги?

Сверка приёмов с первоисточником

Сведём ходовые рекомендации из AEO-блогов и сверим с первоисточником.

Приём из AEO-блоговЧто говорит первоисточник
«Дробите всё на короткие chunks под LLM»Google: дробить контент на tiny pieces не требуется1
«Пишите отдельный текст специально для нейросетей»Google: писать в специфическом стиле только под AI не нужно1
«Добавьте llms.txt и AI-разметку»Google: новые machine-readable файлы не нужны, llms.txt игнорируется1
«FAQ/Q&A-схема — гарантированный вход в AI-ответы»Google ограничил FAQ rich result в основном авторитетными government/health-сайтами5; спецтребованием для AI это не является1
«Structured data открывает AI Overviews»Structured data помогает понять страницу и даёт rich results, но это не «ключ» к AI Overviews6
Индексируемость, полезный уникальный контент, ясная структураПодтверждается: это и есть фундамент, релевантный для AI Search1

Что в итоге подтверждено

Вывод по таблице простой. Всё, что в AEO-контенте звучит как «секретный технический хак под LLM», первоисточником либо не подтверждено, либо прямо опровергнуто. А всё, что подтверждено, — это обычные практики качественного контента, которые работали и до AI Overviews. Если хотите практику без мифов, смотрите материалы «Оптимизация контента под GPT» и «Что такое чанк и как писать автономные чанки»: автономный, понятный фрагмент полезен сам по себе, а не потому что он «нарезан под нейросеть».

Да. Именно поэтому AEO так похож на ребрендинг. Featured snippet (answer box) — старый слой прямых ответов Google, где поисковик вытаскивал фрагмент страницы над результатами. Исторически AEO во многом вырос именно из оптимизации под такие ответы. Разница в том, что в AI Overviews ответ не вытаскивается из одной страницы, а синтезируется из нескольких источников.

Подмена понятий в хайпе

Отсюда и подмена понятий в хайпе. «Оптимизация под featured snippets» переименовалась в «AEO», добавила приставку «AI» — и продаётся как новая дисциплина. Но механика отбора фрагмента и требования к ясности ответа остались теми же. Как именно AI выбирает, чей фрагмент процитировать, мы разбирали в материале «Как AI-поисковики выбирают источники: ранжирование фрагментов» — и там видно, что речь о passage-уровне, а не о магической разметке.

Стоит ли делать FAQ-блоки

Стоит ли вообще делать FAQ-блоки? Если они реально помогают пользователю — да. Но как «гарантированный вход в AI-ответ» FAQ-схема не работает: Google это ограничил, а спецэффекта на AI Overviews первоисточник не подтверждает5 1.

Что подтверждает смену KPI: трафик больше не главный?

Один аргумент в пользу AEO как явления всё же есть, и он измеримый. AI-ответы меняют поведение пользователей, поэтому старый KPI «органические клики» перестаёт описывать реальность.

Что показывают данные по кликам

  • Pew Research (анализ марта 2025): при наличии AI-сводки пользователи кликали обычный результат в 8% визитов, без неё — в 15%7. Это наблюдательная метрика поведения, не инструкция по оптимизации.
  • Ahrefs оценил снижение CTR top-ranking страниц примерно на 34,5% на выборке информационных запросов; методология — агрегированные данные GSC, сравнение март 2024 vs март 20258. Это модель/оценка, а не универсальная причинность для всех ниш.
  • Ahrefs на выборке 863K SERP в 2026 нашёл, что только 38% цитирований в AI Overviews приходятся на страницы из топ-109. То есть быть в топ-10 классической выдачи — не то же самое, что быть источником AI-ответа.

Новый KPI: visibility, mentions, citations

Что отсюда следует. «AEO гарантирует рост трафика» — миф: данные скорее показывают риск снижения кликов. Но это не значит, что работа над видимостью в AI бесполезна — значит, что KPI должен включать visibility, mentions и citations, а не только organic clicks. Вот это смещение измерения — единственное, что в AEO по-настоящему новое. И именно его закрывает мониторинг, а не переписывание текстов «под LLM».

Что с AEO в рунете: Яндекс Нейро и GigaChat?

По РФ публичной измерительной базы почти нет, и это надо проговорить прямо.

Яндекс Нейро как answer-слой

Яндекс официально подтверждает «Поиск с Нейро» как реальный answer-слой: ответ появляется над результатами поиска, когда полезен и экономит время, и доступен всем аккаунтам кроме детских10. Яндекс пишет, что Нейро сам подбирает материалы в Поиске, анализирует их и собирает информацию в один ответ, подкрепляя ссылками на источники11; на странице «Нейросети Яндекса» уточняется, что Нейро объединяет Поиск и YandexGPT и даёт «подробный и подтверждённый источниками ответ», а в октябре 2024 года заработал в Поиске и Умной камере12.

Но публичной инструкции уровня Google Search Central — «как оптимизироваться под Яндекс Нейро» с перечнем допустимых и недопустимых практик — найти не удалось. Есть подтверждение, что Нейро опирается на источники, но нет официального свода правил «как туда попасть».

GigaChat и function calling

С GigaChat ситуация похожая. Сбер официально позиционирует GigaChat API как ИИ для бизнеса — поиск информации, выделение главного, работа с документами13, а документация подтверждает tool/function calling: модель может получать данные из внешних источников через функцию и возвращать результат14. Это релевантно для RAG- и agent-видимости, но публичного гайда «как бренду попасть в ответы GigaChat» или системы ранжирования веб-источников Сбер не публикует.

Почему правила AEO нельзя переносить на рунет

Вывод для рунета прямой: рынок уже говорит «GEO/AEO», но первичной статистики по доле Нейро-ответов, CTR до/после Нейро, доменам-источникам и факторам попадания — публично нет. Поэтому переносить англоязычные «правила AEO» на Яндекс и GigaChat как универсальные некорректно. В этих условиях ценнее не угадывать правила, а измерять фактические упоминания бренда в Яндекс Нейро, Алисе, GigaChat и ChatGPT. Это ровно тот слой, который закрывает платформа GeoWatch: прогон интентов по нейросетям и фиксация, где бренд называют, а где вместо него — конкурента.

Итого: AEO — дисциплина или маркетинг?

Сложим картину по первоисточникам.

  • AEO как «новые правила оптимизации» не подтверждено: Google сводит AEO/GEO к SEO для Search experience1.
  • Технические «AEO-хаки» (llms.txt, обязательный chunking, спецстиль под LLM, FAQ как гарантия) доками опровергнуты или не подтверждены1 5 6.
  • Ядро AEO — это старое SEO: индексируемость, уникальный полезный контент, ясная структура, фактическая точность, structured data там, где она даёт rich results1.
  • Реально новое — слой измерения: цитирования, упоминания и корректность ответа в AI-поиске, потому что клики падают7 8, а источник AI-ответа не совпадает с топ-109.

То есть AEO — это маркетинговая упаковка известных практик (featured snippets / FAQ / entity SEO / structured content) плюс GEO, и сверху — новый, действительно нужный слой мониторинга AI-ответов. Не магия, но и не пустой звук.

Если хотите проверить не теорию, а свою ситуацию — начните с GEO-аудита от команды GeoWatch: он покажет, насколько ваш контент готов к тому, чтобы нейросети его находили, понимали и цитировали, и где в ответах ChatGPT, Google AI Overviews, Яндекс Нейро и GigaChat сейчас называют вас, а где — конкурентов. Без переписывания текстов «под LLM», только белые методы.

Источники

Footnotes

  1. Google Developers — «AI optimization guide» (Search Central) — https://developers.google.com/search/docs/fundamentals/ai-optimization-guide (доступ 28.06.2026) ↩ ↩2 ↩3 ↩4 ↩5 ↩6 ↩7 ↩8 ↩9 ↩10 ↩11 ↩12 ↩13 ↩14 ↩15 ↩16 ↩17
  2. Aggarwal et al. — «GEO: Generative Engine Optimization» — https://arxiv.org/abs/2311.09735 (16.11.2023 / доступ 28.06.2026) ↩ ↩2
  3. Google Developers — «About AI features in Google Search» — https://developers.google.com/search/docs/appearance/ai-features (доступ 28.06.2026) ↩
  4. Google Blog — «New controls for website owners around AI in Search» — https://blog.google/products-and-platforms/products/search/new-controls-website-owners/ (03.06.2026) ↩
  5. Google Developers — «Removing FAQ rich result» (Search updates) — https://developers.google.com/search/updates#removing-faq-rich-result (2023-09 / доступ 28.06.2026) ↩ ↩2 ↩3
  6. Google Developers — «Intro to structured data» — https://developers.google.com/search/docs/appearance/structured-data/intro-structured-data (доступ 28.06.2026) ↩ ↩2
  7. Pew Research Center — «Google users are less likely to click on links when an AI summary appears» — https://www.pewresearch.org/short-reads/2025/07/22/google-users-are-less-likely-to-click-on-links-when-an-ai-summary-appears-in-the-results/ (22.07.2025) ↩ ↩2
  8. Ahrefs — «AI Overviews Reduce Clicks» — https://ahrefs.com/blog/ai-overviews-reduce-clicks/ (17.04.2025) ↩ ↩2
  9. Ahrefs — «Are AI Overview Citations Ranked in the Top 10?» — https://ahrefs.com/blog/ai-overview-citations-top-10/ (02.03.2026) ↩ ↩2
  10. Яндекс — «Поиск с Нейро» (поддержка) — https://yandex.ru/support/search/ru/neuro (доступ 28.06.2026) ↩
  11. Яндекс (Habr) — о том, как Нейро подбирает материалы и собирает ответ со ссылками — https://habr.com/ru/companies/yandex/articles/807801/ (16.04.2024) ↩
  12. Яндекс — «Нейросети Яндекса» — https://ya.ru/ai (доступ 28.06.2026) ↩
  13. Сбер — «GigaChat API» — https://developers.sber.ru/portal/products/gigachat-api (доступ 28.06.2026) ↩
  14. Сбер — «GigaChat: работа с функциями (function calling)» — https://developers.sber.ru/docs/ru/gigachat/guides/functions/overview (02.02.2026 / доступ 28.06.2026) ↩