AI Overviews это блок с ответом от ИИ, который Google показывает над обычной выдачей. Попасть в него можно без места в топ-10: в исследовании 1 095 русских вопросов из 55 тематических наборов обзор появился над выдачей в 93% случаев, а на четырёх наборах половина доменов-источников вообще не входила в первую страницу обычного поиска (разбор с цифрами).
Механика описана в документации Google: вопрос делится на подвопросы, по каждому идёт отдельный поиск по индексу, из найденного собирается ответ. Приём называют query fan-out. Требование к странице одно: она в индексе Google и может показываться в выдаче со сниппетом. Ни llms.txt, ни специальной разметки для обзоров не нужно.
Практический порядок такой: проверить индексацию, разложить тему на подвопросы и дать прямой ответ в начале каждого раздела. Дальше цифры и конкретные шаги.
Что такое AI Overviews и почему они важны для русского сегмента
AI Overviews это сгенерированный ответ над результатами поиска, собранный из нескольких страниц, обычно со ссылками на них. Блок стоит выше органической выдачи, поэтому его читают раньше первой ссылки.
Доступность AI Overviews для России и русского языка
В справке Google Россия указана в списке стран, где работают AI Overviews, а русский язык в списке поддерживаемых. Данные официальные, речь не о бета-доступе для отдельных аккаунтов.
Частота появления на русских запросах в упомянутом исследовании составила 93% вопросов. Даже с поправкой на методику, о которой говорим ниже, обзоры на русском это массовое явление, а не редкость.
Масштаб: сколько русскоязычных пользователей могут видеть обзоры
По StatCounter, в сентябре 2026 года на Google пришлось 28% переходов из поисковиков на российские сайты, на Яндекс 70%. Другие счётчики дают Google около четверти. Месячная аудитория Рунета по данным Mediascope на осень 2025 года около 105 млн человек. Если грубо переложить долю переходов на людей, выходит до 25-30 млн человек, которые ищут в Google. Это верхняя оценка: многие пользуются обоими поисковиками, а доля переходов не равна доле людей.
Обзор не отменяет органику, он перераспределяет внимание. По данным Similarweb, доля запросов Google с AI-ответами за год выросла с 15% до 43%, сессии AI Mode удвоились до 279 млн, а кликабельность первой позиции упала на 58% (разбор данных Similarweb). Если бренд назван в обзоре, он виден над ссылками конкурентов.
Как работает query fan-out: почему в обзор попадают сайты не из топа
Google делит вопрос пользователя на несколько подвопросов, запускает отдельный поиск по каждому и собирает ответ из найденных фрагментов. Приём называется query fan-out и описан в документации Google (замеры по русским запросам). Состав источников обзора поэтому шире привычной десятки: под каждый подвопрос находится своя страница.
Пример разбивки запроса на подвопросы из документации Google
В документации приведён пример: вопрос про сорняки на газоне распадается на два подвопроса, и источники ищутся по каждому отдельно. Для русского сегмента логика та же: запрос про корм для кота с мочекаменной болезнью распадается на «какой корм», «сухой или влажный», «сколько воды нужно». Страница может попасть в обзор по одному узкому подвопросу, даже если по основному запросу она на второй-третьей странице выдачи.
Статистика: доля источников обзора из первой страницы
Источники обзора сверили с первой страницей обычного поиска на четырёх наборах: половины доменов там не было. Всего разобрали 446 источников, из них 222 стояли на доменах первой страницы. Разброс между наборами большой.
| Набор вопросов | Доля источников обзора на доменах первой страницы |
|---|---|
| Один из наборов | 73% |
| Другой набор | 38% |
| Четыре набора вместе | 222 из 446 источников, около половины |
Ограничение: по логам не видно, откуда именно берутся источники вне первой страницы. Вывод согласуется с документацией про fan-out, но логами не подтверждён. Смысл для практики от этого не меняется: половина мест в обзоре достаётся страницам, которых в топ-10 нет.
Требования к странице: что нужно, чтобы попасть в AI Overviews
Условие одно: страница в индексе Google и может показываться со сниппетом, то есть с коротким описанием под ссылкой. Ни llms.txt, ни особой разметки под обзоры не требуется. Само попадание не гарантировано: индекс и сниппет это допуск к отбору, а не место в ответе.
Разметка не подменяет позицию. В кейсе с голосовыми ответами Алисы корректная speakable-разметка не помогла странице, пока она не вошла в топ-20 Яндекса (разбор кейса). Для AI Overviews действует та же последовательность: сначала видимость страницы в поиске, потом технические детали.
Проверка индексации через Google Search Console
- Откройте Search Console и выберите нужный ресурс.
- Вставьте полный URL страницы в строку проверки в верхней части интерфейса.
- Посмотрите статус. Формулировка «URL проиндексирован» означает, что страница в индексе. Статусы вида «просканирован, но не проиндексирован» и «не найден» говорят о проблеме.
- Если страницы в индексе нет, нажмите «Запросить индексирование». Переобход занимает время, мгновенного результата не будет.
- Проверьте, не закрыта ли страница от индексации: правила Disallow в robots.txt, тег
meta name="robots" content="noindex", заголовок X-Robots-Tag. - Убедитесь, что страница отдаёт код 200 и её содержимое доступно без авторизации.
Ограничения nosnippet и data-nosnippet
Обзор собирается из фрагментов, близких к сниппетам, поэтому запрет на сниппет закрывает дорогу в него. Директива nosnippet в meta-теге robots запрещает показывать текстовый сниппет для страницы целиком, атрибут data-nosnippet скрывает от сниппета отдельный фрагмент HTML. Если страница помечена nosnippet или весь полезный текст обёрнут в data-nosnippet, в обзор она не попадёт. Проверьте HTML: строку meta name="robots" content="nosnippet" и атрибуты data-nosnippet в шаблоне.
Какие источники попадают в обзоры на русские запросы
Ориентир по доменам: чаще других в источниках обзора встречаются ru.wikipedia.org, vc.ru и habr.com. Это статистика частоты, а не закрытый список. Небольшие сайты тоже попадают в обзор, если их страница отвечает на подвопрос.
Почему русскоязычные заголовки важны
На русские вопросы у 97% источников обзора заголовок на русском. Обзор отвечает материалами Рунета, а не переводом англоязычных статей. Переведённый текст с англоязычным заголовком в такой набор попадает редко, а оригинальный русскоязычный материал с терминологией из запроса выглядит для отбора выгоднее.
Внутри сайта значение имеют не только главная и карточки. Разбор 243 ссылок из ответов Алисы AI и Perplexity: карточки товаров получили всего 10 ссылок, а разделы каталога 69 (разбор ссылок из ответов ИИ). Страницы-обзоры и разделы с объяснениями цитируются охотнее одиночных карточек.
Сколько трафика приносят AI Overviews: данные Pew Research
Pew Research отследил почти 69 тысяч поисков 900 пользователей из США. Когда над выдачей стоял обзор, по обычной ссылке кликали в 8% визитов, без обзора в 15%. По ссылкам внутри самого обзора кликали в 1% визитов (данные в разборе).
Вывод: обзор работает на видимость, а не на прямой трафик. Человек видит, кого назвали в ответе, даже если никуда не перешёл. Для узнаваемости бренда это плюс, для метрик переходов минус. Замеры сделаны на американских пользователях, открытых замеров по России нет, поэтому переносить проценты один к одному на русский сегмент не стоит.
Ограничения исследования: почему в реальности обзор может показываться реже
Регион в исследовании задавался параметром запроса, а не с российского адреса. Живой пользователь из России может видеть обзор реже, чем в выборке, поэтому цифру 93% не стоит читать как гарантию охвата.
Выборка 1 095 вопросов из 55 ниш покрывает много тем, но не все. По узким B2B-темам, локальным услугам и новостям картина может отличаться.
Состав источников в ИИ-ответах нестабилен. Замеры по разным ИИ-поисковикам показывают, что наборы ссылок почти не пересекаются, а обновление модели за одно поколение меняет до 75% ссылок (разбор локализации в свежих моделях). Любые замеры видимости быстро устаревают, проверять свои запросы придётся регулярно.
Что делать: откройте 10-20 своих целевых запросов с российского IP и посмотрите, есть ли над выдачей обзор и какие домены в нём.
Пошаговый план: как оптимизировать страницу под AI Overviews
- Проверьте индексацию страницы в Search Console, при необходимости отправьте её на переобход.
- Убедитесь, что на странице нет nosnippet и data-nosnippet.
- Выпишите подвопросы по своим темам, как описано ниже.
- Дайте прямой ответ на каждый подвопрос в первом абзаце раздела.
- Пишите на русском и используйте формулировки из реальных запросов.
- Проверяйте выдачу по своим запросам с российского IP: состав обзора меняется.
Как выписать подвопросы по частым запросам клиентов
Источники, с которых стоит начать:
- поисковые подсказки Google по основному запросу, в том числе с добавлением «как», «почему», «сколько»;
- блок запросов с показами в Search Console: ищите запросы, по которым страница показывается, но кликов мало;
- вопросы клиентов в поддержке и в продажах, они часто не совпадают с тем, что вы считаете главным;
- обсуждения на профильных форумах и в комментариях, включая площадки из числа частых источников обзора.
Яндекс.Вордстат показывает частотность в Яндексе, а не в Google, поэтому его данные годятся только как подсказка по формулировкам.
Пример разбора темы «как выбрать видеокарту для AI»: подвопросы выглядят как «какая видеокарта нужна для локальных LLM», «сколько VRAM достаточно для 7B-модели», «имеет ли значение бренд платы». Каждый подвопрос становится отдельным разделом статьи.
Структура разделов с прямыми ответами
Раздел открывается ответом в одно-два предложения, дальше идут детали, ограничения и примеры. Заголовок формулируйте как вопрос или чёткое утверждение, чтобы он совпадал с подвопросом. Для сравнений используйте таблицы, для последовательностей нумерованные списки: готовый блок проще вырвать из страницы и вставить в ответ.
Абзацы делайте самодостаточными. Разбор 1355 отсылок Perplexity показал, что модель пересказывает страницы, а не копирует их, поэтому абзац на 30-50 слов с законченной мыслью цитируется охотнее, чем фрагмент длинного рассуждения (разбор отсылок Perplexity).
Пример формата: раздел «Сколько VRAM нужно для локальной LLM?» начинается с прямого ответа и сводной таблицы по размерам моделей и квантованию, а не с истории вопроса. Такие блоки отбираются и для классического сниппета, и в обзор.
Начните с одного кластера: проверьте индексацию, соберите 5-10 подвопросов из частых обращений, добавьте прямой ответ в начало каждого раздела и через несколько недель снова посмотрите обзор по этим запросам. Попадание в AI Overviews не гарантировано, но страница вне топа при такой структуре получает реальный шанс.