В конце прошлого месяца Google дропнул достаточно интересный отчет о том как…

В конце прошлого месяца Google дропнул достаточно интересный отчет о том как используют поиск с AI Mode в Штатах, ознакомится можно здесь — тыц. На что бы я обратил внимание в первую очередь:

1. Переработка заголовков в полные вопросы. Средний запрос в AI-режиме в три раза длиннее традиционного и похож скорее на беседу. Самые популярные начальные слова теперь — «что», «как», «могу ли я». На смену коротких заголовков приходят развернутые вопросы, ориентированные на узкие ниши (например, не просто «лучшие CRM», а «какая CRM лучше всего подходит для небольших команд SaaS в 2026 году») и очевидно что под них же нужно оптимизировать тайтлы и заголовки что бы лучше попадать в цитирования.

2. Фокус на действии (Do). Пользователи используют ИИ-поиск для одной из пяти целей: исследование, принятие решения, обучение, создание или действие. Интент на «действие» — большая категория запросов. Контент должен не просто рассказывать «о чем-то», а показывать, как это сделать (например, предоставлять планы или конкретные инструкции).

3. Углубление вовлеченности. Пользователи стали чаще задавать уточняющие (follow-up) вопросы — их количество растет на 40% в месяц. Люди используют поиск не просто для получения справки, а для планирования, принятия решений и создания контента. Логично просить AI'шку "подумать" что будут пользователи спрашивать дальше по цепочке и добавить соответствующие блоки контента. Так же, запросы связанные с планированием (графики, списки дел, маршруты), растут на 80% быстрее остальных.

4. Мультимодальность контента. Каждый шестой запрос в ИИ-режиме является нетекстовым (изображения, видео). Современный контент должен включать иллюстрации и графику с alt-тегами, чтобы агент мог легко «идентифицировать» объекты на фото.

5. Создание контента для принятия решений и сравнения. Запросы, начинающиеся со слова «который» (which), растут опережающими темпами. Это — сравнительные обзоры, гайды «что выбрать» и списки «лучших вариантов» с четким выделением преимуществ каждого. Т.е. добавляем таблицы, списки, структурируем данные JSON-LD.

Дальше, что бы проверить все ли нормально собрано, скачиваем Google Canary — тыц (можно не логинится). Открываем нужный сайт, жмем Ctrl+SHift+I, листаем на закладку Lighthouse и включаем чекбокс Agentic Browsing. Жмем Analyze Page Load. Рекомендации можно сохранить (там справа от URL'а Save as HTML) и сунуть обратно в тот же Claude что бы поправить. А, упоминание llms.txt появилось в официальной документации — тыц (раздел "Стабильность и возможность обнаружения"). Может имеет смысл тоже добавлять.