Как структуры eCommerce-каталогов индексируются AI-поисковиками: разбор 1600+ цитирований

Эра SEO, где главной целью была первая страница выдачи Google или Яндекса, уступает место эпохе GEO (Generative Engine Optimization) и AEO (Answer Engine Optimization). Пользователи всё чаще ищут товары и услуги не через поисковые строки, а формулируя сложные естественные запросы в диалоговых интерфейсах – Bing Copilot, ChatGPT, Perplexity и Google Gemini.

Но как нейросети и поисковые LLM-краулеры выбирают источники для формирования ответов? Почему одни eCommerce-страницы цитируются, а другие останутся невидимыми для ИИ?

В этом исследовании мы разберем массив данных сервиса Bing Webmaster, собранный за 7 месяцев (январь – июль 2026 года) на базе белорусской торговой площадки zakup.by.

Исходные данные

Для чистоты эксперимента анализировалась цифровая экосистема агрегатора со следующими параметрами:

• Региональная структура: Главный домен + 120 поддоменов по регионам.
• Контентное ядро: Каталог товаров, каталог услуг, теговые страницы и статьи (обзоры и рейтинги).
• Период наблюдения: Январь – Июль 2026 года.

Что такое Citation Sources в Bing Webmaster?

Это показатель того, сколько раз материалы конкретного доменного имени или его подстраниц были использованы поисковыми нейросетями (Microsoft Copilot, Bing Chat и сервисами-партнерами) для генерации финального текстового ответа пользователю с прямой ссылкой на источник.

Динамика AI-цитирования: Ключевые метрики за 7 месяцев

Вывод №1: Эффект «концентрации авторитета»

К июню-июлю 2026 года количество суммарных цитирований выросло почти в 2 раза (с 868 до 1600), при этом количество страниц, привлекаемых нейросетью, сократилось со 160 до 106.

Почему так происходит?

Алгоритмы генеративного поиска стремятся к минимизации галлюцинаций и снижению серверных затрат на сбор данных. ИИ-краулеры со временем оптимизируют карту проверенных источников: вместо обращения к сотням разрозненных страниц поисковый агент формирует список так называемых «кластерных узлов» (Cluster Hubs) – высокоавторитетных страниц, содержащих максимально полные данные по теме.

Какие типы страниц предпочитает ИИ?

Анализ 1600+ июньских цитирований показал четкое распределение ролей между разными элементами структуры сайта.

1. Статьи и гайды – Фундамент контекста

Статьи в формате «Рейтинг TOP-10», «Как выбрать...» и сравнения товаров выступают для нейросети базой знаний E-E-A-T.

Пример: Статья с обзором болгарок

• Март: 17 цитат
• Апрель: 28 цитат
• Июнь: 35 цитат

Пример: Статья с гидом по выбору айфонов за один месяц получила 39 цитат.

Механика: Когда пользователь спрашивает Copilot: «Какую УШМ 125 мм лучше купить для дома в 2026 году?», нейросеть не берет данные из пустой карточки интернет-магазина. Она парсит структурированные экспертные руководства, сканирует аргументы, сопоставляет цены и ссылается на статью как на первоисточник.

2. Теговые и узкоспециализированные страницы категорий – связывают поисковой запрос с интентом

Категории товаров часто уступают подкатегориям.

• tag/videokarty-geforce-rtx-4060 – 72 цитаты в феврале.
• burenie-skvazhin-na-vodu – до 248 цитат в месяц.
• gazosilikatnye-bloki – 162 цитаты в июле.

Механика: ИИ работает с векторами естественного языка (Embeddings). Запрос «Заказать бурение скважины на воду» совпадает с вектором узкой целевой страницы burenie-skvazhin-na-vodu, игнорируя верхнеуровневую категорию «Строительные услуги».

3. Карточки объявлений (SKU Pages) – Поставка точных фактов

Нейросети цитируют конкретные карточки товаров при наличии сущностей (Entities) в заголовке и теле страницы.

Что цитирует ИИ (Реальные примеры):

• noutbuk-honor-magicbook-x16-2026 – 10 цитат
• skarifikator-aerator-daewoo-power-dsc – 16 цитат
• moped-rockot-alpha-tourist-m – 7 цитат

Что НЕ цитирует ИИ: Страницы с названиями «Продам ноутбук недорого», «Мопед красный». Плохо попадают в ответы карточки, добавленные через автоматическую YML-выгрузку без уникального текстового блока. По нашей статистике мы видим: 50 ручных карточек с микроразметкой и подробным оффером генерируют в разы больше цитат и поисковых лидов, чем 5 000 «пустых» выгруженных позиций.

Влияние региональных поддоменов на GEO

Неочевидным открытием стало поведение ИИ-краулеров при обработке гео-запросов. В логах цитирования регулярно фиксируются региональные урлы:

• brest.zakup.by/article/reyting-luchshih-gazonokosilok-2026-goda (30 цитат)
• marina-gorka.zakup.by/pilomaterialy (133 цитаты)
• krupki.zakup.by/article/... (10 цитат)
• smolevichi.zakup.by/.../id...214-mangal (5 цитат)

Техническое объяснение:

Создание региональных поддоменов (с корректно настроенным canonical и региональной микроразметкой Schema.org/LocalBusiness) дает генеративному поисковику готовый локальный контекст. Нейросети не нужно вычислять геолокацию продавца из длинного текста – структура URL и поддомена сама служит маркером доверия.

Как подготовить eCommerce к AI-поиску

На основе проведенного анализа цитирований мы выделили 5 правил оптимизации архитектуры под GEO/AEO:

1. YML-импорт пустых товарных позиций малоэффективен.

   Автоматически выгруженный фид без текстового описания бесполезен для AI. Каждая важная карточка должна содержать понятную структуру: Оффер (150-200 символов) -> Таблица характеристик -> Преимущества и условия применения.

2. Формируйте гибридную контентную экосистему.

   Нельзя ограничиваться только каталогом. Связывайте товарные категории со статьями и кейсами. Статьи выстраивают тематический авторитет (Domain Entity Context), из которого ИИ потом извлекает ссылки на конкретные товары.

3. Используйте точные сущности (Exact SKUs) в заголовках.

   Формула H1 для карточки товара: [Тип товара] + [Бренд] + [Точная модель/Модификация] + [Главная спецификация].

4. Внедряйте микроразметку Schema.org.

   Разметка Product, Offer, ItemPage, Article и FAQPage помогает LLM-краулерам парсить значения полей без использования дорогостоящих вычислительных ресурсов.

5. Проектируйте четкую региональную структуру.

   Если ваш бизнес или площадка работает в нескольких регионах, используйте физические поддомены или папки с четким гео-контекстом. Это самый короткий путь к попаданию в локальные ответы AI-ассистентов.

Изображение на обложке: Magnific