Сейчас поиск работает иначе. Когда человек задаёт вопрос в ChatGPT или Google AI, система не ищет его как есть. Она разбивает его на несколько маленьких вопросов и ищет ответы на каждый из них отдельно. Это называется query fan-out.
Например, человек пишет: «Адвокат по уголовному делу, чтобы был большой опыт и адекватная цена». Система не ищет эту фразу целиком. Она делит её на части: как выбрать адвоката, сколько стоят услуги по уголовным делам, как проверить опыт, на что обращать внимание при выборе, какие ошибки допускают при поиске юриста. После этого она собирает один ответ из разных источников, которые закрывают каждый из этих вопросов.
И здесь самый важный момент. В ответ попадают не «самые причесанные сайты» и не те, у кого длиннее текст. В ответ попадают страницы, которые чётко отвечают на один из этих кусочков. Если ваш текст не закрывает ни один из них — для AI его просто не существует.
То есть вы конкурируете не «страница против страницы», а ваш ответ против других ответов на конкретный подзапрос.
Поэтому многие сайты с хорошими статьями не попадают в такие ответы. Большая статья пытается охватить тему целиком и закрыть все возможные вопросы сразу. Но для AI такой формат часто выглядит размыто. В тексте нет чёткого, прямого ответа на конкретный вопрос, вокруг него много лишней информации, и системе сложнее выделить нужный фрагмент. В результате такая страница может уступить более короткой, но точной странице, которая ясно и без отклонений отвечает на один конкретный запрос.
Отсюда меняется логика работы с контентом. Раньше можно было написать одну страницу под тему и ждать результата. Сейчас этого недостаточно. Нужно, чтобы у вас была не одна статья, а несколько страниц, каждая из которых отвечает на свой конкретный вопрос внутри темы. Тогда система собирает их вместе и использует в ответе.
Если говорить проще, раньше работала модель «одна страница — один запрос». Сейчас работает «несколько страниц — один ответ». Это грубый пример, но наиболее приближенный к реальности. И если у вас есть только одна большая статья, вы проигрываете тем, у кого закрыта вся цепочка вопросов.
Есть ещё один момент. Система часто берёт данные из сравнений и разборов. Например, когда человек ищет «частный адвокат или юридическая фирма» или «сколько стоит защита по делу», такие страницы попадают в ответы чаще. То же самое касается простых и понятных объяснений без лишнего текста.
В итоге меняется сам подход. Важно не просто написать текст, а понять, как система разобьёт запрос через query fan-out, и закрыть каждый из этих кусочков отдельной страницей. Тогда вы начинаете попадать в AI-ответы.
Если этого не делать, можно писать сколько угодно длинные статьи и не получать результата. Потому что AI не ищет «много текста». Он ищет чёткие ответы и собирает их из разных источников в один итоговый ответ.
Обратное проектирование QFO — вот в чём суть. Прекратите писать одну большую страницу. Создавайте тематические кластеры.
AI не выбирает лучший сайт. Он собирает лучший ответ по кускам.