Патент Google на LLM переписывает SEO: научи машину, кто ты такой

Представьте SEO последних двадцати лет как затяжной спор с библиотекарем. Вы изучили систему каталогизации, расставили правильные теги на корешках, убедились, что карточка в картотеке совпадает с тем, что люди вводят за стойкой. Теперь этого библиотекаря заменил кто-то, кто якобы прочитал каждую книгу в здании и просто хочет о ней поговорить. Карточки больше почти не важны. Важно, помнит ли он вас.

Именно такой сдвиг намечается в недавнем патенте Google, касающемся больших языковых моделей, — и это меняет задачи для всех, чья работа связана с привлечением трафика.

Ключевые детали

Главный тезис, как сформулировал Search Engine Land 22 июня 2026 года, предельно прост: у Google есть патент, связанный с LLM, и этот патент намечает новую цель для SEO. Цель — научить ИИ, кто вы такой.

Это короткая фраза с большим смыслом. На протяжении большей части поисковой эры задача состояла в том, чтобы объяснить краулеру, о чём страница. Вы выбирали ключевое слово, угадывали интент, наращивали ссылочную массу и ждали. Краулер был тупым в полезном смысле: считал сигналы, ранжировал страницы и отправлял пользователя по клику. Контракт между сайтом и Google был транзакционным и прозрачным.

LLM работает иначе. Он поглощает, сжимает, генерирует. Когда пользователь задаёт ему вопрос, он не возвращает десять синих ссылок, а синтезирует ответ на основе того, что помнит о мире. Если вашего бренда нет в этой памяти или, что хуже, он представлен там неверно, у вас нет шанса возразить на второй странице. Второй страницы не существует.

Патент переформулирует проблему. Новый объект оптимизации — это не SERP, а внутреннее представление вашего бизнеса в модели. Скучная часть, которую никто не хочет делать, — убедиться, что у модели есть точная, структурированная, правильно атрибутированная информация о том, кто вы, что продаёте, кому служите и почему вам можно доверять. Это не работа с ключевыми словами. Это работа с идентичностью.

И это сформулировано как цель, а не как функция. Цели преследуют команды. Функции выпускают вендоры. Разница принципиальна, когда вы решаете, куда направить четверть бюджета на инжиниринг и контент.

Почему это важно для перформанс-маркетинга

Если вы управляете перформанс-маркетингом в iGaming, финтехе или любой вертикали, где воронка начинается с поискового запроса, немедленный вопрос звучит так: откуда берётся клик, когда клики перестают приходить?

Честный ответ таков: часть трафика верхней воронки уже ушла. Все, кто наблюдал, как объём брендового поиска стагнирует, пока реферальный трафик от ИИ-ассистентов медленно растёт, знают форму этой кривой. Патент не вызывает этот сдвиг — он кодифицирует ответ на него. Google говорит SEO-командам на языке патентов: чтобы оставаться релевантными, нужно сделать модель свободно говорящей о вашем бренде.

На практике это означает несколько вещей. Разметка Schema перестаёт быть опцией и становится каноническим способом описания вашей сущности для машины. Биографии авторов, страницы организаций и структурированные факты на них (когда основана, кем регулируется, где работает) имеют реальный вес, поскольку именно такую структурированную истину LLM может извлечь без искажений. Маркетинговый текст, написанный как брошюра, становится менее ценным, чем скучная страница «О компании», написанная как юридический документ.

Для команд платного трафика вывод ещё неприятнее. Если органическое обнаружение всё больше опосредуется моделью, которая уже сформировала мнение о вашем бренде, ваши кампании в Ads API делают ставки на рынке, где пользователь уже проинструктирован. Плохое представление бренда на входе повышает стоимость каждого клика на выходе. Вы можете купить место, но заплатите мнение модели как налог.

Моё мнение: команды, которые выиграют в ближайшие два года, — это те, кто относится к LLM как к стейкхолдеру, а не к каналу. Вы не оптимизируете для него так, как оптимизируете под SERP. Вы его кормите — так же, как вы кормили бы журналиста, который собирается написать о вас, хотите вы того или нет.

Влияние на отрасль

Для руководителей инжиниринга и платформ это выглядит как проблема контентной инфраструктуры, замаскированная под маркетинговую.

Слой данных под типичным маркетинговым сайтом продукта создавался для людей и краулеров. Он предполагает, что страница — это единица смысла. LLM не заботится о вашей странице — его интересуют факты, которые можно из неё извлечь. Это означает, что CMS, пайплайн структурированных данных и граф сущностей, связывающий продукты с людьми, компаниями и юрисдикциями, становятся реальной целью оптимизации. Если вы не можете генерировать чистые, последовательные, машиночитаемые утверждения о своём бизнесе в масштабе, вы будете уступать конкурентам, которые это умеют.

В iGaming, где лицензирование и юрисдикция носят экзистенциальный характер, это вдвойне интересно. LLM, который уверенно говорит пользователю, что ваш букмекер недоступен в его регионе, хотя на самом деле доступен, стоит вам регистрации. Обратная ситуация — когда модель говорит, что вы работаете там, где не работаете, — обходится регуляторной головной болью. Точность внутренней карты вашего бизнеса в модели имеет последствия для комплаенса, которые SEO-команда исторически не несла.

Финтех находится в той же лодке, только с другими подводными камнями. Регулируемые продукты, раскрытие информации, географическая применимость — всё это должно правильно попасть в представление модели, иначе модель создаст галлюцинированную версию вас, которую ваша комплаенс-команда никогда бы не одобрила.

Вопрос конфиденциальности также никуда не исчезает. По мере того как сторонние сигналы продолжают убывать в условиях Privacy Sandbox и последующих фреймворков, первичная идентичность — ваше собственное структурированное описание себя — становится одним из немногих качественных входных данных, с которыми кто-либо может работать. Обучение ИИ тому, кто вы есть, превращается в то же самое упражнение, что и объяснение этого регулятору. Одни и те же данные, разная аудитория.

На что обратить внимание

Несколько сигналов, за которыми стоит следить в ближайшие кварталы.

Во-первых, следите за тем, формализует ли Google что-либо из этого в спецификацию для вебмастеров. Патенты и продуктовые функции — не одно и то же, а подача патента не означает выпуска функции. Но если Search Console начнёт показывать, как модель «видит» вашу сущность, — это момент, когда дисциплина станет мейнстримом. До тех пор вы оптимизируете вслепую.

Во-вторых, следите за экосистемой schema. Если появится новый словарь или существующие типы сущностей будут расширены специально для потребления LLM, именно там будет жить канонический ответ на вопрос «как обучить модель». Команды, которые уже вложились в чистые структурированные данные, сделают первый шаг.

В-третьих, следите за собственными логами. Реферальный трафик от ИИ-ассистентов — там, где его можно идентифицировать, — это ближайший аналог петли обратной связи. Если конверсии из этих сессий ведут себя иначе, чем из классической органики, это опережающий индикатор того, куда мигрирует воронка.

Возвращаясь к библиотекарю. Карточки на корешках не бесполезны — они всё ещё помогают найти вас в стеллажах. Но рекомендация теперь происходит за стойкой, в разговоре, и единственный способ повлиять на этот разговор — убедиться, что человек за стойкой прочитал вашу книгу, понял её и может описать её незнакомцу, не перепутав детали. Вот новая задача. Она менее гламурна, чем первая строчка в рейтинге. И её сложнее подделать.

Ключевые выводы

• Патент Google на LLM переосмысливает SEO как обучение ИИ тому, кто вы есть, а не каким ключевым словам соответствуете.
• Структурированные данные, определения сущностей и машиночитаемая идентичность становятся новой поверхностью оптимизации.
• Для регулируемых вертикалей, таких как iGaming и финтех, точность представления вашего бизнеса в модели имеет значение для комплаенса, а не только для маркетинга.
• Стоимость платного привлечения, скорее всего, вырастет там, где вышестоящая модель имеет плохое или неверное представление о бренде.
• Следите за Search Console, обновлениями словаря schema и логами реферального трафика от ИИ — это ранние сигналы того, как измерять всё это на практике.