Каждые несколько недель поиск с ИИ добавляет в маркетинговые планы новый технический объект: llms.txt, Markdown, MCP, очередной протокол для агентов или еще один чек-лист готовности. Главный тезис свежего материала Search Engine Journal состоит в том, что эти форматы находятся ниже по цепочке от настоящей проблемы: у большинства организаций до сих пор нет управляемого источника фактов о товарах, политик, экспертных знаний, сравнений и доказательств для принятия решений, который могли бы повторно использовать все каналы. Поведение самой Google подтверждает эту мысль: компания предостерегает от трюков с sitemap, искусственно создающих сигналы для сканирования, тогда как AI Mode уже меняет модели настолько быстро, что разовые тесты видимости становятся нестабильными. Долгосрочное преимущество дает не стремление первым внедрить каждый новый формат, а создание канонической инфраструктуры знаний, измерений и коммерции, способной публиковать данные где угодно.
| Ежедневный обзор Beecommercer |
| Дата: четверг, 3 сентября 2026 года |
| При поддержке: beecommercer.com |
Тема дня очевидна: ИИ создает новые механизмы доставки быстрее, чем большинство компаний успевают создавать надежные знания.
Новый протокол может упростить машине получение информации. Но он не способен придумать отсутствующее сравнение, согласовать противоречащие друг другу цены, объяснить, какому покупателю подходит товар, или решить, какая политика действует на конкретном рынке.
Поэтому для операторов электронной коммерции и маркетинга стратегический вопрос меняется с «Какой формат ИИ нам нужен?» на «Есть ли у нас единый надежный источник фактов и доказательств, необходимых каждому формату?»
Переходим к деталям.
ГЛАВНАЯ ТЕМА
Протокол — это не стратегия
Bill Hunt из Search Engine Journal утверждает, что отрасль раз за разом относится к новым форматам доставки данных для ИИ так, будто каждый из них требует отдельной стратегии. Среди его примеров — llms.txt, MCP, Markdown, расширения Schema и другие новые форматы для агентов.
Эти технологии выполняют разные задачи, но создают одно и то же организационное искушение: руководители видят новый аудит готовности, узнают, что у компании нет новейшего протокола, и перенаправляют ресурсы маркетинга и разработки, не выяснив, полна ли исходная информация.
В статье вводится полезное понятие Decision Coverage — покрытие решений. Товар может иметь отличные технические характеристики, но при этом не давать ИИ-системе доказательств, необходимых для решения о включении его в короткий список.
Например, запрос на «лучший» семейный курорт у моря нельзя свести к одному атрибуту. Ответ может зависеть от местоположения, конфигурации номеров, пригодности для семей, удобств, цены, наличия, отзывов и компромиссов. Если бренд может подтвердить только четыре из пяти важных критериев, публикация тех же четырех фактов через другой протокол не создаст отсутствующий пятый.
В этом и состоит важное различие между публикацией и возможностями. Schema может описать связи, но не определит, какими эти связи должны быть. MCP может открыть доступ к ресурсам, но не устранит противоречия в информации, за которую отвечают разные команды. llms.txt может направить систему к контенту, но не создаст экспертные знания, которые компания никогда не документировала.
Рекомендованная Hunt модель проста: один раз создать каноническую основу и публиковать везде. Факты о товарах, политики, экспертные знания, критерии выбора клиентов и подтверждающие материалы должны храниться в управляемом источнике, который способен снабжать данными веб-страницы, Schema, Merchant Center, API, Markdown, MCP или любой формат, который окажется полезен в будущем.
Это особенно важно для электронной коммерции, поскольку правда о товаре распределена между системами. Маркетинговый сайт может отвечать за позиционирование, PIM — за атрибуты, ERP — за запасы и коммерческие данные, служба поддержки знает повторяющиеся возражения, а фиды маркетплейсов содержат еще одно представление товара.
Если каждый протокол ИИ превращается в очередную поддерживаемую вручную копию этих знаний, любое обновление порождает проблему синхронизации. Более устойчивый к будущим изменениям подход — исправить слой знаний и сделать форматы взаимозаменяемыми.
| Вывод для операторов: Перестаньте формировать очередь задач по готовности к ИИ только из протоколов. Выберите самые важные решения клиента — для кого предназначен товар, какую альтернативу он превосходит, какой компромисс имеет значение, подходит ли он, когда его можно отправить и какая политика применяется, — а затем определите авторитетные доказательства для каждого решения. Создайте эти знания один раз и управляйте ими. Добавляйте llms.txt, MCP, Markdown, Schema, фиды или API лишь тогда, когда они дают действительно полезный новый канал доставки. |
СДВИГ
Google продолжает вознаграждать стабильные сигналы, пока AI Mode меняется прямо под тестами
John Mueller из Google отверг метод работы с sitemap, предназначенный для принудительного ежедневного сканирования. В нем к URL дочерних sitemap каждый день добавляется новый параметр с временной меткой, чтобы поисковые системы видели новый URL вместо стандартного значения lastmod в sitemap.
Mueller назвал этот подход плохой идеей, поскольку он сигнализирует, что канонический URL sitemap постоянно меняется. Его совет был привычным: использовать чистые стабильные URL и точные значения lastmod.
Этот урок применим не только к sitemap. Поисковые системы строятся вокруг стабильных сигналов. Искусственное создание изменений не обеспечивает полезной свежести, если сам контент не изменился.
Одновременно Google добавила Gemini 3.8 Flash в AI Mode для подписчиков Google AI Pro и Google AI Ultra по всему миру в день запуска модели.
Это уже третий выпуск Flash от Google за шесть недель. Search Engine Journal отмечает: тот, кто сейчас сравнивает цитирования AI Mode на Gemini 3.7 Flash в середине августа и на Gemini 3.8 Flash, тестирует уже не одну и ту же систему поиска и формирования ответов.
Это создает серьезную проблему измерения видимости в ИИ. Рост или снижение числа цитирований может отражать изменения контента, модели, формулировки запроса, механизма извлечения либо все эти факторы сразу.
Поэтому Search Engine Journal рекомендует записывать название модели при каждом тесте AI Mode. Эта небольшая операционная деталь важна, поскольку один отчетный период теперь может охватывать несколько версий модели.
Вместе эти две истории создают полезный контраст. Не манипулируйте стабильными техническими сигналами, чтобы они казались новее. Но документируйте действительно меняющиеся системы, которые влияют на измерения.
| Вывод для операторов: Сохраняйте URL sitemap стабильными и используйте lastmod только при значимых изменениях контента. При отслеживании видимости в ИИ по возможности фиксируйте систему, версию модели, запрос, дату, местоположение и уровень аккаунта. Система измерений, игнорирующая смену моделей, может превратить волатильность платформы в ложный вывод о SEO. |
ОПЕРАЦИОННЫЙ УРОВЕНЬ
Стеку измерений нужны разные ответы, потому что одна метрика не объяснит рост
Новый выпуск Ads Decoded от Google посвящен построению стека измерений из атрибуции, тестов на инкрементальность и моделирования маркетингового микса, а не попыткам получить окончательный ответ от одного инструмента.
Google отмечает, что маркетологи часто сталкиваются с противоречивыми сигналами от атрибуции в реальном времени, периодических тестов на инкрементальность и MMM. Выход не в том, чтобы выбрать самый выгодный показатель: каждый метод отвечает на свой вопрос.
Атрибуция полезна для быстрой оптимизации и понимания путей клиента. Инкрементальность выясняет, что произошло бы без рекламы. MMM помогает объяснить более широкий вклад каналов за длительные периоды и в условиях неполного отслеживания на уровне пользователей.
В обсуждении также выделяется показатель Qualified Future Conversions, который пытается учитывать более длинные пути к покупке, оценивая будущие коммерческие результаты после взаимодействия с рекламой.
По метафоре Google, медиа скорее сажают семена, чем немедленно собирают каждую конверсию. Это полезно для брендов, склонных оптимизировать все вокруг краткосрочного ROAS, однако прогнозные метрики позднее все равно необходимо сверять с фактической выручкой.
Ранние данные Shopify о коммерции с ИИ показывают, почему важна такая многоуровневая система измерений. В Q1 2026 года число сессий из ИИ-источников выросло более чем в 8 раз год к году, число заказов — почти в 13 раз, а посетители, приходившие из ИИ на страницы товаров, конвертировались почти на 50% лучше посетителей из органического поиска и имели среднюю стоимость заказа на 14% выше.
Канал ИИ-рефералов все еще намного меньше органического поиска, а часть открытий через ИИ в аналитике по-прежнему классифицируется как органический трафик. Поэтому один отчет по рефералам недооценивает роль ИИ, но при этом позволяет легко преувеличить значение небольшого быстрорастущего канала.
Правильный вопрос измерения состоит не в том, «лучше ли ИИ-трафик, чем SEO». Важно понять, дополняет ли канал существующие источники, создает ли инкрементальный спрос, приносит ли прибыль и заслуживает ли большего финансирования по мере роста объема.
| Вывод для операторов: Создайте стек измерений с разными функциями. Используйте атрибуцию для ежедневной оптимизации, инкрементальность — для уверенности в причинности, а MMM — для более широкого распределения бюджета. Отслеживайте ИИ-рефералы как отдельный сегмент, но сопоставляйте их с качеством клиентов, маржинальной прибылью, повторными покупками и поддержанным спросом. Прогнозные показатели будущих конверсий — полезные входные данные, а не учтенная выручка. |
3 ФАКТА О МАСШТАБИРОВАНИИ КОММЕРЦИИ, РЕКЛАМНЫХ ТЕХНОЛОГИЯХ И ПОИСКЕ С ИИ
1. Flabelus показывает, что значит «один раз создать основу» в коммерции
Этот кейс Flabelus от Shopify рассказывает об обувном бренде, выручка которого выросла более чем в 200 раз по сравнению с первым полным годом онлайн-продаж и который теперь управляет 47 магазинами в 14 странах на единой коммерческой основе.
Flabelus начала работать онлайн в Испании в 2020 году, а затем вышла в физическую розницу, новые рынки и валюты, добавила способы оплаты, собственные приложения и региональные требования. Сейчас бренд обслуживает покупателей более чем в 40 странах и утверждает, что ни разу не менял платформу.
Важная операционная деталь заключается в том, что онлайн- и розничные продажи работают в рамках одной сущности магазина. Поэтому команды розницы, экспансии и коммуникаций видят продажи в единой картине, а не сводят отчеты из отдельных систем.
Бренд также использует собственные приложения там, где стандартная платформа не покрывает нужную функцию, при этом переводы товаров, импорт, экспорт, возвраты и отчетность остаются подключенными к одной основной системе.
Это коммерческая версия архитектуры знаний: основа должна быть достаточно стабильной, чтобы расширение сводилось к настройке и дополнению, а не к перестройке ядра бизнеса каждые несколько лет.
| Вывод для операторов: При выборе платформы спросите, что произойдет при масштабе 10x: появятся новые магазины, валюты, склады, региональные правила, возвраты, переводы и отчеты. Цель не в полном отсутствии доработок, а в стабильном ядре с достаточным числом точек расширения, чтобы новые рынки не требовали нового источника истины. |
2. Google избегает разделения рекламного бизнеса, но поведенческие меры остаются
Reuters сообщает, что федеральная судья США отклонила требование Department of Justice заставить Google продать рекламную биржу AdX, несмотря на более раннее решение о том, что Google незаконно подавляла конкуренцию в некоторых сегментах рынка рекламных технологий для издателей.
Судья Leonie Brinkema приняла поведенческие меры вместо структурного разделения. Google предложила, в частности, предоставлять конкурентам доступ к ставкам в реальном времени; подробное решение ожидается после удаления конфиденциальных материалов.
Дело важно для маркетологов, потому что Google присутствует на нескольких уровнях цифровой рекламы: в спросе, аукционах, издательских технологиях, измерениях и поисковом инвентаре.
Решение суда снижает вероятность немедленной структурной перестройки, но не устраняет основные вопросы о конкуренции и прозрачности.
| Вывод для операторов: Не превращайте судебное решение в прогноз медиастратегии. Ведите независимые записи по кампаниям, выручке, CRM и инкрементальности, чтобы экономика каналов оставалась понятной даже при изменении правил аукциона или доступа к платформе. Интеграция платформы создает удобство, а независимые измерения — переговорную силу. |
3. История Shopify о коммерции с ИИ дополняет поиск, а не заменяет его
Инвесторская статья Yahoo Finance об эволюции коммерции Shopify под влиянием ИИ описывает текущую стратегию Shopify как развитие поиска товаров и покупок с помощью ИИ, в то время как компания продолжает позиционировать Shop и свою платформу для продавцов как единое пространство для спроса и транзакций.
Более полезные операционные доказательства дают собственные коммерческие данные Shopify: ИИ-трафик быстро растет и обычно демонстрирует более сильное намерение совершить покупку, но органический поиск по-прежнему приносит гораздо больше сессий, чем все отслеживаемые ИИ-платформы вместе.
Поэтому нынешняя возможность коммерции с ИИ носит дополнительный характер. Покупатель может использовать ChatGPT, Gemini или другого помощника для изучения товара, но этому товару по-прежнему помогают сильный органический поиск, понятные страницы, структурированные данные, отзывы и надежное оформление заказа.
Agentic Storefronts и Universal Commerce Protocol от Shopify позволяют продавцам предоставлять ИИ-системам цены, атрибуты и наличие в реальном времени, не поддерживая отдельные товарные фиды для каждой новой платформы.
| Вывод для операторов: Относитесь к коммерции с ИИ как к еще одному каналу спроса, построенному на той же правде о товаре. Измеряйте ее отдельно, но не разделяйте операционную модель. Один и тот же каталог, запасы, цены, товарный контент и политики обслуживания клиентов должны поддерживать Google, органический поиск, ИИ-помощников, маркетплейсы и собственную витрину. |
ПОСЛЕ РАБОТЫ
Создайте один раз, измеряйте с учетом контекста и публикуйте там, куда приходит клиент
Все сегодняшние истории выступают против одного рефлекса: принимать новый интерфейс за новую стратегию.
Файл llms.txt — не архитектура знаний. Новая модель Flash — не доказательство изменения контента. Параметр sitemap — не свежесть. Прогнозируемая будущая конверсия — не учтенная выручка. Реферал из коммерции с ИИ — не причина отказываться от органического поиска.
Платформы продолжат меняться. Названия моделей продолжат меняться. Появятся новые протоколы, фиды, API и стандарты для агентов.
Устойчивый слой — это та часть, которую контролирует организация: факты о товарах, доказательства от клиентов, политики, экспертные знания, запасы, цены, определения метрик и системы, поддерживающие их синхронизацию.
Вот почему самая простая фраза в сегодняшнем наборе источников может оказаться самой полезной:
Создайте основу один раз. Публикуйте везде.
Команда Beecommercer