А конкурентам этого, оказывается, мало.
Заявление генерального директора DuckDuckGoо Габриэля Вайнберга o мерах правовой защиты в деле США против Google:

"Мы не считаем, что меры, предписанные судом, приведут к изменениям, необходимым для адекватного реагирования на незаконное поведение Google. Google по-прежнему будет разрешено использовать свою монополию для сдерживания конкурентов, в том числе в сфере поиска на основе искусственного интеллекта. В результате потребители продолжат страдать. Мы считаем, что Конгресс должен немедленно вмешаться и заставить Google сделать то, чего он больше всего боится: конкурировать на равных условиях."

Cписок партнеров OpenAI.
Полезно ознакомиться для понимания, почему одни издатели чаще цитируются ChatGPT, чем другие.

Гуглоиды обновили "Правила и рекомендации в отношении ссылок компании", добавив разделы "Специальные целевые страницы", "Непосредственное выполнение действий" и "Правила в отношении доступности ссылок компании для сканирования"

Буржуйская сеошница Мэри Хейнс обнаружила в решении судьи о мерах правовой защиты в антимонопольном деле США против Google упоминание о технологии FastSearch:

"Gemini основан на собственной технологии Google под названием FastSearch. FastSearch основан на сигналах RankEmbed, которые быстрее, но не так качественны, как полноценный веб-поиск."

100 самых цитируемых доменов в Google AI Mode по версии Ahrefs. В топ-5 три проекта Google.
Всё в дом 😊

Google AI Mode теперь выдает персональные рекомендации, учитывая историю поиска пользователя, задавшего вопрос. Эта функция доступна в США для пользователей, которые приняли участие в эксперименте с AI Mode в Google Labs.
Персонализация результатов поиска – головная боль сеошников – рискует стать таковой и для геошников.

P.S. Кстати, все больше встречаю шейминга термина GEO типа такого и такого. И что-то мне подсказывает, что именно этот термин и приживется. 😀

Пример неудачного переезда сайта asda.com с поддоменов в подпапки в Google.
На мой взгляд, причина кроется в следующем:

"В результате миграции была удалена предыдущая структура, включавшая разделы, категории, отделы, продукты и архитектуру полок. Новая структура более понятна и включает более читабельные URL-адреса. Со временем это может стать преимуществом, но на момент написания статьи процесс миграции завершен, и чистый убыток очевиден."

Опыт показывает, что переезд крайне нежелательно совмещать с переделкой структуры сайта. В этом случае проблемы практически гарантированы.

Исследование буржуйского сеошника Уилла Гевары из компании Amsive опровергает утверждения гуглоидов, что LLM-трафик более качественный, чем органический. Анализируя результаты исследования, Уилл пришел к выводу:

"Это говорит нам о том, что, по крайней мере, в этом наборе данных, LLM-трафик конвертирует примерно так же, как органический и средний по сайту. Диаграмма рассеяния и анализ эффективности ещё больше это подтверждают. На некоторых сайтах LLM-трафик преобладал, на других — меньше, но распределение было практически равным. Такой расклад показывает, что здесь нет постоянного преимущества."

Буржуйский сеошник Дэн Петрович продолжает копаться под капотом LLM. На этот раз он рассказывает о первичном смещении в коэффициенте выбора при поиске с помощью ИИ.

"Коэффициент выбора (Selection Rate, SR) — ключевой показатель эффективности систем искусственного интеллекта, измеряющий частоту, с которой ИИ выбирает и добавляет конкретный элемент из общего набора результатов. Он служит нативным аналогом показателя кликабельности (CTR) в традиционных цифровых интерфейсах для Gen AI.

SR = (Количество выборов / Общее количество доступных результатов) × 100

В отличие от CTR, требующего явного взаимодействия пользователя посредством кликов, SR фиксирует неявное поведение выбора, при котором системы ИИ оценивают множество результатов поиска, но основывают свои ответы на выбранных источниках.
[...]
Первичным смещением в SR является внутреннее понимание релевантности модели для заземляющего объекта."

Ничего не понятно, но очень интересно. 😊

Буржуйский сеошник Шон Андерсон разбирает сигнал популярности (P*) алгоритма ранжирования Google, засвеченный в решении судьи о мерах правовой защиты в антимонопольном деле США против Google.
Ключевые выводы:

Популярность (P*) — это основополагающий сигнал ранжирования высшего уровня.

• Он явно связан с данными о посещениях Chrome (поведение пользователя в браузере).

• Также используется количество анкоров (мера взаимосвязанности графа связей).

• Цель : Продвижение «хорошо связанных документов» в рейтинге.

• Частота сканирования определяется популярностью и качеством."

Примерно похожий разбор сигналов ранжирования Google, упомянутых в решении судьи, от буржуйской сеошницы Мэри Хейнс. Немножко дополнений к предыдущему оратору:

"Google Glue — это огромная таблица активности пользователей. Она собирает следующую информацию:
• Текст запроса
• Язык, местоположение и тип устройства пользователя
• Что отображается в результатах поиска (включая веб-сайты и функции результатов поиска).
• На что нажал или на что навел курсор пользователь
• Как долго они оставались на странице результатов поиска
• Интерпретации и предложения запросов, включая исправление орфографии и важные термины запроса"

"RankEmbed BERT — это модель ранжирования, которая использует журналы поиска за 70 дней, а также оценки оценщиков качества , которые следуют подробному набору рекомендаций для оценки экспертности, авторитетности и надежности страницы, чтобы определить качество органических результатов поиска Google."

"В документах судебного разбирательства говорится: «Google постоянно использует пользовательские данные, чтобы, помимо прочего, определять, какие веб-сайты сканировать , в каком порядке и с какой частотой»."

"Частота сканирования определяется качеством и популярностью. У каждого сайта есть спам-рейтинг , который также учитывается при сканировании. "

В общем-то особо ничего нового (ну, разве что зависимость частоты сканирования от ПФ), но железобетонные пруфы – это всегда полезно.

Вышел 99-й выпуск подкаста "Google Search Off the Record", в котором Джон Мюллер и Мартин Шплитт рассуждают об ошибках при использовании на сайте авторизации.
Основная ошибка – это наличие одинакового контента (как правило, представляющего собой форму для авторизации) на многих URL адресах, на которых требуется авторизация.
Джон Мюллер:

"Одна из вещей, которую мы заметили за эти годы, особенно в отношении страниц входа, заключается в том, что если у вас очень общая
страница входа, мы увидим, что все эти URL-адреса, которые показывают эту страницу входа, перенаправляют на эту страницу входа, как дублирующиеся. Например, если всякий раз, когда вы заходите на личный URL-адрес, там просто указываются имя пользователя и пароль, тогда мы будем учитывать все эти отдельные частные URL-адреса на самом деле одинаковы. Мы объединим их как дубликаты и сосредоточимся на индексации страницы входа в систему, потому что это то, что вы предоставляете нам для индексации. Это означает, что в результатах поиска эта страница входа будет очень популярна, потому что все эти случайные ссылки постоянно перенаправляют на нее или показывают одну и ту же страницу входа. Если кто-то ищет ваш сервис и хочет узнать больше о вашем сервисе, и единственное, что вам нужно, - это найти его. Первое, что они находят в поиске, это что-то вроде "Вот как войти в систему", что может показаться им странным."

Интересно, что из сказанного следует, что алгоритм консолидирует сигналы страниц, распознанных, как дубли. Спрашивается, зачем тогда нужна директива canonical, если алгоритм сам разберется и склеит дубли. Честно говоря, мой опыт подсказывает, что алгоритм посчитает дубли без директивы canonical техническим мусором и просто выкинет их из индекса безо всякой консолидации.
И тем более странно, что Джон в качестве правильного решения наряду с размещением на каждом уникальном URL уникального контента (для индексации) и использованием меты noindex (наоборот, для запрета индексации) рекомендует использовать редиректы на общую входную страницу, которые тоже консолидируют внешние сигналы.