58,8% кликов из AI-поиска уходят на главную: почему трафик оседает на немногих страницах

58,8% трафика из AI-поиска попадает на главные страницы сайтов, хотя 65% URL, которые ChatGPT использует как источник, лежат на глубине двух или трёх вложенных папок. Этот разрыв, на который обратили внимание Similarweb и Search Engine Journal, меняет сам подход к измерению AI-канала: цитируемая страница и страница, которая получает визит, часто вообще не совпадают. Для digital-маркетинга и аналитики соцсетей это важнее громких споров о том, «заменит ли ИИ поиск».

Ещё одна опорная цифра из того же массива данных: 95% пользователей ChatGPT также пользуются Google. Это значит, что AI-поиск пока не вытесняет классический поиск, а накладывается поверх него как дополнительный слой discovery. Поэтому оценивать трафик из AI-поиска по тем же правилам, что органику из Google, уже недостаточно.

Трафик из AI-поиска почти никогда не распределяется равномерно

У классического SEO логика обычно линейнее: страница ранжируется, получает клик, дальше можно считать поведение пользователя на конкретном URL. В AI-поиске связь между источником ответа и страницей входа заметно слабее.

По данным Similarweb, в период с июня 2025 года по май 2026 года платформы генеративного ИИ в среднем собирали 9,5 млрд веб-визитов в месяц, а месячная аудитория достигла 655 млн уникальных пользователей. Масштаб уже не экспериментальный. Но распределение внимания внутри этого канала остаётся очень неравномерным.

Для маркетолога отсюда следуют три практических вывода.

• AI-поиск не стоит считать единым KPI. Видимость бренда в ответах, цитируемость страниц и реальные переходы на сайт показывают разные стадии одного процесса.
• Трафик из AI-поиска почти всегда концентрируется на ограниченном наборе URL. Обычно это главная, крупные хабы, страницы категорий, pricing, demo, about, иногда сильные гайды и comparison pages.
• Рост цитируемости не гарантирует рост сеансов на ту же страницу. Если команда смотрит только на page-level отчёт, часть эффекта просто не будет видна.

Именно здесь многие команды неверно трактуют AI-видимость как ещё одну версию SEO. На уровне бренда влияние уже есть, а на уровне отдельного URL оно часто выглядит слабее, чем ожидалось.

Почему клики оседают на немногих страницах

AI цитирует одно, а человек кликает в другое

AI-система использует глубокую страницу как доказательную базу: статью, исследование, FAQ, разбор, help-страницу. Но человек после ответа нередко выбирает более безопасную точку входа и идёт не в цитируемый материал, а на главную страницу бренда.

Это хорошо объясняется пользовательским поведением. В AI-поиске клик часто означает не «хочу дочитать именно этот абзац», а «хочу проверить бренд, которому модель уделила внимание». В этот момент пользователь выбирает корневую точку входа, где можно быстро понять, кто перед ним, что компания предлагает и стоит ли идти дальше.

Для бренда это уже не чистое SEO-поведение, а гибрид поиска, навигации и репутации. Поэтому главная страница, раздел продукта или обзорная страница получают больше шансов на визит, чем глубоко вложенная статья, на которой фактически держался ответ модели.

AI-поиск работает как канал знакомства с брендом

Отдельный сигнал Similarweb касается всплеска homepage traffic после майского обновления ChatGPT 2026 года. По данным компании, доля переходов на главные страницы до 7 мая держалась примерно в диапазоне 26–32%, а после обновления быстро поднялась примерно к 60% и закрепилась на этом уровне. Неделей к неделе общий объём переходов вырос на 157,7%, а переходы именно на homepage — на 354,7%.

Для digital-маркетинга это важный сдвиг. AI-поиск начинает работать не только как ответчик на вопрос, но и как канал первичного бренд-знакомства. Пользователь приходит «ко входу в бренд», а не сразу на нижний уровень воронки.

Отсюда и концентрация трафика. Если AI-поиск усиливает брендовый интерес, выигрывают страницы, которые:

• быстро объясняют, чем занимается компания;
• дают короткий путь к продукту, тарифам, демо или контактам;
• помогают продолжить исследование без лишней навигации;
• не ломают доверие слабым первым экраном.

Внутри сайта выигрывают страницы с коротким путём к действию

Даже когда переход идёт не на главную, трафик из AI-поиска редко размазывается по сотням URL. Обычно он собирается вокруг страниц, которые одновременно решают две задачи: подтверждают экспертность и помогают сделать следующий шаг.

В эту группу чаще попадают:

• сильные обзорные статьи по теме категории;
• страницы решения под конкретный сценарий использования;
• pricing или demo pages;
• хабы документации и FAQ, если у них хороший внутренний переход в продукт;
• страницы бренда с высокой ясностью оффера.

Поэтому вопрос уже не в том, «получили ли переход все цитируемые страницы». Намного полезнее другой вопрос: какие 5–10 URL внутри сайта забирают основную долю AI-трафика и готовы ли они к такому сценарию входа.

Как оценивать трафик из AI-поиска без ложных выводов

Разделять цитируемость и переходы

Первая ошибка в аналитике AI-поиска — сводить всё в одну цифру. Если статья часто появляется в ответах модели, это ещё не значит, что она приводит визиты. И наоборот: если homepage получает трафик, это не доказывает, что именно главная страница была источником доверия для модели.

Рабочая логика здесь двухконтурная.

Контур 1: видимость в AI-ответах.

Сюда относятся:

• частота упоминаний бренда;
• частота цитирования конкретных URL;
• доля категории, где бренд вообще появляется;
• типы вопросов, на которых бренд всплывает.

Контур 2: реальный трафик и поведение на сайте.

Сюда относятся:

• landing pages из AI-источников;
• доля homepage и хабов в структуре входов;
• глубина просмотра;
• переход к demo, форме, подписке, контакту, Telegram-каналу;
• отложенные брендовые визиты и branded search.

Когда эти два контура склеивают в один KPI, команда теряет причинно-следственную связь.

Считать концентрацию трафика как отдельную метрику

Для AI-поиска полезно ввести простой показатель концентрации. Его можно считать даже в ручном отчёте:

• доля AI-сеансов, которую забирают топ-3 landing pages;
• доля AI-сеансов, которую забирают топ-10 landing pages;
• доля homepage в AI-трафике;
• доля глубоких страниц в AI-трафике;
• доля AI-трафика, которая доходит до целевого действия.

Если топ-3 страницы забирают большую часть входов, это не аномалия, а нормальный сигнал для этого канала. Важно не бороться с самой концентрацией, а понять, подготовлены ли эти страницы к роли входной точки.

Пример. Если AI-трафик за месяц составил 1 000 сеансов, из них 620 пришли на главную, 140 — на страницу продукта, 90 — на pricing, а остальные 150 распределились по десяткам URL, реальная задача не в том, чтобы «выровнять хвост». Логичнее сначала проверить, конвертируют ли эти три страницы, есть ли на них ясный путь к действию и не теряется ли пользователь после первого экрана.

Сопоставлять AI-трафик с branded search, direct и репутационным фоном

AI-поиск редко живёт в изоляции. Если бренд чаще появляется в ответах модели, это может проявиться не только в referrer-трафике, но и в росте брендовых запросов, direct-визитов, сохранений, упоминаний в соцсетях и переходов в мессенджеры.

Поэтому для SMM и digital-маркетинга полезно смотреть шире, чем web analytics в одном окне. Если после заметного AI-упоминания растут поисковые запросы по бренду, обсуждения в Telegram, сохранения контента или трафик на обзорные страницы, влияние уже есть, даже если last-click отчёт выглядит скромно.

В такой связке уместно сводить web-метрики с мониторингом бренда и динамикой соцсетей. Здесь естественно работает FollowPulse: платформа помогает сопоставлять сигналы из аналитики соцсетей, Telegram-маркетинга и мониторинга бренда с тем, что происходит на сайте после внешнего интереса.

Ставить окно задержанной конверсии

Переход из AI-поиска часто ближе к исследованию, чем к мгновенной покупке. Пользователь получает короткий ответ, запоминает бренд, открывает сайт, а реальное действие делает позже: после повторного визита, брендового поиска, перехода из соцсетей или внутреннего обсуждения.

Если считать только last-click конверсии из AI-referral, канал будет выглядеть слабее своей реальной роли. Поэтому в отчётах стоит отдельно смотреть:

• assisted conversions;
• повторные визиты после первого AI-сеанса;
• брендовые визиты в окне 7–30 дней;
• переходы на страницы доверия: кейсы, цены, контакты, about;
• микроцели: подписка, скачивание, переход в Telegram, просмотр demo.

Сегментировать по типам страниц, а не только по URL

URL-уровень важен, но в AI-поиске полезнее группировка по роли страницы:

• главная;
• продуктовые страницы;
• категорийные и обзорные хабы;
• гайды и статьи;
• FAQ и документация;
• доверительные страницы: кейсы, about, контакты.

Такой срез лучше показывает, какой именно слой сайта забирает ценность из AI-поиска. Для контент-маркетинга это особенно важно: иногда полезный материал помогает попасть в ответ, но реальная коммерческая нагрузка ложится на совсем другой тип страницы.

Какие страницы чаще всего выигрывают от AI-поиска

Первый кандидат — главная страница. В AI-поиске она часто становится точкой верификации бренда. Это уже не «страница обо всём», а входной экран для тёплого интереса, который модель помогла сформировать.

Второй кандидат — страницы продукта и разделы с понятным оффером. Если у бренда хороший спрос на сценарии использования, AI-поиск будет приводить людей туда, где быстрее видна польза.

Третий кандидат — обзорные хабы и большие evergreen-материалы. Они работают на доверие модели и на внутреннее распределение внимания внутри сайта. Именно такие страницы часто помогают бренду удерживаться в ответах, даже если прямой визит потом уходит на другой URL.

Четвёртый кандидат — FAQ, документация и объясняющие страницы, если они не изолированы от бизнес-части сайта. Там, где контент связан с продуктом и есть ясный переход к действию, AI-поиск чаще приносит измеримую пользу.

Для команды это означает простую вещь: не каждая страница должна получать AI-трафик. Намного важнее, чтобы ограниченное число сильных входных URL работало как связка из экспертности, доверия и навигации.

Где команды чаще всего ошибаются

Самая частая ошибка — радоваться цитируемости и не смотреть, куда реально пришёл пользователь. Вторая — считать AI-поиск маленьким SEO-каналом и ждать распределения трафика по всему контентному хвосту. Третья — оценивать канал по last-click, игнорируя брендовый и отложенный эффект.

Есть и более прикладной промах: оптимизация только одной статьи. В AI-поиске выигрывает не только материал, который попал в ответ, но и вся архитектура сайта вокруг него. Если homepage, продуктовая страница или FAQ не готовы принять трафик, бренд теряет часть эффекта уже после клика.

Поэтому работа с AI-каналом лежит на стыке SEO, контент-маркетинга, аналитики соцсетей и продуктового маркетинга. Отдельная статья без сильной входной страницы редко даёт максимум результата.

Чеклист

1. Отделить в отчётах цитируемость в AI-ответах от реального referral-трафика на сайт.
2. Посчитать долю homepage, продуктовых страниц и хабов в общем трафике из AI-поиска.
3. Ввести метрику концентрации: какая доля AI-сеансов приходится на топ-3 и топ-10 landing pages.
4. Проверить, есть ли на страницах, которые получают AI-трафик, короткий путь к действию: demo, тарифы, контакт, подписка, Telegram.
5. Сопоставить AI-визиты с branded search, direct, мониторингом бренда и вовлечённостью в соцсетях.
6. Добавить окно отложенной оценки на 7–30 дней и смотреть assisted conversions, а не только last-click.
7. Пересобрать главную и ключевые хабы как точки входа для тёплого исследовательского трафика, а не только для прямого захода.

FAQ

Почему трафик из AI-поиска часто идёт на главную страницу, а не на статью-источник?

Потому что модель может использовать глубокую статью как доказательство, а человек после ответа хочет проверить сам бренд. В этот момент логичнее открыть главную или продуктовый раздел, а не тот URL, который был базой для ответа.

Нужно ли считать цитирования и переходы из AI-поиска одной метрикой?

Нет. Цитирование показывает, доверяет ли модель контенту как источнику. Переход показывает, заинтересовался ли человек брендом и куда именно он пришёл. Это разные сигналы и их лучше разделять.

Какие страницы чаще всего получают трафик из ChatGPT и других AI-систем?

Чаще всего это главная страница, продуктовые страницы, pricing, FAQ, обзорные хабы и крупные evergreen-материалы. Побеждают URL, которые одновременно объясняют оффер и дают следующий шаг.

Почему AI-поиск нельзя оценивать только по last-click конверсиям?

Потому что канал часто работает как ранняя стадия исследования. Пользователь может впервые узнать о бренде через AI-ответ, а конвертироваться позже через direct, branded search, соцсети или повторный визит.

Какие метрики стоит смотреть в первую очередь, если трафика из AI-поиска пока мало?

Полезно начать с доли homepage в AI-трафике, концентрации на топ-URL, глубины просмотра, микроцелей и роста брендовых сигналов вокруг всплесков AI-видимости. Малый объём сеансов не отменяет поведенческого рисунка.

Как связать AI-поиск с SMM и аналитикой соцсетей?

Через общую картину спроса и интереса к бренду. Если после AI-упоминаний растут брендовые запросы, обсуждения, сохранения, переходы в Telegram и вовлечённость в соцсетях, канал влияет на воронку шире, чем видно в одном отчёте по referrer.

Короткий вывод практический: в AI-поиске выигрывает не та страница, которую процитировали, а та, которая лучше принимает уже подогретый интерес. Для брендов, агентств и SMM-команд это означает смещение фокуса с охоты за отдельным URL на работу со связкой «доверительный контент + сильная входная страница + корректная атрибуция».

Если нужен единый контур для мониторинга бренда, аналитики соцсетей и Telegram-активности вокруг таких всплесков интереса, уместно использовать FollowPulse.

Пользуйся FollowPulse и получай:

• Аналитику соцсетей
• Умный поиск информации
• Рост своего бренда

Пробный доступ — от 10 рублей.

Попробовать FollowPulse