Граница проходит не по «оптимизируете вы или нет», а по тому, помогаете ли вы AI дать правильный ответ или подменяете его. Эта статья проводит эту линию по конкретным критериям.
GEO-подрядчики обещают «попадание в AI-ответы», но методы при этом сильно расходятся по риску. Конкретная боль команд:
Непонятно, где заканчивается законная структуризация контента и начинается манипуляция выдачей.
Подрядчик внедряет приёмы, которые формально работают, но прямо подпадают под спам-политику.
Риск санкции реализуется не сразу - а правила уже изменились под генеративный поиск.
Этичная GEO повышает извлекаемость честного контента. Спам - это попытка заставить AI сказать не то, что следует из источника. Разница не стилистическая, она операционная и теперь зафиксирована в правилах поисковика.
Тезис: с мая 2026 года манипуляция генеративными ответами прямо названа спамом, а не «серой зоной». Аргумент: Google переписал вводное определение спама. Доказательство: спам-политика Google Search Central (обновление 15 мая 2026) теперь явно включает «попытки манипулировать генеративными AI-ответами в Google Search» в само определение спама [86].
Тезис: объём контента ради попадания в ответы - это категория нарушения, а не тактика. Аргумент: политика отдельно выделяет scaled content abuse. Доказательство: Google определяет это как «множество страниц, созданных в первую очередь для манипуляции ранжированием», включая массовую AI-генерацию страниц и комбинирование контента без добавленной ценности [86].
Тезис: «версия для AI» отдельно от версии для человека - это маскировка. Аргумент: cloaking определён как показ разного контента пользователям и поисковым системам для манипуляции. Доказательство: политика прямо называет это нарушением, иллюстрируя примером страницы, показывающей одно роботу и другое пользователю [86].
Тезис: оптимизация запроса/контента под метрику ретривера измеримо демонстрирует управляемость retrieval-метрик. Аргумент: исследование показывает, что метрики retrieval поддаются целенаправленному воздействию через переформулирование. Доказательство: DeepRetrieval (2025, препринт) обучает LLM через RL формулировать запросы под метрику извлечения и поднимает recall с 24,68% до 65,07% в литературном поиске и с 32,11% до 63,18% в поиске исследований, причём модель на 3B обгоняет GPT-4o и Claude-3.5-Sonnet на 11 из 13 датасетов [23]. Это приводится как настораживающий результат препринта - пример риска, а не руководство к действию.
Вывод для этики: DeepRetrieval показывает, что выход ретривера - оптимизируемая под метрику цель. Это и есть демаркация: оптимизировать формулировку своего честного контента под извлекаемость - допустимо; обучать систему вытеснять более релевантные источники ради метрики - переход к манипуляции, против которой и направлена спам-политика.
Тезис: исследовательское сообщество ставит риски GEO как позиционный вопрос, а не побочный. Аргумент: появился отдельный position-paper о рисках GEO в эпоху LLM. Доказательство: «Position: On the Risks of Generative Engine Optimization in the Era of LLMs» (Wen et al., 2025, препринт, TechRxiv) формулирует риски GEO как самостоятельную проблему [22]. Примечание: полный текст этого источника был недоступен на момент написания; здесь отражён только факт постановки проблемы по заголовку и авторству, без воспроизведения внутренних данных.
Этичная GEO: заголовки, таблицы, определения для извлекаемости - Спам: скрытый текст, keyword stuffing - Норма: Google: hidden text / keyword stuffing
Этичная GEO: страницы с уникальной ценностью - Спам: массовая AI-генерация под ранжирование - Норма: Google: scaled content abuse
Этичная GEO: один контент людям и роботам - Спам: отдельная «версия для AI» - Норма: Google: cloaking
Этичная GEO: честная формулировка своего материала - Спам: обучение системы вытеснять релевантные источники - Норма: принцип из [23] (препринт)
Position: On the Risks of GEO in the Era of LLMs - препринт (TechRxiv) - Ставит риски GEO как самостоятельную проблему (полный текст недоступен) [22]
DeepRetrieval: Hacking Real Search Engines and Retrievers - препринт (arXiv) - RL-переформулировка запросов: recall 24,68%→65,07% и 32,11%→63,18% [23]
Spam Policies (обновление 15.05.2026) - официальная политика - Манипуляция генеративными AI-ответами явно включена в определение спама [86]
Нет. Заголовки, таблицы и определения повышают извлекаемость честного контента. Манипуляция начинается там, где вы пытаетесь заставить AI сказать не то, что следует из вашего источника.
Да. Спам-политика Google в обновлении от 15 мая 2026 года прямо включает «попытки манипулировать генеративными AI-ответами» в определение спама.
Да, если страницы созданы в первую очередь ради ранжирования и не добавляют ценности. Google классифицирует это как scaled content abuse.
Честно формулировать собственный материал - да. Но DeepRetrieval показывает, что выход ретривера управляем; обучать систему вытеснять более релевантные источники - это переход к манипуляции.
Редакция Enigma
18 мая 2026
18 мая 2026
peer-reviewed, препринты и industry research - тип указан рядом с каждым утверждением
ключевые тезисы сверены с актуальной документацией Google Search Central (май 2026)
препринты и отраслевые отчёты приведены с методологическими ограничениями; проверяйте выводы на своём проекте
Полный перечень источников и уровни надёжности - в каталоге исследований.
Position: On the Risks of Generative Engine Optimization in the Era of LLMs. https://www.techrxiv.org/doi/full/10.36227/techrxiv.176620816.64043115 - препринт.
DeepRetrieval: Hacking Real Search Engines and Retrievers with Large Language Models via Reinforcement Learning. https://arxiv.org/abs/2503.00223 - препринт.
Spam Policies for Google Web Search (обновление 15.05.2026). https://developers.google.com/search/docs/essentials/spam-policies - офиц. документ.