Семантика под AI-поиск: запросы, которых нет в Wordstat
Семантика под AI поиск — это список вопросов, которые задают нейросети целиком, а не набор ключевых фраз с частотностью. В Wordstat таких запросов нет: он считает строку поиска Яндекса, а диалог с Алисой, ChatGPT или Perplexity туда не попадает. Собирать их приходится из других источников: отдела продаж, поисковых подсказок, отзывов, самих нейроответов и отчётов Search Console. Дальше запросы группируются не по совпадению выдачи, а по ответу, который на них нужен, и приоритизируются не частотностью, а деньгами и наличием нейроответа. Ниже — пять источников, порядок сбора и правило трёх формулировок, по которому мы собираем такие списки в аудитах.
Нейросеть получает вопрос целиком, а не ключевую фразу
В поисковую строку человек пишет телеграфно: «имплант зуба цена москва». Той же нейросети он пишет иначе: «мне нужен имплант нижнего зуба, я боюсь боли и не понимаю, за что берут деньги, как выбрать клинику в Москве и сколько это в итоге стоит». Один клиент, одна задача, два разных запроса. Первый есть в Wordstat, второго там нет и не будет.
Разница не только в длине. Запрос к нейросети несёт контекст: бюджет, страхи, прошлый опыт, ограничения. И почти всегда он продолжается уточнением в том же диалоге. Модель отвечает не ссылками, а текстом, и ваш бренд либо назван в этом тексте, либо нет. В англоязычных материалах сдвиг описывают термином conversational search, и он же объясняет, почему привычный сбор ключевых фраз тут буксует.
| Параметр | Запрос в поисковой строке | Запрос к нейросети |
|---|---|---|
| Длина | 2–4 слова | предложение или несколько |
| Форма | назывная: «имплант зуба цена» | вопрос или описание ситуации |
| Контекст | отсутствует | бюджет, страхи, ограничения, город |
| Что дальше | новый запрос в строке | уточнение в том же диалоге |
| Где виден спрос | Wordstat, Search Console, сервисы частотности | нигде: публичной статистики нет |
| Результат | список ссылок | готовый ответ, ссылки опционально |
| Что решает попадание | позиция в выдаче | цитируемость источника внутри ответа |
Отсюда следствие: обычное семантическое ядро под AI-поиск переиспользовать можно, но его не хватает. SEO отвечает за позиции в выдаче Яндекса и Google, GEO — за то, назовут ли бренд в тексте ответа нейросети. Одно не заменяет другое: модель чаще всего собирает ответ из страниц, которые и так стоят наверху обычной выдачи, поэтому GEO работает поверх SEO. Что при этом происходит с трафиком, когда ответ дан прямо в выдаче, разобрано в материале про zero-click поиск.
Wordstat считает строку поиска Яндекса, а не диалог с нейросетью
Wordstat — статистика того, что люди вводили в поиск Яндекса. Диалог с Алисой в приложении, переписка в ChatGPT, вопрос в Perplexity — другие интерфейсы и другие логи, наружу их никто не отдаёт. Ни один сервис частотности не покажет, сколько раз у нейросети спросили про вашу услугу: взять эти данные неоткуда. Отсутствие цифры означает отсутствие источника, а не отсутствие спроса.
Вторая причина — сам класс запросов. Каждый формулирует по-своему, поэтому у отдельной формулировки частотность около нуля. Такие запросы называют нулевыми (zero search volume): поодиночке они не набирают объёма, а вместе закрывают заметную долю живых обращений. Инструменты частотности их отсекают, потому что показывают только то, что повторили достаточно часто, чтобы попасть в статистику.
В аудитах мы регулярно видим одну и ту же картину: ядро собрано аккуратно, у каждой фразы есть частотность, а вопросов, с которыми клиент реально приходит в отдел продаж, в этом ядре нет ни одного. Формально работа сделана. Фактически текст написан под фразы, а отвечать нужно на вопросы.
Две ошибки вокруг нулевой частотности
Первая — выбросить запрос только потому, что Wordstat показывает по нему ноль. Ноль здесь значит «не измерено», а не «никому не нужно». Вторая, куда опаснее, — попросить нейросеть «оценить частотность» и вставить полученные числа в отчёт. Модель не подключена к статистике и выдаст правдоподобное круглое число, которое невозможно проверить. Цифры берутся из сервисов, а то, что не измеряется, оценивается деньгами и продажами.
Пять источников, откуда берутся запросы к нейросетям
Раз частотности нет, работа строится на живых формулировках. Перед тем как приступать к сбору, выделите время на первые два источника: они дают больше всего материала. Последний точнее остальных, но работает только если сайт уже получает поисковый трафик.
| Источник | Что даёт | Где смотреть | Ограничение |
|---|---|---|---|
| Отдел продаж и поддержка | Формулировки клиента дословно, вместе с возражениями | Записи звонков, чаты, письма, карточки CRM | Смещение к тем, кто уже дошёл до контакта |
| Подсказки и блок «люди ищут» | Разговорные хвосты и вопросы вокруг темы | Строка поиска Яндекса и Google, блок похожих вопросов | Подсказки зависят от региона и истории браузера |
| Сами нейроответы | Уточняющие вопросы, которые модель предлагает следующим шагом | Алиса, ChatGPT, Perplexity, Gemini в чистой сессии | Ответ меняется от сессии к сессии |
| Отзывы и профильные сообщества | Как формулируют боль без маркетинговых слов | Отзовики, форумы, Q&A-площадки, комментарии | Много шума, эмоций и посторонних веток |
| Search Console и Метрика | Длинные вопросительные хвосты, по которым уже приходят | Отчёт по поисковым запросам за 12 месяцев | Видно только то, где вы уже ранжируетесь |
Шестым источником условно можно считать конкурентов: заголовки их страниц, блоки вопросов, форматы, которые они закрыли раньше вас. Это не сбор спроса, а проверка полноты: если у трёх сильных игроков есть раздел, которого нет у вас, вопрос скорее всего задают. Методика сопоставления разобрана в статье про анализ сайтов конкурентов.
Порядок сбора: от продукта к формулировкам клиента
Сбор идёт сверху вниз — от того, что вы продаёте, к тому, как об этом спрашивают. Обратный порядок, когда сначала выгружают фразы, а потом раскладывают их по услугам, на разговорных запросах не работает просто потому, что выгружать нечего.
- Выпишите объекты. Услуги, продукты, направления, форматы работы — то, за чем к вам приходят. Обычно это 5–15 строк, и они уже есть на сайте.
- Разложите по стадиям. Для каждого объекта: человек ещё не знает решения, выбирает между решениями, ищет подрядчика. Вопрос на каждой стадии свой, и ответ на него тоже свой.
- Примените правило трёх формулировок. На каждый бизнес-вопрос пишется минимум три варианта: нейтральный («сколько стоит…»), с болью («не понимаю, за что платить…») и с выбором («что лучше — … или …»). Нейросеть отвечает на них по-разному: попасть в ответ можно на одной формулировке и промахнуться на двух других.
- Достаньте живые слова. Пройдитесь по пяти источникам из таблицы и выпишите фразы дословно, не причёсывая. Человек ищет «поставить зуб за один день», а «одномоментная имплантация» — это ваш внутренний термин.
- Разверните хвосты. Каждую формулировку прогоните через подсказки поиска и через сам нейроответ: модель почти всегда предлагает следующий вопрос, и он тоже идёт в список.
- Уберите семантический дубль. Две фразы, на которые вы отвечаете одним и тем же абзацем, — это один запрос, а не два. Схлопывайте по ответу, а не по совпадению слов.
- Отметьте, где уже есть нейроответ. Как это проверить за пару минут — в разделе про приоритизацию ниже.
При сборе мы сознательно держим список коротким: сотня выверенных формулировок полезнее тысячи сгенерированных. Один разговор с менеджером продаж или час записей звонков дают больше рабочих вопросов, чем день в сервисах частотности. Люди, которые каждый день слышат клиента, знают его семантику лучше любого инструмента, просто называют её иначе.
Кластеризация по выдаче на разговорных запросах ломается
Привычный способ группировки — сравнить топ-10 у двух фраз и объединить их, если совпало достаточно адресов. На длинных разговорных запросах метод даёт кашу. Выдача по ним нестабильна, в топе оказываются форумы и агрегаторы, а у нейроответа своей выдачи нет вовсе: модель находит источники сама и по каждому запросу собирает их заново.
Поэтому группируем по другому признаку — по ответу. Если на два запроса вы отвечаете одним и тем же текстом, это одна группа и одна страница. Если ответы разные по сути, а слова совпадают, это две группы. Правило звучит банально, но именно оно решает главный вопрос: сколько страниц делать и что на них писать.
- По объекту. Услуга, продукт, направление. Верхний уровень, обычно совпадает со структурой сайта.
- По стадии. «Что это такое» и «сколько стоит у вас» — разные страницы, даже если речь об одной услуге.
- По типу ответа. Определение, сравнение, цена, инструкция, выбор подрядчика, противопоказания. Каждый тип требует своего формата текста.
- По уровню решения. Часть вопросов закрывается абзацем внутри существующей страницы, часть — блоком вопросов и ответов, и только часть требует отдельной страницы.
Последний пункт экономит больше всего времени. Не каждый найденный вопрос заслуживает страницы: значительная часть закрывается блоком FAQ на уже существующей. Как его оформлять, чтобы модели забирали ответ целиком, разобрано в материале про FAQ и HowTo для нейросетей, а требования к самому тексту ответа — в статье про контент, который цитируют нейросети.
Проверка группы на прочность
Напишите одно предложение — прямой ответ на запрос. Если это же предложение честно отвечает и на остальные запросы группы, группа собрана верно. Если приходится добавлять «а в случае, когда…», внутри сидят два разных вопроса, и их пора разделить.
Чем заменить частотность, когда её нет
В классическом ядре порядок работ задаёт частотность. В списке под AI-поиск этой опоры нет, и её заменяют четыре признака. Оценивать можно грубо, по трёхбалльной шкале: задача не в точности, а в том, чтобы отделить первую десятку запросов от остальной сотни.
- Деньги за вопросом. Средний чек и маржа услуги, о которой спрашивают. Вопрос про имплантацию и вопрос про профгигиену стоят по-разному, и это влияет на очередь сильнее всего остального.
- Есть ли по запросу нейроответ. Если модель отвечает развёрнутым текстом, за место в этом тексте имеет смысл бороться. Если выдаёт только ссылки, вопрос пока живёт в обычном SEO.
- Называют ли конкурента. Ответ, где перечислены три компании и вас среди них нет, — самый дорогой пробел в списке. Ответ, где не назван никто, — самая дешёвая возможность.
- Как часто вопрос звучит в продажах. Единственная доступная замена частотности: отметки менеджеров за месяц дают понятную шкалу без выдуманных чисел.
Как понять, что по запросу уже есть нейроответ
Вопрос, ответа на который в статьях по теме обычно нет, хотя от него зависит половина приоритизации. Порядок такой. Откройте чистую сессию: без истории, без входа в аккаунт, с нужным регионом. Задайте вопрос дословно так, как его формулирует клиент. Зафиксируйте четыре вещи: появился ли развёрнутый ответ вместо списка ссылок, названы ли в нём бренды, какие источники процитированы и есть ли среди них вы. Повторите на второй платформе и через день — ответы плавают, и один прогон ничего не доказывает.
Дальше это превращается в метрику. Мы сводим результат к показателю AI Visibility Score: доля запросов с упоминанием бренда, тональность упоминания и место в ответе. Смысл не в абсолютной цифре, а в сравнении замеров между собой — как поставить такие замеры на поток, описано в материале про мониторинг AI-видимости. По российской аудитории первой обычно проверяют Алису: логика попадания в её ответы разобрана в гайде как попасть в ответы Алисы.
За 150+ аудитов я почти не встречал случая, когда список вопросов из отдела продаж совпадал с собранным ядром больше чем наполовину. Совпадает верхушка — название услуги и цена. Всё, что клиент спрашивает дальше, в ядре просто отсутствует. Это и есть та часть спроса, за которую идёт борьба в нейроответах, и её никто не оцифровал.
Когда семантику под AI-поиск собирать рано и что не сработает
Честный список ограничений короче, чем хотелось бы, но каждый пункт стоит проверить до того, как вы потратите неделю на сбор.
- Сайта нет или он на конструкторе без нормальных текстов. Нейросети цитируют страницы. Нет страниц — цитировать нечего, и никакой список запросов этого не изменит.
- Вы не входите в топ классической выдачи по своему кластеру. Ответ модели чаще всего собирается из источников, которые уже стоят наверху. Начинать надо с базового SEO, GEO идёт следом, а не вместо.
- Решение принимается офлайн и по рекомендации. Если клиенты приходят через сарафанное радио и повторные визиты, вложение в AI-видимость окупится позже, чем работа с удержанием.
- Ассортимент меняется каждую неделю. Список вопросов устареет раньше, чем вы напишете по нему тексты. Сначала стабилизируйте категории и карточки.
Теперь про то, что не сработает даже при правильном порядке действий.
- Механический перевод SEO-ядра в вопросы. Приписать «как», «сколько» и «какой» к существующим фразам — это имитация сбора. Получается список, которого никто не задаёт.
- Пятьсот вопросов, сгенерированных нейросетью. Модель выдаёт правдоподобные формулировки, смещённые к самым частым примерам из обучения: столица вместо вашего города, популярный термин вместо отраслевого. Как черновик годится, как список — нет, пока живые источники его не подтвердили.
- Отдельных ядер под каждую платформу не нужно. Вопросы к Алисе, ChatGPT и Perplexity различаются оформлением, а не сутью. Список нужен один, а вот замер по платформам делается раздельно.
- Страница под каждый запрос. Сотня тонких страниц под сотню формулировок даёт дубли, а не охват. Работает обратное: страниц меньше, ответ глубже.
- Ставка на частотность там, где её нет. Если инструмент показал цифру по разговорному запросу, скорее всего он показал частотность обрезанной фразы, а не вашего вопроса.
Чаще всего работа ломается на втором пункте второго списка. Список, собранный нейросетью за минуту, выглядит убедительнее рукописного, и его берут в работу без проверки. Правило трёх формулировок отсеивает такое за пару минут: сгенерированные варианты почти всегда нейтральные, без боли и без выбора, и это видно с первого взгляда.
Что делать со списком дальше
Список запросов сам по себе ничего не меняет: он становится техзаданием на структуру и тексты. Порядок работ после сбора короткий.
- Разнесите группы по страницам: часть закрывается новым разделом, часть — абзацем или блоком вопросов на существующей.
- На каждой странице поставьте прямой ответ в первый абзац, так чтобы его можно было процитировать целиком, без остального текста.
- Подкрепите ответ проверяемыми фактами: цены, сроки, условия, имя специалиста. Без них модель предпочтёт источник, у которого они есть.
- Разметьте страницу так, чтобы структура читалась машиной: заголовки по смыслу, вопросы отдельными блоками, разметка Schema.org.
- Снимите замер до публикации и повторите через месяц по тем же формулировкам и в тех же условиях.
Обновлено: август 2026
Переписан раздел про приоритизацию, добавлена проверка нейроответа перед сбором. Причина: развёрнутые AI-ответы всё чаще появляются по коммерческим формулировкам, а не только по информационным, и очередь работ теперь зависит от того, есть ли по запросу такой ответ. Раньше список сортировали по деньгам и на этом останавливались.
Где сбор семантики стоит внутри общей работы, показывает методология GEO-аудита из семи шагов: сначала снимается текущая картина по нейроответам, потом собирается список вопросов, и только после этого правится контент. Если нужен готовый срез по вашим формулировкам, его даёт экспресс-диагностика AI-видимости — от 25 000 ₽: прогон по списку запросов, ответ на вопрос, кого нейросети называют вместо вас, и разбор источников, из которых собран ответ.
FAQ
Где брать запросы для AI-поиска, если их нет в Wordstat?
Из пяти источников: записи звонков и переписка отдела продаж, поисковые подсказки и блок похожих вопросов, уточняющие вопросы самих нейроответов, отзывы и профильные сообщества, отчёт по запросам в Search Console и Метрике. Первые два дают основной объём, последний точнее остальных, но показывает только то, где сайт уже видим. Частотности у таких запросов не будет ни в одном сервисе, поэтому приоритет расставляется по деньгам и по наличию нейроответа.
Нужно ли собирать отдельное семантическое ядро под каждую нейросеть?
Нет. Вопросы к Алисе, ChatGPT, Perplexity и Gemini различаются оформлением, а не сутью, поэтому отдельных ядер под каждую платформу собирать не нужно. Список запросов один, а вот замер делается по каждой платформе отдельно: ответы и источники у них разные, и пробелы тоже будут разные.
Можно ли просто попросить нейросеть собрать семантику под AI поиск?
Как черновик — да, как готовый список — нет. Нейронная сеть предсказывает правдоподобный текст, а не измеряет спрос: она смещается к самым частым примерам из обучения и выдаёт столицу вместо вашего города и общий термин вместо отраслевого. Любой сгенерированный список проверяется по живым источникам, а числа частотности из модели брать нельзя вообще — они выдуманы.
Чем группировка под AI отличается от обычной кластеризации?
Обычная кластеризация сравнивает топ-10 у двух фраз и объединяет их по совпадению адресов. На разговорных запросах это не работает: выдача нестабильна, а у нейроответа своей выдачи нет — модель подбирает источники заново под каждый вопрос. Группировать приходится по ответу: если на два запроса отвечает один и тот же текст, это одна группа и одна страница.
Как понять, что под запрос стоит делать отдельную страницу?
Если прямой ответ занимает один абзац, он встраивается в существующую страницу или в блок вопросов. Отдельная страница нужна, когда ответ требует своей структуры: сравнения, таблицы цен, пошаговой инструкции, разбора вариантов. Сотня тонких страниц под сотню формулировок даёт дубли, а не охват. Полный список проверок перед публикацией собран в чек-листе GEO-аудита.
Сколько стоит собрать семантику под AI-поиск и проверить нейроответы?
Первичная диагностика — 0 ₽, её можно запросить через бесплатный GEO-аудит. Экспресс-диагностика AI-видимости с прогоном по списку запросов — от 25 000 ₽, полный GEO-аудит со сбором семантики, разбором контента и планом работ — от 60 000 ₽, комплексный SEO и AI-аудит — от 120 000 ₽. Регулярная работа с присутствием в нейроответах — от 80 000 ₽ в месяц.