Утечка GSC: промпты AI Mode оседают как обычные запросы...

Утечка GSC: промпты AI Mode оседают как обычные запросы, остальное прячет анонимный пул

Остаточный след разговоров из AI Mode и AI Overviews падает в отчет об эффективности GSC как обычные запросы: артефакты ответов типа "yes go on", уточняющие развороты и целиком скопированные промпты.

Джон Мюллер подтвердил, что эти данные всегда лежали в отчете.

Отчеты об эффективности Search Generative AI, которые Google выкатил 3 июня 2026 года, фиксируют только показы внутри фич генеративного ИИ и больше ничего — чисто UI, без привязки к запросам.

Повторная проверка на собственном сайте автора 11 августа 2026 года показала, что ни Search Analytics API, ни массовый экспорт BigQuery не отдают данные генеративного ИИ, поэтому официального пути для отслеживания AI Mode на уровне запросов нет.

Векторы, которые реально вытягивают эти запросы:

— Вытягивай весь пул запросов через Search Analytics API, так как интерфейс отчета режет любую таблицу на 1000 строк, а затем скорми список Claude, чтобы он разметил вероятные строки AI Mode.

— Закидывай кастомную регулярку в настройку Custom regex фильтра запросов: одно длинное перечисление, покрывающее глаголы промптов (write, draft, generate, summarize, explain, act as), приветствия, подтверждения (yes, ok, sounds good, yes go on), отказы и фоллоу-апы (more, continue, show me more, any other options) — собирается через сравнение дефолтных LLM-промптов со строками, которые редко мелькали в GSC до AI Overviews.

— Разворачивай такой же детектор локально через собственные MCP-серверы автора — GSC MCP отдает его как инструмент genaiconversationqueries, BigQuery MCP прогоняет его по массовому экспорту, где лежит анонимизированный пул — с разметкой уровня запроса на каждой строке.

Списки паттернов и ручная сортировка теряют пограничные классы — проверки позиций от ранк-трекеров, промпты агентских харнесов, вставленные куски текста, запросы "my location is" — а так как они собраны на английском, то пропускают тамильские реплаи или смесь хинглиша без разметки.

Детерминированные правила забирают точные классы, тогда как обученная модель отвечает за серую зону между разговорными, длиннохвостыми и обычными запросами: модель xlm-roberta-base, претрейненная на 100 языках, дообучена на размеченном выхлопе GSC плюс синтетике на 8 языках, включая Tanglish и Hinglish, отвалидирована на 120 000+ запросах и дважды переобучена на ошибках.

На выходе получаем 7 сегментов с оценкой уверенности по каждому запросу, до 100 000 запросов за прогон и без лимита на строки в экспорте; добавление отчета по генеративному ИИ маппит страницы к запросам через экспортированную колонку ИИ-страниц.

У всех методов есть один жесткий потолок.

Google анонимизирует редкие запросы, разговорные фразы встречаются редко, поэтому часть пула вообще никогда не всплывает — клики из AI Mode трекаются в GSC, при этом сами запросы за ними почти полностью анонимизируются.

На собственной выгрузке автора из BigQuery, замерянной 11 августа 2026 года, 57.7% показов сидели в анонимизированном пуле на отрезке в 59 дней.

Воспринимай любой извлеченный массив данных как жесткий недоучет.

https://suganthan.com/blog/how-to-track-ai-mode-traffic/

@MikeBlazerX

📈 "Пушки" — в @MikeBlazerPRO