​Google постепенно заменяет читаемые URL в выдаче на маскированные, закодированные в base64url protobuf-ссылки (например, /goto?url=XXX), и вебмастера опасаются, что это ударит по видимости и отслеживанию рефералов.

Раньше это считалось возможным тестом; однако Google только что добавил этот путь в свой robots.txt, а количество ключей, где он появляется, удвоилось с мая, согласно данным Ahrefs.

Инсайты комьюнити

— Маскированный редирект /goto?url= маршрутизирует клики через Google перед перенаправлением на целевую страницу, так что реферер теперь показывает переход из Google, а не из реального источника — кликовые реферальные данные остаются внутри систем Google, а не отдаются сайту или сторонним инструментам. Добавление пути в robots.txt сигнализирует о раскатке, а не о тесте, и этот сдвиг усложняет парсинг позиций сторонними тулами и моделирование атрибуции.
— Маскировка реферальных данных убирает метрику, на которую маркетологи обычно ссылаются как на "чистый", проверяемый сигнал для защиты бюджета на органику — как только этот сигнал скрыт, обоснование бюджета смещается на метрику, которую никто не может независимо верифицировать.
— Со скрытыми Гуглом рефералами органическая атрибуция перестает быть истиной в последней инстанции и становится лишь оценкой, которую большинство дашбордов так не помечают — это повод отслеживать "присутствие" (упоминает ли поисковик сайт вообще), а не опираться исключительно на отслеживаемый объем кликов.
— Гипотеза: похожий паттерн маскировки URL появляется в результатах поиска Gemini API, что затрудняет понимание того, что на самом деле там происходит дальше.

#Analytics #RankTracking #Crawling

@MikeBlazerX
⚠️ Закрытый канал: @MikeBlazerPRO

Одиночный съем позиций в ИИ врет в 99% случаев. Формула Кокрена выводит реальную видимость.

Одиночный съем через промпт — когда ответ LLM фиксируют один раз и считают статичной позицией — математически невалиден.

LLM отдают вероятностные распределения вместо привычного серпа, поэтому тесты на 3,000 запросов показывают: шанс сгенерировать идентичный список брендов дважды составляет менее 1%, а шанс получить этот же список в точном порядке — 0.1%.

Чтобы вытащить фактический бейзлайн из этой волатильности, я собираю трекинг промптов вокруг формулы выборки Кокрена и изолирую статистически валидный Mention Rate, разбирает Итамар.

Схема объединяет горизонтальный охват для учета разброса запросов и вертикальную глубину для фильтрации вероятностных отклонений.

Для погрешности в 10% я прогоняю 20 разных тематических вариаций промпта по 5 раз — итого 100 сэмплов.

Чтобы сжать маржу до 5%, я масштабируюсь до 40 вариаций по 10 прогонов (400 сэмплов).

Ради максимальной точности с погрешностью ~2% я настраиваю 80 вариаций по 30 прогонов (~2,400 сэмплов).

После всех прогонов я полностью вычищаю метрики позиций.

Фиксирую бинарное Да/Нет для присутствия бренда по выбранному тиру сэмплов и усредняю результаты в единый ежемесячный Mention Rate.

Обработка этого идентичного статичного сета промптов из месяца в месяц математически отделяет реальные сдвиги видимости от алгоритмического хаоса.

#LLM #RankTracking #Reporting

@MikeBlazerX
⚠️ Закрытый канал: @MikeBlazerPRO

Логи высокочастотного парсинга доказывают: Гугл ротирует позиции поиска 20-минутными окнами для клик-тестов

Скачки позиций после апдейтов сайта отрабатывают как временные клик-тесты, а не постоянная прописка в индексе, фиксирует Корай Тугберк Гюбюр.

Алгоритм распределяет тестовые страницы по выделенным слотам диверсификации серпа на короткие окна видимости.

Сначала система выводит целевой урл ровно на 20 минут в день.

Если за это время страница собирает позитивный фидбек по кликам, на следующий день алгоритм расширяет окно показов до 40 минут.

Этот тестовый цикл растет шаг за шагом, пока страница не получит постоянные позиции на все 24 часа.

Тем временем ежедневные трекеры позиций маскируют эти почасовые перестановки, детализирует Корай.

Он связывает такую непрерывную ротацию урлов в выдаче с механизмом Liquid SERPs, который балансирует распределение показов между доменами-конкурентами.

Чтобы вскрыть точные временные окна, нужны скрипты высокочастотного парсинга, которые логируют посекундные изменения.

Во время тестов скрипт SERP beat собрал 60,000 снимков одной страницы выдачи с миллисекундными интервалами — это доказывает, что серп живет в вечном движении для замера кликовых моделей в реальном времени.

#SERPVolatility #RankTracking #UserSignals

@MikeBlazerX
⚠️ Закрытый канал: @MikeBlazerPRO

​Генеративные и отравленные SERP ломают съём позиций — фейки вымывают органику, оставляя лишь 20.7% реальных сайтов

Генеративный SERP меняет подачу результатов, а не их отбор.

Под капотом работает всё тот же слой извлечения (retrieval layer), который питает AI Overviews и AI Mode — поэтому ломается именно метрика.

Страница, которую модель собирает под конкретный запрос и перестраивает под юзера, не имеет канонической версии для ранжирования.

Классическому съему позиций больше нельзя доверять оценку перформанса.

Исследование Google Research о Generative UI описывает модель, которая пишет всю страницу на HTML, CSS и JavaScript с нуля под каждый запрос, вызывая поиск Google как инструмент.

Поиск обязателен для сущностей и фактов; уточняющие запросы триггерятся, когда результаты открывают новые вопросы, а каждое утверждение должно подтверждаться извлеченными данными.

Асессоры предпочитали сгенерированную страницу классическому топ-1 в 90% случаев на промптах LMArena и в 73.5% — на информационных запросах (это промпты и асессоры самих авторов, а не боевой трафик).

Ошибки вывода на промптах LMArena упали с 60% у Gemini 2.0 Flash-Lite до 0% у Gemini 3.

Оговорка по охвату: исследование ни разу не использует слово SERP и не упоминает AI Mode; привязка к выдаче базируется на анонсе Google о запуске Generative UI в AI Mode и выводах самого автора.

Исследование Nozzle по отравленным SERP на базе 27.5 млн результатов (с 20 августа по 9 октября 2026 года) доказывает, что проблема с метриками уже в проде.

Это полноценные, нормально выглядящие страницы, где большинство привычных сайтов по ключу подменены — без ошибок и капчи.

— Доля отравленных выдач: 0.17% → 8.0% с 13 сентября, достигнув пика примерно на четверти всех SERP 27–29 сентября.
— Сохранение органических сайтов (нормальная выдача vs отравленная): 88.5% → 20.7%; источники AI Overview просели: 68.8% → 42.3%; реклама выросла: 70.6% → 83.7%.
— Выпадение собственного привычного сайта из десятки: 2.7% → 58.6%.
— В одни и те же дни, два маршрута сбора данных: от 1% до 7% отравленных выдач против 9–30%.
— Юридическая выдача достигла пика в 51.3%; брендовые запросы показали минимум в 5.3%.
— 80% отравлений длились ровно один SERP; привычные сайты возвращались в течение трех дней в 77.9% случаев.
— В примере Nozzle по запросу "white label local seo" вес HTML почти не изменился (720 КБ → 728 КБ) — вот почему визуально всё казалось в норме.

Nozzle связывает отравление с реакцией Google на массовый парсинг ответов AI.

Привязка к генеративному рендеру — это личный вывод автора (этого нет ни у Nozzle, ни в исследовании): когда страница собирается под запрос, отдать подозрительному парсеру правдоподобную, но фейковую сборку становится дешево и почти незаметно.

Рекомендуемый план действий рассматривает каждый съем позиций как одну выборку из распределения:

— Делай несколько срезов в день, сравнивай каждый с последним верифицированным парсингом и отбрасывай как отравленные те, где заменилась большая часть сайтов с первой страницы.
— Фиксируй видимость как процент извлечения (retrieval rate) и частоту цитирования с доверительными интервалами по дням и локациям; среднюю позицию читай только как тренд.
— Прогоняй каждый запрос несколько раз на генеративных поверхностях и репорти долю запусков, которые извлекают или цитируют бренд.
— Сегментируй по гео и персонам, воспринимая разброс между сегментами как инсайт, а не шум.
— Привязывай каждый трекер к Search Console и реферальному трафику: если показы и клики держатся, пока трекер рисует обвал — сомневайся в трекере, поскольку реальное изменение позиций имеет свойство сохраняться.

https://ipullrank.com/generative-serps

#RankTracking #SERPAnalysis #AIOverviews

@MikeBlazerX
🚀Схемы — в MikeBlazerPRO.com / @MikeBlazerPRO