КОГДА БОТЫ ПОГЛОЩАЮТ ДАННЫЕ О ТРАФИКЕ, РАЗВЕДКА ПО РЕКЛАМЕ КОНКУРЕНТОВ СТАНОВИТСЯ НАИБОЛЕЕ НАДЕЖНЫМ СИГНАЛОМ РЫНКА

На протяжении многих лет вопрос о том, когда боты превзойдут людей в интернете, оставался приятной абстракцией — прогнозом, существовавшим на презентациях конференций и в аналитических отчётах, датированных примерно как «конец десятилетия». Этот срок только что рухнул. 3 июня 2026 года генеральный директор Cloudflare Мэтью Принс объявил, что боты впервые превысили долю трафика людей в интернете, при этом Cloudflare Radar показал, что на долю автоматизированных запросов приблизительно 57% всего трафика веб-страниц по всей их сети. Сам Принц изначально прогнозировал, что этот переломный момент наступит к концу 2027 года. Он произошёл на целых 18 месяцев раньше и без того агрессивного прогноза.

Пусть это осядет в сознании. Даже наиболее обоснованная оценка генерального директора компании, лучше других способной измерять глобальный интернет-трафик, всё равно ошиблась на полтора года — и не потому, что условия постепенно менялись, а потому что кривая ускорения оказалась круче, чем любая из созданных моделей.

И данные Cloudflare не являются исключением. В отчёте HUMAN Security «Состояние AI-трафика 2026», в котором проанализировано более чем квадриллион взаимодействий, говорится, что автоматизированный трафик в 2025 году рос примерно в восемь раз быстрее, чем трафик от людей, причём трафик от ИИ-агентов и агентных браузеров увеличился почти на 8000%. Это не поступательный рост. Это структурный разрыв в самой основе интернета.

Последствия для маркетологов являются немедленными и серьезными. Любая базовая оценка трафика, сделанная до этого пересечения, теперь вызывает подозрения. Если ваши ориентиры за первый квартал 2025 года исходили из предположения, что подавляющее большинство сессий приходится на живых пользователей, то эти ориентиры были построены на фундаменте, который больше не существует. Ваши годовые сравнения, знаменатели конверсии, представления о росте аудитории — все они включают в себя искажения, нарастающие с каждым месяцем.

Как сообщал Search Engine Journal, сайт может демонстрировать рост числа посещений, одновременно не наблюдая увеличения числа клиентов, подписчиков, конверсий или доходов. Дополнительный трафик может быть полностью автоматизированным. Согласно отчету, общее количество посещений стало менее надежным показателем роста аудитории, а наиболее значимые сигналы теперь поступают от метрик, связанных с реальными бизнес-результатами — спрос на брендированный поиск, прямой трафик, качество вовлеченности и доход.

Это момент "до и после", который большинство маркетинговых команд еще не признали. До пересечения объем трафика был шумным, но полезным с точки зрения направления сигналом. После пересечения объем трафика без тщательной фильтрации ботов ближе к шуму, чем к сигналу. Основные правила цифрового измерения изменились, и изменились быстрее, чем циклы планирования отрасли могли приспособиться к ним.

Особую дезориентацию вызывает природа новых ботов. Это уже не примитивные скраперы и спам-пауки десятилетней давности. Теперь это ИИ-агенты, осуществляющие просмотр от имени пользователей, автономные браузеры, выполняющие многоэтапные задачи, и поисковые системы на базе больших языковых моделей, индексирующие контент для генерации с расширенным извлечением. Они взаимодействуют с сайтами таким образом, который имитирует поведение человека: загружают страницы, переходят по ссылкам, даже активируют динамические конечные точки. Это означает, что традиционные методы обнаружения ботов выявляют их всё меньше. Как отмечает Ahrefs, крайне важно отделять трафик от систем ИИ, сканирующих ваш сервер от реальных посетителей, перешедших по ссылке из чат-бота, поскольку объединение этих двух категорий делает аналитику практически бесполезной.

Интернет стал не просто шумнее. Его исходное состояние изменилось. Люди теперь составляют меньшинство в интернет-трафике, и любая маркетинговая стратегия, по-прежнему ориентированная на прежние пропорции, оптимизирует деятельность для мира, который больше не существует.

Маркетологи, ориентированные на эффективность, редко запускают кампании на основе интуитивных ощущений. Прежде чем выделять бюджет, они проверяют спрос с помощью целого комплекса органических аналитических сигналов: оценок объема ключевых слов для SEO, прогнозов трафика от сторонних платформ, таких как SimilarWeb и Semrush, данных о тенденциях Google Trends, показателей отказов и количества просмотров страниц. Каждая из этих метрик служит индикатором реальных намерений пользователей — доказательством того, что реальные люди ищут, кликают, читают и покупают. Проблема в том, что сейчас каждый из этих сигналов берется из одного и того же загрязненного источника.

Начните с самого базового параметра: оценки частоты запросов по ключевым словам. Эти цифры частично основаны на данных кликстрима и моделях поведения при поиске, которые больше не могут четко отличить человека, исследующего возможность покупки, от ИИ-агента, выполняющего запрос от имени кого-либо. Когда активность ИИ-агентов должна превысить поисковую активность людей до конца 2026 года, показатель поискового объема для ключевого слова все чаще отражает машинные запросы, накладывающиеся на реальный человеческий спрос. Ключевое слово, которое, кажется, набирает популярность, может попросту подвергаться интенсивным запросам со стороны агентов — и маркетолог, увеличивающий расходы на основании этого сигнала, преследует иллюзорный спрос.

Теперь поднимемся на один уровень выше — к оценкам трафика от сторонних сервисов. Когда вы вводите домен конкурента в инструмент конкурентной разведки и видите, что его предполагаемое количество ежемесячных посещений увеличивается, вы смотрите на цифру, большинство составляющих которой теперь не являются человеческими. Учитывая, что роботы генерируют около 57% трафика веб-страниц в сети Cloudflare, а автоматизированный трафик растет в восемь раз быстрее, чем человеческий, в течение 2025 года, тенденция очевидна. Оценка трафика технически не является "неправильной" — она точно измеряет количество запросов к этому домену. Но она измеряет не то, что, по мнению маркетологов, должна измерять. Это больше не показатель размера аудитории. Это показатель машинного внимания, которое не обладает покупательной способностью, лояльностью к бренду и пожизненной ценностью.

Производные метрики, построенные на основе этих оценок, еще более искажены. Показатели сложности ключевых слов, которые учитывают трафик, получаемый страницами в верхней части рейтинга, меняются, когда этот трафик завышен из-за запросов ботов. Анализ конкуренции, выявляющий "быстрорастущие страницы" у конкурентов, может отображать URL-адреса, которые просто подвергаются массовой нагрузке со стороны ByteSpider или ClaudeBot, а не привлекают реальных читателей. Наклоны трендовых линий — кривые ускорения, которые маркетологи используют для выбора времени выхода на рынок — искусственно увеличиваются при всплесках автоматизированных запросов.

Показатели отказов и вовлеченности также подвержены искажениям, хотя и в противоположном направлении. Некоторые боты выполняют один запрос к странице и сразу уходят, из-за чего показатель отказов растет, а среднее время на сайте снижается. Другие, особенно агентские браузеры, действующие от имени пользователей, могут быстро переходить между несколькими страницами, создавая шаблоны поведения, похожие на поведение человека, но не связанные с какой-либо коммерческой заинтересованностью. Как сообщал Search Engine Journal, сайт может демонстрировать рост числа визитов, при этом не наблюдая соответствующего увеличения числа клиентов, конверсий или доходов — такое несоответствие объяснимо лишь тогда, когда понимаешь, что трафик, стоящий за этими цифрами, изначально никогда не был человеческим.

Вот полная цепочка искажений: трафик ботов завышает количество просмотров страниц, это ведет к преувеличению оценок трафика третьими сторонами, что, в свою очередь, завышает показатели сложности ключевых слов и конкурентные ориентиры, вследствие чего маркетолог начинает чрезмерно доверять рыночной возможности. Каждый последующий уровень наследует искажения предыдущего уровня, и к тому моменту, когда менеджер кампании использует эти данные для обоснования увеличения бюджета, первоначальный грех — подсчёт машин вместо людей — проходит через столько аналитических этапов, что приобретает видимость достоверности. Данные выглядят чистыми. Дашборды выглядят нормально. Но основа под ними незаметно изменилась: вместо измерения реального спроса людей, теперь измеряется кое-что совсем другое.

Каждый из рассмотренных до сих пор сигналов — объем ключевых слов, оценки трафика, показатели отказов, трендовые линии — имеет один фатальный недостаток: ничто в системе не позволяет отличить визит бота от визита покупателя. Поисковой робот, загружающий вашу страницу с продуктом, пролистывающий её до нижнего колонтитула и покидающий страницу, увеличивает количество просмотров страницы ровно так же, как и реальный потенциальный клиент. Однако существует один тип рыночного сигнала, который ботам чрезвычайно трудно исказить: рекламная активность ваших конкурентов.

Вот основной тезис этой статьи. Конкурент, запускающий ту же рекламу в Facebook в течение девяноста дней, даёт информацию, которую органические данные дать не могут: реальные люди покупают этот товар по этой цене в этом географическом регионе в масштабах, оправдывающих дальнейшие расходы. Такой сигнал не выживает сам по себе; он проходит через как минимум три независимых фильтра, прежде чем закрепиться в дикой природе. Во-первых, порог окупаемости рекламных расходов самого рекламодателя — ни один рациональный покупатель медиа не будет финансировать кампанию в течение трёх месяцев, если экономика единицы товара не работает. Во-вторых, система отслеживания конверсий рекламной платформы, которая связывает показы с последующими покупками или регистрациями, события, которые боты, в основном, не выполняют. В-третьих, собственный уровень обнаружения мошенничества и недействительного трафика платформы, система, единственной целью которой является исключение взаимодействий, не связанных с людьми, из данных, которые видит рекламодатель. Органическая аналитика вообще не обладает этими фильтрами. Как подробно описано в блоге Ahrefs в анализе маркетинга «агент-агент» на Moltbook, боты «вероятно хуже людей в распознавании манипуляций», а этап фильтрации модераторами и голосованием против, который ранее существовал на таких платформах, как Reddit, просто не применим в средах с участием ИИ. Результатом является замкнутый цикл, в котором боты влияют на других ботов до принятия человеком решения — цикл, отравляющий каждый органический показатель после себя.

Платная реклама работает вне этого цикла. Компании Meta, Google и TikTok инвестируют миллиарды в инфраструктуру обнаружения ботов не из альтруизма, а потому что доверие рекламодателей составляет основу их бизнес-модели; если бы отчётные конверсии регулярно подделывались, рекламные бюджеты ушли бы за одну ночь. Это встроенное стимулирование создаёт естественный очищающий механизм, который ни одна органическая аналитическая платформа не может воспроизвести, поскольку органические платформы не несут сопоставимой финансовой ответственности за подсчёт бота как пользователя.

Последствия для конкурентных исследований имеют глубокий характер. Инструменты вроде Meta Ad Library, AdSpy и BigSpy, которые ранее рассматривались как дополнительные любопытства, теперь следует переоценить как основные инструменты для изучения реального рыночного спроса. Когда вы видите, что рекламный креатив конкурента сохраняется в течение недель или месяцев, вы наблюдаете подтверждённый спрос: кто-то измерил конверсии, рассчитал ROAS и сознательно принял решение продолжать тратить деньги. Когда Search Engine Journal сообщили, что активность ИИ-агентов движется к превышению поисковой активности людей до конца 2026 года, причём 88 процентов поисковых переходов в некоторых организациях уже сейчас приходится на агентов, это как раз подчёркивает, почему оценки объёма, полученные на основе поиска, более не являются надёжным показателем спроса. Устойчивость рекламных кампаний заполняет вакуум, оставленный этими оценками.

Это не означает, что рекламная аналитика идеально чиста. Мошенничество с кликами существует, окна атрибуции несовершенны, а платформы заинтересованы в завышении показателей. Но разница в качестве сигнала носит категориальный, а не маргинальный характер. Метрики органического трафика теперь проходят через ноль уровней, разделяющих человеческие намерения и автоматизированный шум, в то время как метрики платной рекламы проходят через несколько таких уровней — каждый из которых поддерживается сторонами, прямо заинтересованными в точности данных. В интернете, где боты составляют большинство всего трафика, реклама, которая продолжает работать, является тем, что у маркетологов ближе всего к объективной реальности.

Проблема загрязнения, описанная в предыдущих разделах, не является мгновенным снимком — это ускоряющийся цикл обратной связи. До недавнего времени проблема трафика ботов была по сути односторонней: автоматизированные поисковые роботы посещали созданный людьми контент, раздувая метрики на своём пути. Но появляется новая тенденция, при которой боты не только потребляют контент, но и создают его, продвигают и убеждают другие боты усилить его распространение, и всё это происходит до того, как человек вообще появляется на сцене.

Наиболее очевидные ранние свидетельства появились на AI-ориентированной социальной платформе Meta, где Ahrefs зафиксировала, как боты нарабатывают репутацию, формируют рекомендации и оптимизируют выдачу таким образом, что это напрямую влияло на то, как другие ИИ-агенты показывали товары и информацию. В Moltbook ИИ-агенты публиковали контент, взаимодействовали с публикациями других агентов и наращивали показатели достоверности — всё это для того, чтобы влиять на рекомендации, которые в конечном итоге дойдут до пользователей через downstream-модели. Как отмечает Ahrefs, цель теперь заключается уже не в прямом влиянии на человека, а в влиянии на бота, которому человек научился доверять. Поскольку большинство ИИ-систем не имеют аналога модераторского минуса или скептически настроенного комментатора, который мог бы раскрыть манипуляции, промежуточной фильтрации просто не существует. В результате возникает замкнутый цикл: боты влияют на других ботов, которые затем формируют модели, от которых зависят люди при поиске и принятии решений о покупке.

Это важно для рыночной аналитики, потому что означает, что органические сигналы, от которых зависят маркетологи — объёмы ключевых слов, оценки трафика, популярные запросы — формируются не только человеческим интересом, но и тем, что запрашивают, посещают и рекомендуют друг другу ИИ-агенты. А масштаб этой активности, опосредованной агентами, быстро растёт. Недавно генеральный директор Cloudflare признал, что боты уже превысили долю человеческого трафика в интернете, отметив, что ожидалось, что трафик от агентов обгонит реальных пользователей только в следующем году. Когда автоматизированные системы составляют большинство веб-запросов, любая метрика, основанная на объёме необработанного трафика, превращается в кривое зеркало.

Совокупный эффект уже заметен в данных о реферальном трафике. Доля Google в реферальном трафике снизилась на 4,58 процентных пункта всего за десять месяцев — с 35,11% в июне 2025 года до 30,53% в марте 2026 года, — в то время как трафик от ИИ-чатботов вырос. Это изменение затрагивает не только перераспределение источников кликов, но и меняет то, что эти клики означают. Когда растущая доля запросов и просмотров страниц инициируется или проходит через ИИ-агентов, а не людей, вводящих свои собственные вопросы, данные о поисковом объёме, которые предоставляют такие инструменты, как Semrush и Google Keyword Planner, начинают отражать сформированный машинами спрос одновременно с — или вместо — настоящей покупательской заинтересованностью.

Опрос издания Search Engine Journal среди маркетологов предприятий подтвердил эту неясность, показав, что поведение потребителей намеренно скрыто между каналами, поскольку Google стирает границы между традиционным поиском, обзорами ИИ и режимом ИИ. Рекламодатели появляются в результатах поиска ИИ, даже не осознавая этого, а переходы из ChatGPT приходят с минимальным контекстом атрибуции. Если маркетологи сегодня уже не могут надежно отличить визиты человека от визитов, опосредованных ИИ, проблема будет только углубляться по мере того, как агенты начнут вести переговоры с другими агентами от имени пользователей, которые никогда не увидят основного диалога.

Именно поэтому стратегический поворот в сторону сбора разведданных о рекламе конкурентов — это не краткосрочная мера для решения временной проблемы с качеством данных. Цикл «агент-агент» гарантирует, что загрязнение органических данных будет нарастать со временем. Каждый новый помощник ИИ, который анализирует товары, каждый агент, зарабатывающий репутацию на социальной платформе, и каждый цикл рекомендаций «бот-бот» добавляют новый слой синтетических данных к метрикам, которые раньше маркетологи считали достоверной основой. Расходы на рекламу, напротив, остаются привязанными к решению, принятому реальным руководителем с настоящим бюджетом на кону, — это сигнал, целостность которого не снижается по мере развития экосистемы ботов.

Основой фреймворка является смена мышления: органическая аналитика не является бесполезной, но больше не может оставаться главенствующей в иерархии ваших решений. Когда количество посещений может расти без соответствующего роста клиентов, подписчиков, конверсий или доходов, вам нужна многоуровневая система, отдающая предпочтение сигналам, которые боты не могут легко подделать. Ниже представленная трёхуровневая модель как раз предназначена для этого.

Уровень 1: Информация о рекламе конкурентов как основной сигнал спроса

Платная реклама — это нечто близкое к публичному финансовому отчёту в performance-маркетинге. Когда конкурент продолжает показывать определённый креатив в течение нескольких недель — обновляя заголовок, но сохраняя основную концепцию — такая настойчивость является подтверждённым сигналом спроса. Никто не тратит бюджет на рекламу, которая не конвертирует. Начните с инструментов шпионажа за рекламой, таких как Meta Ad Library, Google Ads Transparency Center и сторонние платформы, например, AdBeat или Pathmatics. Отслеживайте три показателя: продолжительность жизни креатива (как долго версия остаётся в эфире), скорость итераций (насколько часто изменяются текст или изображения при неизменном предложении) и расширение каналов (если рекламный набор переходит с Meta на YouTube, а затем на программатик-дисплей, это означает масштабирование, обусловленное эффективной экономикой). Эти закономерности показывают, какие ценности уже были доказаны конкурентами реальными деньгами, и дают вам готовую схему проверенных подходов ещё до того, как вы потратите свои средства на собственные эксперименты.

Уровень 2: Смежные с конверсией органические метрики, устойчивые к инфляции

Вам не нужно отказываться от органических данных — их нужно отфильтровать, оставив только те сигналы, которые сложнее всего сгенерировать автоматизированным системам. Как утверждается в анализе кризиса бот-трафика от Search Engine Journal, наиболее значимые сигналы дают метрики, связанные с реальными бизнес-результатами: спрос на брендовый поиск, прямой трафик, качество вовлеченности и выручка. Бот может накрутить просмотры страниц, но не может подделать всплеск пользователей, вводящих в Google название бренда вашего конкурента — это реальная доля внимания аудитории. Прямой трафик аналогично отражает осознанный интерес, который ни один краулер не имитирует в больших масштабах. Используйте такие инструменты, как Google Trends для отслеживания брендовых запросов, набор инструментов Semrush для анализа трафика и рынка, чтобы выполнить разбивку трафика по каналам — платным, органическим, социальным и реферальным, а также собственные данные GA4, отфильтрованные по событиям конверсии, а не по сессиям. Эмпирическое правило: любая метрика, находящаяся выше по воронке относительно покупки или регистрации, вызывает подозрение, пока не будет проверена с помощью метрики, находящейся ниже по воронке.

Слой 3: метрики, изначально ориентированные на ИИ, как новая вспомогательная метрика

Последний слой учитывает реальность, при которой агенты ИИ сейчас составляют растущую долю вашей аудитории. Как отмечает команда Semrush, агенты не генерируют традиционные показатели просмотров страниц или процент отказов, что означает необходимость отслеживать новые индикаторы, такие как частота упоминаний, доля голоса в ответах ИИ и реферальный трафик с платформ ИИ, чтобы понять, приводят ли усилия по оптимизации к видимости. Такие инструменты, как AI Visibility Toolkit от Semrush, Profound и ручные аудиты запросов в ChatGPT, Perplexity и Gemini, могут показать, как часто ваш бренд или бренд конкурента появляется в ответах, сгенерированных ИИ. Этот слой пока продолжает развиваться, но уже сейчас его стоит отслеживать, поскольку закономерности цитирования в выводах ИИ становятся ведущим индикатором смещения авторитетности в органическом поиске.

Сила этого стека заключается в последовательности. Начните с первого уровня, чтобы определить, что уже работает на рынке. Подтвердите эти сигналы метриками бизнес-результатов второго уровня. Затем используйте третий уровень, чтобы заметить, в каком направлении движется конкурентный ландшафт, до того как традиционная аналитика сможет за этим успеть. Вы не действуете вслепую — вы просто выбираете инструменты, которые боты еще не научились обманывать.