Продвижение в AI-поиске: GEO (Generative Engine Optimization), цитируемость в LLM и как стать источником для нейроответов
AI-поиск вместо выдачи: SEO больше не работает?
Не работает… в привычном понимании. За последние полгода поисковая выдача поменялась: Google уже показывает по умолчанию выдачу в режиме AI Mode. Через 2-3 месяца, как это обычно бывает, Яндекс выкатит подобное обновление. Выдача станет полностью автоматизированной, где пользователям не нужно будет даже переходить на сайт.
Даже такие LLMки, как ChatGPT и Perplexity уберут ссылки из ответов/цитирования, а цикл пути до сделки и самой сделки будет происходить прямо в чате с нейронкой. Фантазийные сказочки? Нет, новая реальность! Walmart уже начал продавать товары через ChatGPT. Функцию Instant Checkout они запустили совместно с OpenAI — покупка происходит бесшовно и нативно в диалоге с нейросетью. Это значит, что через 2-3 года такой подход станет стандартом, поскольку крупный игрок уже СЕЙЧАС тестирует новую e-commerce модель.
Всё это, конечно, дальше, чем наше сегодня, однако и оно уже не то:
Путь пользователя сократился: решение формируется до клика. Сократился значительный маршрут поиска → клика → опять поиска → сравнения — и так по кругу с 5+ сайтами
Нейросеть выдаёт 2–3 релевантных бренда вместо 10 ссылок.
Трафик значительно сократился — выдача сместилась и ТОП-1 сейчас не зависит от SEO-позиций или проплаченных рекламных мест, потому что его занимает генеративный ответ.
Нейросети собирают и формируют портрет бренда, собирая данные с разных источников. Информация на них может быть недостоверна и не выигрышна (репутационные риски) для вашего бренда. Выход один: стать доверенным источником для ИИ.
Ошибочные, устаревшие или неполные сведения автоматически попадают в AI-ответы и формируют неверное восприятие компании.
Без SEO не получится, потому что оно — есть фундамент, но и только оптимизация не даст столько эффективности.
:)
Как растёт AI-поиск: данные по России и миру, которые нельзя игнорировать
Я — Михаил Мятов, опытный маркетолог и SEO-специалист с более чем 20-летним стажем и собственным digital-агентством Seo Performance Agency. Сейчас мы активно занимаемся исследованием нового инструмента. чтобы потом применять знания для скорейшей адаптации бизнесов к новой поисковой реальности. Я лично — постоянно изучаю, анализирую и применяю исследования в области GEO и сейчас поделюсь некоторыми любопытными фактами.
Скорость роста намного выше, чем у любого предыдущего технологического сдвига. Смотрите:
1. Трафик из нейросетей в России вырос в 9 раз
По данным Digital Budget, с начала года* AI-источники показали кратный рост:
+900% — суммарный рост трафика из ChatGPT, Perplexity, Claude, Copilot и др.
Perplexity — лидер по сгенерированному трафику (доля ~24%). Суммарно нейросети сгенерировали 95% исходящего трафика пользователей.
Доля нейропоиска в общем поисковом трафике стала видимым каналом.
Это означает: в течение года AI-поиск превратился из эксперимента — в полноценный источник трафика. Так, по мнению руководителя Центра исследований и аналитики в «Ашманов и партнеры» Антона Тришина, потеря органического трафика у части сайтов неизбежна, так как теряется необходимость переходить на них, чтобы получить ответ на запрос.
Возможно, эти цифры будут ещё более убедительными (данные Ahrefs):
63% сайтов уже получают трафик из AI-источников. Важно: речь не о больших сайтах, а о всем массиве проанализированных сайтов.
То есть канал маленький в объёме, но уже массовый в проникновении.
Пользователи AI-поиска конвертируются в 23 раза лучше, чем в обычном поиске. Почему?
пользователь уже получил структурированный ответ,
он видит бренд в связке с задачей,
AI фактически предварительно квалифицировал клиента.
2. Пользователи в России уже пробуют нейропоиск как альтернативу поисковикам
Исследование Markway / Anketolog («Нейропоиск в России 2025», 2000 респондентов):
57% пользователей хотя бы раз спрашивали нейросети вместо поисковика.
21% используют нейронки регулярно, как минимум раз в неделю.
Основные сценарии: поиск рекомендаций, подбор товаров, анализ отзывов, сравнения, быстрые ответы.
54% доверяют ответам ИИ не меньше, чем результатам Google/Яндекса.
Самых интересных 2 скрина)
И это — до того, как Яндекс и Google полностью раскатали новую генеративную выдачу.
3. На рынке ИИ заметна тенденция к сумасшедшему росту
ИИ растёт в среднем на 20% ежегодно. Рынок достиг 298 млрд долларов в 2024 году. И продолжает расти темпами, недоступными большинству рынков. К 2030 году рынок вырастет почти до 2 трлн долларов.
Будоражит...
Темпы роста LLM-трафика по месяцам в 2025 году находятся в диапазоне +14–86%, тогда как классический поиск в среднем падает на 3–7% ежемесячно.
Эти данные подтверждают: переход к генеративной выдаче идёт быстрее, чем рынок ожидал. Как вам такой неутешительный вывод?
Что такое GEO и чем AI-оптимизация отличается от классического SEO
GEO — это система работ, которая помогает бренду появляться в ответах нейросетей:
Яндекс.Нейро, Алиса, Google AI Overview / ИИ Mode, ChatGPT, Perplexity, DeepSeek и др.
Вот как это выглядит (на примере моего агентства):
Промежуточные результаты по запросам)
По факту, от SEO остаётся только база и названия — механики продвижения разные: видимость и воздействие, суть оптимизации, семантика, контент, внешние и внутренние сигналы, метрики и логика измерений. Ну а теперь попредметнее о различиях:
1. Сама суть оптимизации
SEO — про трафик (из поисковиков) и конверсии в продажу (внутри сайта)
Вы приводите потенциального лида и отрабатываете его там по нужному запросу.
GEO — про бренд и узнаваемость.
Вы делаете сайт читабельным и рекомендательным для ИИ, чтобы она ваш бренд (не сайт) упомянула + подала его корректно и обучилась на вашем материале.
2. Объект оптимизации
SEO — сайт: его структура, страницы, метаданные, ссылки.
GEO — бренд.
В это входит: сайт, внешние площадки, отзывы, упоминания, исследования, Q&A, контент конкурентов, который нейросеть сравнивает с вашим.
3. Семантика и запросы
SEO — список ключевых фраз, сгруппированный по типам (коммерческие, инфо, брендовые и т.д.).
GEO — массив проблематик (с вложенными запросами), которые пользователь может формулировать по-разному. Я выделил:
брендовые,
продуктовые,
проблемные,
сравнительные.
Собрать проблематику — только начало: нужно правильно определить, как по этим вопросам нейросети уже рисуют картинку рынка и брендов.
4. Контент и формат подачи
SEO-материалы делаются в целом по одной структуре: «запрос — текст — релевантность — поведенческие факторы».
В GEO должно быть всё читабельно с точки зрения структуры и смыслов, чтобы алгоритмам было удобно выделять суть + важность фактора авторства таких материалов. Так же имеет значение экспертность контента (ссылки, отсылки, исследования, отзывы, регалии и т.д.).
5. Площадки
Качественные и релевантные доноры для SEO и для GEO — это разные истории: во втором случае, это должна быть именно экосистема площадок, с которой работают нейросети:
рекомендательные и информационные сайты,
площадки с отзывами,
профильные медиа,
иногда нетематичные, но авторитетные ресурсы.
6. Метрики и измерения
SEO: позиции, органический трафик, конверсии с органики, видимость в поиске.
GEO:
доля упоминаний бренда в ответах нейросетей по кластерам проблематик;
сравнение видимости с конкурентами по проблематикам/нейросетям;
тональность и контекст упоминаний;
изменение брендового трафика (как запаздывающий, но важный эффект)
Важно! Мерить адекватно запрос (позиции). как в SEO не имеет смысла из-за стохастичности (если один запрос вбить в нейронку несколько раз — она выдаст разные ответы) — только по выборкам и моделям, поскольку только так результаты отслеживания на 90-95% совпадут с реальностью.
7. Технологическая база
Для генеративной выдачи Яндекс.Нейро и Google Overview база SEO, которая двигает позиции, всё так же важна, поскольку ответ только наполовину автоматизирован (другая половина полагается на классическую выдачу).
Но в GEO особенно важны:
расширенная разметка,
скорость мобилки,
корректная структура и отсутствие дублей/ошибок,
чистое авторство и экспертиза в контенте.
Entity-карта и Knowledge Graph: основа AI-видимости бренда
Чтобы нейросеть корректно включала бренд в генеративные ответы, она должна понимать, кто вы, чем занимаетесь, какие продукты создаёте и с какими объектами связаны. ИИ не анализирует ключевые слова — он строит картину бренда из сущностей (entities) и связей между ними.
Что такое сущность (entity)
Сущность — это любой объект, который должна узнать нейросеть:
компания или бренд;
продукт или линейка продуктов;
услуга;
человек (основатель, эксперт, автор контента);
географическая локация;
технология;
категория рынка;
партнёр или проект;
событие;
цена, формат, характеристики.
Фактически, это база знания о бренде. Если детали этой базы не связаны друг с другом — нейросеть не понимает, кем является компания, и не включает её в ответы.
Что такое entity-карта бренда
Entity-карта — это структурированный перечень всех сущностей, связанных с брендом, и всех связей между ними. Это человеческая текстовая версия того, что ИИ позже превратит в Knowledge Graph.
Пример того, как выглядит entity-карта в текстовом виде (на примере моей компании):
Главная сущность:
SEO Performance Agency — digital-агентство, основано в 2022 году, работает в Москве, сайт: seo-performance.ru, специализации: SEO, GEO, AI-SEO, LLM Visibility, разработка сайтов.Люди как сущности:
Михаил Мятов — основатель, эксперт по GEO и AI-SEO, связан с SEO Performance Agency, Page Flow и GEO Performance.
Маргарита Коротаева — CEO, ответственная за операционное управление и аккаунтинг.Продукты как сущности:
Page Flow — AI-поведенческий инструмент Яндекс/Google, связанный с SEO Performance Agency.
GEO Performance — платформа для оценки видимости бренда в LLM, связана с ChatGPT, Perplexity, DeepSeek.Услуги как сущности:
GEO-продвижение — услуга по попаданию бренда в генеративную выдачу.
+ SEO, Yandex PF, Google PF, AI-SEO, YouTube SEO, производство экспертного контента.
Каждая сущность описывается и связывается с другими сущностями, чтобы у модели был полный контекст бренда.
Что такое Knowledge Graph (KG)
Knowledge Graph — это уже машинная форма entity-карты, то, что нейросеть хранит у себя в памяти и использует при формировании ответа.
Структура KG — это набор фактов и связей:
сущность →
атрибуты сущности →
связи между сущностями →
источник данных →
уровень достоверности.
Пример части KG:
"SEO Performance Agency"
type: "Digital Agency"
located_in: "Moscow"
founded_by: "Mikhail Myatov"
offers: ["GEO Promotion", "SEO Services", "AI-SEO Audits"]
website: "seo-performance.ru"
А для самой LLM выглядит это вот так (цепочками фактов):
То ли грубо, то ли коряво)
Почему именно сущности в GEO?
1. Нейросети собирают факты (совпадающие), не ключи
2. Если сущностей мало — ИИ не понимает, что делает бизнес
3. Если сущности есть, но нет связей — ИИ не связывает бренд с услугой
ИИ выбирает бренды, по которым у него есть достаточная база фактов. С базой мы ещё не разобрались — едем дальше…
Семантика нового уровня: ИИ-оптимизация контента сайта
GEO-логика такая:
Нейросеть должна понять, кто вы → сущности, связи, KG.
Нейросеть должна понять, где вас использовать → проблематики.
Если есть проблематики, но нет сущностей — ИИ понимает запрос, но не знает, кого туда вставлять.Если есть сущности, но нет проблематик — ИИ знает бренд, но не знает, в какие темы его включать.
GEO опирается так же на семантику, но не простую…
Во-первых, семантика в GEO состоит не из ключей, а из проблематик — это информационные запросы, отражающие намерения пользователя. Не один запрос, а смысловой кластер:
«Как выбрать тетради для школы» = какие тетради бывают / чем отличаются / где купить / что лучше для младших классов / почему цена отличается и т.д.
Вокруг одной проблематики обычно:
может быть от ~5 до ~500 формулировок вопросов,
разные типы интента: «узнать», «выбрать», «купить», «сравнить».
В стратегии под нейросети таких проблематик не 5–10, а 500+ по всему направлению.
Как мы собираем эту семантику под нейросети
Упрощённая схема:
Собираем массив тем и вопросов
Отталкиваемся от ниши, продукта, существующего спроса и болей аудитории.Подключаем сервисы, которые вытягивают вопросительные формулировки, которые реально могут быть заданы пользователями.
Расширяем до коммерческих сценариев
К инфо-вопросам добавляем связки:
«какие тетради бывают» → «где лучше купить тетрадь»;
«какой смартфон лучше…» → «в каком магазине купить смартфон…».
Кластеризуем по смыслу
1) Брендовые
Запросы, в которых фигурирует бренд. Например: «Какой самый лучший телефон в М.Видео?»
2) Продуктовые
Вопросы про характеристики товара или где его купить.
«В каком магазине купить телефон?»
«Сколько держится зарядка у iPhone 17?»
3) Проблемные
Когда человек ищет решение конкретной ситуации или боли.
«В каких магазинах можно сдать компьютер по гарантии?»
4) Сравнительные
Всё, что связано с выбором между вариантами.
«Где лучше купить телефон Samsung S23?»
«Какой телефон лучше — iPhone или Samsung?»
Выделяем приоритетные проблематики
Смотрим:
что уже спрашивают чаще;
где сейчас видны конкуренты;
какие темы для бизнеса наиболее маржинальны.
Почему именно такая механика работы с семантикой?
Так мы проверяем, как по этим проблематикам нейросети уже видят рынок.
По кластерам вопросов смотрим:
упоминается ли ваш бренд;
как часто vs конкуренты;
в каком контексте и с какой тональностью;
Это даёт:
карту текущей видимости (вы vs конкуренты);
список тем, где вы видимы и невидимы;
приоритеты: куда идти в контенте и внешних площадках в первую очередь.
Отслеживание НЕ МОЖЕТ БЫТЬ КАК В SEO
Почему? Потому что нейросети работают стохастически: на один и тот же вопрос они могут отвечать по-разному — это заложено в архитектуру.
Отсюда принцип: мы не меряем один запрос в одной нейросети, а работаем по выборке запросов и повторений. Погрешность в десятки-сотни-тысячи раз меньше: на уровне выборки можно получить 90–95% совпадения с реальностью и адекватно оценить динамику
Вместо “мы ТОП-1 по такому-то запросу» →
«мы в ответАХ по N% проблематик в этом кластере и догоняем/обгоняем таких-то конкурентов».
SEO нужно и важно: что именно нейросети читают и почему это основа GEO
В GEO есть тот же бот, который ходит, открывает сайты и читает информацию. Оценивает сайт чисто технически — насколько легко ей разобрать структуру, сущности, связи, авторство и качество данных.
Техническая AI-оптимизация: как нейросети считывают сайт
1) Микроразметка (основная + для статей)
Она помогает нейросетям достать:
авторов,
темы,
типы страниц,
факты,
связи,
структуру контента.
2) Авторство статьи
Это важный элемент экспертизы. Нейросети проверяют, кто вы на рынке:
есть ли следы автора в других источниках, есть ли компетенции, кейсы, опыт.
3) Скорость загрузки (особенно мобильной версии)
Скорость моб. версии влияет на то, как быстро и корректно бот может прочитать страницу.
Почему именно мобильная скорость загрузки? В одном из американских исследований ребята замерили всех ботов которые ходят по сайтам — так вот ИИ-боты вели себя как мобильные пользователи и запрашивали соответствующую версию сайта (мобильную), поэтому оптимизированная скорость лучше для ранжирования.
4) Удаление дублей
Дубли создают путаницу: бот не понимает, какая версия информации актуальна.
Это уменьшает доверие и снижает вероятность цитирования.
5) Правильная вложенность (структура каталога и страниц)
Бот должен понимать: где главная тема, где разделы, где подстраницы. Если структура хаотичная — нейросеть не может собрать логические связи.
Как формируется видимость бренда в Яндексе и Google в режиме генеративных ответов
В Яндекс.Нейро и Google AI Overview часть данных берётся из гибридной выдачи: генеративные ответы Я и Г частично опираются на классическую выдачу, частично — на ИИ-агрегацию фактов. Поэтому тут очень важно seo.
Этакий переходный этап перед полной автоматизацией. А GEO позволяет подготовить бренд заранее, пока алгоритмы всё ещё частично используют поисковое ядро.
Продвижение в больших LLM: улучшаем экспертность и видимость
Хоть это и условное разделение с предыдущими, но оно более понятно. Продвижение в больших языковых моделях (ChatGPT, Perplexity, DeepSeek и др.) отличается от Яндекса и Google тем, что у LLM нет поискового ядра. Они полностью строят ответ из своих внутренних знаний о рынке и брендах (собственных алгоритмов).
И тут есть сподвижки)
Здесь действуют немного другие принципы, а именно экспертность + видимость.
1. Экспертность бренда
LLM анализирует совокупность всех внутренних и внешних факторов, которые встречались о компании и у компании:
— описание услуг,
— отзывы,
— исследования,
— регалии,
— авторство материалов.
Если картина разрозненная или слабая — бренд в ответ не попадает.
2. Видимость бренда
Иногда достаточно видимости в Я/Г, но не всегда — в таком случае нужно дополнительно усиливать присутствие. Если экспертность — это внутренние факторы сайта, то внешние — про видимость.
Тут важно не SEO-трастовое качество, а ИИ-релевантность площадок:
— рекомендательные сайты,
— информационные порталы,
— каталоги,
— отзывы,
— профильные медиа,
— иногда даже нетематичные, но авторитетные ресурсы.
Что GEO даёт бизнесу: эффект AI-оптимизации и роста узнаваемости
Seo — про лиды и продажи, geo — про бренд и узнаваемость.
Продвижение бустит следующее:
1. Видимость бренда в нейросетях (если модель обучится на вас — она будет и дальше ссылаться на вас),
2. Увеличение брендового трафика (самый стабильный тип трафика, который не зависит от позиций и алгоритмов),
3. Корректная подача бренда в ответах ИИ (ТАКОГО ТОЧНО ДЕЛАТЬ НЕ БУДЕТ: брать устаревшие сведения, подтягивать ошибочный контент, формировать негативный или слабый образ компании) — вы не несёте репутационные риски. Каждый ответ на любой вопрос играет на руку вашему бренду.
5. Дополнительный трафик (пока что)
Некоторые модели (например, отдельные конфигурации GPT) всё ещё показывают сайт как источник. Пока ссылки там есть — это даёт дополнительный трафик.
6. Присутствие в рекомендациях
Конкурентная фора: когда ИИ сравнивает бренды между собой — компания начинает появляться:
в сравнениях,
подборках,
рекомендациях,
ответах по сложным информационным запросам.
7. Закрепление бренда в новой реальности поиска
Путь пользователя сокращён до готового ответа. В поисках уже есть вариант полной автоматизации выдачи, но пока в тестовом режиме. Пользователи привыкают, а алгоритмы обучаются. Это можно использовать, чтобы закрепиться как надёжный источник у ИИ.
Что важно для продвижения в нейросетях и оптимизации контента под AI
По сути нужно сделать так, чтобы модель видела бренд как:
— надёжный,
— подтверждённый,
— экспертный,
— многократно упомянутый в релевантных источниках,
— логично встроенный в контекст ниши.
Что нужно для этого делать:
Придерживаться связки: SEO + репутационный маркетинг + PR
Вот такая она — новая реальность GEO! Сложность это или возможность — решение каждого) Мы с командой за возможности, надеемся и вам помогли) Пишите в личку тг, если есть вопросы)
