Первые 120 символов после H2 решают 80% успеха в GEO

Вы наверняка замечали: нейросеть даёт развёрнутый ответ, цитирует одни сайты и игнорирует другие. Причина не в объёме статьи. Причина — куда вы положили ключевые факты.

Я перелопатил десятки проектов за три года работы с GEO. Вывод простой: ИИ не читает всю страницу. Он сканирует структуру и забирает то, что лежит на поверхности. Контент без заголовков, списков и таблиц нейросети пропускают мимо — им тупо сложно вычленить суть из простыни текста.

Вот 5 мест, куда нужно складывать ключевые данные, чтобы ИИ их гарантированно подхватил.

1. Заголовки H2 и H3

Нейросети обожают чёткую иерархию. Им проще забрать информацию, если она размечена заголовками. Не пропускайте уровни: идите от H1 к H2, потом к H3. Каждый подзаголовок — это готовая точка входа для ИИ.

Делайте заголовки конкретными. Вместо «Преимущества» напишите «3 преимущества GEO перед SEO». Цифра и ключевое слово в заголовке — это сигнал для нейросети, что здесь важная информация.

2. Первые 120 символов после каждого H2

Вот где решается судьба вашего фрагмента. GEO-системы анализируют начало разделов в первую очередь. Некоторые ИИ вообще смотрят только первые N «отрывков» страницы.

Правило: после каждого H2 сразу давайте ёмкий ответ на вопрос, вынесенный в заголовок. Никакой воды, никаких «давайте разберёмся». Прямая декларация факта.

Пример. Плохо: «GEO-оптимизация — это достаточно новый подход, который набирает популярность в последнее время и о котором мы поговорим подробнее...»
Хорошо: «GEO — оптимизация под генеративные движки. Цель — попасть в ответы ChatGPT, Яндекс.Нейро и других ИИ».

3. Формат «вопрос — прямой ответ»

Самый надёжный способ попасть в быстрый ответ. Сформулируйте вопрос как заголовок и дайте под ним один-два абзаца без воды.

ИИ любит такой формат, потому что он идеально ложится в схему «запрос — ответ». Особенно если вопрос реальный — из обращений клиентов, поисковых подсказок, чатов поддержки.

Но важный нюанс. Не выдумывайте вопросы. Используйте только те, которые люди реально задают. Нейросети быстро вычисляют натянутые конструкции.

4. Маркированные списки и таблицы

Списки из 3–7 пунктов, таблицы сравнения, перечни характеристик — это золото GEO. ИИ парсит их мгновенно.

Вместо описательного абзаца «у нас широкий выбор, хорошие цены, быстрая доставка» сделайте список:

- Доставка за 2 часа по Москве
- 12 месяцев гарантии
- Бесплатный выезд замерщика

Каждый пункт списка — отдельный факт, который нейросеть может вытащить в ответ. Таблица из двух колонок для сравнения товаров или услуг работает ещё лучше.

5. Краткое резюме в начале статьи

Добавьте над заголовком или сразу под ним блок «Коротко» на 2–3 предложения с главными выводами. Это идеальная еда для RAG-систем, которые подтягивают данные из поиска в чат.

Когда ИИ заходит на страницу, он сначала цепляет этот блок. Если вы сжато ответили на главный вопрос, нейросеть уже считает вас релевантным источником и дочитывает остальное с большей вероятностью.

Вот что ещё важно. GEO — это не про ключевые слова. Это про извлекаемость данных. Ваш контент должен быть не просто написан, а разложен по полочкам так, чтобы ИИ мог собрать факты без дополнительных усилий.

Проверьте пару своих статей. Есть ли там чёткие H2? Лежат ли ключевые выводы в первых 120 символах после них? Используете ли вы списки вместо абзацев?

Если нет — нейросети проходят мимо, даже когда вы эксперт в теме. И правила игры сейчас пишутся. Те, кто адаптируется первым, забирают весь трафик из нового поиска.

Кейс: как мы попали в ответы ChatGPT без единой ссылки с внешних сайтов

Расскажу об одном проекте, который меня самого удивил

Клиент — небольшая юридическая компания из Москвы. Специализация — корпоративное право, регистрация ООО, сопровождение сделок. Сайт был нормальный, не плохой. SEO велось года три. Но в ИИ-поиске их не было вообще.

Когда я первый раз проверил — ChatGPT на вопрос «какие юридические компании помогают зарегистрировать ООО в Москве» выдавал трёх конкурентов. Наш клиент — ноль.

Что мы сделали

Первое, что я сделал — посмотрел, как ИИ вообще отвечает на вопросы в этой теме. Не как Google ранжирует. А именно — что и как говорит ChatGPT, когда человек спрашивает про регистрацию бизнеса.

Оказалось, ChatGPT тянет информацию из очень конкретных мест. Это были:
— статьи с чёткими заголовками-вопросами
— тексты, где есть конкретные цифры и сроки
— материалы, где процесс описан пошагово
У клиента этого не было. На сайте были общие тексты про «профессиональный подход» и «индивидуальные решения». Ничего конкретного.

Что переписали

Мы взяли пять страниц услуг и переработали их по одной схеме.

Каждая страница теперь отвечала на конкретный вопрос. Не «Регистрация ООО», а «Сколько времени занимает регистрация ООО в 2024 году». Не «Наши услуги», а «Что нужно подготовить для регистрации ООО — список документов».

В каждом тексте появились точные сроки по законодательству. Например — налоговая регистрирует ООО за 3 рабочих дня, это прямо из статьи 8 Федерального закона №129-ФЗ. Это не мы придумали — это факт, который ИИ охотно цитирует

Добавили FAQ в конце каждой страницы. Не для красоты — именно вопросы, которые люди реально задают в поиске. Я брал их из Яндекс.Вордстат и из «Люди также спрашивают» в выдаче.

Что не делали

Не закупали ссылки. Вообще.
Не меняли структуру сайта. Не трогали технические настройки.

Это важно отметить — потому что многие думают, что попасть в ответы ИИ = сделать что-то сложное. Нет. Здесь работает содержание, а не ссылочная масса.

Что получили

Через восемь недель после публикации новых текстов я снова проверил ChatGPT.

На вопрос «как зарегистрировать ООО в Москве» модель начала давать ответ, который по структуре повторял нашу страницу. Сроки — наши. Список документов — наш. Без упоминания бренда, но информация шла оттуда.

А потом появилось и упоминание компании. На вопрос «какие компании помогают с регистрацией ООО» — клиент попал в список рядом с теми тремя конкурентами.

Трафик из ИИ-поиска за этот же период вырос. Но честно скажу — измерить его точно пока сложно. Атрибуция в аналитике не всегда корректно определяет источник «ИИ-поиск».

Вывод, который я для себя сделал

ИИ-модели любят конкретику. Не «мы эксперты», а «это занимает 3 дня по закону». Не «индивидуальный подход», а «вот список из 7 документов».

Если ваш сайт написан в стиле корпоративной брошюры — для GEO это плохо. Модель просто не знает, что взять

Переписывать всё сразу не нужно. Начните с пяти страниц, которые отвечают на самые частые вопросы клиентов. Сделайте их точными и конкретными. Этого уже достаточно, чтобы начать попадать в ответы.

Проверьте прямо сейчас — задайте ChatGPT вопрос, который ваш клиент задаёт вам на первой консультации. Если вас там нет — вы знаете, с чего начать.

GEO под Gemini: что реально работает, а что — нет

Gemini — это отдельный разговор. Не потому что он сложнее других, а потому что он живёт внутри Google. И это меняет всё.

Когда вы работаете под ChatGPT или Perplexity — вы работаете с моделями, у которых есть свои базы знаний и своя логика поиска. Gemini же по-другому устроен. Его ответы на 50–70% совпадают с результатами Google. То есть Gemini смотрит на то, что уже ранжируется в поиске, и берёт оттуда источники.

Вывод простой: если вас нет в топе Google — вас нет и в Gemini. Точка

Но это не значит «просто делайте SEO»

В 2026-м недостаточно быть в топ-10. Важно, чтобы контент был удобен для цитирования и синтеза. Google стал оценивать страницы не только по релевантности запросу, но и по пригодности к генеративному ответу: ясные формулировки, структурированные блоки, факты, отсутствие воды.

Вот здесь многие и проигрывают. Они попали в топ, но Gemini их всё равно не цитирует. Почему? Потому что текст написан «для поиска», а не для ответа на вопрос.

Смотрите, как это работает на практике. Пользователь спрашивает Gemini: «Как выбрать CRM для малого бизнеса?» Gemini формирует ответ. Он не копирует статью — он вытаскивает конкретный фрагмент, который максимально точно отвечает на вопрос.

Заголовок формулируется как вопрос пользователя. Первый абзац даёт короткий и конкретный ответ. Далее раскрываются детали, примеры и факты.

Это называется «snippet bait» или «затравка». Прямой ответ на главный вопрос объёмом 40–60 слов в первом абзаце увеличивает шансы на то, что нейросеть отобразит именно ваш фрагмент

Я тестировал это на нескольких проектах. Разница заметна: страницы, переписанные по этому принципу, стали появляться в AI Overviews через 3–5 недель.

Schema.org — не опционально

Для Gemini и AI Overviews структурированные данные — прямой фактор попадания в генеративные сводки. Приоритетные типы: FAQPage, Article/NewsArticle, HowTo, Organization.
Без разметки Gemini технически может вас процитировать, но вероятность намного ниже. Это как ехать на машине без навигатора — можно добраться, но долго.

Что я ставлю в первую очередь на любом проекте: FAQPage на всех информационных страницах и Article с указанием автора и даты. Этого уже достаточно для старта.

E-E-A-T — это про людей, а не про роботов

Google оценивает опыт, экспертность, авторитетность и доверие. Google не цитирует «SEO-тексты» — он цитирует авторитетные источники.

Но вот что важно понять. E-E-A-T — это не просто поставить имя автора и фото. Это реальная история: кейсы, данные, выводы из практики. Если у вас есть свои данные — ИИ будет на них ссылаться. Нейросети доверяют сайтам с реальными кейсами.
Самый быстрый способ прокачать E-E-A-T под Gemini — написать материал с собственными цифрами. Не «по данным исследований», а «мы проверили 47 сайтов и вот что получили».

Упоминания бренда — недооценённый инструмент

Вот это мало кто использует. Упоминания бренда без ссылок становятся фактором, на который ориентируются AI-модели. Чем чаще ваш бренд встречается в достоверных и экспертных контекстах, тем выше вероятность попадания в ответы ИИ.

Это называют PR-SEO. Вместо погони за ссылками — работа над тем, чтобы вас упоминали в медиа, в экспертных материалах, в отраслевых обзорах.
Gemini это видит. И учитывает.

Коротко о том, с чего начать

Если вы хотите попасть в ответы Gemini — вот порядок действий, который работает:
Проверьте, есть ли вы в топ-30 Google по целевым запросам. Нет — сначала это.

Перепишите ключевые страницы: вопрос в заголовке, прямой ответ в первом абзаце.
Добавьте FAQPage и Article разметку.
Напишите хотя бы один материал с собственными данными или кейсом

Начните появляться в отраслевых изданиях — хотя бы как упоминание

Всё. Без магии. Нейросети лучше интерпретируют материалы, где используются измеримые показатели и конкретные цифры. Чем больше конкретики, тем проще алгоритмам использовать информацию при формировании ответа.

GEO под Алису: что реально работает в 2026 году

В апреле 2026-го Алиса зашла прямо в поисковую выдачу Яндекса. Диалоговый режим внутри поиска. Доля запросов с готовым AI-ответом выросла в полтора раза за несколько месяцев

Для бизнеса это конкретная проблема. Вы либо есть в ответе Алисы — либо вас не существует для этого пользователя

Откуда Алиса берёт источники

Первое, что нужно понять: Алиса не ищет по всему интернету. Она работает с теми страницами, которые уже хорошо ранжируются в классическом поиске Яндекса. Примерно топ-20 по запросу — вот пространство, из которого она выбирает.

Это значит: GEO под Алису начинается с обычного SEO. Нет позиций — нет шансов попасть в AI-ответ.
Но попасть в топ-20 недостаточно. Алиса ещё выбирает, чей текст использовать. И вот здесь начинается отдельная история.

Что Яндекс говорит официально

В апреле 2026 года Яндекс добавил в справку Вебмастера раздел про ранжирование в Поиске и попадание в ответы Алисы. Там четыре принципа — они называются ЭПОС:
— Экспертность: доверяют ли пользователи автору и сайту — Полезность: решает ли контент реальную задачу — Оригинальность: есть ли что-то своё, а не пересказ — Содержательность: достаточно ли глубоко раскрыта тема

Я ориентируюсь именно на это. Не на сторонние «исследования факторов», а на то, что Яндекс говорит сам.

Что реально влияет на попадание

Вот что я вижу на практике.

Структура текста важнее, чем кажется. Алиса работает с текстом, не с картинками и PDF. Если ответ на вопрос спрятан в середине длинного полотна — она его не возьмёт. Первый абзац должен содержать суть. H2 и H3, короткие блоки, конкретные формулировки — это не про красоту, это про считываемость алгоритмом.

Формат вопрос-ответ работает. Это напрямую совпадает с тем, как люди разговаривают с Алисой. Вопрос — чёткий ответ. Без воды.

Экосистема Яндекса имеет значение. Отзывы на Яндекс Картах, активность в Яндекс Бизнесе, упоминания в авторитетных источниках — всё это формирует доверие к бренду. Алиса учитывает совокупность сигналов. Слабый отзывной фон — один из сигналов «не брать».

Прятать данные в картинках — контрпродуктивно. Алиса работает с текстом. Точка.

Сколько ждать результатов
Это один из вопросов, который мне задают чаще всего.

По тому, что я наблюдаю: первые упоминания в ответах Алисы появляются через 7–14 дней после публикации хорошо структурированного материала, если страница уже есть в индексе и держится в топ-20. Это гораздо быстрее, чем классическое SEO с его 3–6 месяцами.

Но стабильность — другое дело. Закрепиться в ответах Алисы на постоянной основе занимает около месяца системной работы.

Что сделать прямо сейчас

Конкретный шаг: напишите 30–50 вопросов, которые ваши потенциальные клиенты могут задать Алисе. Не ключевые слова — именно вопросы, разговорными фразами.

Проверьте каждый вручную. Кто отвечает сейчас? Если конкуренты — посмотрите, как устроен их контент.

Потом откройте Яндекс Вебмастер. Там уже есть раздел «Видимость сайта в Алисе AI». Используйте его — это бесплатный инструмент, который показывает, по каким запросам вас видит Алиса, а по каким — нет.

Алиса — это не далёкое будущее. Это уже май 2026-го и прямой конкурент за внимание вашей аудитории внутри Яндекса.

Можно ли автоматизировать GEO-оптимизацию?

Коротко: нет. Но давайте по порядку.

Смотрите, какая штука. Я три года этим занимаюсь — и с малым бизнесом, и с крупными сетями. И каждый раз ко мне приходят с одним и тем же вопросом: «Скинь нам инструмент, чтобы мы раз — и всё заработало».

Так не работает.

Но я видел забавную статистику. Исследования 2026 года показали, что 22% компаний делают полный упор на генерацию контента ИИ. А 49% делают ставку на человеческую экспертизу. И 58% используют гибридный подход — сочетают ИИ и авторский опыт.

Вот здесь и кроется истина.

Что можно автоматизировать

Мониторинг. Это первое, что можно и нужно роботизировать. Платформа вроде Geometrika (сделана в России, кстати) позволяет отслеживать видимость бренда в ответах ChatGPT, Яндекс Нейро, Gemini. Смотрит, в каком контексте вас упоминают, собирает данные по запросам. Без этого вы работаете вслепую.

Ещё инструменты. Эксперты называют PixelTools как наиболее цельное решение для регулярной GEO-работы. GeoRank — для масштабных проверок. GPTFox — для глубокого анализа текстов и контекста AI-ответов.

Генерацию FAQ-блоков и структурированных данных тоже можно автоматизировать. ИИ-модели обожают чёткую структуру. Внедрение FAQ с разметкой Schema.org даёт около +56% к частоте цитирования — алгоритмы легко парсят такие блоки для нейроответов.

Вот почему это важно: GEO оптимизирует не позицию страницы, а способность её фрагментов становиться готовыми ответами. Меняется логика работы с контентом.

Но есть проблема

Автоматизация не решает главное.
ИИ-модели выбирают источники, которые понятно структурированы, дают факты и цифры, выглядят экспертно. Ни одна программа не сделает вас экспертом.

Исследования подтверждают: ключевые драйверы цитируемости — наличие структурированных данных (FAQPage, HowTo) и присутствие эксперта с подтверждённым опытом. В 78% случаев именно эти два фактора обеспечивали более 60% прироста цитируемости

Присутствие эксперта. Это про живого человека. Про кейсы, цифры, опыт. Про то, что нейросеть не может сгенерировать, если этого нет в данных.

GEO автоматизируется, но частями.
Вы можете автоматизировать мониторинг. Можете настроить техническую базу — микроразметку, скорость загрузки, robots.txt, sitemap.xml. Можете сгенерировать черновики FAQ-блоков. Можете наладить сбор данных из множества площадок — отзывов, комментариев, UGC-контента.

Но вы не можете автоматизировать экспертность. Не можете автоматизировать доверие. Не можете автоматизировать авторский опыт

Вот о чём я

Если вам обещают «кнопку GEO», которая всё сделает сама — не верьте. Инструменты экономят время на рутине. Они показывают, где вы видны, а где нет. Они помогают не утонуть в объёмах данных.

Но решение о том, какой контент создавать, какую экспертизу показывать и как выстраивать доверие — это решение человека.

58% компаний уже это поняли: ИИ помогает, но не заменяет. А 49% вообще делают ставку на людей. 22% попробовали полную автоматизацию. И что вы думаете? Думаю, среди них много тех, кто сейчас разбирается, почему их не цитируют.
Гибрид — это рабочий вариант. Но базой всегда будет SEO. А поверх него — GEO как надстройка. Без хорошей технической основы GEO не работает. ИИ просто не возьмёт ваш контент, если сайт медленный или плохо структурирован.

Один момент напоследок

Нейросети не приносят заметного трафика. Пока нет. Не верьте мифу «сейчас попаду в ответы — и клиенты рекой поплыли». Нейроответы — это про бренд, про доверие, про первое впечатление. Не про прямые продажи здесь и сейчас.
Но в отраслях с высоким чеком и долгим циклом принятия решения это критично. Человек может не кликнуть сразу, но запомнит. И вернётся через месяц на этапе выбора.

Ещё вопрос. GEO только набирает обороты. Инструментов становится больше. Методологии появляются. Но основа всегда одна: полезный, структурированный, экспертный контент. И живые люди, которые его создают.

Автоматизация помогает делать больше. Но не помогает делать лучше. Пока это правило работает. Дальше — увидим.

Почему GEO-проект может не попасть в ответы ChatGPT даже при хорошей оптимизации сайта?

За последние недели я разобрал несколько проектов, владельцы которых были уверены: достаточно сделать качественный контент и внедрить GEO-оптимизацию — и нейросети начнут цитировать сайт.

Но на практике всё сложнее.

Главная ошибка — фокус только на собственном сайте. Для современных ИИ важен не только контент, но и то, существует ли бренд за пределами сайта. Если ваши исследования, статьи или методики обсуждаются в Telegram, блогах, обзорах, видео, на форумах и в соцсетях, вероятность появления в ответах нейросетей заметно выше.

Я всё чаще вижу проекты, которые получают больше упоминаний в ChatGPT и YandexGPT не благодаря лучшему SEO, а благодаря более сильному цифровому присутствию.

Поэтому GEO в 2026 году — это уже не только оптимизация страниц. Это работа с репутацией, распространением контента и узнаваемостью бренда в интернете.

Нашёл интересный сервис для работы с ИИ

Если вы используете ChatGPT, Claude, Gemini, DeepSeek, Grok и другие нейросети, то наверняка сталкивались с двумя проблемами:

Нужно оплачивать подписки сразу на несколько сервисов.
Некоторые модели недоступны из-за региона или ограничений.

Недавно наткнулся на FreeModel — платформу, которая собирает популярные нейросети в одном месте. Можно переключаться между моделями и выбирать ту, которая лучше подходит под конкретную задачу: написание текстов, программирование, анализ данных, SEO, GEO-оптимизация, работа с контентом и многое другое.

Что особенно понравилось:

✅ Доступ к нескольким современным AI-моделям через один интерфейс.
✅ Не нужно заводить отдельные аккаунты и подписки на каждый сервис.
✅ Подходит как для новичков, так и для тех, кто ежедневно работает с ИИ.
✅ Можно сравнивать ответы разных моделей и выбирать лучший результат.

Но самое интересное сейчас — акция для новых пользователей.

Первый месяц использования можно получить бесплатно.

Важно: бесплатный месяц предоставляется не всем подряд, а только при регистрации по специальной партнёрской ссылке. Если перейти напрямую на сайт, это предложение может быть недоступно.

Для тех, кто давно хотел протестировать разные нейросети без дополнительных затрат, это хороший шанс посмотреть возможности платформы в реальной работе и понять, насколько удобно иметь все популярные AI-инструменты в одном месте.

Лично мне особенно нравится возможность быстро переключаться между моделями при работе над контентом и SEO-задачами. Иногда одна нейросеть лучше пишет тексты, другая сильнее в аналитике, а третья помогает с кодом. Здесь всё собрано в одном сервисе.

Если давно хотели попробовать современные AI-инструменты без вложений на старте — рекомендую воспользоваться бесплатным месяцем, пока предложение действует.

🔗 Партнёрская ссылка для получения бесплатного месяца:
https://freemodel.dev/invite/FRE-1ef7bc4e

70% компаний уже адаптируют контент под нейросети. Что это меняет для остальных 🔍

На этой неделе появилось исследование АРИР, которое зафиксировало: семь из десяти российских компаний уже целенаправленно адаптируют контент под нейросетевые ответы. Не «думают об этом», не «планируют». Делают. Прямо сейчас.

Когда я впервые увидел эту цифру — немного завис. Потому что ещё полтора года назад большинство из моего окружения воспринимало GEO как что-то абстрактное, «из будущего». Сейчас это уже не авангард. Это мейнстрим, который просто не все замечают.

Что именно происходит в выдаче

Нейросети — ChatGPT, Gemini, ЯндексGPT и другие — не просто ищут страницы. Они формируют ответ. Синтезируют его из нескольких источников, которые сами же отбирают по своим критериям. И пользователь чаще всего получает этот ответ, даже не переходя ни на один сайт.

Проблема вот в чём: ИИ видит ваш сайт иначе, чем человек. Он не реагирует на красивый дизайн, не оценивает UX, не замечает анимацию. Он буквально сканирует текст в поисках конкретных, структурированных утверждений. Есть чёткий ответ на чёткий вопрос — вы кандидат на цитирование. Нет — вы просто фон.

Большинство сайтов написаны для людей в логике «расскажи о себе». А нейросеть ищет совсем другое: «дай мне утверждение, которое я смогу использовать в ответе».

Почему 70% — это не повод радоваться, а повод нервничать

Если большинство компаний уже работает над GEO-присутствием, конкуренция за попадание в ответы нейросетей резко выросла. Раньше достаточно было просто оказаться в нужном месте первым. Теперь ИИ отбирает из нескольких десятков адаптированных источников — и берёт самый точный, самый структурированный, самый авторитетный.

По моим наблюдениям на реальных проектах, разница между «попал в ответ» и «не попал» часто решается буквально на уровне первого абзаца. Если он содержит прямой, однозначный ответ на главный вопрос страницы — шансы многократно выше. Если он начинается с «наша компания с гордостью предлагает» — считайте, страница для ИИ не существует.

Что реально влияет на попадание в AI-ответы 🎯

Первое — структура подачи. Заголовок как вопрос, первый абзац как ответ, дальше детали и факты. Не художественный текст, не продающий лонгрид — чёткая иерархия смыслов.

Второе — конкретика вместо обтекаемости. «Мы помогаем бизнесу расти» — это ноль для нейросети. «Снизили стоимость заявки с 4 200 до 1 800 рублей за три месяца» — это цитируемое утверждение.

Третье — авторитетность источника. ИИ не цитирует всех подряд. Он смотрит на то, упоминается ли ваш бренд в других заслуживающих доверия контекстах. Упоминания в СМИ, отраслевых изданиях, экспертных материалах — это не просто PR, это сигнал для модели.

Четвёртое — актуальность. Нейросети чувствительны к дате материала. Контент 2022 года с хорошей структурой проиграет контенту 2025 года с чуть худшей структурой. Обновляйте ключевые страницы — не ради поисковиков, а ради того, чтобы ИИ считал вас живым источником.

Мой вывод из происходящего

GEO перестал быть темой для ранних последователей. Исследование АРИР фиксирует не тренд — оно фиксирует уже сложившуюся реальность рынка. Те 30% компаний, которые ещё не адаптировались, сейчас теряют не гипотетический трафик из будущего, а вполне реальные запросы, которые уходят к конкурентам прямо сейчас.

Хорошая новость: большинство из того, что нужно сделать, — это не переписать сайт с нуля. Это переосмыслить логику подачи контента. Перестать писать «о себе» и начать отвечать на вопросы. Звучит просто — но именно это и работает.

Как стоматология попала в ответы ChatGPT за месяц 🦷

Расскажу про один проект, который получился неожиданно быстро. Клиника из города-миллионника, средний сегмент, терапевтическая и ортопедическая стоматология. Сайт существовал лет пять, трафик из Яндекса был нормальным, но в ИИ-поиске их не было совсем.

Клиент пришёл с конкретным поводом: друг сказал, что теперь выбирает врача через ChatGPT. Задаёт вопрос — нейросеть объясняет, на что смотреть, иногда называет клиники. Владелец проверил: конкурент в ответах есть, его нет.

С чего начали

Первым делом я поспрашивал модели так, как это делает обычный человек. Не «стоматология Иркутск», а «как выбрать клинику для установки коронки» или «сколько длится лечение кариеса под микроскопом». ChatGPT давал развёрнутые ответы без конкретных клиник. Perplexity уже называл одного конкурента — у того была статья с заголовком-вопросом и пошаговым описанием процедуры.

На сайте клиента страницы услуг выглядели стандартно: «Лечение кариеса. Современные методы. Индивидуальный подход». Никаких сроков, никаких цифр, никакого ответа на реальный вопрос пациента.

Что сделали и в каком порядке

Выбрали шесть страниц — те, по которым чаще всего звонят: кариес под микроскопом, виниры, коронки на имплантах, детская стоматология, чистка Airflow и отбеливание. Переписали каждую по одной схеме.

Заголовок стал отвечать на вопрос. Вместо «Установка виниров» — «Сколько стоит установка виниров и как проходит процедура». Вместо «Лечение кариеса» — «Как лечат кариес под микроскопом: этапы, длительность, цена».

В начале каждой страницы — блок-ответ. Три-четыре предложения: суть процедуры, реальный срок, от чего зависит стоимость. Без воды. Именно то, что человек хочет знать до записи.

Добавили конкретику: лечение кариеса одного зуба занимает от 40 минут до полутора часов в зависимости от глубины поражения. Срок службы виниров из диоксида циркония — 10–15 лет при соблюдении гигиены. Это общемедицинские данные, которые можно проверить. Именно такие факты ИИ воспроизводит охотнее всего.

В конце каждой страницы — FAQ из пяти-семи вопросов. Не «почему мы лучшие», а то, что реально спрашивают на приёме: можно ли лечить зуб при беременности, больно ли ставить коронку, нужна ли анестезия при чистке. Вопросы брали из разговоров администраторов с пациентами и из подсказок в поисковой строке.

Параллельно попросили врача добавить к каждой услуге короткий комментарий — две-три фразы о том, на что он смотрит при осмотре. Профессиональное пояснение, не реклама.

Что получилось через четыре недели

Через три недели Perplexity начал цитировать структуру страницы про виниры — сроки и этапы шли почти дословно. Через четыре недели ChatGPT на вопрос «как выбрать клинику для установки виниров» добавил в список критериев формулировку, которая была только у нас. Без названия клиники, но факт.

На пятой неделе при прямом запросе «стоматология [город] виниры» клиника появилась в ответе среди трёх упомянутых.

По трафику: прямые заходы выросли примерно на 18% за этот период. Атрибутировать ИИ-источник точно сложно — аналитика его не всегда фиксирует корректно. Но администраторы отметили, что звонки стали чаще начинаться с фразы «я читал, что...» — и дальше следовало именно то, что написано на сайте.

Что я вынес из этого проекта

Стоматология — ниша с высокой тревожностью. Люди хотят понять процедуру до визита, поэтому и спрашивают у нейросети. Конкретный, честный текст с реальными цифрами работает здесь лучше любых маркетинговых формулировок.

Ничего сложного сделано не было. Шесть страниц, заголовки-вопросы, блок с ответом в начале, FAQ с живыми вопросами — и четыре недели. Если ваш сайт написан для галочки, начните именно с этого.

Три ошибки, которые я вижу у всех, кто переходит с SEO на GEO 🔍

За три года работы с GEO наблюдаю одну и ту же картину. Приходит специалист или владелец бизнеса, который хорошо понимает классическое SEO, и начинает применять те же подходы к генеративному поиску. Логика понятна: оба инструмента про видимость, оба требуют работы с контентом. Но дальше начинаются проблемы — не потому что человек плохо работает, а потому что базовая логика двух инструментов фундаментально разная.

Вот три ошибки, которые встречаются чаще всего.

Ошибка первая: гнаться за позицией вместо цитирования

В SEO есть чёткий ориентир — место в выдаче. Первая позиция, топ-3, топ-10. Понятная метрика, под неё строятся отчёты и выделяются бюджеты.

В GEO позиции нет. Есть либо цитирование, либо его отсутствие. Нейросеть не ранжирует ваш сайт на третье место — она либо включает материал в ответ, либо нет. И это меняет всё.

Когда специалист продолжает мыслить категориями позиций, он оптимизирует не то. Добивается высоких показателей в классическом поиске, но контент остаётся невидимым для языковых моделей — потому что они ищут не авторитет домена, а структурированный конкретный ответ на конкретный вопрос.

Переключите фокус: ваша цель — стать источником, который модель посчитает точным и достоверным, чтобы процитировать. Это принципиально другая задача.

Ошибка вторая: копировать структуру SEO-текста 📄

Классический SEO-текст строится по знакомой схеме: вводный абзац, основная часть, равномерное распределение ключей, заключение. Эта структура рассчитана на то, как человек читает страницу и как поисковый робот сканирует документ.

Языковая модель работает иначе. Она не читает текст линейно — она извлекает смысловые блоки. Ей нужно быстро найти суть, факт или определение. Если ключевая информация утоплена в третьем абзаце — модель может её просто не подхватить.

Вижу это регулярно: хороший экспертный текст, написанный грамотно, но не цитируемый ни одной нейросетью. Потому что написан для читателя-человека, а не для извлечения. Ответ на вопрос должен стоять в первых двух абзацах. Подзаголовки — информативными, а не красивыми. Смысловая нагрузка концентрируется в начале и распределяется по блокам.

Это не значит, что текст должен стать сухим. Это значит, что структура работает на извлечение, а не на плавное чтение.

Ошибка третья: работать только с собственным сайтом

В SEO логика привычная: оптимизируй свои страницы, наращивай ссылочную массу, расти в домене. Весь фокус — на вашем ресурсе.

Генеративные модели обучены на огромном корпусе текстов из разных источников. Формируя ответ, они смотрят не только на ваш сайт, но и на всю внешнюю среду: упоминания в профильных изданиях, обсуждения на форумах, отзывы, экспертные комментарии. Если ваш бренд существует только на собственном домене — для модели вы почти не существуете.

Это болезненная истина для тех, кто вложил серьёзные деньги в сайт. Сайт важен, но он — только одна точка на карте. А карту рисует вся сеть упоминаний.

Вывод один: часть усилий нужно перенаправить вовне. Экспертные комментарии, публикации в отраслевых СМИ, работа с отзовиками — в GEO это работает не хуже, а иногда лучше доработки страниц сайта.

Почему это важно понять именно сейчас 🧭

SEO и GEO — не противоречие. Технический фундамент, скорость загрузки, внятная структура — всё это по-прежнему работает. Но логика принятия решений у генеративных систем другая, и переносить SEO-мышление один к одному — значит терять время и бюджет.

Самый быстрый способ проверить, где вы находитесь: задайте нескольким нейросетям вопросы из вашей ниши и посмотрите, кого они цитируют. Если вас там нет — причина почти всегда в одной из трёх ошибок выше.

GEO vs SEO: в чём разница и почему это не одно и то же 🔍

Меня часто спрашивают: «GEO — это просто SEO, только с приставкой про нейросети?» Нет. Это другая дисциплина с другой логикой, другими метриками и другим пониманием результата.

Что такое SEO — и где оно заканчивается

SEO — это работа с поисковыми системами. Ты оптимизируешь страницы, чтобы они попали в топ выдачи и пользователь кликнул по ссылке. Главная единица успеха — позиция в SERP и органический трафик. Весь процесс заточен под алгоритм ранжирования: ключевые слова, ссылочная масса, техническая структура, поведенческие факторы.

SEO работало блестяще, пока человек сам листал список ссылок и выбирал, куда зайти. Именно на это поведение и была заточена вся методология.

Но поведение изменилось. Теперь всё чаще человек вводит запрос — и получает готовый ответ. Не список источников, а связный текст. ChatGPT, Perplexity, Яндекс с режимом ИИ, Google с AI Overviews — они не показывают десятку ссылок. Они пересказывают. И в этом пересказе либо есть твой бренд, либо нет.

Вот здесь SEO заканчивается и начинается GEO.

Что такое GEO — и как работает его логика

GEO расшифровывается как Generative Engine Optimization — оптимизация под генеративные поисковые системы. Задача не в том, чтобы оказаться на первой строчке. Задача — чтобы ИИ выбрал твой контент как источник для своего ответа.

Это принципиально иная механика. Алгоритм традиционного поиска ранжирует страницы. Генеративная модель извлекает фрагменты — короткие, точные, структурно понятные блоки — и собирает из них ответ. Иногда со ссылкой, иногда без. Иногда прямо цитирует, иногда пересказывает.

Отсюда и разные требования к контенту.

В SEO важно: ключевое слово в заголовке, плотность вхождений, мета-теги, ссылочный профиль.

В GEO важно: есть ли в тексте чёткий, самодостаточный ответ на вопрос? Подтверждён ли он фактами или экспертизой? Понятна ли структура для машинного извлечения? Согласованы ли данные на разных страницах сайта?

Нейросеть не «ранжирует» — она выбирает. И выбирает не самого продвинутого по ссылкам, а самого понятного и достоверного.

Три ключевых отличия на практике 📌

Первое — метрика успеха. В SEO это позиция и клики. В GEO — частота упоминаний бренда в ответах генеративных систем. Можно вообще не попасть в топ Google — и при этом регулярно звучать в ответах ChatGPT или Perplexity.

Второе — структура контента. SEO терпит «воду» ради объёма. GEO её наказывает: модель просто выберет более компактный источник. Каждый абзац должен нести конкретный смысл. Ценятся прямые ответы в начале раздела, нумерованные шаги, чёткие определения.

Третье — авторитет. В SEO это ссылки. В GEO — сигналы доверия: кто написал материал, есть ли у автора биография, упоминается ли ресурс на внешних площадках, насколько данные согласованы между собой. Разметка Schema.org, понятные метаданные, упоминания в отраслевых СМИ — всё это влияет на то, войдёт ли твой контент в выборку генеративной модели.

Можно ли делать SEO и GEO одновременно

Можно и нужно — но с пониманием, что цели разные. Хорошая техническая база, чистая структура, понятные заголовки работают и там, и там. Но акцент смещается: ты перестаёшь писать ради поисковика и начинаешь писать ради цитирования.

На мой взгляд, главное заблуждение рынка — думать, что GEO это «добавить несколько FAQ и готово». Нет. Это системная работа: с архитектурой контента, с авторитетом источника, с согласованностью данных по всему сайту. Именно поэтому результат здесь не приходит за день — но и не уходит так быстро, как позиция после очередного обновления алгоритма.

Как интернет-магазин стройматериалов вырос на 25% через GEO 🏗️

Этот кейс — один из тех, где клиент пришёл скептиком, а ушёл с пересмотренным отношением к тому, как вообще работает трафик сегодня.

Интернет-магазин стройматериалов: средний чек около 18 000 рублей, аудитория — частные застройщики и небольшие подрядные бригады. Регион — не Москва, но крупный областной центр с живой конкуренцией. SEO у них было в порядке: топ-5 по ключевым запросам, стабильный трафик, нормальный блог. Но вот заявок становилось всё меньше при том же потоке посетителей. Классическая ситуация, которую я видел уже не раз.

Где прятался разрыв

Когда я задал в ChatGPT и Perplexity несколько типичных запросов их покупателей — «какой утеплитель выбрать для каркасного дома», «чем отличается OSB от фанеры для пола», «что лучше: газобетон или керамоблок» — магазина в ответах не было. Совсем. Зато там регулярно появлялись статьи с агрегаторов, пара строительных порталов и один конкурент из того же города, который, судя по всему, случайно попал туда с подробным материалом.

Проблема была чёткая: контент на сайте отвечал на вопросы формально, но не отвечал на них по существу. Статья «Виды утеплителей» существовала. Но в ней не было сравнения по реальным параметрам, не было чётких рекомендаций под конкретные задачи, не было ни одной фразы, которую ИИ мог бы вырезать как готовый ответ.

Что мы сделали — по шагам

Первое: провели аудит запросов не по ключам, а по вопросам. Взяли 30 реальных формулировок, которые люди пишут в нейросеть, когда выбирают стройматериалы. Оказалось, что сайт закрывал меньше трети из них.

Второе: переписали восемь статей по схеме «вопрос — прямой ответ в первых 60 словах — сравнительная таблица или список критериев — честное ограничение». Например, статья про утеплители теперь начиналась так: «Для каркасного дома в климате средней полосы подойдут три варианта: минвата, эковата или PIR-плиты. Выбор зависит от бюджета, типа обшивки и того, кто будет монтировать». Никакого введения. Никакого «в данной статье мы рассмотрим».

Третье: добавили FAQ в конце каждой статьи — реальные вопросы, которые задают в чатах и нейросетях. Не «что такое минеральная вата», а «можно ли укладывать минвату без пароизоляции» и «почему утеплитель мокнет в углах».

Четвёртое: прописали разметку FAQPage и HowTo в head, без JSON-LD в теле. Добавили на страницы категорий короткие блоки с рекомендациями по выбору — именно в том формате, который ИИ может процитировать целиком.

Пятое: опубликовали три сравнительных материала, которых раньше вообще не было. Не «обзор», а именно «что выбрать, если...» — под разные сценарии, с цифрами из паспортов продуктов.

Результат через четыре месяца 📈

Через шесть недель магазин начал появляться в ответах Perplexity по пяти из тридцати отслеживаемых запросов. К концу третьего месяца — по четырнадцати. Трафик из ИИ-поиска вырос примерно в три раза относительно почти нулевой базы.

Конверсия с этого трафика оказалась заметно выше, чем с обычной органики: люди приходили уже с конкретным запросом и пониманием, что им нужно. Средний цикл принятия решения сократился — это было видно по времени между первым визитом и оформлением заказа.

Итоговый рост выручки за четыре месяца составил 25% год к году. Часть этого роста — сезонность и другие факторы, я не буду приписывать всё GEO. Но сам клиент сказал, что заявки «стали другого качества»: меньше вопросов на этапе звонка, больше готовности покупать.

Главное, что я вынес: в стройматериалах люди задают очень конкретные технические вопросы. И если сайт отвечает на них честно и по делу — ИИ это замечает. Не сразу, не гарантированно, но замечает.

Чек-лист: готов ли ваш сайт к GEO 🔍

На следующей неделе в Москве впервые пройдёт офлайн-сессия, где SEO и GEO разбирают не как конкурирующие подходы, а как два слоя одной задачи. Показательно: рынок дозрел до того, чтобы обсуждать это не в Telegram-тредах, а в переговорных. Вопрос «готов ли мой сайт к нейроответам» перестал быть теоретическим.

Я давно хотел собрать в одном месте конкретный список проверок — не абстрактных советов, а вещей, которые можно пощупать руками прямо сегодня. Вот он.

Технический слой: вас вообще видят?

Первое, с чего начинаю любой аудит — проверяю, не заблокирован ли сайт для AI-краулеров. Cloudflare с прошлого года закрывает их по умолчанию для новых доменов. Если вы подключали защиту недавно и не трогали настройки вручную — высока вероятность, что GPTBot, ClaudeBot и другие агенты просто не заходят к вам. Проверяется в панели Cloudflare за минуту.

Дальше — robots.txt. Убедитесь, что не закрываете основные разделы с контентом. Звучит банально, но я видел сайты, где блог был закрыт ещё с эпохи «не индексируйте черновики» — и так и остался закрытым. Скорость сервера тоже важна: AI-краулер не ждёт трёх секунд, и если сервер не отвечает HTTP 200 — источник просто не попадает в обработку.

Структура и читаемость контента

Нейросеть ищет законченные смысловые блоки, которые можно встроить в ответ без искажений. Если ваши заголовки — это «О нас», «Услуги», «Контакты», а тексты под ними — рекламный туман, шансов немного.

Проверьте: есть ли на ключевых страницах чёткие утверждения с конкретикой? Не «мы работаем быстро», а «среднее время ответа поддержки — 4 часа». Не «опытная команда», а «работаем с 2018 года, 140 реализованных внедрений». Цифры и факты — якоря, за которые цепляется модель.

Простая проверка для структуры: уберите мысленно весь текст, оставьте только заголовки H1–H3 — понятно ли, о чём страница и какой ответ она даёт?

Разметка и машиночитаемость 🛠

Schema.org — не опция, а базовая гигиена. Для FAQ-блоков использую FAQPage, для статей — Article с явным указанием автора и даты. Это прямой сигнал для модели: здесь структурированные данные, можно доверять.

Файл llms.txt — относительно новая практика, но уже работающая. Простой текстовый файл в корне сайта, где вы объясняете агентам: что здесь главное, какие разделы несут экспертный контент, а что — технические страницы без ценности. Не все модели его читают, но те, что читают, используют как приоритет навигации. Разметку прогоняйте через Google Rich Results Test — ошибки в Schema часто незаметны глазу, но ломают всю структуру данных.

Репутационный слой: вас знают за пределами сайта?

Это часть, которую чаще всего игнорируют. Нейросети доверяют не страницам — они доверяют сущностям. Если ваше имя встречается только у вас на сайте, у модели нет подтверждения, что вы существуете в реальности.

Упоминания на авторитетных площадках, публикации в тематических медиа — всё это формирует то, что модель воспринимает как «устойчивую сущность». Поэтому внешний контент сейчас весит не меньше, а часто больше, чем статья в собственном блоге.

Итоговый чек за 20 минут

Проверьте Cloudflare и robots.txt. Откройте три ключевые страницы и найдите на каждой хотя бы один факт с цифрой. Прогоните разметку через Rich Results Test. Введите в ChatGPT или Perplexity пять запросов по вашей нише — зафиксируйте, кого цитируют. Найдите хотя бы одну внешнюю площадку, где вы упомянуты в профессиональном контексте.

Это не полный аудит. Но честный старт. Большинство сайтов проваливаются уже на первых двух пунктах — и это хорошая новость, потому что технические проблемы решаются быстрее всего.

Как ChatGPT выбирает источники для ответа 🔍

Меня часто спрашивают: почему один сайт попадает в ответ ChatGPT, а другой — нет? Оба в топе Google, оба с хорошим контентом. Но нейросеть выбирает только один.

Чтобы ответить честно, нужно разобраться, как устроен процесс изнутри.

Два режима — два разных механизма

ChatGPT работает в двух режимах, и их часто путают.

Первый — генерация из обученной модели. Здесь нет поиска в реальном времени. Модель отвечает на основе того, что было в обучающих данных: огромный массив текстов, собранных до определённой даты отсечения. Если ваш сайт существовал до этой даты и был достаточно представлен в открытом интернете — вы могли попасть в «память» модели. Но контролировать это напрямую нельзя.

Второй — поиск с RAG. Это Retrieval-Augmented Generation: сначала система ищет актуальные фрагменты через поисковый индекс, потом генерирует ответ на их основе. Именно здесь пользователь видит «источники» со ссылками. И здесь у вас уже есть реальные рычаги влияния.

Что именно ищет система при RAG

Поиск идёт не по сайтам целиком. Система разбивает документы на фрагменты и ищет те, которые семантически ближе всего к запросу. Не по ключевым словам — по смыслу.

Выигрывает не тот, у кого больше текста, а тот, у кого конкретный абзац точно отвечает на конкретный вопрос. Длинная статья-портянка проигрывает короткому, но плотному разделу с чётким ответом.

Дальше система оценивает фрагмент: насколько он структурирован, есть ли факты и конкретика, можно ли его понять без контекста остальной страницы. Последнее особенно важно. Фрагмент вырывается из окружения — и если он не самодостаточен, система его отбросит.

Авторитетность домена тоже играет роль. Не «красивый сайт», а насколько на него ссылаются другие, насколько он представлен в индексе, насколько свежий. Во многом это перекликается с классическими сигналами доверия в поиске, но алгоритм применяет их иначе.

Почему «хороший контент» — недостаточный критерий 🤔

Я вижу это регулярно. Компания вложила деньги в экспертные статьи — глубокие, с аналитикой, написанные живым языком. Но в ответ ChatGPT попадает конкурент с более скромным текстом.

Причина чаще всего не в качестве как таковом. Причина в структуре.

Если материал написан как лонгрид для журнала — с плавными переходами, вводными разделами, художественными отступлениями — нейросеть плохо вычленяет из него конкретный ответ. Она ищет чёткость. Подзаголовок, за которым сразу следует суть. Список, который можно извлечь и процитировать. Определение, которое стоит отдельным предложением.

Ещё момент — уникальность информации. Если фрагмент говорит то же самое, что и десятки других страниц, у системы нет причин выбрать именно вас. Собственные данные, кейсы, конкретные наблюдения создают отличие на уровне алгоритма, а не только на уровне читателя.

Что из этого следует на практике

Пишите так, чтобы любой абзац работал сам по себе. Если вырвать его из статьи и показать незнакомому человеку, он должен понять суть без предыстории.

Структура важнее объёма. Подзаголовки, короткие абзацы, конкретные формулировки. Не «мы помогаем бизнесу расти», а «мы сокращаем цикл сделки с трёх недель до пяти дней».

Работайте с упоминаниями. Чем больше внешних источников ссылается на ваш материал — тем выше его вес в глазах системы. Путь не быстрый, но надёжный.

И проверяйте вручную. Задайте запрос от имени своего клиента в ChatGPT с включённым поиском. Посмотрите, кого система цитирует. Это прямая подсказка, что нужно доработать.

Алгоритм не читает ваш сайт как редактор. Он ищет фрагменты, которые закрывают запрос точнее других. Если ваш контент устроен так — вы в игре.

🗺 Топ-5 мест на сайте, где ИИ ищет контакты

Недавно наткнулся на материал Sostav.ru про публикации в СМИ как инструмент доверия для ИИ — и понял, что хочу копнуть в смежную сторону. Потому что вопрос «где ИИ берёт контакты» звучит скучно, но на практике это одна из самых частых причин, по которой бизнес выпадает из рекомендательных ответов.

Когда ChatGPT, YandexGPT или Perplexity отвечают на запрос вроде «какая студия делает брендинг в Екатеринбурге» — они не просто генерируют текст. Они пытаются дать пользователю что-то конкретное и применимое: название, адрес, способ связи. Если ваш сайт эту информацию прячет или структурирует плохо — ИИ либо вас не упоминает, либо называет неверные данные.

Вот пять мест, которые языковые модели сканируют в первую очередь.

1. Страница «Контакты» — очевидно, но не так просто

Большинство думает: есть страница /contacts — значит, всё в порядке. На деле ИИ читает не саму страницу, а то, как она размечена. Если телефон вписан картинкой, а адрес лежит в JavaScript-виджете карты — модель его не видит. Принцип простой: контакт должен быть в обычном тексте HTML, в идеале обёрнутый в разметку Schema.org типа LocalBusiness. Тогда ИИ понимает, что это именно адрес компании, а не случайная строка цифр.

2. Подвал (footer) — недооценённое место

Footer есть на каждой странице сайта. Это значит, что ИИ встречает ваши контакты при каждом сканировании любого URL. Компании, которые вынесли в подвал телефон, город и ссылку на карту — получают многократное подтверждение одних и тех же данных. Для языковой модели это сигнал стабильности: информация повторяется, значит, актуальная. Контакты только на одной странице — слабый сигнал.

3. Страница «О компании» — здесь ИИ ищет людей

Это менее очевидно. ИИ при ответах на вопросы про конкретный бизнес часто пытается назвать не просто компанию, но и человека — основателя, руководителя, эксперта. Если на странице «О нас» указаны имена, должности и хотя бы один способ связаться с конкретным человеком — модель подхватывает эту связку «человек → компания → контакт». Страницы-пустышки с «Мы — команда профессионалов» без имён и лиц для ИИ почти бесполезны.

4. Блог и статьи — место, где контакты неожиданно работают

Я проверял это на нескольких проектах. Если в статье блога в финале есть короткий блок «автор материала» с именем, должностью и ссылкой на контакт — ИИ начинает воспринимать этот контент как экспертный и атрибутированный. Это прямо влияет на цитируемость. Плюс, когда модель отвечает на информационный запрос и берёт вашу статью как источник — она иногда тянет за собой и авторский блок. Так контакт попадает в ответ косвенно.

5. Файл llms.txt — новый стандарт, который мало кто использует

Это текстовый файл в корне сайта, специально предназначенный для языковых моделей. По аналогии с robots.txt, только не для краулеров, а для LLM. В нём можно явно указать: название компании, город, телефон, email, ключевые страницы. Формат пока не стандартизирован жёстко, но ChatGPT и ряд других систем уже его читают. На российском рынке такой файл есть у единиц — это реальное конкурентное окно прямо сейчас.

Что со всем этим делать

Пройдитесь по этим пяти точкам на своём сайте. Не как дизайнер — а как ИИ, которому нужно за секунду понять: кто это, где они и как с ними связаться. Если ответ не очевиден с первого взгляда на HTML — значит, модель скорее всего вас пропустит.

Контакты — это не просто UX-деталь. Для ИИ это сигнал реальности бизнеса. Компании без чётко считываемых контактов выглядят для модели примерно как анонимный аккаунт без аватарки. Доверять сложно.

YMYL в GEO: почему здесь не работают стандартные подходы 🏥

Есть категория сайтов, для которых GEO — это не просто «добавить структуру и отвечать на вопросы». Это отдельная игра с другими правилами. Речь о YMYL-нишах: медицина, финансы, юридические услуги — всё, где ошибочный ответ может реально навредить человеку.

Я давно наблюдаю, как ведут себя генеративные модели в этих темах. И здесь ИИ работает принципиально иначе.

Почему модели перестраховываются

Генеративные системы — ChatGPT, Яндекс GPT, Gemini — обучены на сигналах доверия. Чем выше ставки запроса, тем консервативнее поведение модели. Это не баг, это осознанная логика.

Если пользователь спрашивает «какую куртку купить на зиму», ИИ может смело цитировать любой внятный обзор. Но если запрос звучит как «можно ли принимать ибупрофен при высоком давлении» — модель десять раз подумает, прежде чем сослаться на конкретный источник. Цена ошибки несопоставима.

Отсюда следствие: в YMYL-темах модели либо дают максимально осторожные ответы («проконсультируйтесь с врачом»), либо цитируют только абсолютно авторитетные источники — крупные медицинские порталы, официальные регуляторы, известные издания. Небольшой сайт клиники или юридической фирмы в эту цепочку попадает крайне редко.

Что именно проверяет ИИ в этих нишах

Здесь E-E-A-T работает не как приятная надстройка, а как входной барьер. Без него — вообще не разговор.

Модели анализируют несколько вещей. Первое — наличие реального автора с подтверждённой экспертизой. Статья «как снизить холестерин» без указания врача-автора, без ссылки на его квалификацию — почти гарантированный пропуск. ИИ не хочет брать на себя ответственность за анонимный совет.

Второе — внешние упоминания. Если клинику цитируют в медицинских изданиях, если врачи выступают экспертами в СМИ — это сигнал авторитетности, который модель улавливает. Без этого контекста даже идеально структурированный сайт остаётся невидимым.

Третье — актуальность. В медицине и финансах устаревшие данные особенно опасны. Рекомендации двухлетней давности по лекарственному взаимодействию или налоговым ставкам — потенциально вредны. Модели это учитывают.

Ловушка «правильного» контента

Парадокс YMYL в GEO вот в чём. Можно сделать всё технически верно: структуру, разметку, FAQ, конкретные ответы на вопросы. И всё равно оказаться за бортом.

Потому что в этих нишах контентное качество — необходимое, но недостаточное условие. ИИ смотрит не только на то, что написано на странице, но и на то, кто за этим стоит. Репутация в экосистеме — упоминания от авторитетных источников, активность авторов на профессиональных площадках — вот что решает.

На практике это означает: юридическая фирма без публикаций в отраслевых изданиях, без экспертных комментариев в СМИ — почти невидима для генеративных движков даже при идеальном сайте.

Что реально двигает иголку 🎯

Из того, что я наблюдаю: работает не количество контента, а плотность сигналов доверия вокруг конкретных экспертов.

Врач, который ведёт колонку на известном медицинском портале и упомянут на сайте клиники как автор материалов, — это уже другая история. Финансовый советник с комментариями в деловых СМИ — тоже.

Продвижение в GEO для YMYL — это в первую очередь работа с экспертностью людей, а не с оптимизацией текстов. Тексты — следствие. Сначала нужно построить внешнюю репутацию, и только потом ждать, что модели начнут это замечать.

Медленно? Да. Но это единственный путь, который работает честно. Репутацию, накопленную годами, алгоритмам куда сложнее проигнорировать, чем переоптимизированную страницу.

Как ресторан попал в ответы Алисы: разбор реального кейса 🍽️

Этот проект я веду уже больше полугода. Небольшой ресторан в городе с населением около 400 тысяч — итальянская кухня, средний чек 1800 рублей, без сети и франшизы. Владелец пришёл с запросом «хочу, чтобы нас находили в поиске». Когда начали разбираться, оказалось интереснее.

Яндекс.Метрика показывала около 180–200 уникальных визитов в месяц с органики. По запросам «где поужинать в центре», «ресторан для свидания», «итальянский ресторан рядом» — их не было ни в обычной выдаче, ни в нейроответах.

Что нашли при аудите

Сайт работал как электронная визитка: главная с красивыми фотографиями, меню в PDF и контакты. Никакого Schema.org, никаких FAQ, никаких описаний.

Я открыл Яндекс Нейро и задал вопрос: «Где поужинать в романтической обстановке в [город]?». Ресторана в ответе не было. Были конкуренты — два заведения со скромными сайтами, зато с нормальным текстовым контентом.

Классическая история. Нейросеть не видит красивый дизайн. Она видит текст, структуру и сигналы доверия. Сайт с профессиональными фотографиями и нулевым смысловым содержанием для ИИ буквально не существует — ему нечего оттуда процитировать.

Что сделали и в каком порядке

Начали с контента. Переписали описание каждого раздела меню — не перечисление позиций, а короткие абзацы: что за блюдо, из чего, почему стоит попробовать. Добавили страницу «О ресторане» с реальной историей: когда открылись, кто шеф, откуда рецепты. Это не для красоты — ИИ ищет признаки экспертности и подлинности. Безликий текст в стиле «мы рады предложить вам» он просто пропускает.

Дальше сделали блок FAQ на главной. Восемь вопросов, которые гости реально задают: есть ли детское меню, можно ли забронировать стол на двоих в пятницу, принимают ли карты, есть ли парковка. Ответы по два-три предложения — без воды. Именно такой формат ИИ разбирает и вставляет в ответ почти дословно.

Параллельно добавили Schema.org разметку — Restaurant, Menu, FAQPage. Около трёх часов работы разработчика. Большинство небольших заведений это игнорирует, а зря: разметка помогает нейросети точно понять, что перед ней ресторан, а не статья про рестораны.

Ещё сделали четыре коротких материала: про пасту карбонара без сливок, что заказать в первый визит, как забронировать стол на корпоратив, детское меню. Каждый — 400–600 слов, ответ на вопрос с первых строк. Объём тут не главное — важно, чтобы с первого абзаца было понятно, о чём речь и кому поможет.

Результат через три месяца 📊

Первые изменения заметили примерно через пять недель. Нейро начал упоминать ресторан в ответах на запросы про романтический ужин и итальянскую кухню — не всегда первым, но стабильно в тексте ответа.

Через три месяца органический трафик вырос до 480–510 визитов в месяц — примерно в 2,5 раза. Доля прямых заходов в Метрике тоже выросла: реферер ИИ-ассистенты не передают, и такие визиты аналитика пишет как прямые. Онлайн-бронирования выросли примерно на 35% к базовому периоду.

Важная деталь: рекламный бюджет мы не трогали. Только контент, разметка и структура.

Что из этого следует

Нейросеть выбирает не самый красивый сайт и не самый старый бизнес. Она выбирает тот, чей контент можно прочитать, понять и процитировать. Для локального заведения — кафе, ресторана, пекарни — сейчас особенно удачный момент: конкуренция в нейровыдаче по городским запросам пока невысокая.

Три вещи, с которых стоит начать: добавить FAQ с реальными вопросами гостей, написать описание атмосферы и поводов прийти, подключить разметку Restaurant из Schema.org. Это не требует больших ресурсов — но именно это сейчас решает, попадёте вы в ответ Алисы или нет.

FAQ как источник для нейросетей: почему формат решает всё 🔍

Я давно заметил одну закономерность. Когда разбираю, что именно попало в ответ ChatGPT или Яндекс Нейро по конкретному запросу, там непропорционально часто оказывается контент из FAQ-блоков. Не лонгриды, не экспертные колонки, не пресс-релизы. Именно вопросы и ответы.

Это не случайность. Это логика того, как устроены генеративные модели.

Почему нейросети любят FAQ

Генеративная модель получает запрос пользователя и ищет в своей базе фрагменты, которые максимально точно отвечают на вопрос. Не «текст про тему», а конкретный ответ на конкретный вопрос. FAQ — это буквально готовая пара «вопрос — ответ». Модели не нужно выкапывать смысл из длинного абзаца, выстраивать логическую цепочку или интерпретировать. Она берёт блок целиком.

Обычный текст статьи — это как задача с условием, спрятанным в середине. FAQ — это уже решение в правильном формате.

Кроме того, вопросительные формулировки совпадают с тем, что пишут люди в строке поиска или в диалоге с ИИ. «Как долго действует договор?», «Можно ли вернуть товар без чека?», «Что будет, если не заплатить вовремя?» — именно так формулируют запросы реальные люди. И именно так должны быть записаны вопросы в вашем FAQ.

Что делает FAQ нецитируемым

Здесь у большинства сайтов проблема. Я регулярно вижу FAQ, которые выглядят так: «Как с вами связаться?» — «Позвоните нам или напишите на почту». Это не FAQ для нейросети. Это заглушка для галочки.

Нецитируемый FAQ узнать легко. Вопросы там размытые и не совпадают с реальными запросами. Ответы однострочные или, наоборот, уходят в общие рассуждения без конкретики. Нет цифр, сроков, условий, исключений. Нет структуры внутри самого ответа. И нет микроразметки FAQPage — то есть нейросеть даже не знает, что перед ней вопрос и ответ, а не просто текст.

Как оформить FAQ, который будут цитировать 📋

Первое — формулируй вопросы так, как их задают люди, а не так, как удобно компании. Вместо «Условия доставки» — «Сколько времени займёт доставка в регион?». Вместо «Оплата» — «Можно ли оплатить частями?». Звучит очевидно, но большинство сайтов этого не делают.

Второе — ответ должен быть самодостаточным. Модель вырывает его из контекста страницы. Если в ответе написано «как описано выше» или «смотрите раздел X» — это мусор для ИИ. Ответ должен быть понятен без всего остального.

Третье — добавляй фактуру. Сроки, условия, числа, ограничения. «Обмен возможен в течение 14 дней с момента покупки при наличии чека и сохранённом товарном виде» — это цитируемый ответ. «Мы всегда готовы помочь с обменом» — нет.

Четвёртое — не бойся коротких ответов. Оптимальная длина — 3–6 предложений. Это достаточно, чтобы ответить полно, и достаточно коротко, чтобы модель взяла блок целиком, не обрезая.

Пятое — разметь FAQ Schema.org типом FAQPage. Это напрямую помогает краулерам нейросетей и поисковых систем понять структуру: вот вопрос, вот ответ. Без разметки вы просто текст на странице.

Что это даёт на практике

На мой взгляд, хорошо оформленный FAQ — это сейчас один из самых недооценённых инструментов GEO. При относительно небольших трудозатратах он закрывает сразу несколько задач: попадает в ответы нейросетей, захватывает голосовой поиск, улучшает сниппеты в классической выдаче.

Особенно это работает в нишах с высокой тревожностью запросов — юридические услуги, медицина, финансы, страхование. Там люди задают конкретные вопросы, ждут конкретных ответов, и нейросеть охотно берёт источники, которые эти ответы дают чётко и без воды.

Если у вас на сайте FAQ уже есть — проверьте его по пяти пунктам выше. Скорее всего, найдётся что переписать.

E-E-A-T: почему без него ИИ вас просто не заметит 🔍

Если вы занимаетесь продвижением хоть немного, аббревиатуру E-E-A-T вы точно слышали. Experience, Expertise, Authoritativeness, Trustworthiness — опыт, экспертиза, авторитетность, доверие. Google ввёл её в своих рекомендациях для асессоров, и какое-то время это была история про классический поиск. Но сейчас ситуация изменилась. Генеративные модели — Perplexity, ChatGPT с веб-поиском, YandexGPT, GigaChat — используют те же сигналы, только жёстче. У них нет пространства для сомнений: они либо цитируют вас, либо нет.

Что на самом деле означает каждая буква

Experience — живой опыт автора. Не «мы знаем тему», а «мы через это прошли». ИИ хорошо отличает текст с реальной практикой от текста, собранного из общих мест. Конкретные детали, нетипичные наблюдения, фразы вроде «в нашем случае это сработало иначе» — сигналы опыта. Без них материал выглядит как рерайт.

Expertise — подтверждённая компетентность. Не просто «я эксперт», а структура текста, точность формулировок и данные, которые нельзя взять из первой попавшейся статьи. Для ИИ экспертиза считывается через конкретность: цифры, термины на своём месте, ссылки на реальные процессы.

Authoritativeness — внешнее подтверждение. Вас упоминают другие? О вас пишут профильные издания? Ваш автор фигурирует в других контекстах как источник? Если нет — для модели вы просто анонимный текст в интернете, один из миллионов.

Trustworthiness — слой, который всё держит. Прозрачность авторства, актуальность данных, отсутствие противоречий внутри текста. Если на странице написано одно, а в других местах другое — доверие рушится. Модели это замечают.

Почему это критично именно для генеративного поиска

В классическом SEO можно было держаться на технических факторах: скорость загрузки, структура ссылок, плотность ключей. Для ИИ-цитирования это не работает. Модель не «ранжирует» страницы в привычном смысле — она выбирает источник для конкретного утверждения. И выбирает тот, которому можно доверять.

Я смотрел на десятки случаев, где технически хорошие сайты не попадали в ответы нейросетей. Почти всегда причина одна: текст написан «от компании» без живого автора, без реального опыта в тексте, без внешних упоминаний. Модель просто не могла зацепиться за источник.

И наоборот: небольшой блог с понятным автором, парой публикаций на профильных площадках и конкретными кейсами внутри статей попадал в ответы регулярно — даже при скромном трафике.

Что с этим делать на практике 🛠

Первое — добавьте человека. Буквально. Имя автора, короткое bio, ссылка на профиль. Это не просто приятная деталь, это сигнал для модели, что за текстом стоит реальный человек с историей.

Второе — пишите от опыта, а не от знания. Разница такая: «по данным исследований, метод Х эффективен» — это знание. «Мы применяли метод Х в трёх проектах, и вот что получилось» — это опыт. Второе цитируется.

Третье — добейтесь хоть одного внешнего упоминания. Комментарий в отраслевом материале, колонка на VC или Хабре, попадание в подборку — всё это авторитетность. Без неё вы существуете только на своём сайте, а это слабая позиция.

Четвёртое — следите за актуальностью. Статья трёхлетней давности без единого обновления снижает доверие. Поставьте дату последнего обновления — и действительно обновляйте.

Коротко про суть

E-E-A-T — не чек-лист для галочки. Это логика, по которой ИИ решает, кому можно доверять настолько, чтобы процитировать в ответе реальному пользователю. Чем прозрачнее ваш опыт, чем понятнее экспертиза и чем больше о вас знает внешний мир — тем выше шанс, что следующий ответ Perplexity или ChatGPT на вопрос в вашей нише будет содержать именно ваш материал.

📊 Как B2B-компания по автоматизации начала появляться в ответах ИИ и получила 27% заявок оттуда за 4 месяца

Расскажу про один из кейсов, который изменил мой взгляд на то, как GEO работает в нишах с длинным циклом сделки.

Клиент — небольшая компания, разрабатывающая ПО для автоматизации производственных процессов. Назову их условно «Нейротех». B2B, средний чек — от 800 тысяч рублей, цикл сделки — три-шесть месяцев. Команда умная, продукт рабочий, но в ИИ-поиске их не было вообще.

С чего начали

Первое, что сделал — прогнал около 60 целевых запросов через ChatGPT, Gemini и Яндекс Нейро. Запросы типа «как автоматизировать складской учёт на производстве», «сравнение систем автоматизации цеха», «что выбрать для интеграции ERP с оборудованием». Результат был ожидаемым, но всё равно неприятным: «Нейротех» не упоминался ни разу. Вместо него — крупные западные платформы и пара отечественных конкурентов с нормально выстроенной экспертной историей в контенте.

Дальше посмотрел на сайт. Типичная картина: страницы «О компании», «Услуги», «Контакты». Несколько кейсов в формате «помогли клиенту — внедрили — всё стало хорошо». Без цифр, без авторства, без ответов на вопросы, которые покупатель задаёт до того, как вообще позвонить.

Что именно делали

Стратегия строилась вокруг одной идеи: не продвигать компанию, а сделать её источником ответов на реальные вопросы аудитории.

Первый шаг — выделили пять узких тем, по которым у команды была настоящая экспертиза. Не «автоматизация производства вообще», а конкретно: интеграция MES-систем со старым оборудованием, типичные ошибки при внедрении, расчёт ROI от автоматизации склада. Под каждую тему — отдельный материал, который отвечает на один вопрос и делает это полностью.

Второй шаг — добавили авторство. Каждый материал подписан техническим директором компании: кто он, сколько проектов за плечами, в каких отраслях. Три предложения с конкретикой. ИИ считывает это как сигнал доверия.

Третий шаг — переписали кейсы. Вместо «стало лучше» — конкретика: производственный цех в машиностроении, исходная проблема с пересортицей, что именно поменяли, какой результат получили через три месяца. Реальные истории, но без названий клиентов.

Четвёртый шаг — FAQ-блоки на страницах услуг. Вопросы брали из реальных звонков и переписок: «Сколько времени занимает внедрение?», «Нужно ли останавливать производство?», «Как это интегрируется с 1С?» Живые формулировки, не придуманные маркетологом.

Результаты через 4 месяца

Через месяц после публикации первых материалов «Нейротех» начал появляться в ответах Яндекс Нейро по нескольким узким запросам. Через два — уже стабильно в ChatGPT при запросах про интеграцию MES.

К четвёртому месяцу картина такая:
— упоминаемость в трёх ключевых ИИ-системах выросла с нуля до примерно 40% по отслеживаемым запросам;
— органический трафик на блог вырос на 34%;
— 27% входящих заявок за последний месяц клиенты объясняли так: «нашли через ИИ» или «ИИ посоветовал посмотреть ваши материалы». 🎯

Цикл сделки не изменился — он и не мог за четыре месяца. Но качество заявок выросло: люди приходили с пониманием продукта и конкретными вопросами.

Что это показывает на практике

В B2B GEO работает не через объём, а через точность. Пять глубоких материалов по реальным болям аудитории дали больше, чем двадцать поверхностных SEO-статей, которые там уже лежали.

ИИ не ищет того, кто громче кричит. Он ищет того, кто даёт конкретный, проверяемый ответ. Если ваш контент — это ответ на вопрос, а не рекламный буклет, шансы на цитирование принципиально другие.

«Нейротех» не делал ничего магического. Просто начал отвечать на вопросы, которые их будущие клиенты уже задавали — только не им, а нейросети.