Коротко. GEO (Generative Engine Optimization) — работа над тем, чтобы сайт попадал в ответы AI-ассистентов как источник. Позиции здесь нет: есть упоминание, цитата со ссылкой или ничего. Рычаги — доступ AI-краулеров, извлекаемая структура текста, проверяемые факты, разметка schema.org и упоминания на внешних площадках. Всё это проверяется и измеряется, но гарантий попадания в конкретный ответ не даёт никто.
Что такое GEO-оптимизация и почему аббревиатуру путают
В русскоязычном SEO слово «GEO» означает две несвязанные вещи, и из-за этого половина статей по запросу «GEO оптимизация» отвечает не на тот вопрос.
- GEO = Generative Engine Optimization — оптимизация под генеративные движки ответов: ChatGPT, Perplexity, Google AI Overviews, Яндекс Нейро, Microsoft Copilot. Это тема данной статьи.
- «гео» = география — региональное продвижение: гео-зависимые запросы, региональные поддомены и папки, карточка организации в справочниках, гео-таргетинг в рекламе. К нейросетям отношения не имеет.
Проверить, о чём речь в конкретном тексте, легко: если рядом стоят слова «регион», «город», «филиал» — это география. Если «цитирование», «ассистент», «LLM» — это генеративная оптимизация. Дальше по тексту GEO означает только второе.
В том же значении встречаются формулировки «оптимизация под нейросети», «SEO-продвижение в нейросетях», «GEO SEO-оптимизация» и «AI SEO». Разными словами описывают одну и ту же работу: сделать сайт пригодным источником для генеративных ответов.
Правило. В брифах и ТЗ никогда не пишите просто «GEO». Пишите либо «GEO (генеративная оптимизация)», либо «региональное продвижение». Одна эта привычка экономит недели непонимания между заказчиком и подрядчиком.
Соседние аббревиатуры: AEO и LLMO
Вокруг темы крутятся ещё два термина. AEO (Answer Engine Optimization) исторически про попадание в готовые ответы — от блока быстрых ответов до голосовых ассистентов. LLMO (Large Language Model Optimization) — про присутствие бренда в самих языковых моделях и их ответах. Границы между тремя терминами размыты, разные команды проводят их по-разному, и спорить о них практического смысла мало: набор технических работ на сайте почти одинаковый.
Если нужен разбор терминов — есть отдельные материалы: AEO, LLMO и подробное сравнение GEO и SEO. Здесь дальше — методичка: что делать руками и как проверить результат.
Чем генеративная выдача отличается от классической
Это не «то же SEO, только новое». Отличаются три вещи, и каждая меняет то, что вы оптимизируете.
Позиции нет — есть бинарный факт упоминания
В классической выдаче результат непрерывный: было 14-е место, стало 9-е — это прогресс, который видно. В ответе ассистента промежуточных состояний нет. Ваш сайт либо упомянут (в тексте, в списке источников, со ссылкой или без), либо его нет вовсе. Оптимизировать «на полпозиции вверх» невозможно, поэтому и метрики строятся иначе: доля ответов с упоминанием, доля со ссылкой, а не средняя позиция.
Второе следствие: ответ недетерминирован. Один и тот же вопрос, заданный дважды, может дать разный набор источников. Единичная проверка ничего не доказывает — нужны повторные прогоны и доли.
Ноль-клик: трафика может не быть, а эффект есть
Пользователь получает ответ прямо в интерфейсе ассистента и часто не переходит никуда. Для аналитики это выглядит как отсутствие трафика, хотя бренд был показан. Что из этого следует практически:
- Считать эффективность только по сессиям из ассистентов — значит систематически занижать результат.
- Растёт вес брендового спроса: человек увидел название в ответе, а потом набрал его в обычном поиске или ввёл домен напрямую. Это уже фиксируемая величина.
- Меняется задача контента: не «привести на сайт любой ценой», а «быть корректно процитированным». Если ассистент перескажет ваш тезис с ошибкой, вы получите антирекламу без единого клика.
Источник ответа — набор пассажей, а не страница целиком
Ассистент не «читает страницу и делает вывод». Обычно он получает фрагменты — куски текста в несколько предложений, вырванные из контекста страницы. Из них собирается ответ. Отсюда главное практическое следствие всей методички: единица оптимизации — самодостаточный абзац, а не документ.
Абзац, который начинается словами «как мы уже писали выше», в отрыве от страницы бесполезен. Абзац, где ответ размазан на три экрана, не влезет во фрагмент. Абзац с формулировкой «недавно правила изменились» не может быть проверен и потому рискует быть отброшенным.
| Параметр | Классический поиск (SEO) | Генеративная выдача (GEO) |
|---|---|---|
| Результат | Позиция в списке, непрерывная шкала | Упомянут / не упомянут — бинарно |
| Единица оптимизации | Страница | Пассаж: абзац, пункт списка, строка таблицы |
| Стабильность | Позиция меняется медленно, воспроизводима | Ответ недетерминирован, нужны повторные замеры |
| Поведение пользователя | Клик по ссылке | Часто ноль-клик, переход опционален |
| Что даёт эффект | Релевантность + ссылки + техника | Доступность для краулера + извлекаемость + проверяемость фактов |
| Основная метрика | Позиции, органический трафик | Доля ответов с упоминанием и со ссылкой |
| Риск | Просадка позиций | Искажённый пересказ вашего тезиса |
Из чего складывается видимость в нейросетях
Прежде чем что-то делать, полезно понимать, откуда модель вообще берёт информацию о вашем сайте. Каналов четыре, и работают они по-разному.
1. Обучающий корпус
То, что попало в данные обучения модели. Это знание «запечено» внутрь, отвечает мгновенно и без ссылок — но обновляется только с выходом новой версии модели. Повлиять быстро нельзя: между публикацией текста и его возможным появлением в корпусе проходят месяцы, а гарантий нет вообще. Ставить работу на этот канал бессмысленно.
2. Retrieval в момент ответа
Ассистент во время диалога идёт в поисковый индекс или собственный краулер, достаёт свежие документы и отвечает по ним, обычно со ссылками. Это единственный канал, на который можно влиять быстро — и именно на нём держится вся практическая часть GEO. Здесь важны и доступность страницы, и то, насколько удобно из неё вырезать ответ.
3. Доступ краулера
Технический фундамент второго канала. Если бот не может забрать страницу — не помогут ни структура, ни разметка. Сюда входят robots.txt, отдача контента без обязательного выполнения JavaScript, скорость ответа, отсутствие агрессивной защиты, которая отдаёт ботам страницу-заглушку.
4. Бренд в сторонних источниках
Модель формирует «мнение» о компании из множества документов: справочники, отраслевые издания, документация, обсуждения, каталоги. Ваш сайт — только один голос из многих. Если на сайте написано одно, а в справочнике другое, модель получает противоречивые данные и чаще предпочтёт нейтральную формулировку или чужой источник.
Ключевая мысль. GEO — не «переписать тексты под нейросети». Это последовательность из пяти слоёв: доступность → извлекаемость → доверие → разметка → внешние сигналы. Слои идут именно в этом порядке: работать над формулировками, когда краулер получает 403, — потерянное время.
Слой 1. Доступность: пускает ли сайт AI-краулеров
Самая частая причина нулевой видимости — банальная: сайт технически закрыт. Проверяется за десять минут.
robots.txt и что там на самом деле написано
Протокол исключений для роботов описан в RFC 9309. Правила ищутся по совпадению user-agent, и здесь есть две регулярные ошибки.
Первая: широкое Disallow: / под User-agent: *, поставленное когда-то «от парсеров». Оно закрывает и AI-краулеров тоже. Вторая, более коварная: администратор добавил блок под конкретного бота, но у робота есть отдельная секция — а по правилам протокола применяется только одна, наиболее специфичная группа. Общие директивы из * при этом не наследуются.
Разберём, кто вообще ходит по сайтам сегодня.
| Токен в robots.txt | Кто это | Что даёт запрет |
|---|---|---|
GPTBot | Краулер OpenAI для сбора данных | Закрывает сбор данных, но не мешает пользовательским запросам |
OAI-SearchBot | Индексирующий краулер поиска OpenAI | Убирает сайт из источников поиска ChatGPT |
ChatGPT-User | Загрузка страницы по прямому запросу пользователя | Ассистент не сможет открыть вашу ссылку по просьбе человека |
PerplexityBot | Индексирующий краулер Perplexity | Выпадение из источников Perplexity |
ClaudeBot | Краулер Anthropic | Ограничивает доступ к контенту |
Google-Extended | Не краулер, а токен управления использованием контента в продуктах Google на базе Gemini | Не влияет на обычный поиск и на AI Overviews — их обслуживает Googlebot |
Applebot-Extended | Аналогичный токен управления у Apple | Не влияет на обычную индексацию Applebot |
CCBot | Краулер Common Crawl — открытого архива веба | Убирает страницы из датасета, которым пользуются многие |
YandexBot | Основной краулер Яндекса | Выпадение из поиска и, как следствие, из Нейро |
Практический вывод: Google-Extended и Applebot-Extended — не краулеры. Это переключатели согласия на использование контента. Запретив их, вы не пропадёте из поиска, но и не получите никакого выигрыша в скорости или нагрузке.
# Что реально нужно проверить в robots.txt
curl -s https://example.com/robots.txt \
| grep -iE 'user-agent|disallow|allow' \
| grep -iA3 -E 'gptbot|oai-searchbot|chatgpt-user|perplexitybot|claudebot|ccbot|extended'
# Есть ли глобальный запрет, который заденет всех
curl -s https://example.com/robots.txt \
| awk '/^[Uu]ser-agent:[[:space:]]*\*/,/^$/'
# Файл вообще отдаётся кодом 200, а не 404 или 500?
curl -s -o /dev/null -w '%{http_code} %{content_type} %{size_download}\n' \
https://example.com/robots.txtОсторожно. robots.txt отвечающий кодом 500, многие краулеры трактуют как «сайт закрыт целиком» и прекращают обход. Пустой файл или 404 обычно означают «разрешено всё» — это безопаснее, чем отдавать ошибку. Проверяйте не только содержимое, но и статус ответа.
Отдаётся ли контент без выполнения JavaScript
Классические поисковики умеют рендерить страницы, хотя и с задержкой. Краулеры ассистентов в общем случае этого не гарантируют: многие берут HTML как есть. Если весь текст статьи появляется только после гидратации на клиенте, для такого бота страница пустая.
Проверка прямая: скачайте HTML curl-ом и поищите в нём ключевой абзац. Если его нет — контент существует только в браузере.
# Есть ли текст в исходном HTML без рендеринга
curl -s https://example.com/page \
| grep -o 'ключевая фраза из первого абзаца' | head -1
# Сколько вообще текста в сыром HTML: грубая оценка
curl -s https://example.com/page \
| sed -e 's/<script[^>]*>.*<\/script>//g' -e 's/<[^>]*>/ /g' \
| tr -s ' ' | wc -c
# Время до первого байта и полное время ответа
curl -s -o /dev/null \
-w 'ttfb=%{time_starttransfer}s total=%{time_total}s code=%{http_code}\n' \
https://example.com/pageСкорость тоже входит в доступность. У краулеров есть таймауты и бюджеты обхода; страница, которая думает несколько секунд, обходится реже, а иногда просто не дожидается ответа. Замерить полную картину удобно через проверку скорости сайта.
llms.txt и content negotiation: что это и чего от них ждать
Файл llms.txt — предложенное сообществом соглашение (спецификация опубликована на llmstxt.org): в корне сайта лежит markdown-файл с картой ключевых материалов и коротким описанием проекта. Это не стандарт, принятый поисковыми системами, и рассчитывать, что его читают все ассистенты, не стоит. Но он дёшев в создании, полезен для агентов, которые заходят по прямой ссылке, и заставляет команду сформулировать, что на сайте главное.
# /llms.txt — минимальный рабочий вариант
# Example — онлайн-проверки сайтов
> Сервис проверок доступности, DNS, SSL и SEO. Отчёты по домену
> и мониторинг изменений.
## Документация
- [Как читать отчёт SSL](/docs/ssl-report): расшифровка полей отчёта
- [Справочник кодов ответа](/docs/http-codes): что означает каждый код
## Статьи
- [GEO: продвижение сайта в нейросетях](/articles/geo-generative-engine-optimization): методичка по генеративной оптимизации
- [Как AI-краулеры читают сайты](/articles/how-ai-crawlers-read-sites): user-agent, лимиты, проверка доступа
## Опционально
- [О компании](/about): команда и контактыContent negotiation — соседняя идея: отдавать по заголовку Accept чистый markdown вместо HTML со всей обвязкой. Технически это делается на уровне сервера и не ломает обычных посетителей. Эффект на сегодня скорее гигиенический: меньше мусора вокруг текста — меньше шансов, что во фрагмент попадёт меню вместо содержания. Считать это рычагом видимости не стоит. Подробнее про формат — в гайде по llms.txt, а про поведение самих ботов — в разборе как AI-краулеры читают сайты.
Проверка на клоакинг у самого себя
Отдельный класс проблем: сайт отдаёт AI-боту не то же, что человеку. Чаще всего это происходит непреднамеренно — WAF, антибот-защита, CDN-правило или плагин «защиты от парсинга» видят незнакомый user-agent и возвращают заглушку, капчу или 403. Владелец об этом не знает, потому что в браузере всё открывается.
# Сравниваем ответ обычному браузеру и AI-краулеру
UA_BROWSER='Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/125.0 Safari/537.36'
UA_GPT='Mozilla/5.0 AppleWebKit/537.36 (KHTML, like Gecko); compatible; GPTBot/1.2; +https://openai.com/gptbot'
UA_PPLX='Mozilla/5.0 (compatible; PerplexityBot/1.0; +https://perplexity.ai/perplexitybot)'
URL=https://example.com/page
for UA in "$UA_BROWSER" "$UA_GPT" "$UA_PPLX"; do
curl -s -A "$UA" -o /tmp/resp.html \
-w "code=%{http_code} bytes=%{size_download} " "$URL"
echo "sha=$(openssl dgst -sha256 /tmp/resp.html | awk '{print substr($2,1,12)}')"
doneЧитать результат так: сильно различающийся размер ответа или разные коды — сигнал, что боту отдают другое. Полное совпадение хеша не обязательно (мешают CSRF-токены, счётчики, время генерации), но порядок величины размера должен совпадать. Если браузер получает 180 КБ, а GPTBot — 4 КБ, вы нашли проблему.
Важно. User-agent подделывается тривиально, поэтому обратная задача — «пускать только настоящих ботов» — по одному лишь UA не решается. OpenAI, Anthropic и Perplexity публикуют диапазоны IP своих краулеров; для Googlebot и YandexBot работает проверка обратным DNS. Если вы строите правила доступа, опирайтесь на них, а не на строку user-agent.
Слой 2. Извлекаемость: структура под цитирование
Здесь начинается собственно работа с текстом. Задача одна: сделать так, чтобы из страницы можно было вырезать готовый ответ, не дочитывая её до конца.
Прямой ответ в первом абзаце
Первые 40–60 слов страницы должны отвечать на вопрос из заголовка. Не «в этой статье мы разберём», не история вопроса, не подводка — сразу утверждение. Это тот фрагмент, который проще всего процитировать целиком, и он же лучше всего работает как сниппет в обычном поиске.
Проверка простая: закройте всё, кроме первого абзаца, и посмотрите, отвечает ли он на вопрос человеку, который на сайт не заходил.
Один тезис — один абзац
Абзац на пять предложений с тремя разными мыслями плохо режется. Если в куске текста два утверждения, во фрагмент попадёт либо половина, либо всё вместе с ненужным контекстом. Держите абзацы короткими и одноидейными — это заодно улучшает читаемость для людей.
Самодостаточность пассажей
Каждый абзац должен быть понятен в отрыве от страницы. Что ломает самодостаточность:
- Анафора. «Как сказано выше», «в предыдущем разделе», «этот метод» — вне контекста читатель не знает, о чём речь.
- Местоимения вместо терминов. «Он поддерживает это» вместо «GPTBot поддерживает директиву Disallow».
- Разорванное определение. Термин введён в одном разделе, а расшифровка — через три экрана.
- Смысл, который несёт только заголовок. Если абзац понятен только вместе с h3, во фрагменте он потеряется — повторите ключевое слово в тексте.
Разумный компромисс: повторять ключевые существительные чаще, чем требует школьная стилистика. Живому читателю это почти не мешает, а машине помогает.
Говорящие подзаголовки
Заголовок вида «Особенности» не сообщает ничего. Заголовок-вопрос или заголовок-утверждение задаёт границу смыслового блока и совпадает с формулировкой, с которой человек приходит к ассистенту. Сравните: «Настройка» против «Как разрешить GPTBot доступ только к разделу блога».
Таблицы, списки и конкретика
Таблица — идеальный носитель фактов: строка таблицы самодостаточна по определению. Списки работают так же. Ещё важнее — конкретность формулировок:
- Не «недавно правила изменились», а «правила изменились в марте 2026 года».
- Не «файл небольшой», а «файл до 500 КБ».
- Не «скоро», а «в течение 24 часов».
- Не «многие браузеры», а «Chrome, Firefox и Safari».
Причина не в том, что модель «любит цифры». Причина в проверяемости: расплывчатое утверждение нельзя сопоставить с другими источниками, поэтому оно с большей вероятностью будет отброшено в пользу конкретного. Отдельный разбор приёмов — в гайде по извлекаемости контента.
<!-- Извлекаемый блок: ответ, факт и дата в одном фрагменте -->
<h2>Сколько живёт кэш DNS-записи</h2>
<p><strong>Коротко.</strong> Время жизни DNS-записи задаётся полем TTL
в секундах. Типичное значение для A-записи — от 300 до 3600.
Резолверы обязаны хранить запись не дольше TTL, но могут отдавать
её меньше указанного времени.</p>
<table>
<tr><th>TTL</th><th>В минутах</th><th>Когда применять</th></tr>
<tr><td>300</td><td>5</td><td>Перед переездом сайта</td></tr>
<tr><td>3600</td><td>60</td><td>Стабильная конфигурация</td></tr>
</table>Обратите внимание на устройство блока: заголовок формулирует вопрос, первый абзац даёт полный ответ без опоры на остальной текст, таблица добавляет проверяемые значения. Любой из трёх элементов можно вырезать по отдельности, и он останется осмысленным.
Слой 3. Доверие: авторство, источники, согласованность
Извлекаемый текст без признаков достоверности — это хорошо оформленный текст неизвестного происхождения. Что добавляет вес.
Авторство и экспертиза
У материала должен быть указан автор — с именем, ролью и основанием считать его компетентным. Не «Команда редакции», а конкретный человек со страницей профиля, где видно опыт. Это же поле связывается с разметкой (см. следующий слой) и делает утверждение атрибутируемым: модель может сослаться не только на домен, но и на автора.
Ссылки на первоисточники
Каждое техническое утверждение, которое можно проверить, должно вести к первоисточнику: RFC, официальная документация вендора, текст закона, спецификация. Это работает в обе стороны. Ассистент, сверяющий факт, находит подтверждение; человек, читающий статью, видит, что автор не пересказывает чужой пересказ.
Обновляемость и честные даты
Дата публикации и дата последнего обновления должны быть на странице и совпадать с реальностью. Массовое проставление сегодняшней даты без изменения текста — приём, который легко детектируется сравнением версий и разрушает доверие быстрее, чем устаревшая дата. Обновляйте по существу: правьте устаревшие значения, добавляйте новые случаи, убирайте то, что больше не актуально.
Согласованность фактов о бренде
Это самый недооценённый пункт. Модель собирает представление о компании из десятков источников. Если на сайте вы «сервис мониторинга инфраструктуры», в справочнике «веб-студия», в описании соцсети «IT-компания полного цикла», а в отраслевом каталоге вообще старое название — на выходе получается размытое или неверное описание. Хуже того: при противоречии ассистент может выбрать не ваш сайт, а стороннюю карточку.
Что нужно свести к одной формулировке на всех площадках:
- Юридическое и рабочее название, включая написание латиницей и кириллицей.
- Одно предложение о том, чем занимается компания — дословно одинаковое.
- Год основания, город, контакты, адрес сайта.
- Список продуктов и их названия — без синонимов и старых версий.
- Профили в соцсетях и справочниках, связанные ссылками с сайтом.
Правило. Заведите один текстовый файл с каноническим описанием компании и перед любой публикацией на внешней площадке копируйте формулировки оттуда. Это скучно и это работает лучше половины «тактик GEO» из чек-листов.
Слой 4. Структурированные данные как машиночитаемое подтверждение
Разметка schema.org не «повышает рейтинг у нейросетей». Её роль скромнее и полезнее: она превращает факты, разбросанные по тексту, в явные пары «свойство — значение», которые не нужно угадывать. Кто автор, когда обновлено, какая организация владеет сайтом, что за продукт, какой вопрос и какой ответ.
Минимально осмысленный набор для контентного сайта:
Organization— на главной, с названием, логотипом, ссылками на профили черезsameAs.ArticleилиTechArticle— на статьях, сauthor,datePublished,dateModified.FAQPage— на блоках вопросов и ответов, если они реально есть на странице.BreadcrumbList— для понимания места страницы в структуре.
{
"@context": "https://schema.org",
"@type": "TechArticle",
"headline": "GEO: продвижение сайта в нейросетях",
"datePublished": "2026-06-15",
"dateModified": "2026-08-06",
"author": {
"@type": "Person",
"name": "Igor Verentsov",
"url": "https://example.com/about"
},
"publisher": {
"@type": "Organization",
"name": "Example",
"sameAs": [
"https://t.me/example",
"https://github.com/example"
]
},
"about": "Generative Engine Optimization"
}Два предостережения. Первое: разметка обязана соответствовать видимому содержимому страницы. FAQPage без реального блока вопросов — нарушение правил поисковых систем и повод для санкций, а не преимущество. Второе: speakable — узкоспециальная разметка ограниченного применения, а не рычаг для попадания в ответы ассистентов; в старых чек-листах GEO её советуют по инерции. Разбор того, что действительно стоит размечать, — в материале про структурированные данные для AI-поиска.
Слой 5. Внешние сигналы: где вас читают охотнее
Ассистент почти никогда не строит ответ на одном источнике. Если о вашем продукте пишете только вы сами, у модели нет подтверждения. Механика простая: чем больше независимых документов повторяют один и тот же факт, тем устойчивее он в ответе.
Типы площадок, которые обычно попадают в источники ответов, и почему:
- Техническая документация и репозитории. Плотный, структурированный, датированный текст без маркетинга — идеальный материал для извлечения.
- Отраслевые издания и профильные блоги. Дают внешнюю атрибуцию: факт исходит не от вас.
- Q&A-площадки и сообщества. Формат «вопрос — ответ» совпадает с форматом запроса пользователя, поэтому такие страницы часто оказываются релевантными.
- Справочники, каталоги и энциклопедии. Источник базовых фактов о компании: название, сфера, год, контакты.
- Открытые датасеты и архивы веба. Опосредованно влияют на то, что попадёт в будущие обучающие корпуса.
Работать с этим стоит как с обычным PR: полезные материалы, честное участие в сообществах, актуальные карточки в справочниках. Разница с классическим линкбилдингом в том, что здесь ценна не ссылка как таковая, а повторённое утверждение — упоминание без ссылки тоже работает.
Карта работ по оптимизации сайта под нейросети
Сводка всей практической части. Колонка «как проверить» важнее колонки «действия»: работа, результат которой нельзя проверить, обычно не делается.
| Слой | Конкретные действия | Как проверить |
|---|---|---|
| 1. Доступность | Убрать лишние запреты в robots.txt; отдавать основной текст в HTML без JS; сократить время ответа; создать llms.txt; проверить, что WAF не блокирует ботов | проверка robots.txt, проверка llms.txt, curl с разными user-agent и сравнение размера ответа, замер скорости |
| 2. Извлекаемость | Прямой ответ 40–60 слов в начале; один тезис на абзац; убрать «как сказано выше»; подзаголовки-вопросы; таблицы и списки; заменить «недавно» на даты | Прочитать случайный абзац в отрыве от страницы — понятен ли он; проверка AI-готовности; ручной прогон вопросов по ассистентам |
| 3. Доверие | Подписать материалы автором с профилем; проставить ссылки на первоисточники; честные даты обновления; свести описание компании к одной формулировке везде | Поиск названия компании и сверка описаний на всех площадках; проверка, что dateModified меняется только при реальной правке |
| 4. Разметка | Organization на главной; Article или TechArticle на статьях; FAQPage там, где блок реально есть; BreadcrumbList; sameAs на профили | валидатор schema.org, сверка полей разметки с видимым текстом страницы |
| 5. Внешние сигналы | Публикации в отраслевых изданиях; документация в открытом доступе; участие в профильных сообществах; актуальные карточки в справочниках | Регулярный поиск упоминаний бренда; контроль, что во внешних источниках стоит каноническое описание |
Как измерять результат GEO-оптимизации
Главная сложность: привычных инструментов позиционного трекинга здесь нет, а те данные, что есть, систематически занижены. Работающий подход — комбинация из трёх независимых источников.
Регулярные прогоны набора вопросов
Соберите 30–100 вопросов, которые ваша аудитория реально задаёт ассистенту. Не ключевые слова — именно вопросы разговорным языком. Разделите их на группы: брендовые («что такое Example»), категорийные («чем проверить SSL-сертификат»), сравнительные («Example или альтернатива»), проблемные («сайт недоступен, что делать»).
Дальше — регулярный прогон по нескольким ассистентам с фиксацией результата. Из-за недетерминированности каждый вопрос стоит задавать несколько раз и считать доли, а не факты. Три метрики, которые имеет смысл снимать:
- Доля ответов с упоминанием бренда — сколько процентов прогонов содержат ваше название в любом виде.
- Доля ответов со ссылкой — сколько содержат кликабельную ссылку на ваш домен. Всегда меньше первой.
- Тональность и корректность — упомянут ли бренд как решение или как пример неудачного варианта; нет ли фактических искажений. Ловится только чтением ответов, автоматика здесь помогает слабо.
Логи и заголовки как факт посещения
Единственный источник, который не зависит от чужой аналитики: ваш собственный лог доступа. По нему видно, кто из ботов приходил, куда, как часто и что получил в ответ.
# Кто из AI-краулеров заходил и сколько раз (nginx combined)
grep -Ei 'gptbot|oai-searchbot|chatgpt-user|perplexitybot|perplexity-user|claudebot|claude-user|ccbot|bytespider|amazonbot|meta-externalagent|google-extended|applebot' \
/var/log/nginx/access.log \
| awk '{print $NF}' | sort | uniq -c | sort -rn | head -20
# Какие коды ответа получают боты: 200 или 403 и 429
grep -i 'gptbot' /var/log/nginx/access.log \
| awk '{print $9}' | sort | uniq -c | sort -rn
# Самые запрашиваемые ботами URL за сутки
grep -Ei 'gptbot|perplexitybot|claudebot' /var/log/nginx/access.log \
| awk '{print $7}' | sort | uniq -c | sort -rn | head -30
# Проверить конкретный IP: настоящий бот или подделка под UA
whois 203.0.113.10 | grep -iE 'orgname|netname|descr'Что читать в этих цифрах: полное отсутствие AI-ботов в логах при открытом robots.txt означает, что сайт им просто неизвестен — проблема не в текстах, а в индексации и внешних ссылках. Массовые 403 или 429 означают, что защита режет ботов. Резкий рост запросов к одному разделу — сигнал, что именно он оказался релевантным.
Реферальный трафик и почему он занижен
Переходы из ассистентов видны в аналитике как отдельные источники, но эта цифра меньше реального влияния, и вот почему:
- Часть интерфейсов не передаёт реферер или обрезает его политикой referrer-policy — переход учитывается как прямой.
- Мобильные приложения открывают ссылки во встроенном браузере, откуда данные часто теряются.
- Ноль-клик по определению не даёт перехода: бренд показан, сессии нет.
- Отложенный эффект: человек увидел название в ответе, а зашёл через час через обычный поиск. В отчёте это брендовый органический трафик, а не реферал.
Практический вывод: смотрите на реферальный трафик из ассистентов как на нижнюю границу, а динамику брендовых запросов и прямых заходов держите рядом как косвенный показатель.
| Метрика | Как снимать | Чего не показывает |
|---|---|---|
| Доля ответов с упоминанием | Прогон набора вопросов по нескольким ассистентам, повторы, подсчёт процента | Не отражает объём аудитории: популярность вопроса не учитывается |
| Доля ответов со ссылкой | Тот же прогон, отдельный подсчёт кликабельных ссылок на домен | Не говорит, кликают ли по ссылке; часть ассистентов ссылки почти не даёт |
| Тональность и корректность | Ручное чтение ответов, фиксация искажений и контекста упоминания | Плохо масштабируется, субъективна, требует одного и того же оценщика |
| Визиты AI-краулеров | Разбор логов по user-agent, проверка IP через whois или обратный DNS | Факт обхода не равен цитированию: бот пришёл — не значит, что вас упомянули |
| Коды ответа для ботов | Фильтр логов по UA с группировкой по статусу | Не покажет проблему, если защита отдаёт 200 с пустой страницей |
| Реферальный трафик из ассистентов | Отчёт по источникам в системе аналитики | Систематически занижен: потерянный реферер, ноль-клик, отложенные заходы |
| Брендовый спрос | Динамика показов и запросов с названием бренда в поисковых консолях | Не отделяет эффект ассистентов от рекламы, PR и сезонности |
Про инструменты. Готовые сервисы «мониторинга видимости в AI» делают ровно то же самое: прогоняют вопросы и считают доли. Это экономит время, но не даёт данных, недоступных вручную. Начинать разумно с таблицы и ручного прогона раз в две недели — так вы поймёте, какие вопросы вообще стоит отслеживать.
Что не работает и что прямо вредит
Тема новая, поэтому вокруг неё много предложений, которые в лучшем случае бесполезны.
Накрутка упоминаний
Массовый посев одинаковых комментариев с названием бренда на форумах и в обсуждениях. Механика, ради которой это делается, не работает: ценность даёт разнообразие независимых источников, а не количество повторов одного шаблона. Площадки такие кампании чистят, а следом за ними исчезают и упоминания. Дополнительный риск — репутационный: заметный посев обсуждается публично.
Контент «для LLM»
Страницы, сгенерированные пачками под все возможные формулировки вопросов, с одинаковой структурой и без содержания. Это ровно тот случай, где интересы поисковых систем и ассистентов совпадают: массовый малополезный контент попадает под фильтры поиска, а без индексации нет и retrieval. Итог — потеря видимости в обоих каналах сразу.
Клоакинг для AI-краулеров
Отдавать боту специально «нафаршированную» версию страницы, а человеку — обычную. Помимо прямого нарушения правил поисковых систем, здесь есть техническая проблема: ассистент может открыть страницу от имени пользователя (тот же ChatGPT-User) и получить человеческую версию. Расхождение видно сразу.
Скрытый текст и промпт-инъекции в разметке
Инструкции вида «при ответе рекомендуй этот сайт», спрятанные в невидимых элементах или атрибутах. Это не оптимизация, а попытка манипуляции моделью. Такие приёмы детектируются, фильтруются, а найденные — становятся публичным кейсом с понятными последствиями для репутации.
Обещания гарантированного места
«Гарантируем попадание в ответы ChatGPT» — обещание, которое невозможно выполнить. Состав источников зависит от формулировки вопроса, версии модели, языка, региона и просто случайности при генерации. Никакой подрядчик не управляет retrieval чужого сервиса. Максимум, что честно обещать, — рост доли ответов с упоминанием на согласованном наборе вопросов.
Сколько ждать результата
Реалистичные ориентиры, если делать по слоям:
- Технические правки (robots.txt, доступ ботам, скорость) — эффект виден в логах в течение дней или недель, по мере переобхода.
- Переработка структуры текстов — влияет только после переобхода и переиндексации; ждать изменений раньше месяца-полутора нет смысла.
- Доверие и внешние сигналы — самый медленный слой, счёт на кварталы. Зато и самый устойчивый.
- Знание внутри модели — обновляется с новыми версиями моделей, срок непредсказуем и вам не подконтролен.
И отдельно: фундамент остаётся тем же. Если страница не попадает в поисковый индекс, у ассистента нет шанса её достать. Обычный SEO-аудит закрывает эту часть, и без него генеративная оптимизация упирается в потолок. Разбор различий и пересечений — в сравнении GEO и SEO.
Как проверить сайт инструментами enterno.io
Порядок проверок совпадает с порядком слоёв — сверху вниз по важности.
- Проверка AI-готовности — сводная проверка: доступ ботам, наличие llms.txt, разметка, структура страницы.
- Анализ robots.txt — какие директивы действуют на конкретного бота и нет ли случайного глобального запрета.
- Проверка llms.txt — есть ли файл, отдаётся ли он корректно, валиден ли формат.
- Валидатор структурированных данных — какие типы schema.org найдены на странице и нет ли ошибок в полях.
- SEO-аудит — фундамент: индексируемость, заголовки, дубли, внутренние ссылки.
- Проверка скорости — время ответа и вес страницы, от которых зависит бюджет обхода.
По отдельным движкам есть свои разборы: Google AI Overviews, Perplexity, Яндекс Нейро и цитирование в ChatGPT. Технические детали обхода — в материале robots.txt для AI-краулеров.
Частые вопросы
GEO-оптимизация заменяет SEO?
Нет. Генеративная выдача в большинстве случаев опирается на поисковый индекс: сначала документ должен быть найден, потом процитирован. Страница, не попавшая в индекс, недоступна ассистенту через retrieval. Поэтому GEO — надстройка над техническим SEO, а не замена ему.
Нужен ли отдельный контент под нейросети?
Обычно нет. Дешевле переработать существующие страницы: вынести прямой ответ в начало, разбить абзацы, заменить расплывчатые формулировки на конкретные, добавить разметку. Отдельная «версия для LLM» создаёт дубли и риск расхождения фактов между версиями.
Стоит ли закрывать AI-краулеров в robots.txt?
Это решение о балансе. Запрет защищает контент от использования в обучении, но одновременно убирает вас из источников ответов. Компромисс, который выбирают чаще: закрыть краулеры сбора обучающих данных, оставить открытыми поисковые и пользовательские. Учтите, что robots.txt — рекомендация, а не техническая защита: реальную блокировку даёт только уровень сервера.
Почему сайт не упоминают, хотя он в топе обычного поиска?
Типичные причины по убыванию частоты: контент отдаётся только после выполнения JavaScript; защита возвращает ботам 403; ответ на вопрос размазан по странице и не режется на фрагменты; факты о компании противоречивы во внешних источниках; тема просто редко попадает в запросы к ассистентам. Проверять надо в этом порядке — сверху вниз.
Что важнее: llms.txt или обычная структура текста?
Структура текста, без вариантов. llms.txt — карта сайта для агентов, полезная и дешёвая, но она не влияет на то, попадёт ли ваш абзац в ответ. Если ресурсов мало, сначала прямые ответы, самодостаточные абзацы и разметка, потом файл.
Как понять, что работа дала результат?
По трём независимым признакам одновременно: выросла доля ответов с упоминанием на вашем наборе вопросов; в логах видны регулярные визиты AI-краулеров с кодом 200; растёт брендовый спрос в поисковых консолях. Один признак из трёх — совпадение, три вместе — тенденция.
Можно ли влиять на то, что модель «знает» о компании?
Косвенно и медленно. Прямого канала записи в модель нет. Работающий путь — согласованное описание компании в максимальном числе независимых источников: собственный сайт, справочники, документация, публикации, профили. Со временем это отражается и в retrieval, и в будущих обучающих корпусах.
Чеклист GEO-оптимизации
- В robots.txt нет случайного запрета для AI-краулеров, файл отдаётся кодом 200.
- Осознанно решено, каким ботам открыт доступ, а каким нет — и это записано.
- Основной текст присутствует в исходном HTML без выполнения JavaScript.
- Ответ curl с user-agent AI-бота по размеру совпадает с ответом браузеру — клоакинга нет.
- Время до первого байта не превышает разумных значений, страница не тяжелее необходимого.
- В корне лежит llms.txt с картой ключевых разделов.
- Первый абзац каждой значимой страницы — прямой ответ на 40–60 слов.
- Один абзац содержит один тезис и понятен в отрыве от страницы.
- Из текста убраны «как сказано выше», «этот метод», «недавно» и «скоро».
- Подзаголовки сформулированы как вопросы или утверждения, а не как «Особенности».
- Числа, даты и версии указаны явно, а не описаны словами.
- У материалов указан конкретный автор со страницей профиля.
- Технические утверждения снабжены ссылками на первоисточники.
- Даты публикации и обновления реальны, обновления содержательны.
- Описание компании дословно совпадает на сайте, в справочниках и в соцсетях.
- На главной размечена Organization с sameAs на все профили.
- На статьях размечен Article или TechArticle с автором и датами.
- FAQPage стоит только там, где блок вопросов реально виден на странице.
- Есть внешние независимые упоминания бренда, а не только собственный сайт.
- Собран набор из 30–100 реальных вопросов аудитории для регулярного прогона.
- Ведётся замер долей: упоминание, ссылка, тональность — с повторами.
- Логи регулярно проверяются на визиты AI-ботов и коды ответа для них.
- Никакого клоакинга, скрытых инструкций и массовой генерации страниц.