Ещё три года назад вопрос «как попасть в топ-10 Google» был почти единственным, который волновал владельцев сайтов. Сейчас всё больше людей вообще не открывают поисковую выдачу — они просто спрашивают у ChatGPT, Perplexity или Gemini, и получают готовый ответ с двумя-тремя ссылками на источники внизу.
По разным оценкам, ИИ-системы уже обрабатывают заметную (двузначную) долю всех информационных запросов в англоязычном сегменте, и эта доля быстро растёт. Классический поиск при этом никуда не девается, но всё большая часть «внимания» пользователя достаётся не десяти синим ссылкам, а одному синтезированному ответу.
Отсюда и родился термин GEO — Generative Engine Optimization, «оптимизация под генеративные системы». Его ввели исследователи Принстонского университета в статье 2023–2024 годов, где они экспериментально показали: определённые приёмы работы с текстом — точные цитаты, статистика, ссылки на экспертов — реально повышают шанс, что фрагмент текста попадёт в финальный сгенерированный ответ, причём прирост видимости измерялся в десятках процентов.
Важно сразу отделить GEO от SEO не как замену, а как надстройку. Классическое SEO продолжает работать — сайты, которые хорошо ранжируются органически, чаще становятся и источниками для ИИ-ответов, потому что многие системы физически берут данные из того же поискового индекса. Но у GEO есть своя специфика, и именно о ней дальше пойдёт речь.
Чем логика ИИ-поиска отличается от логики Google
Разница не столько в целях (и там, и там — дать пользователю релевантный ответ), сколько в механике.
Классический поиск ранжирует документы целиком: у страницы есть позиция в выдаче, и пользователь сам решает, куда кликнуть.
Генеративный поиск работает иначе:
- Запрос пользователя разбивается на несколько подзапросов («query fan-out»). Спросили «какой VPN лучше для просмотра Netflix в Европе» — система внутри может отдельно искать «лучшие VPN 2026», «VPN и Netflix», «серверы VPN в Европе», а затем объединять результаты.
- Из найденных страниц вырезаются не документы целиком, а конкретные фрагменты (чанки) — предложения, абзацы, таблицы. Это называется извлечением (retrieval) в рамках архитектуры RAG (retrieval-augmented generation).
- Из этих фрагментов, а также из знаний, заложенных при обучении модели, собирается связный текстовый ответ, где отдельные факты сопровождаются ссылками на источники.
Отсюда следует главный практический вывод: единица оптимизации в GEO — не страница, а фрагмент. Абзац, отвечающий на конкретный вопрос одной чёткой мыслью с цифрой или фактом внутри, имеет куда больше шансов быть «вырезанным» моделью, чем размытое рассуждение на пять абзацев без ясного вывода.
Стоит также понимать, что разные системы устроены по-разному:
- ChatGPT в режиме поиска в значительной степени опирается на индекс Bing — то есть если страницы плохо индексируется в Bing, у неё резко падают шансы попасть в ответы ChatGPT, даже если с Google-индексацией всё отлично. Помимо реального времени, ChatGPT также опирается на знания, «впитанные» во время обучения — отсюда важность присутствия бренда в источниках, которые массово используются для обучения (энциклопедии, крупные СМИ, документация).
- Perplexity — «цитатоцентричный» движок: он в основном работает в режиме реального времени, активно ссылается на источники и быстрее реагирует на новый контент — счёт может идти на недели, а не на месяцы.
- Google AI Overviews / AI Mode встроены прямо в поисковую инфраструку Google и наследуют классические сигналы ранжирования плюс структурированные данные.
- Gemini и Claude сочетают собственные знания модели с возможностью обращаться к вебу через инструменты поиска, и в целом придерживаются той же логики «фрагмент + источник».
E-E-A-T как фундамент GEO — и почему для ИИ он даже важнее, чем для классического поиска
Google ввёл концепцию E-E-A-T (Experience, Expertise, Authoritativeness, Trustworthiness) для оценщиков качества поиска ещё до бума генеративного ИИ. Любопытно, что генеративные системы усилили значение этой рамки, а не ослабили её — просто потому, что модель, отвечая от своего имени, физически рискует репутацией, если процитирует недостоверный источник. Поэтому и ChatGPT, и Perplexity, и Google AI Overview статистически куда охотнее берут информацию с сайтов, у которых E-E-A-T-сигналы выражены явно и «машиночитаемо». Разберём каждую букву применительно именно к ИИ-оптимизации.
Experience (реальный опыт)
Модели не могут «пощупать» продукт, но они очень хорошо различают текст, написанный человеком с реальным опытом использования, и обобщённый рерайт. На практике это означает:
- Конкретные цифры вместо общих фраз. Не «этот инструмент отлично ускоряет работу», а «в наших тестах в марте 2026 года время обработки сократилось с 40 до 12 минут в сценарии X».
- Личные наблюдения, кейсы, скриншоты процесса, реальные данные «до/после».
- Упоминание условий эксперимента — что именно тестировалось, на какой выборке, при каких ограничениях.
Expertise (экспертность)
Здесь важна не столько квалификация в дипломе, сколько то, насколько текст демонстрирует глубокое понимание темы: точная терминология, нюансы, о которых знает только практик, ответы на пограничные вопросы, а не только на очевидные.
Authoritativeness (авторитетность)
Для человека авторитетность — это репутация; для модели — это сеть связей. Исследования показывают, что у сайтов с большим количеством ссылающихся доменов кардинально выше шанс попасть в цитаты ChatGPT по сравнению с малоизвестными ресурсами. Иными словами, у ИИ есть свой «круг доверия»: это Википедия, крупные отраслевые издания, авторитетные форумы (для Perplexity заметную роль играют, например, тематические обсуждения в духе Reddit) и сайты, на которые массово ссылаются другие авторитетные площадки. Если ваш бренд нигде не упоминается за пределами собственного сайта, вероятность попасть в этот «круг доверия» резко падает — вне зависимости от того, насколько хорош сам текст.
Trustworthiness (достоверность и доверие)
Это, пожалуй, самый недооценённый пункт в GEO-практике. Модели оценивают достоверность через видимые прокси-сигналы: указан ли автор, есть ли дата публикации и дата последнего обновления, ссылается ли текст на первоисточники, согласуются ли цифры на странице с тем, что говорят другие авторитетные источники по той же теме. Противоречивые или устаревшие данные — один из самых частых поводов, по которым модель обходит источник стороной даже при хорошей общей репутации сайта.
Практический вывод: указывайте автора (в идеале — с профилем, подтверждающим экспертизу), дату публикации и дату обновления на каждой значимой странице, и следите, чтобы цифры не расходились с тем, что можно найти в других авторитетных источниках.
Как готовить контент технически
Пишите так, будто вас будут разбирать на цитаты
ИИ-системы предпочитают текст, который звучит как энциклопедическая статья, а не как блог с личными оговорками. Речь не о том, чтобы убрать голос автора вообще, а о том, чтобы ключевые утверждения формулировались декларативно и однозначно: не «нам кажется, что этот подход неплохой», а «этот подход снижает время обработки на X%». Субъективные формулировки повышают то, что в терминах языковых моделей называется «перплексией» — то есть неопределённостью, — и снижают шанс, что модель выберет именно этот фрагмент для итогового ответа.
Структурируйте текст под «извлекаемость»
- Открывайте раздел или статью коротким прямым ответом («TL;DR» в 2-3 предложениях), а уже потом разворачивайте аргументацию.
- Формулируйте подзаголовки как реальные вопросы пользователей («Сколько стоит…», «Чем отличается… от…», «Как настроить…») — это напрямую совпадает с тем, как люди формулируют запросы к ИИ.
- Используйте таблицы и списки для сравнения — они легче «нарезаются» на цитируемые фрагменты, чем сплошной текст.
- Добавляйте разделы вопрос-ответ (FAQ) в конце страниц и размечайте их структурированными данными FAQPage (JSON-LD) — это, по сути, прямая подсказка модели, где искать готовый ответ на конкретный вопрос.
Обновляйте контент и явно показывайте свежесть
Разделы вида «Что изменилось в 2026 году» или явно проставленная дата обновления сигнализируют модели, что информация актуальна — а системы, работающие в реальном времени (Perplexity, AI Overviews), особенно чувствительны к свежести.
Не прячьте текст за JavaScript
Многие ИИ-краулеры (в частности, краулер OpenAI) не рендерят сложный клиентский JavaScript и обращают внимание в первую очередь на скорость обхода. Если ключевой текст — цены, характеристики, ответы FAQ — подгружается динамически на стороне клиента, краулер рискует увидеть пустую страницу. Решение — серверный рендеринг (SSR) или статическая генерация (SSG) для всего значимого текстового контента.
Откройте доступ нужным краулерам и настройте техническую инфраструктуру
- Проверьте robots.txt на предмет того, не блокируются ли краулеры вроде GPTBot (OpenAI), PerplexityBot, ClaudeBot, Google-Extended. Полная блокировка лишает модель возможности «запомнить» ваш бренд при последующих обновлениях обучающих данных — это стоит делать осознанно, а не по умолчанию.
- Разметка Schema.org / JSON-LD (Organization, Product, FAQPage, Article, Person для авторов) — по сути, «API» между вашим сайтом и моделью: она снимает неоднозначность и явно говорит, что есть что.
- Не забывайте про Bing Webmaster Tools и индексацию в Bing отдельно от Google — для ChatGPT это может быть критично, поскольку значительная часть его актуальных ответов в режиме поиска опирается именно на индекс Bing.
Сигналы за пределами собственного сайта
GEO — это не только то, что происходит на вашей странице. Модель формирует представление о бренде из совокупности упоминаний по всему вебу:
- Публикации в отраслевых изданиях, экспертные колонки, гостевые статьи от лица реальных сотрудников с именем и должностью.
- Присутствие в источниках, которым модели доверяют по умолчанию — прежде всего в Википедии (для этого нужно соответствовать её критериям значимости, а не просто «купить» упоминание) и в крупных нишевых сообществах.
- Естественные упоминания в сторонних обзорах, сравнениях, рейтингах — чем больше независимых источников подтверждают одни и те же факты о продукте, тем выше «согласованность» сигнала, на которую опирается модель при оценке достоверности.
- PR и связи с изданиями стоит выстраивать как отношения, а не как разовую рассылку пресс-релизов — устойчивое присутствие работает намного лучше разовых вбросов.
Как измерять, работает ли всё это
Классический CTR (click-through rate) в мире GEO дополняется, а не заменяется новыми метриками:
- Citation Rate — как часто ваш бренд или страница используются как источник при построении ответа на релевантные запросы.
- Share of Model / Share of Voice в ИИ — доля упоминаний вашего бренда в ответах ИИ на определённый набор запросов относительно конкурентов.
Практический способ начать без специальных инструментов: составить список из 15-30 ключевых для бизнеса запросов, регулярно (например, раз в неделю) прогонять их через ChatGPT, Perplexity и Gemini в приватном режиме, и фиксировать в таблице — упомянут ли вы, на каком месте в списке источников, что цитируется. Через несколько недель такой ручной трекинг уже даёт понимание динамики. Дальше, при росте задач, в ход идут специализированные платформы мониторинга видимости бренда в ИИ-ответах — таких сервисов на рынке становится всё больше, и большинство крупных SEO-инструментов уже добавили похожие модули.
Частые ошибки и то, чего лучше избегать
- Клоакинг для краулеров — показ ИИ-ботам одного контента, а живым пользователям другого. Это легко обнаруживается и бьёт по доверию куда сильнее, чем помогает в моменте.
- Фальшивые «эксперты» — сгенерированные ИИ авторские профили с придуманными регалиями. Такая практика прямо противоречит идее trustworthiness и рано или поздно обнаруживается.
- Погоня за плотностью ключевых слов в ущерб смыслу — модели ощутимо меньше зависят от буквального вхождения ключевых фраз, чем классический поиск; попытки «утрамбовать» ключевики в текст в стиле SEO десятилетней давности скорее вредят, чем помогают.
- Ставка только на одну платформу. Разные исследования показывают, что пересечение сайтов, которые цитируют одновременно и ChatGPT, и Perplexity, довольно небольшое — у каждой системы своя логика отбора источников. Хорошая ли позиция в одной системе не гарантирует того же в другой, поэтому стоит проверять видимость отдельно на каждой значимой для вашей аудитории платформе.
- Разовая «оптимизация и забыли». GEO — процесс, а не разовый проект: контент нужно регулярно перепроверять на актуальность, а результаты — периодически перепроверять на тех же тестовых запросах.
С чего начать на практике: примерный план на первые недели
- Диагностика. Соберите 20-30 значимых для бизнеса запросов и проверьте, кто и как сейчас цитируется по ним в ChatGPT, Perplexity и Gemini. Это ваша базовая точка отсчёта.
- Доработка приоритетных страниц. На топ-10–20 страницах добавьте краткое резюме в начале, чёткие тезисы с цифрами, блок вопрос-ответ, укажите автора и даты публикации/обновления.
- Техническая проверка. Убедитесь, что важный контент не спрятан за клиентским JS, что нужные краулеры не заблокированы в robots.txt, что настроена структурированная разметка, и что сайт нормально индексируется не только в Google, но и в Bing.
- Расширение внешних сигналов. Определите 5-10 изданий или площадок, где стоит появиться с экспертным материалом или комментарием от лица компании.
- Повторное измерение. Через 6-10 недель прогоните те же тестовые запросы снова и посмотрите на динамику — как правило, первые ощутимые сдвиги в системах реального времени (Perplexity, AI Overviews) видны быстрее, чем в системах, больше опирающихся на обучающие данные (некоторые режимы ChatGPT).
Главное в двух абзацах
GEO — это не отдельная магия, а применение старой идеи доверия и экспертности (E-E-A-T) к новой механике поиска, где ответ пользователю формирует не список ссылок, а сама модель. Побеждают не те, кто нашёл технический трюк, а те, кто последовательно выстраивает контент, за которым стоит реальный опыт, ясная структура, проверяемые факты и репутация, подтверждённая независимыми источниками по всему вебу — а не только на собственном сайте.
Технические моменты (открытые для краулеров страницы, разметка, серверный рендеринг) — это, по сути, входной билет: без них модель может просто не увидеть контент. А вот тем, останетесь ли вы в её ответе или нет, в итоге распоряжается содержательная часть — насколько ваш текст выглядит достоверным, экспертным и подтверждённым со стороны источником, которому стоит доверять.