Продвижение в нейросетях: как попасть в ответы ChatGPT, Алисы и Perplexity

Что такое GEO и чем оно отличается от SEO

GEO (Generative Engine Optimization) — работа над тем, чтобы ваш сайт попадал в источники, из которых нейросети собирают ответ. AEO (Answer Engine Optimization) — по сути то же самое, термин чаще используют применительно к блокам ответов внутри классического поиска.

Разница с обычным SEO в том, где заканчивается путь пользователя:

• SEO: цель — попасть в топ-10 и получить клик. Метрика — позиции и трафик.
• GEO: цель — попасть в текст ответа как источник. Клика может не быть вовсе: человек прочитал ответ Алисы или ChatGPT и ушёл. Метрика — упоминания бренда и цитирования.

Именно поэтому GEO нельзя мерить старыми инструментами. Сайт может терять трафик и одновременно наращивать присутствие в ответах — и это разные бизнес-истории.

Важная поправка от практиков: GEO — не отдельная магия, а усиленная версия обычного SEO. Почти все факторы цитируемости пересекаются с тем, что и так делает нормальный оптимизатор. Если у вас на сайте не сделана база — начинать надо с неё, а не с llms.txt.

Как нейросеть выбирает, кого процитировать

Под капотом у Алисы, Google AI Overviews, ChatGPT с веб-поиском и Perplexity лежит одна схема — RAG (retrieval-augmented generation). Упрощённо она работает в четыре шага:

1. Переформулировка запроса. Модель разбивает вопрос пользователя на несколько поисковых подзапросов — часто совсем не тех, что вы оптимизировали.
2. Поиск кандидатов. Система тянет документы из поискового индекса, из собственного краулера или из партнёрского API.
3. Отбор фрагментов. Из найденных страниц выдёргиваются не страницы целиком, а конкретные пассажи — абзацы, которые прямо отвечают на подзапрос.
4. Сборка ответа. Модель компилирует эти фрагменты в связный текст и проставляет ссылки на источники.

Из этого следует главный практический вывод: ранжируется не сайт, а абзац. Ваша задача — чтобы на странице был кусок текста, который можно вырезать и вставить в ответ без редактуры.

Ещё одно наблюдение: связь с классическим топом слабеет. По данным Ahrefs, доля цитирований в Google AI Overviews, приходящихся на страницы из топ-10, за год упала с 76% до 38%. То есть в ответ всё чаще попадают страницы, которые в обычной выдаче не в первой десятке — за счёт того, что они лучше отвечают на конкретный подзапрос.

Факторы цитируемости и техническая база

Исследования цитируемости сходятся на одном приоритете. Порядок важен — работайте сверху вниз, а не наоборот.

1. Техническая доступность. Если ИИ-бот не может забрать страницу, остальное не имеет значения.
2. Качество и фактура контента. Цифры, даты, конкретика, экспертиза.
3. Структура. Прямой ответ в начале блока, вопрос-ответ, списки, таблицы.
4. Обычное SEO. Индексация, скорость, внутренняя перелинковка, ссылки.
5. Бренд и внешние упоминания. Модель охотнее ссылается на то, что уже встречала в других источниках.

Что делать по технике

• Разрешить ИИ-ботов в robots.txt. GPTBot, PerplexityBot, ClaudeBot, OAI-SearchBot, Google-Extended и другие. Многие сайты закрыли их «на всякий случай» пару лет назад — проверьте свой файл прямо сейчас, это самая частая причина нулевого присутствия.
• Отдавать текст в сыром HTML. Контент, который дорисовывается JavaScript на клиенте, часть краулеров просто не увидит. SSR или пререндер.
• Разметка Schema.org. Article, FAQPage, Organization, Product — микроразметка помогает системе понять, что за сущность на странице.
• llms.txt. Файл-карта для языковых моделей. Стандарт пока не утверждён, часть систем его учитывает, часть — нет. Делать стоит, но не ждите эффекта от одного этого файла: сам по себе он цитируемость не поднимает.
• Скорость и стабильность. Таймаут при обходе = вас нет в источниках.

Как писать текст, чтобы его цитировали

Здесь и лежит основная работа. Раз система вырезает пассажи — пишем текст пассажами.

Правило первых трёх предложений

В начале каждого раздела дайте прямой ответ на вопрос раздела — без разгона, без «в современном мире». По оценкам практиков, на этот приём приходится около 40% эффекта. Дальше можно разворачивать аргументацию: она нужна читателю, но в ответ модель заберёт первый абзац.

Заголовки-вопросы

H2 и H3 формулируем так, как человек спрашивает вслух: «Сколько стоит внедрение CRM для отдела из 10 человек» вместо «Стоимость». Это буквально совпадает с подзапросами, которые генерирует модель.

Факты с числами

Абзац с конкретной цифрой, датой, ценой или сроком цитируется значительно охотнее абзаца с общими словами. При этом цифра должна быть проверяемой — с указанием источника и периода. Выдуманные данные модели тоже подхватывают, и потом это возвращается репутационной проблемой.

FAQ-блоки

Раздел «Частые вопросы» с разметкой FAQPage — самый простой способ отдать системе готовые пары «вопрос-ответ». Ответ держите в 40–70 слов: это формат, который влезает в генеративный ответ целиком.

Таблицы и списки

Сравнения, тарифы, чек-листы. Структурированные данные модель разбирает лучше сплошного текста и часто переносит в ответ в виде списка.

Свежесть и авторство

Дата обновления, имя автора, его квалификация — сигналы E-E-A-T, на которые генеративные системы опираются при выборе источника не меньше, чем обычный поиск.

Внешний контур: упоминания и бренд

Модель чаще ссылается на бренд, который уже «видела» в обучающих данных и в свежем вебе. Поэтому вторая половина GEO — это не сайт, а присутствие вокруг него.

• Отраслевые площадки и агрегаторы. Рейтинги, подборки «топ-10 сервисов для X», каталоги. Именно такие страницы модели любят цитировать в ответах на выбор решения — и берут оттуда названия компаний.
• Профильные медиа и экспертные колонки. Один разбор на площадке с сильным доменом даёт больше, чем десять постов в собственном блоге.
• Сообщества и вопросы-ответы. Обсуждения, где ваш продукт упоминается в контексте конкретной задачи.
• Википедия и справочники для брендов, которые до них дотягивают, — это опорный источник для описаний сущностей.
• Консистентность фактов. Название, описание, цены и позиционирование должны совпадать везде. Расхождения снижают уверенность модели и она предпочтёт конкурента с однозначными данными.

Обратная сторона: отзывы и негатив тоже попадают в источники. Мониторинг упоминаний из «приятно знать» превращается в рабочий инструмент — как его автоматизировать, разбирали в статье про мониторинг упоминаний бренда с ИИ.

Как измерять результат и план на две недели

Старые метрики здесь не работают, поэтому измерять придётся иначе.

• Доля ответов с вашим упоминанием. Соберите список из 30–50 ключевых вопросов вашей ниши, раз в месяц прогоняйте их через Алису, ChatGPT, Perplexity и Gemini и фиксируйте: упомянут бренд или нет, есть ли ссылка. Это ваша базовая метрика — по сути share of voice в генеративной выдаче.
• Трафик по реферерам ИИ-сервисов. В аналитике смотрите переходы с chat.openai.com, perplexity.ai, gemini.google.com. Он небольшой, но обычно конвертит лучше среднего — человек приходит с уже готовым выбором.
• Логи сервера. Самый недооценённый источник: видно, какие ИИ-боты и как часто обходят сайт, какие разделы забирают, где ловят ошибки.
• Брендовый спрос. Рост запросов с названием компании — косвенный, но честный признак, что вас начали упоминать в ответах.

План на две недели

1. День 1–2. Проверить robots.txt на ИИ-ботов, убедиться, что контент в сыром HTML, посмотреть логи — кто уже приходит.
2. День 3–4. Собрать 30–50 реальных вопросов ниши, прогнать через нейросети, записать нулевой замер.
3. День 5–8. Взять 10 главных страниц и переписать начала разделов под прямой ответ, переформулировать H2 в вопросы, добавить FAQ с разметкой.
4. День 9–10. Проставить Schema, добавить даты обновления и авторство, сделать llms.txt.
5. День 11–14. Заняться внешним контуром: попасть в 2–3 профильные подборки, выровнять описания компании на всех площадках.

Первые сдвиги в ответах обычно видны через 4–8 недель после переобхода — примерно как в обычном SEO. Быстрых побед здесь нет, и агентства, обещающие «попадание в ChatGPT за неделю», продают вам либо переиндексацию, либо воздух.