Добавили FAQ-разметку, написали 30 статей, а ChatGPT всё равно не рекомендует бренд. Что действительно проверять в GEO
Частая картина: на сайте появилась FAQ-разметка, в блоге лежат тридцать свежих статей, а на вопрос о категории ChatGPT по-прежнему называет три чужих бренда. Рассказываю, что здесь происходит на самом деле, что проверять до того, как что-то менять, и как собрать работу в порядок, где виден результат
Есть неприятное открытие, которое обычно случается через полгода после старта GEO. Нейросеть не рекомендует ваш бренд не потому, что вы мало публикуете, и не потому, что у вас нет разметки. А потому, что в тех источниках, из которых она собирает ответ на конкретный вопрос, вас нет.
Ответ модели собирается по маршруту. Сначала она разворачивает вопрос пользователя в несколько своих, потом подтягивает источники, которым привыкла доверять, и только после этого формулирует. Ваш сайт попадает на этот маршрут не по умолчанию, а по факту.
Поэтому разметка и тридцать статей могут ничего не сдвинуть. Вы приводили в порядок дом, который не стоит на маршруте.
Что на самом деле делает FAQ-разметка
Структурированная разметка это способ объяснить машине, что на странице вопрос, а что ответ. Она помогает странице корректно разобраться при обходе, попасть в расширенный сниппет, отдать содержимое в машиночитаемом виде. Всё это полезно и всё это гигиена.
Но рекомендация в диалоге с моделью устроена иначе. Когда ассистент отвечает без веб-поиска, он опирается на то, что усвоил при обучении: разметка на вашем сайте в этот слой не попадает никак. Когда ассистент идёт в веб, он сначала ищет страницу по своей формулировке вопроса, а потом читает её текст. Разметка не повышает шансы быть найденным по формулировке, которой у вас на странице нет.
Разметка это не рычаг, а условие читаемости. Она убирает повод вас не понять, но не создаёт повода вас назвать.
Почему тридцать статей не превращаются в рекомендации
Со статьями та же логика, только дороже. По моим наблюдениям массовая публикация не двигает упоминания по трём причинам, и все три находятся до текста, а не внутри него.
- Темы выбраны изнутри компании. Контент-план собран из того, что интересно продукту и отделу маркетинга, а не из того, в каких формулировках люди спрашивают у модели про категорию. Пересечение обычно есть, но оно процентов на двадцать.
- Площадка выбрана по привычке. Все тридцать материалов лежат на своём сайте, тогда как в ответах по коммерческим запросам всплывают подборки, отзовики, профильные медиа, форумы и маркетплейсы. Свой сайт в такой выдаче часто третьестепенный источник.
- В тексте нет абзаца, который можно забрать как ответ. Факты о компании размазаны по странице: цифра в одном месте, условие в другом, формулировка общая. Модели проще процитировать чужой сжатый абзац, чем собирать вашу мысль из четырёх экранов.
Получается противоречивая картина. Работа сделана большая, а в слое, который вы хотели изменить, ничего не поменялось, потому что менялось не то.
Маршрут ответа: три участка
Здесь часто путают разные вещи, поэтому расставлю по местам. В ответе, где вас нет, есть три участка, и ломается он на любом из них.
Первое. Запрос. Пользователь пишет не ключевое слово, а ситуацию: «что выбрать для небольшой клиники», «кто делает это в России», «чем заменить сервис, который ушёл». Модель разворачивает такую фразу в несколько своих подзапросов, и именно они определяют, что будет найдено. Если вы не знаете этих формулировок, вы не знаете, на какой вопрос вообще отвечаете.
Второе. Источники. На каждый ответ модель цитирует конечный и довольно узкий набор страниц. Этот набор устойчив: по одному и тому же запросу неделю за неделей всплывают примерно те же площадки. Пока вы не видите этот список, работа с контентом ведётся наугад.
Третье. Формулировка. Даже попав в источники, бренд может появиться в ответе нейтральной строчкой в перечне или оговоркой «есть и другие решения». Упоминание есть, рекомендации нет. Это разные метрики, и считать их нужно раздельно.
Что проверять первым делом
Прежде чем трогать сайт и контент-план, стоит получить четыре ответа. Без них любая активность это расход бюджета с неизвестным знаком.
- По каким запросам бренд уже появляется. Обычно выясняется, что в части категории вы присутствуете давно, просто не знали об этом, и этот участок надо не строить, а защищать.
- Где вас нет вообще. Самое дорогое место: запросы с явным коммерческим интентом, где модель уже называет конкретные бренды, а вашего в списке не бывает никогда.
- Кого называют вместо вас и в какой доле. Доля голоса по категории показывает не только расстановку, но и то, насколько плотно поле: три постоянных имени и пятнадцать плавающих это разные стратегии.
- Какие источники модель цитирует в этих ответах. Это и есть список площадок, с которыми придётся работать, и он почти никогда не совпадает с тем, который написали бы по памяти.
- Как вас описывают там, где упоминают. Тональность и фактическая часть: что модель считает вашим продуктом, какие цифры приписывает, с кем путает.
Замер по этим четырём направлениям это не разовое исследование, а регулярная задача с базовой точкой и частотой. Без базовой точки нечему меняться: любой следующий результат будет не хуже и не лучше, а просто первый.
Пока замера нет, любое действие в GEO это ставка. Когда замер есть, это выбор.
Пробелы: чего о вас не хватает в источниках
Когда список цитируемых страниц собран, становится видно главное. Модель отвечает не тем, что вы о себе написали, а тем, что о вас написано в этих источниках. Чаще всего там не хватает очень конкретных вещей: условий работы, состава услуги, географии, сроков, ограничений, сравнения с ближайшей альтернативой.
Отсюда и вырастает содержание работы. Не ещё тридцать статей вообще, а материалы на темы, где у источников пробел, и на площадках, которые модель уже цитирует. Это меняет и объём: нередко вместо тридцати материалов нужно восемь, зато в правильных местах.
Здесь есть неприятная деталь. Факты о компании, которые вы вкладываете в такие тексты, модель однажды воспроизведёт в ответе. Если в статье стоит неточная цифра или устаревшая дата, вы не просто ошиблись в публикации, а положили ошибку в источник, из которого она потом поедет по чужим ответам.
Контент по данным, а не по контент-плану из головы
Теперь про инструменты. Замерять девять или десять нейросетей по сотням формулировок с нужной частотой и региональностью это не аналитическая задача, а поточная: под неё сложился отдельный класс GEO-сервисов. Принцип у них общий: опросить модели по заданным запросам, посчитать упоминания, цитирования и тональность, показать источники.
Дальше наборы расходятся. Pixel Tools и Topvisor AI Tracker ближе к привычной SEO-логике отчётов, из западных Profound и Peec считают видимость по своему набору моделей, brandfound собран как полный цикл: мониторинг ответов нейросетей, разбор конкурентов и цитируемых источников, затем подготовка материалов на основе этих данных, с проверкой фактов и подсветкой неуверенных утверждений до публикации, и хранилищем проверенных фактов о бренде, из которого эти материалы собираются. Выбор сервиса при этом вторичен. Первично то, что все четыре шага это один процесс, а не четыре отдельные активности в разных кварталах.
Второй замер, без которого это не процесс
Самый пропускаемый шаг. Материалы опубликованы, и работа считается сделанной, хотя сделана ровно половина: неизвестно, попали ли статьи в источники, изменилась ли доля упоминаний, появился ли бренд в ответах на те запросы, из-за которых всё начиналось.
Практический вывод отсюда. Цикл замыкается только вторым замером по той же сетке запросов, что и первый. Тогда видно не «мы поработали с контентом», а что по шести запросам из двадцати бренд теперь называется, по трём появился в источниках, но не в ответе, а по остальным ничего не изменилось и тему надо брать иначе.
И тут начинается интересное. Ответы меняются неравномерно: часть сдвигается за несколько недель, часть за месяцы, часть не сдвигается вовсе, потому что по этим запросам модель держится одного источника, в который вы пока не попали. Эту картину нельзя угадать заранее, её можно только увидеть.
С чего я бы начал
Первое. Собрать двадцать или тридцать реальных формулировок, в которых у модели спрашивают про вашу категорию, и зафиксировать по ним базовую точку: где бренд есть, где нет, кого называют вместо.
Второе. Выписать источники, которые цитируются в этих ответах, и честно отметить, в каких из них про компанию нет ничего.
Третье. Взять три или четыре самых дорогих пробела и закрыть их материалами с проверенными фактами, а не весь список сразу.
Четвёртое. Повторить замер через месяц по той же сетке и сравнить не ощущения, а цифры.
Для бизнеса это не повод обнулять сделанное, но повод поменять порядок действий. Разметка и статьи остаются в работе, просто они перестают быть началом: начало это знание о том, из чего собран ответ, в котором вас нет.
А теперь к вам: что в вашей категории нейросети называют чаще, собственный сайт бренда, подборки и отзовики или профильные медиа? Интересно увидеть в комментариях нишу и то, какой источник у вас цитируется первым.
Если разбор пригодился, буду признателен за плюс. Это помогает таким материалам набирать охват и доходить до тех, кому тема актуальна.