Я оптимизировал сайт под ChatGPT и Claude. За 2 месяца упоминания в ответах выросли с нуля — вот что сработало
Клиенты начали приходить с фразой «мне вас ChatGPT посоветовал». Я полез проверять — и обнаружил, что наш сайт ИИ-модели либо не видят вообще, либо пересказывают неточно: старую цену, неверный список услуг, город, из которого мы ушли два года назад.
За вечер это не чинится, вопреки обещаниям в духе «добавьте llms.txt и всё заработает». Два месяца я перестраивал сайт под то, как ChatGPT и Claude собирают ответы — по методике, которую в индустрии называют GEO. Расскажу по порядку: что это, чем отличается от SEO, как модели вообще попадают на ваш сайт, что я менял пошагово, что дало эффект, а что только меня успокоило. Если вы сейчас думаете «надо бы оптимизироваться под нейросети» — прочитайте сначала это.
Что такое GEO и почему это не переименованное SEO
GEO (Generative Engine Optimization) — это подготовка сайта к тому, чтобы генеративные модели (ChatGPT, Claude, Perplexity, Gemini, AI-обзоры Google) корректно вас цитировали в своих ответах.
Разница с классическим SEO — в том, за что вы боретесь.
- SEO борется за клик. Задача — попасть в топ выдачи, чтобы человек перешёл на сайт.
- GEO борется за упоминание. Задача — чтобы модель в ответе назвала вас, привела ваш факт или сослалась на вас, даже если человек никуда не перейдёт.
Отсюда всё остальное. В SEO вы оптимизируете страницу под запрос целиком. В GEO модель растаскивает страницу на отдельные утверждения, и весь вопрос в том, насколько эти куски самодостаточны и однозначны в отрыве от страницы.
Почему на это вообще стоит тратить время — несколько цифр, которые меня убедили:
- у ChatGPT более 900 млн пользователей в неделю, у Perplexity — 500+ млн запросов в месяц, AI-обзоры Google охватывают около 1,5 млрд пользователей в месяц;
- Gartner прогнозирует падение классического поискового трафика на 50% к 2028 году;
- при этом в GEO вкладывается пока только около 23% маркетологов — окно, когда конкуренция низкая, ещё открыто.
Красный флаг в голове: «мы и так в топе Google, значит и с нейросетями порядок». Не значит. Пересечение есть, но модели отдают предпочтение контенту, который легко разобрать на факты, а не тому, что лучше всех вылизан под ключевые слова.
Чем GEO не является
Прежде чем тратить время, я разобрался, чего ждать не стоит.
- Это не способ «попасть в обучающую выборку». Веса моделей вы не двигаете. Работаете вы со слоем, где модель во время ответа идёт в веб-поиск и подтягивает свежие страницы. Туда можно попасть за недели, а не за годы.
- Это не позиция и не гарантия. В SEO есть проверяемое место в выдаче. Здесь — вероятность, что вас процитируют, и она плавает от формулировки запроса.
- Это не разовая настройка. Модель переспрашивает веб при каждом ответе. Устаревший факт на сайте — устаревший факт в ответе, без задержки на переиндексацию.
- Это не замена SEO. Это надстройка. Если базовая техничка сломана — краулер модели до вас просто не дойдёт.
Как ChatGPT и Claude вообще попадают на ваш сайт
Здесь я потерял первую неделю, потому что не понимал механику. Разложу.
У ChatGPT и Claude по несколько разных роботов, и путать их — дорого.
У OpenAI:
- GPTBot — собирает данные впрок, для будущих версий модели.
- OAI-SearchBot — отвечает за то, что ChatGPT показывает в веб-поиске прямо сейчас.
- ChatGPT-User — заходит на страницу в момент, когда пользователь в диалоге дал ссылку или модель сама решила её открыть.
У Anthropic:
- ClaudeBot — сбор данных впрок.
- Claude-SearchBot — индексация для веб-поиска Claude.
- Claude-User — переход по запросу пользователя в реальном времени.
Практический вывод, который дошёл до меня не сразу: если вы в robots.txt закрыли всё, что похоже на ИИ-робота («защита от нейросетей»), вы одновременно вырубили себе и веб-поиск. Люди блокируют GPTBot, радуются, что «данные не воруют», и не понимают, почему ChatGPT их не упоминает.
Что я сделал: открыл поисковых и realtime-ботов (OAI-SearchBot, ChatGPT-User, Claude-SearchBot, Claude-User), а роботов для сбора обучающих данных оставил на своё усмотрение — это вопрос политики компании, а не видимости. На видимость в ответах влияют первые.
Как модель выбирает, кого процитировать
Ключевое, что я понял из исследований GEO (Princeton, Georgia Tech, IIT Delhi, 2024): модель цитирует не «хорошие тексты», а извлекаемые фрагменты. У них есть измеримые признаки:
- длина 130–170 слов — это тот размер абзаца, который чаще всего попадает в ответ дословно;
- самодостаточность — фрагмент понятен без соседних абзацев, subject назван явно, а не «он / это / они»;
- факт в первых двух предложениях — прямой ответ на вопрос, а не разгон;
- конкретные цифры и даты внутри самого фрагмента.
Что даёт эффект по тем же исследованиям:
- Формулировка-определение («X — это…») — рост цитируемости примерно в 2,1 раза.
- Добавление статистики в абзац — +40% к вероятности цитирования.
- Прямая цитата эксперта или источника — до +115% в отдельных нишах.
- «Гладкость» текста (простые формулировки, короткие предложения) — +30% видимости в среднем.
И у моделей разные вкусы:
Как я перестраивал сайт: пошагово
Шаг 1. Починил доступ
В robots.txt от прошлого подрядчика висел общий запрет на пол-интернета ботов. Разблокировал поисковых. Проверил, что ключевые страницы отдаются без обязательного JavaScript: открыл их с выключенным JS. Две страницы услуг оказались пустыми — контент подгружался скриптом, для краулера это был белый лист. Перевели на серверный рендеринг.
Шаг 2. Переписал ключевые факты в «цитируемый» вид
Прошёл по главной, страницам услуг и «О компании» и переписал так, чтобы каждый важный факт читался отдельным утверждением:
- Было: «Мы уже много лет помогаем бизнесу расти и предлагаем гибкие условия».
- Стало: «Работаем с 2016 года. Средний срок запуска проекта — 3 недели. Минимальный бюджет — 200 000 ₽».
Каждый абзац-ответ — 130–170 слов, subject в первом предложении, минимум местоимений в начале фраз. Не ради красоты — именно такие фрагменты модель вставляет в ответ дословно.
Шаг 3. Добавил структуру, которую машина читает без догадок
- Разметка Schema.org (JSON-LD) на организацию, услуги, статьи, FAQ — способ отдать факты машиночитаемо, без риска, что модель неверно поймёт вёрстку.
- Честная иерархия заголовков: один H1, разделы по H2/H3, где заголовок = вопрос, а первый абзац под ним = прямой ответ. Модель растаскивает страницу именно по этим блокам, а вопросы-заголовки напрямую матчатся с запросами пользователей.
- FAQ реальными формулировками клиентов. Не «Какие преимущества вашей компании?», а «Сколько стоит внедрение и от чего зависит цена?».
- Таблицы для любых сравнений от трёх пунктов — из таблиц модели вытаскивают данные точнее всего.
Шаг 4. Сделал llms.txt — но без завышенных ожиданий
Положил в корень llms.txt: короткое описание компании, что мы делаем, ссылки на главные страницы с одной строкой контекста к каждой. Файл простой, вреда нет, поддержку он получает всё шире. Но честно: прямого эффекта в ответах я от него не увидел. Отношусь как к странице «о сайте для машин» — пусть будет, стоит 20 минут.
Шаг 5. Занялся упоминаниями вне сайта
Это оказалось важнее половины правок на самом сайте. По данным Ahrefs (декабрь 2025), для решения ИИ процитировать вас упоминания бренда коррелируют втрое сильнее, чем ссылки. Что я сделал:
- привёл к единому виду описание компании в каталогах, справочниках, на профильных площадках;
- проверил, что везде одинаковые название, город, сфера — расхождения модель «видит» и начинает осторожничать;
- разместил несколько экспертных материалов там, где нас реально могли бы искать (профильные медиа, ответы на Reddit-подобных площадках, YouTube-разборы).
Что реально дало эффект, а что — нет
Два месяца я вёл простой журнал: раз в неделю задавал ChatGPT и Claude один и тот же набор из 15 вопросов, на которые логично было бы упомянуть нас, и записывал — упомянули, с какой формулировкой, какие факты привели.
Сдвинуло заметно:
- Разблокировка ботов и серверный рендеринг. Пока модель физически не видит страницу, всё остальное бессмысленно. Это не «оптимизация», это условие входа.
- Переписанные факты с цифрами. Через 3–4 недели формулировки из ответов стали дословно совпадать с новыми фразами на сайте. Самый прямой наблюдаемый эффект.
- Согласованность упоминаний вовне. Как только описания в каталогах перестали противоречить друг другу, модели стали называть нас увереннее и с правильным городом.
- FAQ реальными вопросами. Несколько ответов ChatGPT на «сколько стоит» цитировали наш FAQ-блок почти целиком.
Не дало ничего заметного:
- llms.txt. Ноль наблюдаемой разницы в ответах. Оставил как гигиену, не как рычаг.
- Косметика текста без новых фактов. Переставлять слова, добавлять «мы лидеры рынка» — модели это игнорируют.
- Массовая простановка ссылок. Старая SEO-привычка. На цитирование слабые ссылки не влияют — влияет, что о вас написано по смыслу.
Частые ошибки
- Блокировать всех ИИ-ботов «на всякий случай». Вы вырубаете себе веб-поиск ChatGPT и Claude вместе со сбором обучающих данных. Разделяйте роботов: поисковых — открыть, обучающих — по своему решению.
- Оптимизировать текст, не почистив техничку. Если страница пустая без JavaScript или закрыта в robots.txt— переписывать на ней абзацы бессмысленно. Сначала доступ, потом контент.
- Ждать позиций, как в SEO. Здесь нет места в выдаче — есть вероятность цитирования, разная для разных формулировок. Мерить надо именно её, журналом ответов, а не «проверил один раз».
- Писать «вкусный» текст вместо фактурного. Абзац без единой цифры модель почти не берёт. Определение, число, дата, источник — вот что повышает цитируемость в разы.
- Игнорировать, что о вас пишут вне сайта. Модель собирает картину по всему вебу, и противоречивые данные о компании в каталогах бьют по доверию сильнее, чем кривой заголовок.
- Считать GEO разовым проектом. Модель перечитывает веб при каждом ответе. Устаревшая цена на сайте = устаревшая цена в ответе завтра же. Это режим постоянной поддержки.
Что в итоге
GEO — это не «новое SEO» и не магия. Это про одну вещь: сделать так, чтобы машина зашла на ваш сайт, разобрала его на факты и не запуталась в них.
Порядок, который я бы повторил:
- Открыть поисковым и realtime-ботам доступ, убедиться, что страницы видны без JavaScript.
- Переписать ключевые факты в самодостаточные абзацы на 130–170 слов, с цифрой в первом предложении.
- Добавить Schema-разметку, заголовки-вопросы и FAQ реальными формулировкамиклиентов.
- Привести к единому виду всё, что написано о вас вне сайта.
- Раз в неделю задавать ChatGPT и Claude одни и те же вопросы и вести журнал упоминаний.
- llms.txt — сделать и забыть, это не то, что двигает результат.
Первые сдвиги я увидел на 3–4 неделе. Не «трафик вырос», а формулировки в ответах моделей стали нашими и перестали врать.
А что о вашей компании сейчас отвечает ChatGPT, если спросить «посоветуй, к кому обратиться за <вашей услугой>»? Проверьте и напишите в комментариях, что именно он переврал — разберу, из-за чего это происходит.