Сайт есть, позиции есть, а нейросети вас не видят. Разбираемся, что делать с GEO

Всем привет! Последнее время вокруг GEO происходит примерно то же, что несколько лет назад происходило вокруг E-E-A-T. Термин быстро стал модным, а следом появился целый набор рекомендаций, которые начали кочевать из статьи в статью.

Нужно сделать специальный файл для нейросетей. Добавить FAQ. Переписать статьи. Расширить Schema.org. Получить побольше упоминаний. Завести LinkedIn.

И тогда ChatGPT, Google и остальные обязательно начнут использовать сайт в своих ответах.

Ну, почти.

Часть этих рекомендаций действительно можно подтвердить документацией или исследованиями. Часть пока держится на корреляциях. А некоторые вещи проверить вообще довольно сложно.

Поэтому я решил посмотреть на GEO так же, как обычно смотрю на технические проблемы в SEO: сначала разобрать цепочку получения информации, потом поставить несколько тестов и посмотреть, что получится.

Получилось интересно.

Некоторые вещи, которые сейчас активно советуют для GEO, у нас практически ничего не дали. А изменения, которые вообще сложно назвать какой-то специальной оптимизацией под нейросети, наоборот, показывали положительную динамику.

Но обо всем по порядку.

Начнем с Google.

Для попадания в AI Overviews и AI Mode отдельной технической оптимизации не требуется. Страница должна соответствовать обычным требованиям поиска, быть проиндексирована и иметь возможность показываться в Google со сниппетом.

Специальной Schema.org разметки для этого тоже нет. Как и обязательного файла «для нейросетей». Google прямо пишет, что обычные SEO-рекомендации остаются актуальными и для генеративного поиска.

Если сильно упростить, путь выглядит так: страница → доступность для робота → индексирование → поисковый индекс → потенциальное использование в AI-ответе.

Казалось бы, ничего нового.

Но есть нюанс.

Страница может находиться в индексе, занимать хорошие позиции и при этом вообще не появляться в генеративном ответе.

И вот тут привычной проверки позиций уже становится мало.

Раньше можно было открыть выдачу и сказать: По этому запросу наша страница находится на пятом месте.

Теперь хочется знать еще кое-что.

Использовала ли система нашу страницу в своем ответе? Поставила ли ссылку? Назвала ли бренд? Какие источники взяла вместо нас?

А если взяла конкурента — почему его?

Получается, что позиции никуда не исчезли. Просто появилась еще одна точка, которую нужно измерять.

При этом все нейросетевые поиски устроены немного по-разному

ChatGPT, Google AI Mode, Perplexity и Яндекс лучше вообще не складывать в одну кучу.

Google строит свои генеративные функции поверх поисковой инфраструктуры. Для сложных вопросов AI Overviews и AI Mode могут использовать query fan-out — разбивать исходный вопрос на несколько связанных поисковых запросов.

Например, человек спрашивает: «Как ускорить WordPress?»

Внутри такого вопроса легко помещается сразу несколько подзадач: почему высокий TTFB, как настроен PHP, что происходит с MySQL, работает ли кеширование, нужен ли CDN, какие плагины тормозят сайт.

И ответы на них совсем не обязательно находятся на одной странице.

У ChatGPT для поискового обнаружения содержимого используется OAI-SearchBot. Причем OpenAI отдельно указывает, что URL может быть обнаружен и через стороннюю поисковую систему или другие страницы.

У Perplexity есть PerplexityBot, плюс компания использует сторонних краулеров для построения поискового индекса.

У Яндекса своя механика: ответы Yandex AI формируются на основе страниц, которые уже находятся в поисковом индексе Яндекса.

Механика отличается.

Но первый вопрос везде один и тот же.

Система вообще может получить нашу информацию?

Представим обычный robots.txt:

Все открыто. Отлично.

Только реальный запрос сегодня вполне может идти так: робот → CDN → WAF → защита от ботов → балансировщик → веб-сервер → приложение → HTML.

И robots.txt здесь всего лишь один элемент цепочки.

В нем робот разрешен, а на следующем уровне получает:

«403 Forbidden» или «429 Too Many Requests»

Еще веселее, если ему показывают: «Подтвердите, что вы человек.»

Владелец сайта в этот момент спокойно открывает страницу в браузере и все работает.

Конечно работает! Браузер прошел проверку, получил cookie, выполнил JavaScript.

А робот получил 403 и ушел.

С этой историей мы уже сталкивались в обычном SEO. В предыдущей статье я разбирал флуктуацию HTTP-статусов: внешне сайт работал нормально, но при определенных условиях робот получал другой ответ сервера.

В результате проблема выглядела как странное поведение поисковой видимости. А искать ее нужно было совсем в другом месте — на уровне серверной конфигурации.

С GEO логика та же.

Прежде чем переписывать половину сайта «под ChatGPT», я сначала посмотрел бы на User-Agent, HTTP-код, время ответа, редиректы, 403, 429, 5xx, логи CDN, WAF и веб-сервера.

Потому что, если робот не получает страницу, обсуждать качество FAQ на ней уже немного преждевременно.

Еще одна вещь, которую постоянно смешивают.

«Нужно сделать так, чтобы нейросеть обучилась на нашем сайте».

Звучит логично. Только к поисковой видимости это имеет не такое прямое отношение, как может показаться.

У OpenAI даже роботы разные.

OAI-SearchBot используется для обнаружения содержимого для поиска.

GPTBot связан с возможным использованием содержимого для обучения моделей.

И доступ для них можно регулировать отдельно.

У Perplexity похожая история: компания прямо пишет, что PerplexityBot индексирует страницы для поиска и не используется для предобучения фундаментальных моделей.

Поэтому вопрос: «Как заставить модель выучить наш бренд?» я бы пока отложил.

Гораздо полезнее другой: «Может ли система найти актуальную информацию о нас и использовать ее в ответе прямо сейчас?»

Вот это уже можно проверять.

Хорошо, робот пришел. Что он получил?

Допустим:

Отлично.

Теперь открываем сам HTML.

Если основной материал находится прямо там:

все довольно просто.

А если первоначальный документ выглядит так:

и весь основной текст появляется только после выполнения JavaScript и нескольких запросов к API, мы добавили еще один этап, на котором что-нибудь может пойти не так.

Нет, JavaScript сам по себе не запрещен и не означает, что страница выпадет из индекса.

Но если важный текст можно нормально отдать сразу в HTML, зачем усложнять его получение?

Яндекс, например, умеет выполнять JavaScript при обходе и даже позволяет в Вебмастере посмотреть содержимое страницы с выполнением JavaScript и без него. При этом дополнительные сценарии и время их выполнения все равно могут усложнять обработку страницы.

Поэтому здесь без каких-то новых GEO-правил.

Важная информация должна нормально отдаваться роботу. Это аксиома, что в SEO, что в GEO.

А что с Schema.org?

Здесь все еще скучнее.

Я встречал рекомендации добавить специальную разметку, чтобы нейросети «лучше понимали сайт».

Только отдельной GEO-разметки сейчас нет.

Если перед нами статья — используем подходящую разметку статьи.

Организация — описываем организацию.

Есть автор — указываем автора.

Есть хлебные крошки — размечаем их.

Но вот это:

не является пропуском в генеративную выдачу.

Google отдельно пишет, что для AI Overviews и AI Mode специальная Schema.org-разметка не требуется.

Поэтому я бы не стал придумывать велосипед только потому, что рядом появилось слово GEO.

И вот здесь начинается более интересная часть.

В рамках нашего проекта мы провели серию тестов на разных группах страниц.

Начали с довольно простой гипотезы.

Если страница отвечает не только на основной запрос, но и закрывает реальные связанные вопросы пользователя, возможно, ее присутствие в нейросетевых ответах изменится.

На части страниц добавили блоки с вопросами и ответами.

И увидели положительную динамику по присутствию бренда в отслеживаемых ответах.

Можно было на этом остановиться и написать: «Добавляйте FAQ. Это работает.» Но нет так не получится. Потому что следующий тест картину немного испортил. И именно поэтому оказался полезнее первого.

Сработали далеко не все вопросы

Мы начали расширять страницы дополнительными вопросами.

Если вопрос действительно продолжал основной интент страницы и логично возникал у пользователя именно здесь, динамика была положительной.

А вот с тематически близкими вопросами, которые добавлялись скорее ради дополнительного охвата, все оказалось хуже - заметного эффекта мы не увидели. Некоторые из таких запросов вообще не появлялись в отслеживаемых нами нейросетевых ответах.

То есть схема «нашли еще запросы → добавили их на страницу → получили дополнительный охват» не сработала.

И вот тут уже стало интересно.

Потому что, если бы дело было просто в наличии FAQ или дополнительного текста, результат должен был быть другим.

Особенно хорошо это было видно на страницах каталога

Мы отдельно попробовали добавить на страницы каталога информационные запросы.

Логика стандартная: тематика одна, запрос связан с товаром, значит попробуем расширить содержимое страницы и получить дополнительную представленность.

Не получили.

Заметного прироста по этим вопросам не было.

Мне этот тест нравится как раз потому, что он отрицательный.

Он не доказывает, как именно нейросеть определяет интент документа. Внутрь алгоритма мы не заглядывали и заглянуть не можем.

Но наблюдение получилось вполне конкретным.

Просто добавить на страницу тематически близкую семантику оказалось недостаточно.

Если вопрос не соответствовал основной задаче страницы, наличие дополнительного текста не заставляло систему стабильно использовать ее для нового типа запросов.

Поэтому к советам вроде: «Расширяйте семантику специально под GEO.» я теперь отношусь довольно осторожно.

В наших тестах лучше работала другая логика.

Не пытаться растянуть страницу во все стороны, а глубже закрыть тот интент, ради которого она вообще существует.

А со страницей оплаты получилось наоборот

Другой тест был уже не про расширение семантики.

Была страница, посвященная оплате товара.

В базовом варианте такие страницы часто выглядят примерно так: «Доступны следующие способы оплаты…»

Формально информация есть.

Только пользователь приходит туда не за перечнем платежных систем.

У него есть вполне конкретные вопросы:

· Когда нужно платить?

· Что происходит после оформления?

· Какие шаги он пройдет?

· Что будет после успешной оплаты?

· А если платеж не пройдет?

Мы добавили на страницу нормальный пользовательский сценарий и описали процесс по шагам.

После изменения снова увидели положительную динамику по присутствию в нейросетевых ответах.

Но я бы и здесь не писал: «Нейросети любят пошаговые инструкции.»

Мы этого не доказали.

Зато произошло другое, вполне очевидное.

Раньше страница сообщала факт. Теперь она помогает решить задачу пользователя.

Вот этот вывод мне кажется гораздо полезнее.

С полезными материалами история повторилась

Похожую динамику мы видели у материалов и сервисов, которые помогают пользователю реально что-то сделать.

Не просто: «Наш продукт позволяет решить X.», а скорее: «Как вообще решить X?» И вот тут мы поняли, что нашему пользователю нужны ответы на следующие вопросы:

· Что проверить?

· Какие данные понадобятся?

· Что можно сделать самостоятельно?

· Где чаще всего возникает проблема?

· В какой момент уже нужен продукт или специалист?

Это могут быть статьи, инструкции, расчеты, полезные сервисы.

И постепенно у нас сформировалась рабочая гипотеза: «чем лучше страница решает свою конкретную задачу, тем больше у нее шансов оказаться полезным источником и для генеративного поиска.»

Именно рабочая гипотеза.

Не новый фактор ранжирования. Не «секрет GEO». И точно не универсальное правило, которое мы доказали для всех систем.

Просто результат серии тестов, который пока повторяется достаточно часто, чтобы учитывать его в работе.

В этом месте у меня возникло некоторое противоречие с тем, что сейчас часто называют GEO-оптимизацией.

Потому что советы обычно звучат примерно так:

· «Нейросети любят FAQ — добавьте FAQ».

· «Нейросети любят списки — сделайте больше списков».

· «Нейросети любят короткие блоки — разбейте текст».

А у нас получилось немного иначе.

FAQ с вопросами вне интента заметного результата не дал.

Дополнительная информационная семантика на страницах каталога — тоже.

А вопросы, которые реально продолжали задачу страницы, давали положительную динамику.

Подробный пользовательский сценарий — тоже.

Полезные материалы — тоже.

Поэтому сейчас я бы вообще не спрашивал: «Что еще добавить на страницу для GEO?»

Мне больше нравится другой вопрос: «Что человек пытается решить на этой странице и чего ему для этого сейчас не хватает?»

Вроде бы мелочь.

Но подход получается совсем другой.

Цифр здесь намеренно не привожу — это внутренние данные проекта. Но направление динамики было достаточно заметным, чтобы мы продолжили тесты.

И здесь хочется сразу поставить большую звездочку.

На момент проведения тестов мы ориентировались в том числе на кабинеты вебмастеров. А надежно разделить внутри этих данных обычные переходы из поиска и переходы именно из встроенных генеративных ответов было сложно.

Поэтому писать: «Мы увеличили AI-трафик на 10%.» было бы красиво, но неправильно.

Мы увидели две вещи одновременно.

Во-первых, положительную динамику по присутствию страниц и бренда в отслеживаемых нейросетевых ответах.

Во-вторых, положительную динамику переходов по затронутым группам страниц.

Этого достаточно, чтобы продолжать тесты.

Но недостаточно, чтобы заявить, что FAQ дал нам 3%, инструкция еще 4%, а оставшиеся 3% принес какой-нибудь полезный сервис. Так это не работает.

Плюс всегда остается внешний фон: меняется спрос, выдача, сами генеративные системы, поведение пользователей.

Поэтому здесь я лучше недооценю результат, чем нарисую красивую причинность там, где ее нельзя доказать.

Причем проблема с измерением постепенно решается

Когда мы начинали эти тесты, измерять генеративную видимость было заметно сложнее.

Мы видели, что страницы появляются в ответах. Видели изменения в поисковом трафике. Но связать одно с другим было трудно.

Сейчас сами поисковые системы постепенно добавляют нужные данные.

В Яндекс Вебмастере в апреле 2026 года появился инструмент «Видимость сайта в Алисе AI». Там можно смотреть долю упоминаний сайта среди источников, динамику, примеры запросов и другие сайты, которые появляются рядом.

При этом Яндекс отдельно предупреждает: этот отчет не предназначен для анализа кликов и показов. Он именно про представленность сайта в ответах.

У Google в 2026 году появился отдельный отчет по генеративному ИИ в Search Console, а с конца августа Google начал предоставлять эти данные сайтам по всему миру. Там уже можно отдельно смотреть показы ссылок в AI Overviews и AI Mode.

С ChatGPT немного проще. OpenAI добавляет к переходам из поисковых результатов utm_source=chatgpt.com, поэтому такие переходы можно выделять уже в собственной аналитике.

Получается забавная ситуация: сначала появился новый канал поиска, а вот нормальное измерение начало догонять его позже.

Что в SEO, впрочем, не первый раз.

Есть еще одна неприятная особенность.

AI-ответ не статичен.

Сегодня система использовала одну страницу, завтра другую, потом снова первую, а потом вообще потеряла нас из ответа.

Даже одинаковый вопрос при повторном запуске может дать другой набор источников.

Яндекс прямо предупреждает, что Алиса AI каждый раз формирует новый ответ исходя из актуальной выдачи, поэтому содержание и источники могут меняться.

Эту же проблему отдельно разбирают исследователи GEO: один замер плохо описывает реальную видимость, потому что ответы меняются между запусками, формулировками вопроса и моментами времени.

Поэтому скриншот «Смотрите, ChatGPT нас процитировал!» выглядит приятно.

Но как доказательство работает слабо.

Нужна повторяемость.

Я бы не начинал с десятков тысяч ключевых слов.

Для первого замера достаточно собрать контрольный набор вопросов, по которым нам действительно важно присутствовать.

Причем важнее не количество, а качество выборки.

Дальше по каждому вопросу фиксируем: вопрос → система → упоминание бренда → наличие ссылки → используемая страница → конкуренты → дата.

Получили базовый замер.

Дальше берем конкретную группу страниц и формулируем следующие гипотезы:

· Что здесь может мешать?

· Не хватает ответа?

· Страница плохо раскрывает интент?

· Робот не получает часть содержимого?

· Система выбирает другой источник?

После изменения повторяем замеры.

Получается простая последовательность: замер → гипотеза → изменение → переобход или обновление данных → повторные замеры → сравнение.

Самая большая проблема начинается, когда меняют все сразу.

Переписали текст. Поменяли перелинковку. Добавили разметку. Получили ссылки. Запустили PR.

Через месяц видимость выросла.

Отлично.

А неизвестно.

Поэтому отрицательный тест с каталогом для меня оказался не менее ценным, чем положительный тест с вопросами.

Он хотя бы позволил отбросить одну красивую гипотезу.

Логичный вопрос.

Если страница и так занимает хорошие позиции, зачем вообще отдельно заниматься GEO?

Для начала стоит проверить, есть ли проблема.

Если бренд появляется по важным вопросам, нужные страницы используются как источники, а конкуренты не забирают большую часть генеративных ответов — возможно, ничего специально делать и не нужно.

Да, такое тоже бывает.

Но хорошая позиция сама по себе не гарантирует, что конкретный документ попадет в AI-ответ.

Даже Яндекс в своей статистике отдельно считает обычную поисковую видимость и присутствие сайта в ответах Алисы AI.

То есть теперь у нас есть два связанных, но все-таки разных вопроса: как сайт представлен в поиске → как сайт представлен внутри генеративного ответа.

Один не всегда автоматически отвечает на другой.

Периодически встречаю тезис: «SEO умерло. Теперь есть GEO.»

Каждый раз хочется спросить: а откуда генеративный поиск берет страницы?

Google прямо пишет, что его AI-функции используют поисковую инфраструктуру и основные системы ранжирования и качества. Яндекс строит ответы на основе проиндексированных страниц. То есть получается странная конструкция.

Мы объявляем SEO мертвым и одновременно пытаемся попасть в системы, которые продолжают опираться на поисковый индекс.

Мне ближе другая модель.

GEO не заменяет SEO. Оно добавляет еще один слой измерения.

Раньше мы смотрели на позиции → показы → клики → трафик → конверсии.

Теперь рядом появились упоминания → цитирования → используемые страницы → конкуренты в AI-ответах.

Вот с ними и нужно учиться работать.

Еще один хороший кандидат на похороны, причем стабильный.

Иногда встречается утверждение, что обратные ссылки для GEO уже не важны.

Пока оснований говорить настолько уверенно я не вижу.

Semrush исследовал 1000 случайно выбранных доменов и сравнивал характеристики их ссылочных профилей с упоминаниями в ChatGPT, ChatGPT Search, Gemini, AI Overviews и Perplexity.

Для Authority Score корреляция с количеством AI-упоминаний составила 0,65 по Пирсону и 0,57 по Спирмену.

Для AI Share of Voice связь была заметно слабее: около 0,23 и 0,36.

Интересно?

Да.

Доказывает, что нужно срочно покупать ссылки для ChatGPT?

Нет.

Это корреляция.

У сильных сайтов одновременно может быть лучше контент, выше обычная поисковая видимость, больше известность, больше упоминаний и еще десяток отличий.

Поэтому я смотрю на это исследование скорее как на аргумент против другой крайности: «Ссылки теперь вообще не имеют значения.» Вот это мы тоже пока доказать не можем.

Допустим, нейросеть поставила ссылку на наш сайт.

Все хорошо?

Не обязательно.

Пользователь может вообще не увидеть название компании. И наоборот, система может назвать бренд, но не поставить ссылку.

Semrush анализировал 3981 появление доменов по 115 запросам в 14 странах и четырех AI-системах.

В 61,7% случаев сайт использовался как источник, но бренд в самом ответе не назывался.

В 25,1% случаев бренд упоминался, но ссылки не было.

И только 13,2% случаев одновременно содержали и упоминание бренда, и цитирование.

Разумеется, это конкретная выборка, а не статистика всего генеративного поиска.

Но сам эффект интересный.

Цитирование и видимость бренда — не одно и то же.

Поэтому складывать их в один показатель я бы не стал.

Еще один совет, который сейчас встречается регулярно: «Для GEO обязательно нужен LinkedIn.» Не обязательно, но сама идея внешних источников вполне здравая.

В исследовании Semrush 2026 года анализировались 325 тысяч запросов и 89 тысяч URL LinkedIn, которые появлялись в ответах ChatGPT Search, Google AI Mode и Perplexity.

В этой выборке LinkedIn оказался вторым по частоте цитирования доменом и встречался в среднем в 11% ответов. Для ChatGPT Search показатель составлял 14,3%, для Google AI Mode — 13,5%, для Perplexity — 5,3%.

При этом выборка была заметно смещена в сторону профессиональных и B2B-тематик.

Поэтому мой вывод отсюда точно не: «Всем заводить LinkedIn.». Скорее другой, а именно: «Информация о компании существует не только на ее сайте.».

И внешняя площадка вполне может стать источником для генеративного ответа.

Поэтому вопрос не в количестве заведенных профилей.

Вопрос в том, есть ли где-то за пределами собственного сайта нормальная информация, которую вообще имеет смысл использовать.

А конкретные площадки еще много раз поменяются.

После серии тестов мой список стал даже короче, чем был в начале.

Сначала техничка.

· Робот вообще получает страницу?

· Какой HTTP-код?

· Не мешает ли CDN?

· WAF?

· Защита от ботов?

· Есть ли нужное содержимое в HTML?

· Попадает ли страница в индекс?

Потом интент.

· Какую задачу решает страница?

Не «какие еще ключи сюда добавить», а именно какую задачу.

После этого смотрим, чего внутри этой задачи не хватает.

· Ответа на очевидный вопрос?

· Нормальной инструкции?

· Последовательности действий?

· Собственных данных?

· Полезного сервиса?

· Примера?

И уже потом — внешнее окружение. Ссылки, упоминания, сторонние источники информации о компании.

После изменений снова измеряем. Если ничего не произошло — отлично! Значит, одной гипотезой стало меньше.

После всей серии тестов я бы вообще не ставил задачу: «Написать контент для нейросетей.»

У нас это работало не так.

FAQ с вопросами вне интента заметного результата не дал. Попытка расширить страницы каталога информационными запросами — тоже. А вопросы, которые действительно продолжали задачу страницы, показывали положительную динамику.

Подробный пользовательский сценарий — тоже.

Полезные материалы и сервисы — тоже.

После комплекса изменений по затронутым группам страниц мы наблюдали положительную динамику переходов. Цифр здесь намеренно не привожу — это внутренние данные проекта. И специально не называю этот результат ростом AI-трафика: имеющиеся на момент тестов данные не позволяли надежно отделить одно от другого.

Для меня это пока гораздо интереснее любых разговоров про «секретную GEO-разметку».

Потому что здесь хотя бы есть нормальная последовательность: гипотеза → тест → результат → повторный тест → вывод.

Иногда вывод положительный. Иногда нет. И это нормально.

Сейчас вокруг GEO слишком много попыток найти универсальный рецепт: специальный формат текста, правильный файл, определенное количество вопросов, обязательную площадку. Я пока такого рецепта не увидел. Зато увидел другое.

Не нужно пытаться понравиться нейросети количеством дополнительных запросов. Нужно сделать так, чтобы страница действительно хорошо решала ту задачу, ради которой она существует.

А дальше — измерять.

Если через полгода окажется, что часть наших сегодняшних гипотез перестала работать, значит, будем проверять заново.

В классическом SEO мы, собственно, постоянно только этим и занимаемся.

#geo #seo #бизнес #нейросети #маркетинг #технологии #ai #google #яндекс