Привычная модель поискового маркетинга уходит в прошлое. Пользователи все реже кликают по синим ссылкам в выдаче Яндекса или Google: они открывают ChatGPT, Алису или Perplexity и просят сразу дать готовое решение.
В маркетинге оформляется новая реальность — Generative Engine Optimization (GEO) и Answer Engine Optimization (AEO). Мы уже разбирали, как бизнесу адаптироваться к поисковой выдаче в эпоху AI, но сегодня это стало вопросом выживания продаж. Я собрал четыре взгляда на трансформацию: от прикладного B2B-кейса до фильтров Semrush и жестких правил отбора подрядчиков. Разбираемся, как заставить искусственный интеллект цитировать и рекомендовать именно тебя.
Диагностика видимости в нейросетях
Поучительный кейс агентства TexTerra вскрыл скрытый кризис крупного B2B-разработчика платформы. Сайту компании более десяти лет, он собирает тысячи переходов из органики. Но аудит показал: 97% трафика идет на статьи и документацию, и менее 1% пользователей доходят до страниц продукта.
По брендовым запросам компания занимала медианную позицию 1,5 (94% фраз в топ-10), но по небрендовым коммерческим фразам — лишь 18-ю. В сводном замере нейросетей (20 вопросов в ChatGPT, Алисе и Google AI Overviews) бренд упомянули в 45% проверок (27 из 60). Казалось бы, солидный результат?
Но упоминание не равно рекомендации: в 14 вопросах о выборе надежного поставщика нейросети называли конкурентов, игнорируя бренд. При этом мартовский опрос G2 среди 1 076 B2B-покупателей софта показал: 51% специалистов выбирают подрядчика через AI-чат-боты, а 69% изменили решение под влиянием аргументов модели.
Причиной стал «информационный долг»: на страницах и в старых PDF нашли четыре конфликтующие версии характеристик. Нейросети путались и галлюцинировали. Спасением стало внедрение «факт-матрицы», где каждый параметр получил строгую формулировку и дату актуальности, а фокус сместился на регулярное обновление ключевых посадочных страниц.
Аудит подрядчиков по GEO
Спрос на оптимизацию породил волну продавцов воздуха. Григорий Шевченко из агентства Humanswith.ai сформулировал фильтры рынка.
В России 78% интернет-пользователей обращались к нейросетям за последний год, а 58% делают это еженедельно (данные ВЦИОМ). По статистике OMI, чат Алисы AI используют 71% пользователей ИИ, ChatGPT — 42%, а GigaChat — 38%. При этом 12% запросов в Алисе напрямую связаны с покупками.
Маркер обмана — обещание «топ-1 в ChatGPT за 3 дня». Это невозможно: агентство не управляет стохастической природой моделей (исследование SparkToro доказало, что шанс получить два одинаковых списка брендов в повторных промптах — менее 1%). Бесполезен и спам текстами от роботов.
Тест 48 диалогов показал: нейросети отсеивают слабые компании на этапах сравнения цен и отзывов, опираясь на независимые платформы (vc.ru, Habr, рейтинги). Реальный подрядчик работает со связками сущностей, создает факт-матрицу и измеряет результат ростом доли рекомендаций (Share of Voice).
Топ в Google против ответов ChatGPT
Нил Патель разобрал, почему победа в классическом поиске больше не гарантирует присутствие в ответах ИИ.
Генеративные движки и RAG-системы сканируют страницу за секунды. Если в первых предложениях абзаца под заголовком нет прямого ответа, парсер отбрасывает страницу. Пространные вступления («В современном мире...») убивают трафик.
Патель выделяет три правила:
- Структура Answer-First: прямой ответ и ключевая цифра сразу под заголовком H1/H2, а детали и таблицы — следом.
- Фактор свежести: контент старше 90 дней быстро вытесняется более свежими материалами конкурентов.
- Прямая конверсия: мы уже убеждались, почему трафик из LLM дает кратную конверсию, ведь клиент приходит по готовому совету ассистента.
Тактика работы со связками сущностей
Команда Semrush разложила тактики оптимизации под генеративный поиск по приоритетам:
- S-tier (Высший приоритет):
- Контент в чистом HTML: краулеры LLM не исполняют тяжелый клиентский JavaScript; факты и цены должны отдаваться сервером.
- Brand consistency: строго одинаковые реквизиты, формулировки и параметры продукта на сайте и во внешних базах.
- A-tier (Высокая ценность):
- Original data: публикация собственных цифр, опросов и бенчмарков, которые будут цитировать другие.
- AI recommendations: работа над тем, чтобы бренд попадал в текст ответа как совет, а не просто ссылкой в источниках.
- B-tier: обсуждения на форумах, Reddit и отраслевых сообществах.
- D-tier и F-tier (Бесполезные траты):
- Разметка Schema.org сама по себе не заставит ИИ рекомендовать продукт.
- Файлы
llms.txtоказались бесполезным хаком: зависимости между их наличием и цитированием нет.
Новая формула цифровой видимости
Генеративный поиск оценивает не плотность ключевых слов, а точность фактов, авторитет и связность данных. Чтобы бренд рекомендовали ИИ-ассистенты, устрани информационный долг на сайте, перестрой верстку по принципу Answer-First в серверном HTML и выходи на авторитетные площадки, которым доверяют алгоритмы.