Привычный мир поисковой оптимизации, в котором мы жили последние двадцать лет, стремительно уходит в прошлое. Ты наверняка сам заметил: когда вводишь сложный запрос в поисковик или открываешь чат с нейросетью, тебе больше не хочется продираться сквозь десять синих ссылок, закрывать всплывающие баннеры и листать страницы сайтов в поисках нужной строчки. Нейросеть мгновенно выдает готовый, связный и аргументированный синтетический ответ прямо на экране.
Для обычного пользователя это фантастическое удобство. Но для бизнеса и маркетологов наступил момент тектонического сдвига: классическое SEO перестает гарантировать продажи. Мало просто вывести сайт в топ Яндекса или Google — нужно научиться попадать в рекомендации больших языковых моделей (LLM) и удерживать внимание клиента внутри генеративного диалога.
В сегодняшнем выпуске мы объединили три независимых аналитических среза — от феномена диалогового отсева в AI-поиске до новой дисциплины Generative Engine Optimization (GEO) и стратегии выживания коммерческих сайтов в эпоху «нулевого клика».
Почему генеративные модели знают о компании, но рекомендуют других
Большинство маркетологов до сих пор пребывают в опасной иллюзии: «Если ChatGPT или Gemini упоминают наш бренд в ответе на вопрос о рынке, значит, с видимостью всё в порядке». Исследователь Грегори Шевченко (Gregory Shevchenko) на хакатоне Profound в Сан-Франциско провел показательный эксперимент, создав аналитического агента Conversation Gauntlet и прогнав 144 реальных покупательских сценария.
Выяснилась поразительная вещь, которую Шевченко назвал диалоговым отвалом (Conversational Churn). Реальный покупатель не принимает решение по первому же промпту! Он начинает задавать нейросети 5–7 уточняющих вопросов: «А какой инструмент лучше подойдет под бюджет до 50 000 рублей?», «У кого есть интеграция с 1С?», «Какие скрытые минусы у этого сервиса?».
И вот на этой дистанции начинается массовая бойня брендов. Например, сервис продуктовой аналитики Mixpanel появлялся во всех 24 из 24 первых ответов модели Gemini. Но к концу диалога, после всех уточнений пользователя, модель оставила рекомендацию Mixpanel лишь в 13 случаях. А в тестах на GPT-5.5 из 16 первичных появлений бренд дожил до финальной рекомендации ровно один раз!
Почему нейросети «забывают» компании по ходу разговора? Причин три:
- Размытое позиционирование. Модель знает общее название бренда, но не видит четкой привязки к конкретным сценариям использования (Use Cases). Если у конкурента прямо написано: «Идеально для складов с номенклатурой от 10 000 позиций», модель выберет его, а не универсального гиганта с абстрактным слоганом.
- Игнорирование ограничений и пограничных условий (Edge Cases). Если сайт скрывает цены, тарифные сетки или системные требования, нейросеть воспринимает это как фактор риска и при уточнении бюджета советует альтернативу с прозрачной ценовой политикой.
- Дефицит независимых доказательств. В диалоге модель опирается на консенсус мнений в интернете. Если о бренде есть только восторженные статьи с его собственного сайта, но нет упоминаний на профильных форумах и в независимых бенчмарках, ее доверие к компании стремительно падает.
Принципы Generative Engine Optimization
На смену привычной подгонке метатегов и закупке ссылочной массы приходит новая дисциплина — Generative Engine Optimization (GEO). Её ключевые принципы детально разобрали аналитики издания Social Media Examiner.
В отличие от традиционных поисковых роботов, сканирующих страницы по ключевым словам, генеративные нейросети мыслят семантическими сущностями (Entities) и графами знаний. Чтобы модель уверенно рекомендовала твой бизнес, она должна сопоставить бренд с авторитетными источниками.
Ключевой фактор ранжирования в GEO — так называемая «триангуляция доверия»:
- Цитируемость на доверенных независимых узлах. Для ИИ критически важно, чтобы название твоей компании упоминалось в авторитетных отраслевых каталогах, обзорах признанных экспертов, на профессиональных порталах и в научных публикациях. Модель перепроверяет утверждения бренда через внешние независимые базы данных.
- Плотность фактов вместо водянистого копирайтинга. Нейросети обучены сжимать информацию. Если твоя статья состоит из общих фраз («мы динамично развивающаяся компания с индивидуальным подходом»), парсер LLM просто выбросит этот текст из контекстного окна. Чтобы попасть в генеративный ответ, контент должен быть насыщен конкретными проверяемыми фактами: точными цифрами, техническими характеристиками, диапазонами цен, сравнительными таблицами и цитатами с указанием должностей авторов.
- Семантическая микроразметка Schema.org. Структурированные данные помогают нейросетевым краулерам однозначно идентифицировать суть предложения: кто производитель, какова точная цена, в каких городах доступна доставка и какие отзывы оставили реальные клиенты. Чтобы подробнее изучить, как готовить данные, обрати внимание на разбор подготовки товарных фидов для ChatGPT и поисковых нейросетей, где рассмотрены требования к каталогам.
Хотите, чтобы нейросети рекомендовали вашу компанию при запросах вида «лучшие подрядчики по...»? Публикуйте подробные методологии, калькуляторы и исследования с открытым кодом. Чем чаще специалисты вашей ниши цитируют ваши материалы как первоисточник отраслевого стандарта, тем выше авторитет сущности вашего бренда в весах языковой модели.
AI Overviews в традиционном поиске
Трансформация затронула не только чат-боты, но и сам традиционный поиск. Внедрение блоков AI Overviews в поисковиках привело к взрывному росту феномена «нулевого клика» (Zero-Click Searches): почти 60% информационных запросов теперь заканчиваются прямо на странице выдачи, так как нейросеть полностью удовлетворяет любопытство пользователя сгенерированной сводкой.
Сайты, десятилетиями жившие за счет дешевого трафика на простых информационных статьях («что такое инфляция», «как почистить утюг от накипи»), теряют до 40–60% органических переходов. Пытаться конкурировать с нейросетью в пересказе энциклопедических определений — заведомо проигрышная стратегия.
Чтобы сохранить коммерческий трафик и оставаться на плаву, бизнесу необходимо кардинально перестроить контентную стратегию:
- Уход в незаменимый оригинальный опыт. Нейросеть умеет компилировать уже написанное, но она не может провести собственный натурный эксперимент, разобрать двигатель своими руками или замерить реальный расход топлива на трассе. Публикуйте то, чего физически нет в базах данных: живые фотоотчеты, видеоразборы производственных процессов, реальные кейсы с неидеальными результатами и поучительными ошибками.
- Интерактивные инструменты вместо текстовых простыней. Пользователь не кликнет на статью с определением, но он обязательно перейдет на сайт ради удобного калькулятора таможенных пошлин, интерактивного конструктора планировки квартиры или закрытого сервиса подбора автозапчастей по VIN-номеру.
- Фокус на брендовый спрос и комьюнити. Самый надежный щит от алгоритмических штормов — аудитория, которая идет целенаправленно к вам. Развивайте собственные каналы в мессенджерах, email-рассылки и программы лояльности. Когда клиент вбивает в поиск имя конкретного эксперта или название вашей компании, никакой AI Overview не сможет перехватить этот визит.
Эпоха слепой оптимизации под поисковых роботов завершилась. Сегодня поисковые системы и нейросети оценивают глубину реального опыта, авторитетность первоисточника и прозрачность фактуры. Побеждает тот, кто создает контент для живых людей, делая его предельно структурированным и удобным для считывания искусственным интеллектом.
Генеративный поиск не убивает маркетинг — он очищает его от шелухи и рерайтерского мусора. Создавай твердый продукт, открыто делись уникальным практическим опытом, выстраивай репутацию на авторитетных площадках — и новые поисковые алгоритмы станут твоими главными союзниками в привлечении клиентов.