Если ты до сих пор измеряешь поисковый маркетинг позициями в «Яндекс Вордстате» и строчками в органической выдаче, у меня для тебя отрезвляющие новости: классический поиск стремительно уступает место диалоговым движкам. Появление AI Overviews, диалогов с ChatGPT Search, Perplexity и нейросетевых ответов в Алисе уже срезало органический CTR первой позиции поисковой выдачи на 18–25%. Пользователь больше не серфит по десятку синих ссылок, продираясь сквозь баннеры — он задает вопрос нейросети и получает готовый синтезированный ответ. Если твоего бренда нет в этом ответе, для клиента ты попросту не существуешь.
Мы вошли в эпоху Generative Engine Optimization (GEO) — оптимизации под генеративные движки. Здесь действуют совершенно иные правила индексации, ранжирования и цитирования. В отличие от традиционного SEO, где решали ссылочная масса и плотность ключевиков, большие языковые модели мыслят сущностями, семантическими графами и доверенными кластерами данных. Ранее мы уже разбирали, как устроен поиск в эпоху LLM: механика цитирования и ранжирования в ChatGPT и AI Overviews, а сегодня я препарирую три свежих практических кейса и релиза: запуск GEO-пакета от Pressfeed, инженерный чек-лист Semrush и полевой стресс-тест Perplexity от TexTerra.
Pressfeed запускает GEO-сервис для видимости брендов в ответах нейросетей
Сервис журналистских запросов Pressfeed официально развернул коммерческое направление GEO для компаний, стремящихся закрепиться в ответах ChatGPT, Алисы AI и Perplexity. Логика запуска очевидна: нейросеть не обучается исключительно на твоем корпоративном сайте. Более того, как показывает аналитика, собственный сайт дает лишь треть упоминаний в нейросетях, тогда как остальные две трети модель берет из сторонних независимых источников — медиа, отраслевых рейтингов и экспертных колонок.
Pressfeed упаковал GEO не как замену классическому поисковому продвижению, а как надстройку над PR и контент-маркетингом. Механика работы опирается на расширение цифрового следа бренда: сервис организует регулярные комментарии топ-менеджеров в отраслевых СМИ, публикации кейсов и пресс-релизов, жестко привязывая название компании к целевым семантическим кластерам. Когда модель формирует сводный ответ на вопрос вроде «какую CRM выбрать для логистики», она сканирует векторную память и свежий веб-индекс, находя авторитетные подтверждения надежности системы. Если бренд упоминается в Cossa, РБК и отраслевых обзорах в контексте автоматизации складов, LLM с высокой долей вероятности включит его в шорт-лист рекомендаций.
Четыре шага Semrush
Аналитическая команда Semrush выпустила технический разбор факторов, определяющих, попадет ли фрагмент контента в цитирование генеративных моделей. Разработчики выделили четыре фундаментальных шага, которые переводят сайт из «слепой зоны» ИИ в статус авторитетного первоисточника.
Первый шаг — жесткая микроразметка структурированных данных по стандартам Schema.org. Генеративные парсеры обожают форматы JSON-LD, Article, Product, Organization и FAQPage. Чем чище размечены сущности (entity), тем проще векторному анализатору связать бренд с решением конкретной проблемы. Второй шаг — присутствие сущности в Wikidata и авторитетных открытых базах знаний. Для LLM запись в графе знаний Wikidata служит цифровым паспортом доверия.
Третий шаг — плотность фактов на квадратный сантиметр текста. Модели при обучении и в режиме RAG (Retrieval-Augmented Generation) фильтруют стилистическую «воду» и маркетинговый пафос. Им нужны точные цифры, измеримые параметры, бенчмарки и прямые цитаты создателей. Четвертый шаг — внешняя верификация цитирований. Если на твое исследование или аналитический обзор ссылаются признанные лидеры отрасли, модель автоматически повышает вес этого узла в семантическом графе. По сути, Semrush призывает пересобрать контент-пайплайн: писать меньше рекламных текстов и больше технически выверенных датасетов.
Эксперимент TexTerra
Агентство TexTerra провело показательный аудит видимости безрецептурного медицинского препарата в поисковой нейросети Perplexity и проверило точность генерации фактов. Этот кейс вскрыл главную уязвимость генеративного поиска — галлюцинации и смысловые искажения.
Специалисты протестировали десяток базовых пользовательских запросов: показания, дозировки, побочные эффекты и сравнение с аналогами. Выяснилось, что до 30% цитирований в Perplexity содержали искажения или опирались на сомнительные рерайты, если официальный сайт производителя не давал прямого, однозначного ответа в формате вопрос-ответ. Модель цеплялась за трастовые медицинские порталы-агрегаторы, где дозировки были перепутаны копирайтерами пятилетней давности. Когда команда бренда внедрила на основном домене разметку MedicalWebPage, обновила официальные пресс-релизы и провела чистку внешних упоминаний, Perplexity перестроила поисковую выдачу за две недели, повысив точность фактологии до 95%.
Вывод простой: если ты не управляешь своим цифровым следом в открытом контуре, нейросеть додумает факты о твоем продукте сама. А расплачиваться за ее галлюцинации придется потерянными клиентами. Понимание того, как настроить GEO вместо SEO и попасть в ответы ChatGPT, Gemini и Алисы, становится базовым навыком маркетолога. Время экспериментов прошло — пора оцифровывать бренд под алгоритмы языковых моделей.