Последние полгода мы продвигали два проекта в выдаче, где нет рекламного кабинета, фиксированных позиций и даже гарантии, что один и тот же запрос дважды даст одинаковый результат.
Речь о GEO — продвижении в ответах нейросетей.
Меня зовут Женя Ванжула, я руковожу маркетинговым агентством AdsON. Обычно мы занимаемся SEO, платным трафиком и аналитикой. Но в последние полгода вместе с командой ГЕОранк (ГЕОранк) разбирались, можно ли системно влиять на то, какие компании нейросети рекомендуют пользователям.
Для эксперимента выбрали два клиентских проекта: сервис автоподбора и агентство детских праздников. Ниши разные, поэтому и набор факторов, которые повлияли на результат, оказался разным.
Главное открытие ждало нас уже в процессе. Продвижение в нейросетях оказалось гораздо меньше связано с собственным сайтом, чем мы предполагали на старте. В одном проекте заметнее сработали подборки и экспертные материалы, в другом — локальные площадки, карточки компаний и отзывы.
В статье разберём оба кейса, покажем, как измеряли результат в канале без привычных позиций, какие гипотезы дали эффект, а какие оказались почти бесполезными.
Что такое GEO-продвижение и чем оно отличается от SEO
В классическом поиске логика давно знакома: есть позиции, показы, клики и переходы на сайт. Компания поднимается выше в выдаче, получает больше трафика и измеряет результат через привычные инструменты аналитики.
В нейронках же всё устроено иначе. Пользователь пишет: «Посоветуй, кому доверить подбор автомобиля». В ответ он получает несколько абзацев текста и, возможно, названия двух-трёх компаний. Здесь нет десятка результатов, каки и «почётного» четвёртого места (сразу после рекламы).
Та же история и со ссылками. Модель может пересказать содержание сайта или сторонней статьи своими словами, но не указать источник. Поэтому оценить результат только по переходам невозможно.
Ещё одно отличие заключается в том, что собственного сайта часто недостаточно. Ответы формируются не только на основе страниц компаний, но и с учётом подборок, рейтингов, обзоров, отзывов и материалов на внешних площадках.
По нашему опыту, значительная часть GEO-оптимизации приходится именно на такие источники. Для SEO-специалиста это непривычная ситуация, потому что результат зависит от источников, которыми он не управляет напрямую.
На первый взгляд это может напоминать линкбилдинг или крауд-маркетинг. Однако логика другая.
В классическом SEO важен сам факт ссылки и авторитет страницы, на которой она размещена. В GEO модель анализирует ещё и контекст. Ей важно понять, в связи с какими услугами упоминается компания, какие факты подтверждают её экспертность и почему её вообще стоит рекомендовать.
Фраза «лидер рынка с индивидуальным подходом» почти ничего не даёт. В ней нет информации, которую можно использовать в ответе.
А вот формулировка «подбор автомобиля занимает в среднем 5–9 дней, каждую машину проверяют по 170 пунктам» уже содержит конкретные сведения. Такой фрагмент проще процитировать, пересказать или включить в рекомендацию.
Я бы сказал, что GEO-продвижение, по своей логике, находится где-то между SEO, контент-маркетингом, аналитикой и PR. |
Как нейросети выбирают компании для рекомендаций
Если сильно упростить, есть два механизма формирования ответа.
Первый связан с информацией, которую модель получила во время обучения. Если о бренде много лет писали крупные СМИ, отраслевые площадки и пользователи, нейросеть может назвать его даже без обращения к интернету.
Быстро повлиять на такой пласт данных сложно. Обучающие выборки обновляются не постоянно, а частота и порядок обновлений зависят от конкретной модели.
Второй механизм работает непосредственно в момент ответа. Модель обращается к поиску, формирует несколько подзапросов, изучает найденные документы и собирает ответ на их основе.
Именно на этот механизм в первую очередь можно влиять с помощью GEO.
Задача заключается не в том, чтобы условно «сообщить нейросети» название нужной компании. Нужно попасть в документы, которые модель находит, считает полезными и использует при подготовке ответа.
Причём она выбирает не просто популярные страницы, а материалы, из которых удобно извлекать информацию. Это могут быть:
сравнения нескольких компаний;
рейтинги и подборки;
экспертные статьи;
страницы с ценами и сроками;
подробные отзывы;
карточки организаций;
ответы на частые вопросы;
материалы с понятными фактами и цифрами.
Чем проще выделить из текста самостоятельный и содержательный фрагмент, тем выше вероятность, что модель использует его в ответе.
Кейс 1. Автоподбор AUTOPRO: первое место по упоминаниям в нише
Автоподбор — сложная ниша с высокой конкуренцией и изначально низким уровнем доверия. Прямая реклама автоподбора при этом дорожает с каждым аукционом.
Пользователь одновременно опасается и купить проблемную машину, и заплатить за бесполезную проверку. Поэтому перед обращением он изучает отзывы, сравнивает компании и ищет независимые рекомендации.
Раньше для этого открывали несколько сайтов и форумов. Теперь тот же вопрос задают нейросети, в духе «посоветуй подборщиков автомобиля с пробегом». Такая рекомендация воспринимается иначе, чем рекламное объявление. Место в рекламном блоке куплено, и пользователь это понимает. В нейроответе механизм выбора не очевиден, поэтому доверие к названным компаниям выше.
Что было на начало работ
К моменту запуска GEO-продвижения мы уже вели клиенту SEO: многие коммерческие запросы в топ-10 Яндекса и Google, рабочий сайт, поток отзывов. То есть база уже была.
Поэтому перед стартом мы сняли стартовый замер в ГЕОранк — 258 ответов нейросетей по контрольному пулу промптов в течении десять дней.
Что показал замер:
ответов с упоминанием бренда — 42 из 258;
ответов со ссылкой на сайт — 24;
тональность упоминаний — 6,2 из 10;
больше всего упоминаний дали Google AI Overview и Perplexity (по 11), Алиса — 5, ChatGPT — 3.
Это давало клиенту 22 перехода по брендовым запросам и 4 заявки в месяц .
Со стороны 16% может показаться нормальным стартом. Но нейросети регулярно называли конкурентов, а AUTOPRO в большинстве случаев вообще не замечали. По доле голоса бренд оставался на уровне середнячка.
Что сделали
Дальше начали работу параллельно по четырём направлениям:
Публикации в подборках и рейтингах. Писали статьи-рейтинги с упоминанием бренда на трастовых площадках — DTF, VC — в темпе около 30 публикаций в месяц. Тексты не дублировали: на каждой площадке свой текст, свои заголовки, разное количество позиций в рейтинге.
Отзывы. Проработали площадки, которые модели реально цитировали. Основной упор — Яндекс Карты, где у компании писали отзывы живые клиенты.
Сайт. Добавили на сайт страницы под привоз машин из Китая и Южной Кореи и фильтр по доставленным автомобилям.
Техничка. Schema.org, карточки услуг, llms.txt. Статьи-рейтинги завели и в блог самого сайта.
И всё это время ГЕОранк еженедельно гонял контрольный пул, чтобы видеть динамику по всему набору промптов.
Результат
Через сняли второй замер, уже на расширенном пуле — 1094 ответа против 258 в стартовом. Выборка выросла в четыре раза, поэтому абсолютные числа упоминаний до и после напрямую сравнивать нельзя — смотрим на доли и на положение относительно конкурентов.
По доле упоминаний AUTOPRO обошёл всех в нише: 17% ответов с брендом против 8–10% у ближайших конкурентов. В штуках за период — 191 упоминание, у ближайшего преследователя 102. Доля ответов со ссылкой на сайт выросла с 9 до 12%. Доля ответов с упоминанием бренда — с 16 до 17%. Немного, и это честная цифра. Но это вполне нормально на коротком отрезке — публикации могут индексироваться неделями. Переходы по брендовым запросам: 22 → 59 за месяц, рост на 168%. Заявки: 4 → 13 в месяц. |
Кейс 2. Детские праздники Бананашоу: защита лидерства и +40% заявок
На первый взгляд рынок детских праздников проще. Но здесь тоже высокая конкуренция, дорогая реклама и сильная зависимость от доверия — детские праздники реклама в лоб продаёт всё хуже.
Родитель выбирает не просто услугу. Он решает, кому доверить эмоции ребёнка и гостей. Поэтому на выбор влияют фотографии, отзывы, рекомендации знакомых и общее впечатление от компании.
Кроме того, большинство запросов локальные: «агентство детских праздников в Москве», «кого позвать на день рождения ребёнка», «где заказать научное шоу». По таким формулировкам модели часто используют карты, агрегаторы, каталоги и площадки с отзывами. Сайт компании остаётся важным, но далеко не всегда становится главным источником.
Это и определило наш план работы.
Что было на начало работ
Стартовый замер в ГЕОранк за 3–22 июля: 423 ответа по контрольному пулу, 82 с упоминанием бренда — 19%, ссылки на сайт в 9% ответов.
С виду неплохо: Бананашоу оказался самым упоминаемым брендом ниши, 82 упоминания против 70 у ближайшего конкурента. Но структура ответов настроение портила:
ответов, где Бананашоу назван без конкурентов, — всего 4%;
ответов, где конкуренты названы без Бананашоу, — 20%;
ChatGPT не упомянул бренд ни разу. При 25 упоминаниях в Perplexity.
То есть лидерство было, но хрупкое: отрыв от второго места 17%, а конкуренты в этой нише вкладываются в те же площадки. Задача формулировалась иначе, чем в первом кейсе. Автоподбору надо было ворваться в ответы. Здесь — удержать и нарастить отрыв.
Клиент получал 28 переходов по брендовым запросам в месяц и 5 заявок.
Что сделали
Сначала собрали пул запросов с географической привязкой. В него вошли не только прямые формулировки вроде «лучшие агентства детских праздников в Москве», но и разговорные:
«кого пригласить на день рождения ребёнка в Москве?»;
«посоветуй агентство, которое организует детский праздник под ключ»;
«где заказать научное шоу для детей?»;
«какие компании проводят хорошие детские праздники?».
После стартового замера разобрали, откуда модели берут ответы по каждому типу запросов. Карта источников оказалась совсем другой, чем у автоподбора: локальные каталоги, Яндекс Карты и карточки организаций, агрегаторы вроде profi.ru, отзовики, тематические подборки и статьи с идеями и сценариями праздников. У автоподбора решали прайсы и справочники — здесь решают площадки, где родители читают и сравнивают.
Дальше работали по направлениям:
Публикации. Статьи-рейтинги с упоминанием бренда на трастовых площадках — по той же механике, что в первом кейсе.
Отзывы. Проработали площадки, которые чаще всего появлялись среди источников.
Каталоги и форумы. Разместили информацию в тематических каталогах — в этой нише модели цитируют их охотно.
Техничка. Микроразметка Schema.org на сайте.
Контент в блоге. Подборки аниматоров по возрастам и полу детей. Расчёт простой: родитель спрашивает «кого позвать на праздник девочке пяти лет» — на сайте должна быть страница, которая отвечает ровно на этот вопрос и которую модели могут процитировать.
В целом, по своей сути, принцип работы не отличался от первого кейса. Мы нашли для себя рабочую стратегию работы и пока старались её придерживаться.
Результаты
Замер во втором окне шёл заметно плотнее: 809 ответов за 12 дней против 423 за 20 дней в стартовом.
Бананашоу удержал первое место по упоминаниям в нише: 155 против 137 у ближайшего конкурента. Доля ответов с упоминанием бренда держится на 19% при втрое выросшей интенсивности замера. Охват стал шире — упоминаемость не размылась. Доля ответов со ссылкой на сайт — 10%. Упоминаемость бренда на внешних площадках выросла с нуля до 7–8% ответов: vc.ru, profi.ru, dtf.ru, Яндекс Услуги, карты. Прямой след публикаций и каталогов. Алиса начала цитировать сайт с конкретикой, например, давая конкретные цены на услуги и прямая рекомендация подобрать аниматора на БананаШоу. Заявки: с 5 до 7 в месяц, плюс 40%. Да рост небольшой, но и времени прошло немного. Переходы по брендовым запросам: 28 → 32 за месяц. |
Как мы измеряем видимость в нейросетях
Видимость в нейросетях нельзя открыть в рекламном кабинете, как показы или клики. Её приходится собирать самостоятельно.
Для этого мы использовали ГЕОранк — сервис аналитики присутствия брендов в ответах ИИ. Он по расписанию опрашивает ChatGPT, YandexGPT, Gemini, Perplexity и GigaChat, сохраняет ответы и собирает метрики.
Материал мы готовим вместе с командой ГЕОранк, которая помогает отслеживать упоминания брендов в ответах нейросетей. Поэтому дальше покажем не только итоговые графики, но и весь процесс замеров: какие запросы использовали, какие показатели фиксировали и почему полученные данные не всегда отражают полную картину.
Шаг 1. Собираем пул промптов
Для нейросетей недостаточно взять список поисковых ключей.
Пользователь редко пишет: «автоподбор москва недорого». Скорее он сформулирует вопрос так: «Посоветуй, кто поможет выбрать машину с пробегом».
Смысл похожий, но форма и контекст другие.
Мы собираем несколько десятков таких запросов и группируем их по интентам:
выбор компании;
сравнение подрядчиков;
стоимость;
конкретная услуга;
опасения и возражения;
локальные рекомендации;
поиск альтернатив.
На каждый интент берём несколько формулировок. Это важно, поскольку даже небольшое изменение промпта может полностью поменять ответ.
В одном из замеров бренд появлялся первым по одной формулировке, но исчезал после её перефразирования. Вместо него модель называла только конкурентов.
Если проверить один удобный запрос, можно получить красивый скриншот. Но он ничего не скажет о реальной видимости компании.
Шаг 2. Повторяем запросы
Один прогон тоже нельзя считать полноценным замером.
Сегодня модель может назвать одни бренды, а завтра — другие. На результат влияют версия модели, подключение веб-поиска, регион, история диалога и другие параметры.
Поэтому каждый промпт прогоняется несколько раз, а общий замер повторяется по расписанию.
Мы смотрим не на единичное появление компании, а на динамику за несколько недель или месяцев по разным запросам.
Шаг 3. Собираем метрики
По каждому ответу отслеживать несколько параметров:
упомянут ли бренд;
присутствует ли ссылка;
на каком месте компания названа;
в каком контексте она описана;
какая тональность используется;
какие конкуренты находятся рядом;
на какие источники опирается модель.
Из этого формируются основные метрики: доля ответов с упоминанием, доля ответов со ссылкой, тональность и доля голоса.
Шаг 3. Считали долю голоса
Доля голоса показывает, какую часть всех упоминаний в выбранной группе запросов получает конкретный бренд.
Эта метрика помогает ответить на практический вопрос: как часто пользователю рекомендуют клиента, а как часто — его конкурентов.
На старте проекта нередко оказывается, что в 80–90% релевантных ответов представлены только другие компании. При этом сам бизнес может занимать хорошие позиции в обычном поиске и стабильно получать заявки.
Шаг 4. Анализируем конкурентов и долю голоса
Список конкурентов не обязательно задавать вручную. ГЕОранк вытаскивает их непосредственно из ответов моделей, но здесь бывают сюрпризы.
Например, в выдаче могут появиться компании, которых клиент вообще не считал конкурентами. Например, крупный агрегатор, частный эксперт или сервис из соседнего сегмента. Рынок в презентации клиента и рынок в голове нейросети — не всегда один и тот же рынок.
Дальше считается доля голоса: как часто модель рекомендует клиента и как часто — остальных игроков.
На старте картина обычно бодрит. В 80–90% ответов могут существовать только конкуренты.
Шаг 5. Разбираем источники и цитируемость
Отдельно мы отслеживали переходы из нейросервисов в Яндекс Метрике.
Для этого собрали сегмент по соответствующим источникам и смотрели:
количество визитов;
глубину просмотра;
время на сайте;
конверсии;
долю новых пользователей;
страницы входа.
У обоих проектов такой трафик пока занимал небольшую долю от общего объёма. Однако посетители часто приходили уже после рекомендации и были лучше знакомы с компанией.
Именно поэтому оценивать GEO только по переходам некорректно. Пользователь может увидеть название компании в ответе, а затем найти её отдельно, перейти через карты или обратиться напрямую.
Ограничения методики
У мониторинга нейроответов есть ограничения, и их важно проговорить.
Ответы могут различаться из-за персонализации, региона и языка. Один и тот же промпт у подрядчика и клиента не всегда даст одинаковый результат.
Не все модели обращаются к веб-поиску при каждом запросе. Если поиск не подключился, набор упомянутых компаний может измениться.
Обновление модели тоже способно резко повлиять на выдачу. Бренд может начать появляться чаще или, наоборот, временно исчезнуть без каких-либо изменений со стороны компании.
Поэтому мы не показываем клиенту один срез как окончательный результат. Основой для выводов становится только динамика на достаточно длинном периоде.
Как самостоятельно проверить видимость бизнеса в нейросетях
Ниже порядок, с которого можно начать даже без сложной системы мониторинга.
1. Соберите промпты, а не только ключевые слова
Подготовьте 30–50 живых вопросов, которые потенциальный клиент может задать модели. Разделите их по задачам: поиск подрядчика, сравнение вариантов, стоимость, сомнения, локальная рекомендация и конкретная услуга. Вордстат поможет понять спрос, но формулировки для нейросетей должны быть разговорными.
2. Проведите стартовый замер
Прогоните все промпты до начала работ и сохраните ответы.
Зафиксируйте:
наличие бренда;
конкурентов;
ссылки;
источники;
характер описания;
место компании в списке.
Без точки А будет сложно доказать, что видимость действительно изменилась.
3. Изучите источники
Посмотрите, на какие сайты и страницы опираются модели по каждому запросу. Именно этот список показывает, где бренду имеет смысл появиться. Общая популярность площадки менее важна, чем её реальное присутствие в ответах по вашей теме.
4. Проработайте цитируемые подборки и каталоги
Не нужно пытаться разместиться везде. Одна публикация на площадке, которую модель регулярно использует по вашим запросам, может оказаться полезнее десяти материалов на случайных сайтах.
5. Проверьте отзывы
Важно не только количество звёзд, но и содержание отзывов. Модели могут использовать отдельные формулировки пользователей, особенно когда те подробно описывают услугу, результат или проблему. Развёрнутый негативный отзыв на заметной площадке способен влиять на контекст, в котором модель рассказывает о компании.
Работа с отзывами не означает удаление критики или публикацию искусственных комментариев. Полезнее отвечать на претензии, исправлять повторяющиеся проблемы и стимулировать реальных клиентов делиться конкретным опытом.
6. Добавьте на сайт факты
Проверьте ключевые страницы и замените общие обещания конкретной информацией. Вместо банального «быстро и качественно» укажите:
сроки;
этапы работы;
стоимость;
географию;
ограничения;
количество проверок;
опыт специалистов;
измеримые результаты;
ответы на частые вопросы.
Такой контент полезнее и пользователю, и модели.
7. Приведите в порядок техническую часть
Проверьте индексацию, структурированные данные и основные элементы Schema.org.
Можно добавить llms.txt, но не стоит воспринимать его как отдельный способ попасть в рекомендации. Пока это скорее дополнительный технический элемент, влияние которого нужно проверять на конкретном проекте.
8. Усильте экспертность за пределами сайта
У компании должны быть понятные специалисты, авторы и подтверждённый опыт.
Полезны экспертные публикации, выступления, комментарии, кейсы и упоминания на профильных площадках. Это помогает связать бренд с конкретной тематикой и компетенциями.
9. Повторите замер
Первые повторные проверки имеет смысл проводить после того, как новые материалы попадут в индекс.
Обычно для этого требуется несколько недель. Но оценивать результат лучше не по одному повторному прогону, а по серии замеров.
Необязательно сразу охватывать все модели. Начните с тех сервисов, которыми чаще пользуется ваша аудитория.
Для российского локального бизнеса приоритетом могут быть Яндекс и Алиса. Для технологической или международной аудитории набор платформ будет другим.
Частые вопросы
Сколько времени занимает GEO-продвижение?
Направление относительно молодое, поэтому точных цифр пока никто не назовёт. Но по нашему опыту первые изменения иногда появляются через четыре-шесть недель. Для более устойчивой картины обычно требуется несколько месяцев.
Подходит ли GEO малому бизнесу?
Да, особенно в локальных нишах. Например, если компания представлена на площадках, которым модель доверяет по конкретному запросу: в картах, каталогах, тематических подборках и отзывах.
Чем GEO отличается от AEO?
AEO связано с оптимизацией под прямые ответы поисковых систем и голосовых ассистентов. GEO ориентировано на генеративные системы, которые самостоятельно собирают и формулируют ответ. Но методы продвижения во многом пересекаются.
Можно ли заниматься GEO без SEO?
Полностью отделить одно от другого сложно. GEO не заменяет SEO, а дополняет его. При этом хорошие позиции в классической выдаче сами по себе не гарантируют упоминаний в нейроответах. И наборот.
Если хотите разобраться глубже в том, как выстраивать маркетинг, который приносит заявки, а не отчёты, то забирайте гайд по выживанию для предпринимателей, маркетологов и специалистов по трафику в 2026. Я собрал всё, что реально работает, в один гайд на 40+ страниц: 🔹 Как создать УТП, которое не звучит как у всех 🔹 21 фишка для роста конверсии (проверено на сотнях проектов) 🔹 Реальные примеры до/после из разных ниш 🔹 Чек-листы и пошаговые инструкции 👇 |
А если удобнее Макс, то я там тоже есть
