Всем привет!
Меня зовут Александр, я COO в SaaS-платформе аналитики данных. Последний год активно изучаю внедрение AI-решений в кросс-функциональные процессы. Делюсь полезными материалами, которые считаю стоят внимания. В основном про AI, изменение процессов, тренды и продуктовое видение.
У себя в телеграм-канале делюсь сжатыми и структурированными саммери статей.
Давно ждал аналитику от Andreessen Horowitz (a16z) про влияние AI на SEO. Конечно в обзоре речь про глобальный рынок, но эти тренды мы давно видим в поиске Нейро от Яндекcа, кстати на год раньше чем у Google.
Если совсем коротко — традиционное SEO поощряет точность и повторение, а генеративные движки отдают предпочтение контенту, который хорошо организован, легко поддается анализу и насыщен смыслом (а не просто ключевыми словами).
Но если подумать... то ничего для SEO рынка не меняется, кто хорошо и системно вел работу по этому направлению у него и так уже все выстроено и учтено = есть понимание что такое хороший контент, какая структура удобна для пользователя, как строить контент-план и пр. Просто добавляется еще один инструмент/канал анализа GPT-чаты.
Еще одну мысль «накидывают» a16z, с которой не могу согласиться — рынок GEO с точки зрения инструментов анализа отличается от SEO и нас ждет один игрок монополист. Все это произойдет за счет автоматизация AI агентов, который в итоге будут заменять маркетологов (GEO = AI везде = маркетологи тоже будут AI). Уверен, что замена маркетолога нас ждет очень не скоро, подробно на эту тему писал в статье «AI-агенты в реальном мире: почему они не работают и как это исправить» → следовательно как и с SEO надо будет возиться и разбираться как анализировать, кто конкурент, какой контент готовить и как. Одно понятно точно — контента нужно будет еще больше 😅
Более двух десятилетий SEO был основным методом обеспечения видимости в интернете. Он породил целую индустрию специалистов по работе с ключевыми словами, сервисов продажи ссылок, оптимизаторов контента и инструментов аналитики, а также фрилансеров и агентств для работы с ними. Но в 2025 году поиск начал смещаться от традиционных браузеров к платформам LLM. С объявлением Apple о том, что AI-нативные поисковые системы, такие как Perplexity и Claude, будут встроены в Safari, монополия Google на распространение под вопросом. Фундамент рынка SEO объемом более 80 миллиардов долларов только что дал трещину.
Появляется новая парадигма, движимая не рейтингом страниц, а языковыми моделями. Мы входим во второй акт поиска: генеративную оптимизацию (GEO).
От ссылок к языковым моделям
Традиционный поиск строился на ссылках. GEO строится на языке.
В эпоху SEO видимость означала высокое место на странице результатов. Рейтинги страниц определялись индексированием сайтов на основе соответствия ключевым словам, глубины и широты контента, ссылок, вовлеченности пользователей и многого другого. Сегодня, когда LLM, такие как GPT-4o, Gemini и Claude, выступают в качестве интерфейса для поиска информации, видимость означает появление непосредственно в самом ответе, а не высокое место на странице результатов.
По мере изменения формата ответов меняется и способ поиска. AI-нативный поиск становится фрагментированным по платформам, таким как Instagram, Amazon и Siri, каждая из которых работает на разных моделях и с разными намерениями пользователей. Запросы длиннее (в среднем 23 слова против 4), сеансы глубже (в среднем 6 минут), а ответы различаются в зависимости от контекста и источника. В отличие от традиционного поиска, LLM запоминают, рассуждают и отвечают персонализированным, мульти-источниковым синтезом. Это фундаментально меняет то, как контент обнаруживается и как его необходимо оптимизировать.

Традиционное SEO поощряет точность и повторение; генеративные движки отдают предпочтение контенту, который хорошо организован, легко поддается анализу и насыщен смыслом (а не просто ключевыми словами). Фразы вроде «в итоге» или форматирование в виде маркированных списков помогают LLM эффективно извлекать и воспроизводить контент.
Также стоит отметить, что рынок LLM принципиально отличается от традиционного поискового рынка по бизнес-модели и стимулам. Классические поисковые системы, такие как Google, монетизировали пользовательский трафик через рекламу; пользователи платили своими данными и вниманием. В отличие от этого, большинство LLM являются платными, основанными на подписке сервисами. Это структурное изменение влияет на то, как контент ссылается: у поставщиков моделей меньше стимулов показывать сторонний контент, если он не дополняет пользовательский опыт или не укрепляет ценность продукта. Хотя возможно, что рекламный рынок в конечном итоге появится поверх интерфейсов LLM, правила, стимулы и участники, вероятно, будут сильно отличаться от традиционного поиска.
Тем временем, одним из появляющихся сигналов ценности в интерфейсах LLM является объем исходящих кликов. ChatGPT, например, уже генерирует реферальный трафик на десятки тысяч различных доменов.

От ранжирования к релевантности модели
Теперь речь идет не только о коэффициенте кликабельности, но и о коэффициенте упоминаемости: как часто ваш бренд или контент цитируется или используется в качестве источника в ответах, сгенерированных моделью. В мире, где результаты всё чаще генерируются искусственным интеллектом, GEO (генеративная оптимизация) означает оптимизацию под те источники, которые выбирает сама модель, а не просто под то, появляетесь ли вы в традиционном поиске и на каком месте. Этот сдвиг меняет само понятие видимости бренда и подходы к оценке его эффективности.
Уже сейчас новые платформы, такие как Profound, Goodie и Daydream, позволяют брендам анализировать, как они появляются в ответах, генерируемых ИИ, отслеживать настроения в результатах модели и понимать, какие издатели влияют на поведение модели. Эти платформы работают путем тонкой настройки моделей для отражения языка запросов, актуального для бренда, стратегического внедрения ключевых слов SEO и массового запуска синтетических запросов. Результаты затем организуются в понятные панели мониторинга, которые помогают маркетинговым командам отслеживать видимость, последовательность сообщений и конкурентную долю голоса.
Компания Canada Goose использовала один из таких инструментов, чтобы понять, как большие языковые модели (LLM) упоминают бренд — не только с точки зрения характеристик продукции, таких как тепло или водонепроницаемость, но и узнаваемости самого бренда. Основной вывод заключался не столько в том, как пользователи находят Canada Goose, сколько в том, упоминает ли модель этот бренд спонтанно. Это стало показателем неосознанной узнаваемости в эпоху искусственного интеллекта.
Такой мониторинг становится столь же важным, как и традиционные SEO-панели. Инструменты, такие как Brand Radar от Ahrefs, теперь отслеживают упоминания бренда в обзорах ИИ, помогая компаниям понять, как их представляют и запоминают генеративные движки. Semrush также предлагает специальный набор инструментов для ИИ, разработанный для помощи брендам в отслеживании восприятия на генеративных платформах, оптимизации контента для видимости ИИ и быстрого реагирования на появляющиеся упоминания в ответах LLM, что является признаком того, что традиционные игроки SEO адаптируются к эпохе GEO.
Мы видим появление нового вида бренд-стратегии: той, которая учитывает не только восприятие публики, но и восприятие в модели. То, как вы закодированы в уровне ИИ, является новым конкурентным преимуществом.
ChatGPT теперь приводит 10% новых регистраций на @vercel.
— Guillermo Rauch, основатель и CEO Vercel (облачная платформа для веб-разработки, 4+ млн сайтов)
Конечно, GEO все еще находится на экспериментальной стадии, как и SEO в ранние дни. С каждым крупным обновлением модели мы рискуем переучиваться (или разучиваться), как лучше всего взаимодействовать с этими системами. Подобно тому, как обновления поискового алгоритма Google когда-то заставляли компании спешить, чтобы противостоять колеблющимся рейтингам, поставщики LLM все еще настраивают правила, согласно которым их модели ссылаются на информацию. Появляются новые подходы к работе: некоторые тактики GEO хорошо изучены (например, упоминание в исходных документах, на которые ссылаются LLM), в то время как другие предположения более спекулятивны, например, отдают ли модели приоритет журналистскому контенту над социальными сетями, или как предпочтения меняются с разными наборами данных для обучения.
Уроки эпохи SEO
Несмотря на свой масштаб, SEO так и не породило монополистического победителя. Инструменты, которые помогали компаниям с SEO и исследованием ключевых слов, такие как Semrush, Ahrefs, Moz и Similarweb, были успешными сами по себе, но ни один из них не охватил весь спектр (или не развивался за счет поглощений, как Similarweb). Каждый занимал свою нишу: анализ ссылок, мониторинг трафика, аналитика ключевых слов или технические аудиты.
SEO всегда было фрагментированным. Работа распределялась между агентствами, внутренними командами и фрилансерами. Данные были неточными, а рейтинги были условными, а не проверенными. Google владел алгоритмическими ключами, но ни один поставщик никогда не контролировал интерфейс. Даже на своем пике крупнейшие игроки SEO были поставщиками инструментов. У них не было пользовательской вовлеченности, контроля над данными или сетевых эффектов, чтобы стать центрами, где концентрируется SEO-деятельность. Данные о кликстримах — записи ссылок, по которым пользователи переходят при навигации по веб-сайтам — возможно, являются самым четким окном в реальное поведение пользователя. Однако исторически эти данные были непомерно трудны для доступа, заперты за провайдерами интернет-услуг, SDK, расширениями браузеров и брокерами данных. Это делало построение точных, масштабируемых аналитических данных почти невозможным без глубокой инфраструктуры или привилегированного доступа.
GEO меняет это.
Как упоминаться: появление инструментов GEO

Это не просто изменение инструментов, это возможность для платформы. Самые привлекательные GEO-компании не остановятся на измерении. Они будут тонко настраивать свои собственные модели, обучаясь на миллиардах неявных запросов в различных областях. Они будут владеть циклом — аналитика, творческий вклад, обратная связь, итерации — с дифференцированными технологиями, которые не просто наблюдают за поведением LLM, но и формируют его. Они также найдут способ собирать данные о кликах и объединять источники данных от первого и третьего лица.
Платформы, которые выиграют в GEO, выйдут за рамки анализа бренда и обеспечат инфраструктуру для действий: генерирование кампаний в режиме реального времени, оптимизация для памяти модели и ежедневные итерации по мере изменения поведения LLM. Эти системы будут операционными.
Это открывает гораздо более широкие возможности, чем просто видимость. Если GEO — это способ, которым бренд обеспечивает свое упоминание в ответах ИИ, то это также способ, которым он управляет своими текущими отношениями с уровнем ИИ. GEO становится системой учета для взаимодействия с LLM, позволяя брендам отслеживать присутствие, производительность и результаты на всех генеративных платформах. Владейте этим уровнем, и вы владеете бюджетом за ним.
В этом и состоит монополистический потенциал: не просто предоставление аналитических данных, а становление каналом. Если SEO было децентрализованным, смежным с данными рынком, то GEO может быть противоположным — централизованным, управляемым API и встроенным непосредственно в рабочие процессы бренда. В конечном итоге, GEO само по себе, пожалуй, самый очевидный способ проникновения, особенно по мере того, как мы видим изменение в поведении поиска, но в конечном итоге это действительно способ проникновения в перформанс-маркетинг в более широком смысле. Те же принципы бренда и понимание пользовательских данных, которые обеспечивают GEO, могут обеспечить рост маркетинга. Именно так строится большой бизнес, поскольку продукт способен тестировать несколько каналов, итерировать и оптимизировать их. ИИ позволяет создать автономного маркетолога.
Время имеет значение. Поиск только начинает меняться, но рекламные бюджеты движутся быстро, особенно когда есть арбитраж. В 2000-х это был Google AdWords. В 2010-х — движок таргетинга Facebook. Сейчас, в 2025 году, это LLM и платформы, которые помогают брендам понять, как их контент усваивается и на него ссылаются эти модели. Другими словами, GEO — это конкуренция за то, чтобы попасть в сознание модели.