Наконец, научное обоснование (или разоблачение?) про GEO/Generative Engine Optimization. Статья-этакий бенчмарк...
Видимость в generative engines: как её нормально измерять (забываем привычные ключи/тон)
Что именно меняется по сравнению с SEO — на уровне модели системы
В GEO авторы сразу задают контенту нужные параметры, формализуют generative engine (GE) как систему из двух частей:
поиск/ретривал источников (через поиск/индексацию/ранжирование/векто��ный поиск — неважно);
генерация ответа LLM на основе этих источников с inline-атрибуцией (цитаты прямо внутри ответа).
Путём махинаций алгоритмов - пользователь получает один связный ответ, который система сама собрала из нескольких источников. Это, надеюсь, все понимают.
“На первом этапе извлекаются релевантные источники для входного запроса, а на втором этапе большая языковая модель генерирует ответ на основе извлечённых источников. Из-за ограничений по длине контекста и квадратичной зависимости стоимости масштабирования от размера контекста в моделях из поисковой системы Google извлекаются только 5 лучших источников для каждого запроса”
— во всех научных подробностях можете почитать о работе алгоритмов и GEO-воздействия вот тут. Как раз технически нагруженный текст с математикой подхода (алгоритмы как функции) — его я использовал как источник для написания статьи, но кто любит прям погрузится, советую к прочтению.
И поэтому видимость источника определяется не тем, попал ли он в топ-10, а тем, как он встроен в этот текст. Отсюда и начинаются вопросы.
Итак, источники:
1) Появляются на разных позициях
В ответе источники обычно проставляются внутри текста: после предложения/абзаца стоят ссылки (как сноски).
Если ваш источник появляется:
в первом абзаце — влияет на то, как пользователь поймёт тему;
в середине — он поддерживает детализацию;
в конце — он часто становится той доп литературой, которую многие не увидят/не дойдут.
Одно и то же количество “цитируемых слов” ценится выше, если оно стоит раньше в ответе.
2) Имеют разную длину при использовании
В GE источник может быть:
Упомянут одним коротким предложением (“есть мнение…”),
или использован как основа для 3–6 предложений (определение + шаги + цифры + исключения).
В SEO эти два случая могли бы выглядеть одинаково (=вы в выдаче).
В GE надо скормить более существенный ответ алгоритмам.
3) Могут делить одно предложение — в таком случае, вы не в плюсе
Очень частый сценарий: одно предложение подкреплено несколькими источниками (вы авторитетны, но и конкуренты хороши). Примерно так:
“Сильнее всего GEO дают прирост стратегии со статистикой и цитатами.” [Источник A] [Источник B]
В таком случае вклад каждого источника в метрику “доли ответа” (вес) логично делится.
Дальше детально про аналитику и стратегию в связи с ней (обзорных статей на тему того, что такое GEO/какая его ценность в 2026 для бизнеса/а правда, что GEO новое SEO — уже достаточно даже у меня, особенно в тг-канале). Сегодня бы я обратился к науке и к многомерности видимости для GEO.
Скажите, все ведь понимают, что ИИ теперь никуда не денется, а владельцы сайтов каждый день теряют трафик? В статье о том, как повысить видимость по различным запросам на 40%.
С какими данными в исследовании мы имеем дело
Итак, GEO-bench (бенчмарк), изучающий объект для Arxiv и изучаемый для нас. Набор данных состоит из 10 000 запросов, разделённых на 8000, 1000 и 1000 для обучения, проверки и тестирования соответственно. Спецы сохранили +- реальное распределение запросов: 80% информационных, 10% транзакционных и навигационных запросов. К каждому запросу добавлялся очищенный текст из пяти лучших результатов поиска в Google.
Запросы также были поделены по категориям — нельзя же исключить различные факторы такие, как ниша, намерения пользователя и характер запроса.
А чтобы чтобы уменьшить разброс результатов, спецы экспериментировали с пятью разными случайными начальными значениями и приравнивали к среднему.
Две объективные метрики “impressions”, которые можно считать руками (и как)
Инструменты есть (писал тут), но даже с прочими решениями приходится работать ручками и головой (а так ведь много где).
Word Count (WC) = сколько ответов реально связано с вашим источником
Они определяют WC как но��мализованное количество слов в тех предложениях ответа, где стоит цитата на ваш домен/страницу. Я напомню, что вес будет делится между вами и конкурентами.
Упоминание в 3–4 предложения делает WC заметным.
Position-Adjusted Word Count (PA-WC) = Word Count только про позднее появление в ответе
То, что в начале читают, гарантированно, больше и внимательнее. Идея: одно и то же количество слов “стоит дороже”, если оно в начале ответа, а не внизу.
Попробуйте:
фиксируете набор промптов;
прогоняете их в GE (Perplexity/AI Overviews/и т.д.);
парсите ответ: предложения + какие источники стоят на каждом;
считаете WC и PA-WC для своего домена по каждому промпту (к примеру, в ответе 200 слов, ваш источник используется на 60 слов — это поздновато, чтобы получить достаточно веса);
смотрите медиану/распределение по теме.
Субъективная метрика (больше текста — не равно больше влияния)
Проблема WC/PA-WC: они считают объём, но игнорируют “вес” цитаты в смысле доверия/уникальности/кликабельности.
Поэтому авторы добавляют Subjective Impression: она включает факторы вроде:
релевантность материала к запросу,
влияние на ответ,
уникальность (не повторяет ли то же, что дали другие),
субъективная позиция/количество,
вероятность клика,
разнообразие материала.
Технически важно вот что:
Это “мультикритериальная” оценка, а не один показатель.
Она ближе к инженерному понятию utility (полезность источника для ответа), чем к SEO-логике “место → трафик”.Оценка делается через G-Eval (структуру LLMок, где они же и выставляют баллы по под-метрикам). Это не идеальный вариант, но это воспроизводимый протокол: при одинаковых входах можно повторять сравнение стратегий и источников.
Практический смысл Subjective Impression — отфильтровать контент с низкой уникальностью, низким доверием или полезностью для синтеза).
Какие изменения в контенте доказуемо дают прирост (и насколько)
Теперь самое прикладное: авторы активно экспериментируют на GEO-bench и сравнивают стратегии оптимизации. Результат супер-неприятный для старпёрского SEO:
Keyword stuffing (классическое “добавим больше ключей”) даёт мало или ноль улучшений для GE — то есть перенос SEO-приёма не работает.
“Authoritative/persuasive tone” (сделаем тон экспретнее и увереннее) тоже не дал значимого улучшения, и это после всех то разговоров про E-E-A-T. Спешу заверить, что здесь нет ничего разоблачающего — просто, если вы только переписываете тон, но не работаете над доказательностью (не приводите статистику, источники, цитаты, проверяемые факты), то в generative engines это почти не улучшает видимость.
А что работает лучше всего, так это:
Statistics Addition — переводите качественные утверждения в количественные, где это возможно. Это снижает неопределённость ответа (для алгоритмов безопаснее) + цифры легче вставить в начало ответа.
Quotation Addition — добавляйте цитаты, подкрепляющие основной тезис. Во-первых, это готовый доказательный фрагмент, чтобы его вставить + поднимает источник по тексту выше (PA-WC) + рост доверия (Subjective Impression).
Авторы фиксируют: методы улучшают baseline на 41% по PA-WC и на 28% по Subjective Impression.
Поэтому, если вы можете прямо сейчас на каждый ключевой тезис добавить 1 измеримый факт (число/диапазон/сравнение) + источник/дата. А в каждом разделе 1–2 цитаты (короткое предложение с цифрой/цитатой) ближе к началу, чтобы поднять PA-WC.
Сделайте это)
Если вас всё ещё это не убедило, посмотрите как изменилось состояние исходного сайта от GEO-внедрений:
Демократичная выдача (и как это использовать в стратегии)
Один из самых сильных аналитических выводов для GEO — независимость эффекта от “классического SERP-ранга”:
В таблице показано, что GEO-методы особенно помогают низкоранговым сайтам; более того, некоторые методы дают, наоборот, огромные приросты в выдаче Rank-5, например у “Cite Sources” указано +115.1% видимости для сайтов, стоящих 5-ми в SERP, при одновременном падении видимости у Rank-1.
Конечно, это не касается сайтов, у которых нет даже базовой оптимизации (такие и прочитать невозможно).
Как эта наука стыкуется с прикладным фреймворком (и какие бенчмарки брать)
Profound в своём 10-шаговом фреймворке по сути переводит academic-логику “impressions/visibility” в операционные KPI:
вместо “позиции” — Visibility score (насколько видно в ответах ИИ + как часто + насколько заметно); AI citations (ссылка на источник + сколько раз); Share of voice (присутствие в конкретных тематиках). Это всё наши PA-WC и WC.
вместо “ключей” — “conversational prompts”, которые отвечать на реальные пользовательские вопросы — эту историю маппить прямо по воронке (awareness/consideration/decision). Допустим, мы чуть меняем парадигму со “страницы под кластер” на “набор вопросов под аудиторию”;
вместо “backlinks” — citation authority (ваш контент цитируют?). Вам нужны не рандомные ссылки, но упоминания с авторитетных доменов. Profound советует получать ссылки минимум с 20 авторитетных доменов за квартал.
А тут поподробнее про конкретные бенчмарки, которые можно зашить в процесс:
цель по узнаваемости: Visibility score Top 3 по списку приоритетных промптов;
доверие: positive sentiment ≥ 90% favorable (позитивно/нейтрально упоминают ибез галлюцинаций);
техничка: mobile speed < 1.8s, HTTPS, полное покрытие structured data;
контент-структура: TL;DR, списки, таблицы, FAQPage/HowTo schema.
Как внедрять GEO (целый инженерный процесс): промпты → матрица контента → правки → измерение (с бенчмарками)
Выше мы говорили про то, как измерять видимость (PA-WC / Subjective Impression) и какие типы правок реально дают прирост. А сейчас мы обсудим, как превратить это в повторяемый процесс.
Единица работы в GEO — промпты (проблематики)
Почему: мы уже говорили, что результаты зависят от домена/типа запросов, значит оптимизация должна тестироваться на наборе вопросов, а не по одной странице.
Как делать:
собираете 30–80 вопросов, как их задаёт человек (ещё мы называем их проблематиками, чтобы отличать типы запросов).
группируете по интенту: объяснить / сравнить / выбрать / решить проблему / проверить миф.
фиксируете 10–15 ключевых, на которых меряете прогресс каждую итерацию. В разных нейр��сетях.
Для каждого промпта делаем “скелет ответа” (и отсюда вытекают требования к странице)
Чтобы попасть в начало ответа (PA-WC), нужно понимать: какие блоки почти всегда стоят первыми в хорошем ответе:
определение (что это)
критерии выбора / рамки (как оценивать)
шаги / алгоритм (что делать)
исключения / ограничения (когда не подходит)
примеры/таблица/FAQ
Это и есть “контент под генерацию”: вы даёте алгоритму готовые фрагменты, которые он может вставить без исправления.
Максимизация PA-WC и Subjective Impression
Для PA-WC (чтобы выше показался источник):
короткие определения (1–2 предложения)
списки критериев
“если-то” правила (“подходит если…, не подходит если…”)
мини-алгоритмы (3–7 шагов)
Для Subjective Impression (полезно/уникально):
цифра/диапазон + контекст + источник (Statistics Addition)
цитата/позиция эксперта + ссылка на первоисточник (Quotation Addition)
сравнение в таблице (условия/ограничения/риски)
FAQ (для извлечения)
Правило размещения: самые цитируемые вещи — в начале, иначе вы теряете PA-WC из-за position-penalty.
Процедура GEO-редактуры статьи
Выделите 8–12 ключевых тезисов статьи.
Для каждого тезиса задайте вопрос:
- где можно заменить на конкретику (число/диапазон/сравнение)?
- где просится цитата/первоисточник, чтобы тезис был подкреплён чем-то?
Примените 1 такое изменение на каждые ~300–500 слов:
- факт/цифра + источник
- или цитата + источник
Добавьте TL;DR, таблицу или FAQ — как удобный шаблон для извлечения.
Техничка как часть GEO (для доступности)
Напомню:
mobile speed < 1.8s
HTTPS
полное покрытие structured data
структурированные блоки: TL;DR, списки, таблицы, FAQPage/HowTo schema
Меряем GEO
WC и PA-WC
Для каждого ответа фиксируете:
First cite position: на каком по счёту предложении вы появились (1…N).
Cited sentences count: сколько предложений в ответе ссылаются на вас.
Early-screen share: сколько из них попало в первые 5–7 предложений (первый экран).
Split factor: сколько раз вы делили предложение с другими источниками (1/2/3…).
Subjective Impression
Можно сделать проще — 5-балльная ручная шкала на 3 критериях:
Uniqueness: есть ли у вас уникальный факт/таблица/метод, которого нет у других?
Verifiability: есть ли рядом источник/цифра/цитата (то, что алгоритм ловко цитирует)?
Actionability: даёт ли фрагмент конкретное действие/правило/шаги?
KPI
Brand awareness: Visibility score Top 3
Trust: Positive sentiment ≥ 90% favorable
Tech GEO: Mobile speed < 1.8s, HTTPS, structured data coverage
Thought leadership: “заработать цитирования ≥ 20 авторитетных доменов за квартал”
Перевод в операционку:
еженедельно: прогон выбранных вами промптов (проблематик) и фиксация (first cite position / cited sentences / early-screen share)
ежемесячно: citations + share of voice + ручной quality-скоринг
ежеквартально: отчёт по бенчмаркам (Top-3 visibility, ≥90% favorable, ≥20 high-authority citations)
GEO меняет механику выдачи
А вы можете менять лидеров ниши. Лучше сразу метьте в одного из них)
GEO пока один большой эксперимент, но факт влияния на выдачу и пользовательское поведени�� уже подтверждает статистика.
Начните уже сейчас изучать и делать хоть что-то, чтобы в том числе, дать модель обучиться на своём бренде.
Impressions (вроде WC и position-adjusted варианта), есть субъективная оценка полезности источника, и есть сравнительные результаты по стратегиям. И у всех у них одно ключевое свойство — повторяемость.
И важнее всего — что именно оказалось драйвером роста. Не сильный тон, не добавим ключи. А то, что делает источник безопасным для цитирования: статистика, цитаты, ссылки на первоисточники, ясные формулировки, которые можно вставить в ответ без риска.
Я приложил вам исследование Arxiv и Profound не как чьё-то субъективное мнение, а как перевод академической логики в операционные KPI — то, что уже можно начинать отслеживать в отчётах и планировать как продуктовую метрику. Есть уже даже сравнительные KPI (очень условные, но ведь Москва тоже не сразу строилась).
Сам подход, в первую очередь, фокусируется на повышении узнаваемости продукта с помощью конкурентного текста, хотя методология стратегии не кажется очевидно состязательной.
SEO есть и никуда не денется — это всё такой же фундамент, но в связи с тем, что SEO не закрывает мультимодальность и диалоговые настройки ИИ, например, — ему нужна надстройка. И этой надстройкой становиться GEO.
В общем, пробуйте, задавайтесь вопросами, изучайте, советуйтесь (можно со мной — личка тг @myatov_assistent). Удачи!
