На этапе раннего рисёрча поставщика в B2B‑сделке GEO больше не только про Google. Сайт всё чаще первым открывает AI‑агент потенциального заказчика вместо человека. От того, что агент там найдёт за пару секунд, зависит, дойдёте ли вы вообще до звонка с живым человеком.

Месяц назад я писала в ТГ о том, что B2B‑закупки массово делегируются AI‑агентам, и что большинство компаний для них попросту невидимы на этапе шорт‑листа. Закончила тот пост открытым вопросом: как с этим быть. Ответ собирался у меня по кускам — сначала как SEO‑стратегия для K2 Cloud, потом как чеклист, который я делала для себя и своей аудитории. Дальше — конкретные шаги, без теории.

Смена «читателя» уже не гипотеза. Anthropic в мае запустила Claude for Legal — модель, которая ревьюит контракты поставщиков и ищет в них риски вместо юриста. Alibaba выкатила агента для B2B‑снабжения, который сравнивает условия у миллионов поставщиков без участия человека. Это происходит с вашим сайтом уже сегодня.

Почему GEO‑советы для интернет‑магазинов не работают в длинном B2B‑цикле?

Почти весь контент про генеративную оптимизацию (GEO) написан с оглядкой на e‑com — один человек, одна сессия, одна покупка на кассе. B2B устроен иначе: решение принимает группа из 10+ человек за недели, и AI‑агент подключается на разных этапах этого пути, а не один раз в самом начале.

По данным Forrester, типичное B2B‑закупочное решение сегодня включает 13 внутренних стейкхолдеров и 9 внешних инфлюенсеров.

B2B buyers are under immense pressure to justify investments and minimize risk. As buying groups expand and decision cycles grow, B2B marketers must develop dynamic, role‑specific insights that capture how buyers evaluate risk, seek information, and define success for their business purchase.

Barbara Winters, VP and Principal Analyst, Forrester

Проще говоря: чем больше людей в цепочке решения, тем важнее, чтобы и человек, и агент находили на сайте конкретный проверяемый ответ на свой вопрос, а не общее «мы лучшие на рынке».

Разница в задаче меняет и то, что вообще значит «быть видимым»:

GEO для e‑commerce

GEO для B2B/enterprise

Кто «читает» сайт

Один покупатель, разовая сессия

AI‑агент + несколько человек из закупочного комитета

Что решает включение в выборку

Быстрый ответ на вопрос про товар

Структурированные факты о продукте, ценах, рисках, соответствии

Горизонт цикла

Минуты — дни

Недели — месяцы

Метрика успеха

Клик, покупка

Попадание в шорт‑лист, приглашение на демо

Готовые кейсы в рунете

Десятки, с цифрами

Единицы

Компания Salespeak предложила пятиступенчатую модель зрелости B2B‑сайта для AI‑агентов — от Stage 0 («не готов», маркетинговые формулировки без структуры) до Stage 4 (полноценная agent‑to‑agent коммерция). По их данным, сайты уровня Stage 0 на 40–60% чаще исключаются из шорт‑листов, которые формируют агенты, чем сайты хотя бы Stage 1.

Как AI‑агент на самом деле выбирает поставщиков — и на чём он спотыкается?

Сложный анализ поставщика агенту обычно даётся легко. Спотыкается он на банальных технических мелочах — не может открыть страницу с ценой, видит ключевые факты только в виде картинки или в итоге берёт данные с чужого сайта, потому что ваш ему попросту недоступен.

Исследование TechWyse и Siteline прогнало AI‑агентов через реальные B2B‑сайты и посчитало, где именно они спотыкаются. В 30% прогонов агент столкнулся минимум с одной ошибкой доступа к странице. А в прогонах, где доступ был закрыт, в среднем 58% контента ответа агент брал из стороннего источника — против 12% при беспрепятственном доступе к сайту.

If an AI agent cannot read a pricing page, it may still answer the question. It may just answer it using review sites, competitor blogs, old comparison pages, scraped pricing summaries, or marketplace listings instead of the company's own website.

TechWyse / Siteline benchmark study

Три антипаттерна встречаются чаще всего:

  1. Цена спрятана за формой «оставить заявку» — агент помечает компанию как «неизвестно» или молча берёт цифру у конкурента.

  2. Ключевые факты (сертификаты, сравнительные таблицы, схемы тарифов) существуют только как картинка — агент не может их прочитать в принципе.

  3. GEO сделан один раз и забыт, хотя видимость в ответах AI пересчитывается на каждый прогон модели.

Кнопка «оставить заявку» вместо цены исключает вас из выборки агента без единых переговоров: он не звонит в отдел продаж, чтобы уточнить цену — просто идёт дальше по списку поставщиков.

Видит ли AI‑агент закупщика ваш сайт? Проверка за один вечер

Я довольно давно собрала чеклист AI‑видимости B2B‑сайта для себя и своей аудитории. Ниже — версия, адаптированная под длинный цикл закупки: восемь пунктов, каждый из которых реально проверить за один вечер своими силами, без привлечения разработчиков и без бюджета на агентство.

  1. Разрешены ли AI‑боты в robots.txt. GPTBot, ClaudeBot, PerplexityBot, GoogleOther должны быть в allow. Отдельно проверьте настройки на уровне CDN/файрвола — по данным ZipTie.dev, около 27% B2B SaaS и e‑commerce сайтов случайно блокируют краулеров именно там, а не в самом robots.txt, и потом искренне не понимают, почему их не видно.

  2. Есть ли прямой ответ в первых 80–120 словах. AI режет и чанкует текст — если суть закопана в середине абзаца, до неё просто не доходят.

  3. Опубликованы ли цены или хотя бы диапазоны. Понимаю, в B2B цена часто плавающая — это не лень и не желание скрыть, а реальность рынка. Но агент об этом не знает: он видит только то, что опубликовано. Диапазон «от X» работает лучше, чем полное отсутствие цифр.

  4. Есть ли FAQ‑блок. Вопрос‑ответ — любимый формат для retrieval‑систем, он закрывает именно те вопросы, которые агент задаёт от имени закупщика.

  5. Оформлены ли сравнения таблицами. Ни бейдж сертификации, ни таблица тарифов, существующая только как скриншот, агентом не читается.

  6. Есть ли страница о команде/компании с реальными данными. Анонимный сайт AI не цитирует — экспертиза и авторитет должны быть видны машине так же, как человеку.

  7. Проверили ли вы присутствие вручную. Введите 10–15 реальных вопросов ваших клиентов в ChatGPT, Claude и Perplexity и зафиксируйте: упоминают вас или конкурента вместо вас.

  8. Для русскоязычной аудитории — отдельно проверен ли YandexGPT/Алиса. С апреля 2026 в Яндекс.Вебмастере есть инструмент Видимость сайта в Алисе AI — большинство B2B‑сайтов его даже не открывали ни разу.

Не выполнена хотя бы половина пунктов? Это и есть та самая группа B2B‑компаний, которые агент просто не видит на стадии формирования шорт‑листа.

EntityMap: стоит ли внедрять стандарт, пока он ещё редкость?

1 июля 2026 вышел открытый стандарт EntityMap — файл entitymap.json, который явно описывает AI‑системам, какие сущности покрывает ваш сайт и как они связаны между собой, вместо того чтобы модель угадывала это по обрывкам HTML на свой страх и риск.

Where sitemap.xml tells crawlers what pages exist, entitymap.json tells AI systems what a site knows — which entities it covers, how they relate, and where the evidence is.

EntityMap Specification v1.0

Стандарт предложил Фред Лоран, технический директор InLinks и Waikay, при участии Диксона Джонса. С самого начала его поддержал Р.В. Гуха — один из создателей Schema.org, а публичное обсуждение спецификации шло весь июнь. Лицензия открытая, без привязки к вендору. Мне нравится, что авторы прямо назвали проблему, которую решают: модели сейчас «hallucinated product names» и «invented executives» — выдумывали названия продуктов и должности руководителей, потому что структурированных фактов под рукой не было. По сути entitymap.json описывает три вещи: сущности (продукты, услуги, люди, зоны экспертизы), связи между ними и фрагменты‑подтверждения с указанием источника.

Что сделать конкретно:

  1. Сформировать файл entitymap.json по спецификации v1.0 — сущности, отношения, фрагменты‑доказательства со ссылками на реальные страницы.

  2. Разместить в корне домена.

  3. Продублировать ссылку в футере (по спецификации — самый надёжный способ обнаружения) и в <head>.

  4. Объявить в robots.txt.

  5. Провалидировать через entitymap.org/validate.

Стандарт совсем свежий — большого рунет‑рынка внедрений пока нет. Это то самое короткое окно, когда внедрение ещё выделяет вас на общем фоне: с обычной микроразметкой Schema.org это окно давно закрылось, там уже просто обязательный минимум.

Cloudflare блокирует AI‑краулеров по умолчанию — что это значит для вас?

Cloudflare ещё в 2025 году продвигала идею «платите паблишерам за AI‑краулинг». К июлю 2026-го это оформилось в конкретное правило: на страницах с рекламной монетизацией краулеры категорий Training и Agent с 15 сентября 2026 года блокируются автоматически по умолчанию, категория Search остаётся разрешена.

The web is being stripmined by AI crawlers with content creators seeing almost no traffic and therefore almost no value.

Matthew Prince, Cloudflare, 2025

Этим тезисом глава Cloudflare Мэтью Принс ещё в 2025 году открыл кампанию «Content Independence Day». А вот конкретные правила — три категории ботов и новые настройки по умолчанию с 15 сентября 2026 года — компания раскрыла позже, отдельным постом инженеров Джин‑Хи Ли и Брайана Бекера. Разница между этими двумя постами показательна: сначала — программное заявление о ценностях, а детали настроек, от которых реально зависит ваша видимость, разбирают инженеры куда позже и куда тише.

Cloudflare разделила ботов на три категории: Search (индексация для поиска), Agent (действия в реальном времени от имени пользователя — это как раз ваш будущий закупщик с открытым Claude или ChatGPT) и Training (сбор данных для обучения моделей). Для B2B‑сайта критична разница между категориями. Заблокировать Training — разумная защита контента от бесплатного обучения чужих моделей. Но случайно зацепить смешанных ботов вроде Googlebot или Applebot (они не разделяют функции чётко) — значит исчезнуть именно там, где закупщик ищет вас через AI‑агента.

Три шага на стороне сайта:

  1. Зайти в Cloudflare — Security settings — AI Crawl Control и явно проверить статус трёх категорий ботов, если сайт монетизируется рекламой.

  2. Отдельно решить по retrieval‑ботам (Claude‑User, Claude‑SearchBot, OAI‑SearchBot, PerplexityBot) — их массовая блокировка означает исчезновение из цитирований в AI‑ответах.

  3. Не полагаться только на robots.txt — часть решений теперь применяется на уровне CDN, и настройки там могут расходиться с тем, что написано в самом файле.

Правда ли AI уже проверяет ваших поставщиков вместо юриста?

Да, и это не футурология. Anthropic в мае 2026 года запустила Claude for Legal — модель уже ревьюит контракты с поставщиками, ищет нетипичные условия и готовит отчёты. AI оценивает вас не только на этапе поиска, но и на этапе проверки перед подписанием.

Меня в этой новости зацепила именно способность модели находить несостыковки, которые люди обычно прячут по разным документам. Контекстное окно до миллиона токенов позволяет ей прочитать весь коммерческий договор с приложениями и перепиской за один проход, без разбивки на куски. Для B2B‑продавца это значит: договор, презентация, публичные материалы о компании — всё это теперь читает одна и та же модель, и расхождения между тем, что написано в контракте, и тем, что заявлено на сайте, находятся быстрее, чем раньше.

Что если вы всё почините, а конкурент отреагирует быстрее?

Видимость в AI‑ответах не фиксируется навсегда после одной настройки — она пересчитывается на каждый прогон модели. Побеждает не тот, кто один раз сделал всё идеально, а тот, кто быстрее реагирует на изменения — и это меняет саму природу конкуренции за шорт‑лист.

2 июля 2026 вышел Profound Aim — фоновый агент, который переводит сигналы AI‑поиска (упоминания, цитирования, настроение, точность фактов) в конкретные маркетинговые задачи вместо ещё одного дашборда с цифрами. Среди клиентов — крупные tech‑ и финтех‑компании, которые давно оцифровали маркетинг и теперь ищут, куда девать данные о собственной видимости в AI‑ответах.

Мне здесь важна не сама категория инструментов — я не тестировала Profound и не могу за него ручаться, — а тезис за ней: побеждает скорость реакции. Если конкурент заметил изменение в том, как модели цитируют его нишу, и поправил сайт за неделю, а вы — за квартал, в шорт‑листе на этот запрос с большой вероятностью окажется он, при абсолютно одинаковом качестве продукта.

Что проверить в первую очередь, если начинаете с нуля?

Если времени мало, начинайте с доступности и цены — это два пункта, которые чаще всего рушат шорт‑лист прямо сейчас, ещё до того, как агент вообще дойдёт до содержания предложения. EntityMap и полный чеклист подождут следующего захода — это уже вопрос дисциплины, а не срочности.

  1. Проверьте robots.txt и настройки CDN/файрвола — разрешены ли основные AI‑боты физически, а не только на бумаге в самом файле.

  2. Опубликуйте диапазон цен или условия ценообразования вместо кнопки «оставить заявку» — это самый быстрый и самый дорогой по эффекту пункт.

  3. Переведите ключевые сравнения и тарифы из картинок в таблицы и текст.

  4. Введите 10–15 реальных вопросов клиентов в ChatGPT, Claude, Perplexity и в Алису — зафиксируйте текущую картину как точку отсчёта.

  5. Только после этого — переходите к EntityMap, настройкам Cloudflare и постоянному мониторингу изменений.

Путь от Stage 0 до Stage 1 в модели Salespeak занимает, по их оценке, 4–8 недель сфокусированной работы — в основном чистка контента и разметки, а не долгий цикл разработки с нуля. Дальше уже вопрос дисциплины: проверять видимость нужно чаще, чем раз в год, потому что модели меняются быстрее, чем успевает устареть годовой контент‑план.