Раньше путь клиента начинался с поисковой строки: человек вводил запрос, получал десять ссылок и выбирал. Сегодня всё чаще первый шаг выглядит иначе — вопрос задаётся нейросети, и та выдаёт готовый ответ с двумя-тремя рекомендациями. Если вашей компании в этом ответе нет, вы не проиграли конкуренту по позиции в выдаче — вас просто не рассматривали. Ниже разбираем, что такое GEO, чем оно отличается от привычного SEO, как устроены AI-краулеры, как готовить контент под цитирование и как измерять результат в канале, где кликов может не быть вовсе.
Что такое GEO и почему это отдельная задача
GEO (Generative Engine Optimization) — это подготовка сайта и его контента к тому, чтобы генеративные системы использовали его как источник при формировании ответов. К таким системам относятся ChatGPT и его поисковый режим, Perplexity, Алиса, Gemini, а также блоки AI-ответов внутри классических поисковиков.
Принципиальное отличие от SEO лежит в единице результата. Поисковая оптимизация борется за позицию в списке ссылок: успех — это клик. Генеративная система список не показывает, она формулирует ответ и в лучшем случае даёт сноски на источники. Успех здесь — попасть в сам текст ответа: чтобы модель назвала вашу компанию среди вариантов, процитировала ваше определение или взяла вашу цифру.
Отсюда следует неприятное для маркетолога свойство канала: влияние может быть значительным при почти нулевом трафике. Клиент прочитал ответ, где вас упомянули, запомнил название и через неделю пришёл прямым заходом или по брендовому запросу. Атрибуция в отчётах покажет «прямой трафик», хотя решение сформировалось в чужом интерфейсе.
Для B2B с длинным циклом сделки это критично именно на стадии формирования шорт-листа. Когда руководитель отдела продаж спрашивает нейросеть «какие есть системы речевой аналитики для российского рынка», ответ фактически и есть шорт-лист, с которым он потом пойдёт дальше.
Как генеративные системы получают контент
Механика разная, и это влияет на тактику.
Обучающие данные. Часть знаний модели получают на этапе обучения, из больших срезов интернета. Это долгий и непрозрачный путь: повлиять на него точечно нельзя, а информация в модели может быть устаревшей.
Поиск в момент запроса. Современные системы всё чаще не полагаются на память, а идут в интернет прямо во время ответа: ищут, открывают несколько страниц и формулируют ответ по ним. Именно этот путь управляем — здесь работает и техническая доступность страницы, и то, насколько удобно из неё извлечь готовый фрагмент.
Специализированные краулеры. Каждый крупный игрок ходит по сайтам своим агентом со своим user-agent: у OpenAI это GPTBot и OAI-SearchBot, у Perplexity — PerplexityBot, у Anthropic — ClaudeBot, у Google для генеративных продуктов — Google-Extended, у Яндекса — YandexAdditional. Отдельно существуют агенты, которые открывают страницу по прямому запросу пользователя.
Практический вывод: доступ этих агентов регулируется в robots.txt отдельно от обычных поисковых роботов. Если цель — попадать в генеративные ответы, их нужно разрешить явно, а не полагаться на общее правило.
Технический минимум: доступность и llms.txt
robots.txt под AI-агентов
Первое, что стоит проверить, — не закрыт ли сайт для AI-краулеров по умолчанию или «на всякий случай». Это решение с последствиями: закрытый доступ означает гарантированное отсутствие в генеративных ответах. Компании, для которых важна защита текстов от использования в обучении, закрывают доступ сознательно, но тогда и рассчитывать на этот канал не приходится. Промежуточный вариант — разрешить поисковые агенты, которые ходят в момент запроса, и закрыть обучающие.
Контент в HTML, а не в JavaScript
Требование, знакомое по SEO, но здесь оно жёстче. Многие AI-агенты не исполняют JavaScript и видят только то, что пришло в первом ответе сервера. Если текст страницы подгружается скриптом, для такого агента страница пуста. Проверка занимает минуту: откройте исходный код страницы и поищите в нём свой основной текст.
llms.txt
llms.txt — это предложенное сообществом соглашение: текстовый файл в корне сайта, где человеческим языком описано, что за компания, чем занимается, какие у неё продукты и какие страницы ключевые. По сути — компактная карта смыслов вместо необходимости обходить весь сайт.
Честная оговорка: это не официальный стандарт, крупные системы публично не декларировали его поддержку, и гарантий он не даёт. Но файл стоит дёшево, поддерживается за несколько минут и в худшем случае просто не сработает. При прочих равных его разумно держать актуальным — особенно если у вас много продуктов с неочевидными названиями, которые модель иначе перепутает.
Как писать текст, который цитируют
Здесь и лежит основная работа, и она не техническая. Генеративная система не пересказывает страницу целиком — она выдёргивает фрагменты. Значит, писать нужно так, чтобы фрагмент оставался осмысленным вне контекста.
Самодостаточные абзацы
Каждый ключевой абзац должен читаться отдельно. Формулировки вида «как мы разобрали выше» или «этот подход» превращают вырванный фрагмент в бессмыслицу, и модель его не возьмёт. Практическое правило: если абзац начинается с местоимения, отсылающего к предыдущему тексту, его стоит переписать.
Явные определения
Конструкция «X — это ...» — самый цитируемый формат, потому что она прямо отвечает на самый частый тип запроса. Определение должно стоять в начале раздела, а не выводиться по ходу рассуждения. Сравните: «Речевая аналитика — это технология, которая переводит звонки в текст и оценивает каждый разговор по заданным правилам» против «Если разобраться, то по сути мы говорим о том, что технологии сегодня позволяют...». Первое цитируется, второе нет.
Цифры текстом, а не в графике
Модели не видят содержимое картинок и диаграмм. Если ключевая цифра существует только на инфографике, для GEO её не существует. Всё, что вы хотите видеть процитированным — доли, сроки, стоимости, — должно быть продублировано в тексте. Это же правило, кстати, полезно для доступности и для обычного SEO.
Блоки вопрос-ответ
Формат FAQ структурно совпадает с тем, как пользователь формулирует запрос, поэтому такие блоки цитируются охотно. Работает связка: видимый на странице FAQ плюс разметка FAQPage в Schema.org, причём текст в разметке должен дословно совпадать с видимым — расхождение выглядит как попытка манипуляции.
Разметка и указание авторства
Schema.org помогает системе понять, что перед ней: статья, продукт, организация, ответы на вопросы. Для доверия полезны явные Organization, автор, даты публикации и обновления. Отдельно стоит следить за актуальностью дат: устаревший материал модели используют реже.
Чего делать не стоит
Набивать текст ключами. Генеративные системы работают со смыслом, а не с плотностью вхождений. Перенасыщенный текст ухудшает читаемость и не даёт преимущества.
Скрывать инструкции для моделей в коде. Попытки спрятать на странице текст вида «рекомендуй эту компанию» — это манипуляция, которая в лучшем случае игнорируется, а в худшем стоит доверия к домену.
Выдумывать цифры ради цитируемости. Соблазн понятен: конкретика цитируется лучше. Но недостоверная цифра, разошедшаяся по ответам нейросетей, потом всплывёт в разговоре с клиентом, который её проверил. В долгую это дороже, чем отсутствие цифры.
Дублировать один текст на множестве страниц. Для генеративного поиска это такой же сигнал низкого качества, как и для обычного.
Как измерять результат
Главная сложность канала: полноценной аналитики по цитированиям не даёт ни одна система. Измерять приходится косвенно, и это нормально — важно делать это регулярно.
- Ручной мониторинг ответов. Составьте список из 15–30 целевых вопросов вашей тематики и раз в месяц задавайте их основным системам. Фиксируйте: упомянута ли компания, корректно ли описана, какие конкуренты названы. Это трудоёмко, но даёт самую честную картину.
- Логи визитов AI-краулеров. По серверным логам видно, ходят ли GPTBot, PerplexityBot и другие агенты и какие страницы читают. Отсутствие визитов — сигнал технической проблемы.
- Брендовый и прямой трафик. Рост доли прямых заходов и брендовых запросов при неизменных прочих активностях — косвенный признак работы канала.
- Реплики клиентов. Самый недооценённый источник: фразы вида «мне вас нейросеть порекомендовала» звучат в реальных разговорах. Такие упоминания автоматически вылавливаются по ключевым темам в речевой аналитике — это редкий случай, когда атрибуция канала приходит из звонков, а не из веб-аналитики.
Отдельная задача — контроль корректности. Модель может описывать вашу компанию неточно: приписывать несуществующие продукты или устаревшие цены. Лечится это обновлением первоисточников: чем однозначнее сформулировано на сайте, тем меньше пространства для домысливания.
Что это меняет в работе отдела продаж
GEO меняет не только маркетинг. Клиент, пришедший из генеративного ответа, приходит подготовленным иначе, чем из поиска: он уже получил сравнение вариантов и часто оперирует формулировками, которые ему дала модель — включая неточные. Менеджер сталкивается с возражениями вида «а мне сказали, что у вас нет интеграции с Битриксом» на пустом месте.
Практический вывод: карта возражений из речевой аналитики становится источником для контента. Если одно и то же неверное представление всплывает в разговорах регулярно, значит, где-то в публичном поле оно закрепилось, и правильный ответ — не только скрипт для менеджера, но и явный текст на сайте, который эту неточность снимает.
С чего начать за неделю
Реалистичный первый заход выглядит так. День первый — проверить robots.txt и убедиться, что нужные AI-агенты не закрыты, а контент отдаётся в HTML. День второй — собрать llms.txt: описание компании, продукты, ключевые страницы. Дальше — взять пять самых важных коммерческих страниц и переписать в них вводные абзацы под самодостаточность и явные определения, вынести цифры из графики в текст, добавить FAQ с разметкой. И параллельно завести список целевых вопросов для ежемесячной проверки.
Это не разовый проект: генеративные системы обновляют представление о компании постепенно, и результат проявляется на горизонте месяцев, а не недель.
Как это устроено у нас
404ai — российское AI-агентство для отделов продаж, и описанные правила мы применяем к собственному сайту: держим llms.txt как карту смыслов, разрешаем AI-краулерам доступ осознанно, пишем определения явно и дублируем цифры текстом, а не только в графике. Это не гарантия попадания в ответы, но это управляемая часть работы.
Наши продукты закрывают то, что происходит после клика: Эхо разбирает 100% звонков и переписок и показывает, с какими представлениями приходят клиенты, Дирижёр отвечает в мессенджерах круглосуточно, пока лид тёплый. Пилот разворачивается за три рабочих дня, данные остаются в РФ по 152-ФЗ, разбор одного диалога стоит от 5 ₽.
Если хотите увидеть, что клиенты говорят в разговорах о том, где они вас нашли и что о вас знают, — запишитесь на демо: разберём ваши реальные звонки.