Если нейросеть на вопрос «кого выбрать» называет трёх подрядчиков и вас среди них нет, вы не проиграли позицию в выдаче — вас просто не рассматривали, и в веб-аналитике эта потеря не видна. GEO (Generative Engine Optimization) — это оптимизация сайта под нейросети: подготовка контента к тому, чтобы ChatGPT, Perplexity, Алиса и AI-ответы поисковиков брали его как источник. Для B2B это вопрос шорт-листа: ответ модели часто и есть список, с которым руководитель идёт дальше. Разберу, как B2B-компании попадают в ответы нейросетей, чем GEO отличается от SEO, что в нём техника, а что работа с текстом, как измерять канал без кликов и когда тратить на него силы рано.
GEO борется не за клик, а за место в тексте ответа
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.
На сайте 404ai мы делаем ровно это и не больше: держим llms.txt как карту смыслов, не закрываем в robots.txt поисковых агентов нейросетей и обновляем файл, когда появляется новый продукт или раздел. Моя оценка вклада именно llms.txt осторожная — это страховка от путаницы в названиях, а не рычаг, который сам по себе приведёт вас в ответы.
Здесь технический минимум дан коротко. Подробный разбор — какие роботы обучают модели, какие собирают ответы, почему отдельная группа в robots.txt может отменить запреты служебных путей — в статье об AI-краулерах в robots.txt, а что на самом деле известно о llms.txt и как его составить — в разборе llms.txt.
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.
Четыре приёма, которые вредят цитированию
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.
Канал без кликов измеряют косвенно, но по графику
Главная сложность канала: полноценной аналитики по цитированиям не даёт ни одна система. Измерять приходится косвенно, и это нормально — важно делать это регулярно и одинаково, чтобы месяцы можно было сравнивать между собой. Как настроить веб-аналитику, чтобы переходы из нейросетей не терялись в «прямых заходах», разобрано в статье о трафике из нейросетей в аналитике.
- 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.
GEO — один слой более широкой работы: какие страницы сайту нужны, как их выпускать и проверять, как мерить результат. Как эти части собираются в один цикл и чем он отличается от классического SEO, — в статье «Что такое генеративное SEO».
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.
Технически такие повторы вылавливает разбор звонков — в проектах 404ai это Эхолитикс; а чтобы подготовленный нейросетью лид не остывал до ответа менеджера, первое касание в мессенджерах можно отдать Дирижёру. Если хочется посмотреть, что клиенты уже говорят в ваших звонках о том, где вас нашли, это можно разобрать на демо на ваших записях.
Для отдела продаж у этого есть и прямое следствие: покупатель, который нашёл вас через ответ нейросети, приходит на встречу с уже сложившимся представлением — о цене, интеграциях и отличиях от конкурентов. Что это меняет в подготовке к встрече и в первых минутах разговора, — в статье о покупателе с нейросетью.
Когда оптимизация под нейросети подождёт
GEO нужен не каждой компании, и честнее сказать это до того, как на него выделят бюджет. Если клиенты не выбирают вас через вопрос «кого посоветуешь» — вы работаете с тремя известными заказчиками, участвуете только в тендерах или продаёте импульсную покупку у дома, — место в ответах нейросети почти ничего не изменит в выручке.
Не окупится GEO и там, где не решены базовые вещи. Если сайт отдаёт текст скриптом, закрыт от роботов или состоит из трёх страниц без содержания, генеративной системе просто нечего цитировать, и начинать нужно с обычного SEO и с текстов по существу. Отдельный бюджет на «GEO-продвижение» поверх неработающего сайта — деньги, потраченные на надстройку без фундамента.
И последний случай — когда у компании нет собственной экспертизы, которую можно сформулировать явно: определений, цифр, честных сравнений. Модели цитируют конкретику. Сайт, где на каждой странице «индивидуальный подход и высокое качество», в ответ не попадёт, как его ни размечай.
Первая неделя: пять страниц вместо всего сайта
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.
Цель на этом горизонте стоит сформулировать до начала, в терминах денег, а не «видимости»: сколько обращений в месяц должно приходить с пометкой «нашёл через нейросеть» и сколько стоит такой клиент по сравнению с платным каналом. Как посчитать вторую цифру, разобрано в статье о том, сколько стоит клиент из нейросети. Условие остановки тоже лучше записать заранее: если за несколько месяцев ни в ручной проверке ответов, ни в разговорах с клиентами канал не проявился, дальнейшая переписка текстов ради GEO не оправдана.
Что GEO меняет в решении о продвижении
Опубликованный пример того, как это выглядит на практике, — кейс юридической компании в нише банкротства: около 600 конкурентов, более 500 посетителей и более 30 обращений за 2 месяца без рекламного бюджета, причём первые две недели в отчётах не менялось ничего. Это один проект в одной нише, и переносить его цифры на другой рынок я бы не стал. Но он хорошо показывает главное следствие: GEO — не отдельный канал с отдельным подрядчиком, а требование к тому, как написан ваш сайт, и проверяется оно дёшево. Возьмите пять вопросов, которые клиент задал бы нейросети перед выбором подрядчика в вашей нише, задайте их двум-трём системам и запишите, кого они называют и какими словами описывают. Если вас нет — начинайте с технического минимума и пяти страниц; если есть, но с ошибками — с правки первоисточников; а если в ваших звонках никто ни разу не сказал «мне посоветовала нейросеть», сначала проверьте, выбирают ли ваши клиенты этим способом вообще.
