Что такое GEO: полное руководство по оптимизации под ИИ-поиск

GEO (Generative Engine Optimization) — генеративная поисковая оптимизация: комплекс работ, который повышает шансы сайта быть источником ответа ИИ, а не просто строчкой в классической выдаче. Термин предложен исследователями в конце 2023 года в работе «GEO: Generative Engine Optimization» и за 2024–2025 годы закрепился в индустрии; параллельно ходят синонимы AEO (Answer Engine Optimization) и LLMO — названия разные, набор работ один.

Причина появления — сдвиг поведения: всё больше вопросов люди задают не поисковой строке, а ассистенту, и получают готовый ответ вместо десяти ссылок. Если раньше борьба шла за клик из выдачи, теперь часть решений принимается внутри ответа: какие бренды модель назовёт, чьи факты возьмёт, на кого сошлётся. Присутствие в этих ответах — новый канал видимости, и им можно управлять теми же инженерными методами, что и классическим поиском.

Важная оговорка: GEO — не «взлом нейросети» и не магия промптов. Это работа с теми же материями, что и хорошее SEO — доступность, структура, факты, репутация, — но с другой целевой функцией: извлекаемость и цитируемость вместо позиции.

Все крупные движки работают по схожей схеме, которую называют RAG (retrieval-augmented generation — генерация с подкреплением поиском). Модель не «помнит весь интернет»: получив запрос, движок сначала ищет источники в поисковом индексе, отбирает подходящие страницы, режет их на фрагменты — и уже из этих фрагментов языковая модель собирает связный ответ. Часть движков показывает ссылки на использованные источники прямо в ответе.

Есть и второй путь в ответ — обучающая выборка: то, что модель «запомнила» о бренде при обучении. Этим путём управлять почти нельзя (данные фиксируются на месяцы назад), но он объясняет, почему упоминания на крупных площадках работают вдолгую: попав в корпус текстов, которыми учат следующие поколения моделей, бренд начинает всплывать в ответах даже без поиска. Быстрый рычаг GEO — поисковый путь, длинный — след в корпусе.

Из механики следуют три условия попадания в ответ. Первое — быть в индексе: движки берут кандидатов из обычных поисковых индексов, поэтому страницы, невидимые для Яндекса, Google и Bing, невидимы и для ИИ. Второе — быть извлекаемым: модель охотнее берёт самодостаточные пассажи, чем размазанный по странице смысл. Третье — быть доверенной сущностью: при прочих равных модель цитирует источники, которые встречала не один раз и не только на их собственном сайте.

ChatGPT при включённом поиске опирается на индекс Bing и собственный переобход (боты GPTBot и OAI-SearchBot) — поэтому видимость в Bing, о которой в рунете обычно не думают, напрямую влияет на попадание в его ответы. Perplexity держит собственный краулер PerplexityBot и агрессивно ставит ссылки-цитаты — из всех движков он самый «ссылочный». Google AI Overviews — генеративные ответы прямо в выдаче Google: источники берутся из обычного индекса, и сильные позиции в классическом поиске здесь конвертируются лучше всего. Нейро и Алиса Яндекса строят ответы на индексе Яндекса — для русскоязычной аудитории это ключевой движок, и им западные гайды по GEO не занимаются вовсе.

Практический вывод: оптимизировать «под ИИ вообще» нельзя — нужно понимать, из какого индекса каждый движок берёт кандидатов, и держать сайт видимым во всех трёх (Яндекс, Google, Bing). Детальный разбор поведения движков — в статье ChatGPT vs Perplexity vs Нейро.

Фундамент общий: без индексации, скорости и качественного контента не работает ни то, ни другое. Отличаются цель и единица измерения. SEO оптимизирует страницу ради позиции в списке ссылок; GEO оптимизирует пассаж ради попадания в ответ и ссылки-цитаты. В SEO успех виден в выдаче, в GEO — внутри текста, который сгенерировала модель. Отсюда разные приёмы: вместо наращивания ссылочной массы — сущностная согласованность и независимые упоминания, вместо плотности ключей — самодостаточные, извлекаемые формулировки.

Правильная стратегия — не «SEO или GEO», а слоями: классическая видимость обеспечивает попадание в индексы-источники, GEO-слой делает контент извлекаемым и цитируемым. Развёрнутое сравнение — на странице SEO vs GEO.

Услуги и B2B со сложным выбором. Там, где клиент долго изучает вопрос — «как выбрать подрядчика», «что лучше для нашей задачи», — люди всё чаще спрашивают ассистента, и тот называет конкретные компании. Попадание в такую рекомендацию стоит дороже позиции по информационному запросу: это готовый шорт-лист.

Ниши, где спрос формулируется вопросами. Медицина, право, финансы, сложные технологии — везде, где запрос звучит как вопрос человека, а не набор ключей, генеративный ответ вытесняет классическую выдачу быстрее всего.

Новые категории без устоявшейся терминологии. Если рынок молодой и словарь ещё не закреплён — как с самими ИИ-агентами, — тот, кто первым даст движкам чистые определения и согласованную сущность, надолго станет источником по умолчанию: моделям не с чем его сравнивать.

Кому GEO пока второстепенен: бизнесу с чисто навигационным спросом (люди ищут конкретный бренд) и офлайн-точкам, где решают карты и отзывы. Здесь генеративный слой не помешает, но начинать стоит с классической видимости и репутации — эффект на рубль вложений выше.

У GEO нет «позиций», поэтому измеряется другое. Mention Rate — доля контрольных запросов ниши, в ответах на которые движок упомянул бренд. Share of Voice — доля бренда среди всех процитированных источников, то есть положение на фоне конкурентов. Citation Rate — как часто на материал стоит явная ссылка, а не просто упоминание. Замер ведётся по фиксированному набору запросов, по каждому движку отдельно, с датами и открытой методикой — у ИИ-ответов есть вариативность, и одноразовый срез ничего не доказывает.

Методика подсчёта каждой метрики разобрана отдельно — Метрики GEO.

1. Аудит доступности. Убедиться, что ИИ-боты читают сайт: robots.txt, полноценный HTML, скорость, индексация в Яндексе, Google и Bing — индексы питают движки.
2. Машиночитаемый слой. Составить llms.txt, разложить структурированные данные, выровнять реквизиты и описания до полной согласованности.
3. Пассажи на ключевых страницах. Переписать первые абзацы под answer-first, добавить самодостаточные определения и FAQ — то, что модель может взять целиком.
4. Off-site контур. Планомерно набирать независимые упоминания: статьи, подборки, каталоги, отзывы. Для молодого бренда это самый медленный и самый важный слой.
5. Замер и повторение. Зафиксировать контрольные запросы, замерять Mention Rate / Share of Voice / Citation Rate по расписанию и публиковать тренд честно.

Закрыть ИИ-ботов «чтобы не украли контент». Самая дорогая ошибка для сайта услуг: заблокированный GPTBot не защищает тексты — он гарантирует, что в ответе процитируют конкурента. Прежде чем закрывать краулеры, стоит честно ответить, чем сайт зарабатывает: показами или клиентами.

Превратить llms.txt в свалку ключевых слов. Файл читает языковая модель, а не алгоритм подсчёта плотности: перечисление запросов вместо связного описания сущности только размывает картину. Работает противоположное — короткие фактические утверждения, которые модель может пересказать.

Schema-разметка, которая расходится с видимым текстом. FAQ в разметке, которого нет на странице, «нарисованные» рейтинги, чужие реквизиты — движки сверяют структурированные данные с контентом, и расхождение бьёт по доверию ко всей сущности.

Гнаться за объёмом вместо извлекаемости. Простыня на пять тысяч слов без самодостаточных абзацев проигрывает короткой странице с чёткими пассажами: модель не выжимает смысл из потока — она берёт готовые фрагменты.

Мерить одним прогоном и только в ChatGPT. Разовый замер в одном движке — это анекдот, а не данные: ответы вариативны, движков четыре, а для рунета решающим может оказаться Нейро, о котором западные чеклисты не знают.

Гарантий нет и быть не может. Никто не управляет тем, что сгенерирует чужая модель: обещания «выведем в ответы ChatGPT за месяц» — маркетинг, а не инженерия. Ответы вариативны: один и тот же запрос в разные дни даёт разные списки источников, поэтому оценивать нужно тренд по серии замеров, а не разовый результат.

Канал молодой. Доля переходов из ИИ-ответов у большинства сайтов пока мала по сравнению с классическим поиском — GEO это ставка на растущий канал, а не замена текущему трафику. И у неё длинное плечо: технические слои внедряются за недели, а доверие движков к сущности накапливается месяцами, в основном через независимые упоминания.

GEO не спасает слабый сайт. Если страницы медленные, факты противоречивы, а контент тонкий — модель либо не возьмёт источник, либо процитирует конкурента. Порядок всегда один: сначала гигиена классической видимости, потом генеративный слой.

Мы продаём GEO как услугу — и поэтому обязаны применять его к себе. Этот сайт оптимизируется тем же методом, который описан выше: llms.txt и структурированные данные развёрнуты, ключевые страницы переписаны под пассажи, а замер видимости идёт автоматически и публикуется в блоге открыто — включая неудобные числа. В первом срезе июля 2026 наш Mention Rate — 0%: сайту меньше месяца, и честная нулевая точка ценнее нарисованного графика. Метод и состав работ — на странице услуги GEO-оптимизация.