Что такое GEO: как проверять гипотезы видимости в ИИ-поиске
Разбираем механики генеративного поиска и шесть слоёв проверяемых гипотез — от технического доступа до внешних упоминаний. Для каждого слоя отделяем наблюдаемый сигнал от предположения о цитировании и не обещаем место или срок появления в ответе.
GEO (Generative Engine Optimization) — практика подготовки и проверки сайта для наблюдаемой видимости в ИИ-поиске. В отличие от SEO-метрик позиций и кликов, здесь фиксируют упоминания и ссылки в датированной выборке ответов. Самодостаточные пассажи, structured data, согласованность, внешние упоминания и экспериментальный llms.txt — рабочие гипотезы, а не гарантия цитирования.
Что такое GEO и откуда термин
GEO (Generative Engine Optimization) — развивающееся название практик подготовки источника и измерения его наблюдаемой видимости в генеративном поиске. Термин использован в исследовательской работе «GEO: Generative Engine Optimization» конца 2023 года; её результаты относятся к описанной авторами экспериментальной установке и не устанавливают единого отраслевого стандарта. AEO и LLMO частично пересекаются с GEO, однако их определения и состав работ зависят от автора и поставщика.
Некоторые поисковые и ассистентские продукты формируют готовые ответы и в отдельных режимах показывают ссылки. Долю аудитории, наблюдаемые переходы и ценность такого канала оценивают по данным конкретного бизнеса; причинное влияние на решение требует отдельного эксперимента, а упоминание само по себе не доказывает ценность.
В этом руководстве GEO — не обещание «оптимизировать модель», а набор проверяемых гипотез о доступе, представлении фактов и наблюдаемых упоминаниях или ссылках. Retrieval, сведения в параметрах модели и пользовательскую загрузку по публичному ответу часто нельзя надёжно разделить.
Как ИИ-поиск собирает ответ
Многие ИИ-поисковые продукты используют retrieval, но конкретная механика зависит от провайдера и версии: кандидаты могут приходить из поискового индекса, собственного search-краулера или пользовательской загрузки. Затем система формирует ответ по доступным данным; часть продуктов показывает ссылки. Наличие доступа или индексации не гарантирует отбор конкретного источника.
Обучение модели и поисковый retrieval — разные контуры. По публичному ответу обычно нельзя надёжно установить, пришло упоминание из параметров модели или из поиска; robots-контроли и сроки обновления также различаются. Поэтому GEO измеряет наблюдаемый результат и не заявляет причинность без эксперимента.
Практические факторы формулируем как гипотезы: отдельно проверяем доступ для заявленного search-краулера, варианты самодостаточных фрагментов и согласованность сведений. Наблюдаемое изменение упоминаний или ссылок ещё не доказывает причину; ни один фактор не гарантирует отбор или цитату.
Четыре движка и их источники
ChatGPT: OpenAI документирует OAI-SearchBot для обнаружения и показа сайтов в поисковых ответах и отдельно GPTBot для потенциального обучения; эти контроли нельзя смешивать. Perplexity: документация провайдера описывает PerplexityBot как crawler для показа и ссылок в поисковых результатах, а не для сбора контента в foundation models. Google: официальная документация говорит, что AI Overviews и AI Mode опираются на базовые требования Google Search и не требуют отдельного AI-файла или специальной разметки. Для продуктов Яндекса и других движков доступный режим и показанные источники фиксируют наблюдением на дату теста, не перенося на них чужую документацию.
Практический вывод: выбранные продукты и режимы наблюдают отдельно, фиксируя дату, регион, доступную версию и показанные источники. Наличие страницы в Яндексе, Google или Bing записывают как сопутствующее наблюдение, а не как объяснение упоминания или ссылки. Детальный разбор — в статье ChatGPT vs Perplexity vs Нейро.
Чем GEO отличается от SEO
SEO обычно наблюдает обход, индексацию, позиции и клики страниц. В нашей GEO-методике отдельно фиксируются упоминания и явные ссылки в выборке ответов, а пассаж может быть одной из единиц редакционного теста. Это рабочее различие измерений, а не универсальная граница дисциплин: интерфейсы и источники продуктов различаются.
Практики можно вести совместно, но причинную цепочку не предполагают: наличие страницы в поисковом индексе не гарантирует её отбор, а формат пассажа не гарантирует извлечение или ссылку. Развёрнутое сравнение — на странице SEO vs GEO.
Кому GEO нужен в первую очередь
Услуги и B2B со сложным выбором. Здесь полезно проверить, встречаются ли целевые вопросы в ИИ-поиске и какие источники наблюдаются в ответах. Переходы и лиды описывают аналитикой, но причинное влияние присутствия требует отдельного эксперимента и не считается выше классической позиции заранее.
Ниши, где спрос формулируется вопросами. Медицина, право, финансы и сложные технологии требуют особенно строгих источников и оговорок. Долю генеративных ответов и применимость канала подтверждают отдельным датированным исследованием.
Новые категории. Чёткие определения и согласованные сведения — проверяемая контентная гипотеза. Ранний выход не гарантирует долговременную роль источника.
Приоритет канала выбирают по собственному спросу, аналитике и серии замеров. Для навигационного и локального спроса классический поиск, карты и отзывы могут оказаться важнее; универсального порядка нет.
Из чего состоит наш GEO-аудит: шесть рабочих блоков
Это последовательность orkestrai, а не отраслевой стандарт: порядок и зависимости меняются по сайту, продукту и проверяемой гипотезе.
Search-краулеры и training-краулеры имеют разное назначение. Для каждого движка проверяют актуальные user-agent, robots.txt, HTTP-ответ и рендеринг. Доступность меняет возможность обхода, но не гарантирует отбор или цитирование.
Это первичная диагностика; время зависит от защиты, рендеринга и инфраструктуры. Назначения ботов сверяют по первичным страницам провайдеров: OpenAI и Perplexity.
Текстовый файл в корне сайта может компактно описывать организацию, услуги, факты и ключевые ссылки для людей и совместимых инструментов. Это предлагаемый формат: публичное принятие движками и влияние на галлюцинации или цитирование не гарантированы.
Статус и формат сверяют по первичной странице предложения llms.txt. Собрать файл можно нашим бесплатным генератором; фактическое использование совместимыми инструментами наблюдают отдельно, а причинный эффект не предполагают.
Самодостаточный пассаж — рабочая редакционная гипотеза: вариант абзаца с определением, фактом с источником или короткой инструкцией сравнивают с исходным текстом. Нормативной длины нет; наблюдаемое извлечение и ссылку проверяют по продукту и не выдают за причинный эффект формата.
Подробнее — «цитируемый пассаж» в глоссарии.
Schema.org-разметка (Organization/ProfessionalService, Article, FAQPage, BreadcrumbList) публикует машиночитаемые утверждения рядом с видимым текстом. Какие типы и свойства использует конкретный движок, меняется; совпадение разметки с видимым содержанием — проверка корректности, а не доказанный рычаг доверия или цитирования.
Google прямо пишет, что для его AI-функций не требуется специальная Schema.org-разметка, а структурированные данные должны совпадать с видимым текстом; см. официальную документацию. Быстрый старт — генератор JSON-LD для услуг.
Согласованное имя, позиционирование, реквизиты и контакты уменьшают противоречия в собственных публикациях. Связь такой согласованности с упоминанием или ссылкой остаётся гипотезой: обычный замер показывает наблюдение, а причинность требует отдельного эксперимента.
Что такое сущность — в глоссарии.
Независимые упоминания — одна из проверяемых гипотез GEO. В ограниченном июльском срезе orkestrai за 2026 год среди обнаруженных источников встречались статьи-подборки на vc.ru; выборка мала и не доказывает причинность, универсальное преимущество площадки или будущий эффект.
Наш открытый замер — первый срез ИИ-видимости в блоге.
Как измерять результат
В нашей методике используются три наблюдательные метрики; это не универсальный стандарт GEO. Mention Rate — доля ответов выбранной выборки с наблюдаемым упоминанием. Share of Voice — выбранная сравнительная доля среди зафиксированных источников. Citation Rate — доля ответов выборки с явной ссылкой. Формулы, знаменатели, запросы, режим, регион, число прогонов и даты публикуют вместе с результатом; одноразовый срез не доказывает причинность, трафик или авторитет.
Методика подсчёта каждой метрики разобрана отдельно — Метрики GEO.
С чего начать: порядок работ
- Аудит доступности. Разделить search- и training-краулеры, проверить robots.txt, HTTP-ответ, HTML и индексацию. Это условия доступности, а не гарантия участия в ответе.
- Машиночитаемый слой. Проверить structured data; llms.txt добавлять только как экспериментальный предлагаемый формат и отдельно наблюдать, используется ли он совместимыми инструментами.
- Текстовые варианты. Сравнить ранний ответ, самодостаточные определения и FAQ с исходным текстом; формат и длина пассажа не считаются стандартом или причиной цитаты.
- Off-site гипотезы. Проверять независимые упоминания: статьи, каталоги и отзывы. Их влияние и приоритет определяются датированными замерами, а не предполагаются заранее.
- Замер и повторение. Зафиксировать выборку, продукты и условия; выбрать и раскрыть наблюдательные метрики. Mention Rate, Share of Voice и Citation Rate — один рабочий набор, а не стандарт.
Типичные ошибки
Смешать search- и training-краулеры. По актуальной документации OpenAI OAI-SearchBot связан с поисковой видимостью, а GPTBot — с потенциальным обучением моделей; правила для них задаются независимо. Perplexity также описывает PerplexityBot как search-краулер. Блокировка меняет доступ соответствующего бота, но не гарантирует ни отсутствие использования или упоминания, ни появление цитаты.
Считать llms.txt подтверждённым стандартом. Это экспериментальный предлагаемый формат; публичное принятие движками не гарантировано. Если файл публикуют, его утверждения сверяют с сайтом; фактическое чтение совместимым инструментом наблюдают отдельно, а влияние на ответ не выводят без эксперимента.
Schema-разметка, которая расходится с видимым текстом. FAQ, рейтинги и реквизиты в разметке должны соответствовать опубликованному содержанию как вопрос корректности данных. Использует ли конкретный движок эту разметку и влияет ли расхождение на отбор, проверяют отдельно; общего «штрафа доверию сущности» не предполагают.
Гнаться за объёмом без проверки. Самодостаточные абзацы — рабочая гипотеза извлекаемости, но короткая страница не гарантирует преимущество. Сравнивайте варианты по датированным тестам движка.
Мерить одним прогоном и одним продуктом. Разовый ответ не показывает вариативность. Состав продуктов выбирают по аудитории, а условия, число прогонов и даты раскрывают; заранее назначать один движок «решающим» нельзя.
Честные ограничения
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 и механика меняются. Долю переходов и ценность ИИ-видимости нужно измерять для конкретного сайта. Срок изменения ответов заранее неизвестен; технические правки, внешние упоминания и обучение моделей имеют разные циклы и не доказывают причинность друг друга.
GEO не гарантирует компенсацию проблем сайта. Скорость, доступность и согласованность фактов можно включать в аудит как проверяемые условия, но их влияние на упоминание или ссылку заранее не предполагают. Универсального порядка работ нет: его выбирают для конкретной гипотезы и проверяют серией замеров.
Как это делаем мы
Мы применяем эту рабочую методику к себе: экспериментальные llms.txt и llms-full.txt и structured data опубликованы, на ключевых страницах тестируются текстовые варианты, а ограниченные внутренние прогоны описаны в блоге. В июльском архивном прогоне коннектор получил по одному ответу Claude с web_search на десять фраз; без повторов, открытой панели и raw-ответов этот результат нельзя считать воспроизводимым измерением общей ИИ-видимости. Состав услуги — на странице GEO-оптимизации.
Источники и дата проверки
Проверено 04.09.2026. Продукты, режимы, интерфейсы и правила ботов меняются, поэтому этот список датирован. Ссылки подтверждают только явно описанные провайдерами механизмы и статус исследовательской гипотезы; они не доказывают, что конкретная страница будет отобрана, процитирована или принесёт трафик.
- Aggarwal et al., «GEO: Generative Engine Optimization» — первичная исследовательская работа, в которой предложен термин и собственная экспериментальная схема измерения.
- OpenAI: Publishers and Developers FAQ — первичная документация о доступе OAI-SearchBot, управлении через robots.txt и отдельном назначении GPTBot.
- Perplexity Crawlers — первичная документация о PerplexityBot и Perplexity-User.
- Google Search Central: AI features and your website — первичная документация о требованиях индексации, ссылках, preview controls и отсутствии специальной GEO-разметки.
- Предложение llms.txt — первичный текст формата; это предложение сообщества, а не обязательный веб-стандарт и не обещание поддержки конкретным поисковым продуктом.
Частые вопросы
Что значит GEO и чем это отличается от AEO?
GEO, AEO и LLMO — пересекающиеся, но не стандартизированные отраслевые ярлыки: авторы и поставщики вкладывают в них разный объём работ. В этом материале GEO — наше рабочее название подготовки источника и датированной проверки наблюдаемых упоминаний и ссылок в генеративном поиске.
GEO заменяет SEO?
Нет. Механика зависит от провайдера, режима и версии: ответ может использовать поисковый индекс, собственный search-краулер, пользовательскую загрузку или сведения в параметрах модели. Индексация и доступ относятся только к некоторым retrieval-путям; они не доказывают отбор, а упоминание без ссылки не доказывает retrieval.
Когда ждать результата от GEO?
Срок внедрения технических изменений зависит от сайта, защиты и рендеринга, а срок изменения видимости заранее не подтверждается. ИИ-ответы вариативны, поэтому эффект оценивают по датированным сериям замеров в каждом движке; гарантировать срок или место в ответе невозможно.
Работает ли GEO для российского бизнеса?
Применимость проверяют на запросах и аудитории конкретного бизнеса. Для русскоязычной выборки можно отдельно наблюдать ChatGPT, Perplexity и продукты Яндекса, фиксируя дату, регион, режим и показанные источники; наличие страницы в индексе само по себе не объясняет упоминание или ссылку.
Обязательно ли делать llms.txt?
llms.txt — предлагаемый сообществом экспериментальный формат, а не общепринятый стандарт: публичное принятие поисковыми движками не гарантировано. Файл может служить компактной картой для людей и совместимых инструментов; его влияние на извлечение и цитирование нужно измерять отдельно.
Можно ли запретить ИИ использовать контент сайта — и стоит ли?
Контроли нужно разделять по назначению. OAI-SearchBot и PerplexityBot относятся к поисковому обходу своих продуктов, а GPTBot — к потенциальному использованию контента для обучения моделей OpenAI. Правила robots.txt меняют возможность соответствующего обхода, но сами по себе не гарантируют ни отсутствие использования и упоминания, ни появление цитаты. Решение принимают по модели публикации и актуальной документации провайдера.
Сколько стоит GEO-оптимизация?
У нас GEO входит в услугу поисковой видимости: проект — от 150 000 ₽, сопровождение с регулярными замерами — от 50 000 ₽ в месяц. Точная смета зависит от размера сайта и состояния классической видимости и считается по бесплатному разбору. Разовые работы — llms.txt, разметка, пассажи на ключевых страницах — заметно дешевле полного контура.
Хотите так же — но для вашего бизнеса?
30 минут разбора — бесплатно. Покажем, что реально автоматизировать в вашем случае и что это даст. Отвечает тот, кто ведёт проект.