SEO или GEO: как быть видимым в ответах ИИ

Что изменилось в том, как люди ищут ответы

Классический поиск - запрос, список ссылок, клик - больше не единственный сценарий. Google всё чаще показывает AI Overview - сгенерированный итог прямо над органической выдачей, который отвечает на вопрос, не требуя перехода на сайт. Параллельно растёт привычка задавать вопросы напрямую в ChatGPT, Perplexity, Gemini или Claude - и получать ответ, в котором сайты упоминаются как источники, а не как пункты для клика. Для бизнеса это означает новую форму видимости: важно не только ранжироваться, но и быть тем источником, который система считает нужным процитировать.

Что такое GEO

GEO (Generative Engine Optimization) - термин, которым индустрия начала называть оптимизацию контента под эти генеративные системы. Важно понимать правильно: GEO - не замена SEO и не отдельная параллельная дисциплина с нуля. Это надстройка над тем же фундаментом - техническим качеством сайта, понятной структурой и контентом, который реально отвечает на вопрос человека, а не пытается обмануть алгоритм.

Как AI Overviews на самом деле выбирают источники

Ключевой факт, который часто игнорируют: AI Overview в Google в основном строится на основе тех же страниц, которые и так хорошо ранжируются органически. Система не ищет источники где-то отдельно от обычной выдачи - она преимущественно обобщает то, что уже есть в топе результатов по запросу. Это значит, что сайт со слабыми классическими позициями имеет очень низкие шансы попасть в AI-обзор, независимо от того, насколько хорошо текст структурирован под ИИ. Классическое SEO остаётся входным билетом, а не устаревшей практикой.

Чем цитирование в ChatGPT или Perplexity отличается

Здесь механика другая и менее прозрачная извне. Одни системы (как Perplexity или ChatGPT с функцией поиска) реально сканируют и читают актуальные страницы в момент ответа - здесь работают те же принципы доступности и структуры, что и в AI Overviews. Другие опираются в основном на данные, заложенные во время обучения модели, - и на это сложнее повлиять в реальном времени публикацией одной статьи. Компания не может гарантированно "попасть" в базу знаний конкретной модели, но может повысить вероятность быть прочитанной и процитированной тогда, когда система действительно обращается к живому вебу.

Что реально влияет на вероятность цитирования

• Чёткий прямой ответ в начале страницы - генеративные системы извлекают конкретные факты и формулировки, а не общие вступления "в современном мире...". Ответ на главный вопрос страницы должен быть очевиден в первых предложениях, а не спрятан на третьем экране.
• Структурированные данные (Schema.org) - разметка FAQPage, Article, HowTo помогает системам точнее распознавать, что именно является вопросом, а что ответом, вместо того чтобы угадывать по сплошному тексту.
• Техническая доступность для AI-ботов - файл robots.txt не должен блокировать краулеры вроде GPTBot, PerplexityBot или Google-Extended, если цель - быть видимым именно там.
• llms.txt - относительно новый файл в корне сайта, который структурированно описывает ИИ-системам, о чём сайт и где искать самый важный контент, по аналогии с sitemap.xml для поисковых роботов.
• E-E-A-T сигналы - авторство, подтверждённая экспертность и упоминания во внешних авторитетных источниках влияют на то, считает ли система источник достаточно надёжным для цитирования, так же как и на классическое ранжирование.
• Конкретные данные и формулировки, которые легко процитировать - чёткие цифры, определения и тезисы, сформулированные как самодостаточные предложения, цитируются чаще, чем размытые абзацы с общими рассуждениями.

Что не работает и даже вредит

Плотность ключевых слов, которая когда-то влияла на классическое ранжирование, для генеративных систем не имеет значения - они не считают вхождения фразы, а пытаются понять смысл. Длинные маркетинговые вступления перед ответом по существу тоже не помогают: система либо пропускает их, ища полезную часть, либо вообще не доходит до ответа, если он спрятан слишком глубоко. Лучше всего работает тот же принцип, что и для хорошего человеческого контента, - быстро и честно ответить на вопрос, а уже потом разворачивать детали.

Почему это не отдельная стратегия, а расширение существующей

Нет смысла начинать "GEO с нуля" отдельно от имеющегося SEO. Технический аудит, понятная структура страниц, FAQ-разметка и работа над E-E-A-T - всё это уже описано в наших других статьях и одинаково работает на классическую выдачу и на видимость в ИИ. Подробнее о технической части - в статье технический SEO-аудит, а о механике доверия Google к контенту - в статье почему Google медленнее доверяет юридическим сайтам (принципы E-E-A-T там применимы значительно шире, чем только к юридической нише).

Честно о неопределённости этой сферы

GEO - молодая и быстро меняющаяся область: алгоритмы AI Overviews, поведение чат-ботов и даже сам набор терминов для описания этой практики продолжают эволюционировать. Любой, кто обещает "гарантированное попадание в ChatGPT" или точную формулу цитирования, либо преуменьшает сложность вопроса, либо продаёт иллюзию контроля там, где его пока нет в полном объёме ни у одной компании в мире. Разумный подход - строить крепкий фундамент классического SEO и E-E-A-T, который остаётся полезным независимо от того, как именно будут развиваться конкретные алгоритмы генеративного поиска.

Вопросы, которые нам задают чаще всего

Если нужно не только объяснение механики, а конкретный план действий - в статье SEO и GEO в 2026: пошаговый гайд по оптимизации сайта собрана последовательность шагов от технического фундамента до структурированных данных.