Что такое GEO-оптимизация и как попасть в ответы нейросетей

GEO расшифровывается как Generative Engine Optimization. Человек всё чаще задаёт вопрос прямо ChatGPT или Алисе: «какую клинику выбрать на Юго-Западе» или «какое агентство настроит Директ». Модель отвечает списком из трёх-пяти названий. GEO-оптимизация нужна, чтобы ваше название было в этом списке.

Как модель собирает ответ. У неё два источника. Первый: знания, выученные при обучении. Второй: поиск в реальном времени. С включённым поиском нейросеть делает несколько запросов, забирает страницы из верхней части выдачи и склеивает ответ из абзацев, которые прямо отвечают на вопрос. Поэтому GEO стоит на SEO: страницу, которой нет в топе, модель просто не прочитает.

Что отличает GEO от обычного продвижения:

• единица успеха другая: упоминание бренда в ответе и место в списке, позиция в выдаче здесь вторична;
• важнее самодостаточные фрагменты: абзац с цифрой, сроком и ценой цитируется, слоган пропускается;
• сильнее вес внешних источников: модель доверяет консенсусу, поэтому рейтинги, отраслевые СМИ, карты и отзывы значат много;
• есть своя техника: доступ ИИ-краулеров (GPTBot, PerplexityBot) в robots.txt, файл llms.txt, микроразметка Organization и FAQPage.

Как измерить. Составляется набор реальных вопросов клиентов, условно 80 штук. Каждый прогоняется через несколько моделей в чистых сессиях по нескольку раз, потому что ответы плавают. Пример: бренд упомянут в 12 ответах из 80, значит доля видимости 15%. Через месяц замер повторяют на том же наборе и смотрят динамику. Переходы из ChatGPT и Perplexity видны в Метрике как отдельные источники.

Частые ошибки. Надеяться на один llms.txt, хотя он лишь помогает модели разобраться в сайте. Писать тексты «для нейросетей» с водой. Игнорировать внешние упоминания. Проверять видимость одним запросом в одной модели и делать выводы.

GEO-продвижение мы ведём как отдельную услугу и связываем с SEO: одна работа над контентом даёт рост и в поиске, и в ответах моделей.