Сайт может годами находиться в поиске, собирать трафик из Google и Яндекса, иметь сотни статей — и при этом практически не существовать для ChatGPT, Алисы AI или других генеративных поисковых систем.
На первый взгляд ситуация странная. Если поисковик знает страницу, почему нейросеть её не использует?
Потому что «страница существует в индексе» и «страница подходит в качестве источника для ответа» — две разные задачи.
Генеративный поиск добавил между человеком и обычной поисковой выдачей ещё несколько фильтров. Система должна сначала понять вопрос, найти подходящие документы, выбрать из них нужные фрагменты, оценить, насколько им можно доверять, собрать общий ответ и только после этого решить, какие источники показать пользователю.
Современные исследования GEO вообще предлагают не воспринимать AI-поиск как обычный рейтинг сайтов. Это цепочка из нескольких этапов: обнаружение страницы, индексирование, retrieval, reranking, попадание информации в контекст модели, использование факта в ответе и цитирование источника. Ошибка на любом этапе обнуляет всё, что происходило до него.
Поэтому позиция №1 в Google ещё не означает, что ChatGPT обязательно процитирует страницу.
И наоборот: небольшой тематический сайт иногда может появиться в AI-ответе рядом с крупным медиа, если на его странице находится наиболее точный ответ на конкретный вопрос.
Разберём, почему нейросети могут игнорировать сайт и что с этим можно сделать.
Сначала надо разобраться, откуда нейросеть вообще получает информацию
Есть распространённое представление, будто ChatGPT знает интернет примерно так же, как Google: постоянно хранит огромную копию всех существующих сайтов и в любой момент может обратиться к нужной странице.
На практике всё сложнее.
Когда требуется свежая информация, ChatGPT может обратиться к веб-поиску. OpenAI прямо пишет, что результаты ранжируются по нескольким сигналам релевантности и надёжности. Чтобы публичная страница могла нормально обнаруживаться и использоваться в результатах ChatGPT Search, сайт не должен блокировать OAI-SearchBot.
У Алисы похожая логика.
Яндекс объясняет её довольно прямо: алгоритмы сначала находят подходящие страницы в интернете, затем нейросеть анализирует материалы, выбирает релевантные фрагменты и собирает из них ответ. Источниками для Алисы становятся страницы из индекса Яндекса. Сам Яндекс отдельно указывает, что хорошо структурированная и информативная страница имеет больше шансов использоваться в сгенерированном ответе.
Google тоже не создаёт для AI Overviews и AI Mode отдельную магическую базу сайтов.
В официальной документации компания пишет, что генеративные функции Google Search основаны на основных системах поиска и используют контент из поискового индекса. Поэтому классические требования SEO — доступность страницы, индексирование, качество контента, техническая исправность — никуда не исчезли.
Из этого получается первый практический вывод.
GEO начинается с SEO, но на SEO не заканчивается.
Если страницу невозможно нормально найти, нейросети будет сложно её использовать. Но одной индексации тоже недостаточно.
Причина №1. Роботы физически не могут нормально прочитать сайт
Перед тем как строить сложную стратегию продвижения в нейросетях, стоит проверить довольно банальные вещи.
Например:
robots.txt;
meta robots;
HTTP-коды страниц;
Cloudflare и другие WAF;
JavaScript-rendering;
авторизацию;
paywall;
канонические URL;
случайный noindex;
региональные ограничения;
блокировку отдельных поисковых роботов.
Сайт может прекрасно открываться у владельца в Chrome, но отдавать 403 поисковому роботу.
Для ChatGPT отдельно имеет смысл проверить доступ OAI-SearchBot. OpenAI прямо рекомендует разрешить этому роботу сканирование страниц, если владелец хочет, чтобы контент мог обнаруживаться и показываться в результатах поиска ChatGPT.
С Яндексом похожая история: Алиса использует страницы из поискового индекса. Если страницы нет в индексе Яндекса, рассчитывать на её стабильное использование в ответах Алисы бессмысленно.
Плохой сценарий выглядит так:
Компания заказывает GEO-продвижение, переписывает 150 статей, внедряет llms.txt, добавляет Schema.org, но весь раздел /blog/ закрыт от части роботов через настройки Cloudflare.
Можно месяцами улучшать заголовки. Источник всё равно не доходит до следующего этапа.
Причина №2. На сайте нет информации, которую нейросети вообще имеет смысл цитировать
Вот это намного более распространённая проблема.
Открываем корпоративный сайт:
Компания «Альфа» является надёжным партнёром в сфере современных финансовых технологий. Мы предлагаем клиентам инновационные решения, индивидуальный подход и высокий уровень сервиса.
Что из этого должен забрать ChatGPT?
Ничего.
Таких предложений в интернете миллионы. Они ничего не доказывают, не отвечают на конкретный вопрос и не содержат проверяемого факта.
Теперь другая версия:
В первом полугодии 2026 года сервис обработал 4,2 млн платежей на 18,7 млрд рублей. Медианное время подтверждения операции составило 14 секунд, а доля отклонённых транзакций — 1,8%.
Здесь уже появляются информационные единицы:
период;
число операций;
оборот;
скорость;
процент отказов.
На базе этого можно строить ответ.
Google сейчас отдельно подчёркивает ценность нешаблонного контента — собственного опыта, оригинальных наблюдений, исследований и экспертной информации, которую нельзя получить простой переформулировкой уже существующих страниц.
Это, пожалуй, самая большая проблема большинства SEO-контента.
Статья называется:
Как выбрать брокера в 2026 году
а внутри:
Обратите внимание на надёжность.
Проверьте комиссии.
Изучите отзывы.
Оцените удобство платформы.
Формально всё правильно.
Практической информации почти нет.
Гораздо полезнее:
Мы сравнили комиссии 17 брокеров. При обороте 500 000 рублей в месяц разница между самым дешёвым и самым дорогим тарифом составила 4100 рублей. Основной разброс возник не из-за комиссии за сделку, а из-за депозитарных платежей и минимальной месячной платы.
Теперь материал отличается от сотни других статей.
Причина №3. Компания рассказывает только сама о себе
Представим две компании.
У первой есть красивый сайт и раздел «О нас»:
Компания N — эксперт в области информационной безопасности.
Больше это утверждение нигде не встречается.
У второй компании есть:
собственное исследование;
интервью директора;
колонка на Habr;
комментарий в отраслевом СМИ;
кейс клиента;
рейтинг;
обсуждение на форуме;
выступление на конференции.
Какой бренд проще связать с темой «информационная безопасность»?
Очевидно, второй.
И здесь начинается одна из самых интересных частей GEO.
Нейросети могут находить упоминания компаний и продуктов в блогах, форумах, видео и других источниках. Google прямо указывает это в рекомендациях для генеративного поиска.
Поэтому GEO — это ещё и работа с информационным следом бренда.
У компании должен существовать не один собственный голос.
Нужны независимые страницы, где рядом встречаются:
бренд + тема + факт.
Например:
Аналитики компании N изучили 38 000 фишинговых писем и обнаружили, что 42% атак имитировали уведомления банков.
Такая конструкция полезнее, чем:
N — лидер кибербезопасности.
Первая сообщает факт.
Вторая сообщает мнение самой компании о себе.
Причина №4. Вы пытаетесь продвинуть бренд, а люди спрашивают про проблему
Это классическая ошибка маркетолога.
Компания хочет показываться по запросу:
Лучшие сервисы сквозной аналитики.
Но пользователь может спрашивать иначе:
Как понять, с какого Telegram-канала пришла заявка?
Как посчитать CPL рекламы в Telegram?
Как отследить клиента после перехода по ссылке?
Как измерить рекламу, если человек купил через неделю?
Чем UTM отличается от трекинговой ссылки?
Каждый вопрос — отдельная информационная ситуация.
Если на сайте существует только страница:
Сервис аналитики рекламы N
нейросети сложно использовать её для всех этих ответов.
Гораздо сильнее работает тематический кластер.
Например:
Как посчитать CPL
Формула и пример.
Как отслеживать Telegram
Техническая механика.
Почему UTM недостаточно
Ограничения.
Как связывать клики с заявками
Схема атрибуции.
Какие ошибки искажают статистику
Боты, повторные клики, cookie deletion, cross-device.
Теперь сайт закрывает не название продукта, а набор реальных пользовательских вопросов.
И бренд постепенно начинает жить внутри темы.
Причина №5. Статья написана красиво, но из неё невозможно выдернуть ответ
Представьте абзац:
Этот показатель при правильном подходе может существенно измениться, особенно если использовать описанную выше методику и учитывать перечисленные факторы.
Если нейросеть увидит такой фрагмент отдельно, она ничего не поймёт.
Что за показатель?
Какая методика?
Какие факторы?
Теперь нормальная версия:
После удаления обязательного поля «Отчество» конверсия формы регистрации выросла с 5,8% до 6,6%. Эксперимент проводился 21 день на 84 000 посетителей.
Абзац практически самодостаточен.
Это не означает, что статью надо искусственно резать на предложения специально «под LLM».
Google как раз предупреждает, что никакой обязательной разбивки контента на специальные маленькие блоки для AI-поиска не требуется.
Но обычная редакторская логика становится ещё полезнее:
один подзаголовок — один вопрос;
один абзац — одна мысль;
цифра — вместе с контекстом;
вывод — рядом с доказательством.
Причина №6. У вас нет первичных данных
Это один из самых сильных способов выделиться.
Предположим, десять сайтов пишут:
Telegram остаётся популярным рекламным каналом.
Это факт общего уровня.
Одиннадцатый сайт пишет:
Мы проанализировали 84 рекламных размещения в Telegram. Средний CTR составил 1,7%, но у каналов размером менее 20 000 подписчиков показатель оказался 2,3%, тогда как у каналов свыше 200 000 подписчиков — 1,1%.
Какой источник интереснее?
Второй.
Именно поэтому данные становятся своеобразной валютой GEO.
Причём не обязательно проводить исследование за несколько миллионов рублей.
Подойдут:
статистика сервиса;
обезличенные данные клиентов;
результаты эксперимента;
опрос;
собственный мониторинг;
анализ цен;
сравнение тарифов;
измерение скорости;
история продаж;
статистика обращений поддержки.
Допустим, у вас интернет-магазин фильтров воды.
Не пишите двадцатый материал:
Как выбрать фильтр обратного осмоса.
Сделайте:
Мы разобрали 1247 обращений покупателей: почему люди меняют систему обратного осмоса в первые два года.
И выясните:
31% жалуются на давление;
24% — на стоимость картриджей;
18% — на медленный набор бака;
9% неправильно подобрали минерализатор.
Это уже информация, которую трудно скопировать.
Причина №7. Нет методики — поэтому цифре невозможно доверять
Есть обратная сторона исследований.
SEO-рынок очень быстро научится производить «собственные исследования», где цифры просто берутся с потолка.
Пример:
Наше исследование показало, что 87% пользователей доверяют компаниям, которые используют искусственный интеллект.
Кто участвовал?
Сколько человек?
Россия или США?
Когда проводился опрос?
Что означает «доверяют»?
Ничего нет.
Нормальное описание:
В июле 2026 года мы опросили 1214 интернет-пользователей старше 18 лет из России. Респондентам показывали описание двух одинаковых сервисов, один из которых указывал использование ИИ. 38% выбрали сервис с ИИ, 34% — без ИИ, остальные не увидели разницы.
Теперь данные можно интерпретировать.
Причём вывод оказывается гораздо интереснее первоначального рекламного тезиса:
сам факт использования ИИ почти не влияет на выбор.
Вот такие результаты обычно и становятся хорошим контентом.
Причина №8. Вы публикуете слишком много дублей
Логика понятная.
Есть одна хорошая статья.
Давайте разместим её:
на своём сайте;
на пяти блогах;
на трёх агрегаторах;
в десяти каталогах;
ещё в двадцати местах.
Получаем 39 почти одинаковых страниц.
Кажется, будто теперь нейросеть должна увидеть один и тот же факт 39 раз.
На практике это не 39 независимых подтверждений.
Bing отдельно предупреждал, что дублированный контент может размывать сигналы и создавать поисковой системе проблему выбора правильной версии страницы.
Гораздо разумнее работать через разные углы.
Есть исследование российского рынка криптообменников.
На основном сайте:
Исследование рынка криптообменников России за 2026 год.
В финансовом медиа:
Средняя комиссия за покупку USDT наличными выросла до 2,4%.
В бизнес-блоге:
Сколько зарабатывает офлайн-криптообменник с оборотом 30 млн рублей.
На юридической площадке:
Какие требования законодательства меняют работу криптообменников.
В региональном СМИ:
Как устроена покупка USDT в Самаре.
Источник данных один.
Информационные задачи разные.
Причина №9. Статья существует, но давно устарела
Особенно критично это для:
финансов;
законодательства;
криптовалют;
цен;
тарифов;
программного обеспечения;
банков;
брокеров;
ИИ-сервисов.
Представим запрос:
Какая комиссия Binance за спотовую торговлю?
Статья 2022 года может когда-то хорошо ранжироваться, но для ответа в 2026 году нейросети нужен актуальный источник.
Поэтому в GEO появляется ещё один процесс — обновление информационных активов.
Не просто поменять дату:
Обновлено в 2026 году.
А реально проверить:
цифры;
тарифы;
интерфейсы;
законодательство;
доступность продукта;
названия функций;
ограничения;
источники.
Дата должна подтверждаться содержанием.
Причина №10. Вы пытаетесь искусственно написать текст «для нейросети»
Рынок уже успел придумать десятки магических правил:
Нужно писать предложение максимум из 15 слов.
Нужно делать ровно 40–60 слов под каждым H2.
Нужно создать llms.txt.
Нужно повторять название бренда каждые 500 символов.
Надо писать определение в первом абзаце каждого блока.
Часть рекомендаций может случайно помогать, потому что улучшает обычную структуру текста.
Но универсального формата, который гарантирует цитирование LLM, нет.
Google прямо пишет, что специальный llms.txt для его AI-функций не требуется, особая AI-разметка не нужна, а переписывать контент специальным языком ради генеративных систем не следует.
Исследовательская картина тоже пока намного менее определённая, чем любят рассказывать GEO-агентства.
Большой обзор 45 исследований GEO за 2023–2026 годы пришёл к выводу, что пока не существует одной техники, которая доказанно обеспечивает стабильный долгосрочный рост органической видимости одновременно в разных генеративных системах.
Это довольно отрезвляющий момент.
GEO сегодня — скорее набор вероятностных действий, чем новый PageRank с понятной формулой.
Причина №11. Вы проверили ChatGPT один раз и сделали вывод
Допустим, вводим:
Лучшие сервисы аналитики рекламы.
Сегодня ChatGPT упомянул компанию N.
Завтра — нет.
Послезавтра список снова поменялся.
Это нормально.
Генеративная выдача вариативна.
Поэтому измерять GEO одним запросом бессмысленно.
Нужен пул.
Например, 100 вопросов:
Информационные
Что такое сквозная аналитика?
Коммерческие
Лучшие сервисы сквозной аналитики.
Сравнительные
Roistat или Calltouch?
Проблемные
Как узнать, какая реклама принесла продажу?
Узкие
Как отследить заявку из Telegram-канала?
Экспертные
Какие сервисы аналитики Telegram существуют?
Дальше смотрим:
сколько раз появился бренд;
сколько раз появился собственный сайт;
какие сторонние публикации цитируются;
какие конкуренты встречаются чаще;
в каких темах бренд отсутствует.
Тогда получается уже не впечатление, а метрика.
Причина №12. Вы измеряете только переходы
У GEO есть неприятная особенность.
Пользователь может получить весь ответ внутри нейросети и никуда не перейти.
Значит ли это, что публикация бесполезна?
Не обязательно.
Предположим, человек спрашивает три вопроса:
Какие сервисы помогают анализировать Telegram-рекламу?
Чем отслеживать клики по размещениям?
Как определить CPL Telegram-канала?
И в каждом ответе видит название одного сервиса.
Через неделю он вводит название сервиса напрямую в Google.
Формально AI-перехода не было.
Но нейросеть участвовала в знакомстве с брендом.
Поэтому смотреть стоит сразу на несколько показателей:
AI referral traffic;
цитирование страниц;
упоминания бренда;
branded search;
direct traffic;
лиды;
assisted conversions.
Microsoft в 2026 году сделал здесь интересный шаг: в Bing Webmaster Tools появился раздел AI Performance. Он показывает число цитирований сайта в генеративных ответах Microsoft Copilot и Bing, конкретные цитируемые URL и так называемые grounding queries — запросы, которые система использовала при поиске источников.
Это уже гораздо ближе к нормальной аналитике GEO.
Как тогда продвигаться в ChatGPT и других нейросетях
Если отбросить магию, рабочая схема выглядит довольно приземлённо.
Шаг 1. Исправить техническую базу
Проверить индексирование и доступ роботов.
Шаг 2. Собрать реальные вопросы пользователей
Не только частотные ключи из Wordstat.
Нужны вопросы, которые человек реально задаёт нейросети.
Не:
аналитика рекламы сервис
а:
как понять, какой Telegram-канал принёс клиента?
Шаг 3. Закрыть каждый большой вопрос отдельным сильным материалом
Не создавать 300 почти одинаковых страниц.
Сделать 20–50 действительно полезных.
Шаг 4. Добавить собственные данные
Если данные можно получить — используйте их.
Шаг 5. Создать внешний информационный след
Публикации в СМИ, экспертных блогах, тематических площадках, рейтингах и интервью.
Шаг 6. Связать бренд с конкретной тематикой
Не пытаться быть экспертом «во всём бизнесе».
Если компания продаёт систему аналитики Telegram, вокруг неё должны постоянно появляться темы:
Telegram;
реклама;
клики;
CPL;
лиды;
атрибуция;
боты;
UTM;
посевы.
Шаг 7. Обновлять сильные материалы
Особенно там, где быстро меняются данные.
Шаг 8. Измерять видимость сериями запросов
Один скриншот ChatGPT ничего не доказывает.
Как выглядит плохая GEO-стратегия
Очень просто:
Сделаем 500 статей через ChatGPT.
В каждую вставим название компании десять раз.
Разместим их на дешёвых сайтах.
Создадим llms.txt.
Через месяц будем первыми в нейросетях.
Цена такой ошибки — месяцы работы над контентом, который не создаёт никакой новой информации.
Причём Google уже прямо распространяет антиспам-правила и на попытки манипулировать генеративными AI-ответами.
Как выглядит нормальная GEO-стратегия
Компания сначала определяет область, в которой хочет стать источником.
Например:
партнёрский маркетинг банков.
Затем собирает вопросы:
сколько платят банки за клиента;
что такое CPA;
что такое RevShare;
какие партнёрки есть в России;
можно ли работать физлицу;
когда приходит выплата;
нужно ли платить налоги;
какой CR считается нормальным;
сколько можно заработать без трафика;
сколько стоит привлечение клиента.
После этого создаётся база.
Не рекламная.
Информационная.
Например:
Мы проанализировали 24 банковские партнёрские программы. Медианная выплата за одобренную кредитную карту составила X рублей, а разброс между минимальной и максимальной ставкой достиг Y раз.
Появляется исследование.
Из него делаются отдельные публикации:
Сколько банки платят партнёрам за клиента.
Почему CPA кредитной карты выше CPA дебетовой.
Какие источники трафика запрещают банки.
Сколько заявок превращается в выдачу.
Дальше появляются комментарии эксперта, отраслевые публикации, новости и сторонние упоминания.
Через какое-то время бренд начинает регулярно встречаться внутри определённой предметной области.
Вот это и есть нормальное GEO.
Не «мы оптимизировали текст под ChatGPT».
А:
мы построили такой информационный след, при котором алгоритму становится логично использовать нас как один из источников по конкретной теме.
Что в итоге
Попасть в ChatGPT, Алису AI или Google AI нельзя одной кнопкой.
Нельзя купить гарантированное первое место.
Нельзя написать специальный файл и автоматически стать источником.
Нельзя один раз попасть в ответ и считать GEO законченным.
Но можно значительно улучшить исходную позицию.
Сайт должен индексироваться.
Контент должен отвечать на реальные вопросы.
В нём нужны факты, которые стоят цитирования.
У бренда должен существовать внешний информационный след.
Исследования должны иметь методику.
Статьи нужно обновлять.
Результат надо измерять не одним запросом, а десятками или сотнями формулировок.
По сути, нейросети заставляют бизнес вернуться к довольно старой идее интернета: если хочешь, чтобы на тебя ссылались как на источник, сначала стань источником.
Можно публиковать по сто текстов в месяц и оставаться невидимым.
А можно раз в квартал выпускать одно нормальное исследование, которое начинают обсуждать СМИ, цитировать отраслевые сайты и использовать поисковые системы.
Для GEO второй вариант почти всегда интереснее.
