ИИ-поиск и GEO: как бренду попасть в ответ, а не в список ссылок
Пользователь всё чаще получает готовый ответ вместо десяти синих ссылок, и в этом ответе есть место для двух-трёх источников. Разбираемся, откуда ассистенты их берут, что на выбор влияет и чем это мерить.
Ещё пару лет назад работа со «средствами поиска» сводилась к понятному набору действий: собрать запросы, написать под них страницы, добиться места в первой десятке. Сегодня всё чаще происходит другое: человек задаёт вопрос ассистенту и получает готовый ответ в несколько абзацев, а внизу — две-три ссылки на источники. Кликов по ним меньше, чем было по выдаче, но именно эти две-три ссылки теперь и есть та самая первая позиция.
Для пиарщика и контент-маркетолога это меняет постановку задачи. Раньше мы спрашивали: как попасть выше конкурента. Теперь: как оказаться среди тех, кого модель считает уместным процитировать. За этим уже закрепилось несколько названий — GEO, AEO, ИИ-видимость, — но названия здесь менее интересны, чем механика.
Иллюстрация: Muhammad Rafizeldi, Викисклад, лицензия CC BY 4.0.
Что на самом деле изменилось
Изменился не источник знаний, а способ доставки. Ассистент по-прежнему опирается на тексты, написанные людьми: часть из них он «помнит» с обучения, часть — подтягивает в момент вопроса поиском. Но пользователю он показывает не список, а пересказ, и решает за него, чей текст в этот пересказ попадёт.
Отсюда первое практическое следствие: видимость перестала быть позицией и стала долей упоминаний. Померить «мы на третьем месте» больше нельзя — можно померить «в семи ответах из десяти нас называют, и в четырёх со ссылкой».
Полезная привычка: считать не запросы, а вопросы. Люди спрашивают ассистента длинными фразами — так, как спросили бы коллегу, а не так, как набирали в поисковой строке.
Откуда ассистент берёт источники
Если убрать различия между конкретными продуктами, картина складывается примерно такая:
- Поисковый индекс. Большинство ассистентов на сложный вопрос идут в обычный поиск, забирают несколько первых результатов и пересказывают их. Значит классическое SEO никуда не делось — оно стало входным билетом.
- Собственная база знаний модели. То, что попало в обучение, всплывает и без поиска — но без ссылки, и обновляется редко.
- Площадки с высокой цитируемостью: отраслевые издания, справочники, энциклопедии, крупные сообщества. У них выше шанс попасть и в индекс, и в обучение.
- Структурированные данные: разметка на странице, таблицы, FAQ. Они помогают модели вытащить конкретный факт, а не пересказывать абзац целиком.
Три интерфейса, между которыми разошлась привычка искать. Изображения: Викисклад — CC0 (Fabriemo), общественное достояние (LMSYS Org) и общественное достояние
Что влияет на попадание в ответ
Универсального рычага нет, но есть несколько вещей, которые повторяются от случая к случаю.
- Ответ на вопрос стоит в тексте целиком и рядом. Модель охотнее берёт абзац, который отвечает сам по себе, чем страницу, где ответ собирается из пяти мест.
- У утверждения есть опора: число, дата, источник, имя эксперта. Текст без опор пересказывать рискованно, и модель предпочтёт соседний.
- Формулировки совпадают с тем, как спрашивают люди. Заголовок «Сколько стоит пресс-релиз в отраслевом издании» работает лучше, чем «Стоимость размещения».
- Об одном и том же написано в нескольких местах — на своём сайте и во внешних изданиях. Совпадение источников для модели такой же сигнал, как для человека.
- Страница доступна роботам. Стоит проверить, что нужные разделы не закрыты в robots.txt и не спрятаны за подгрузкой на клиенте.
Как это измерять
Начать проще всего с ручного замера, и он же остаётся самым честным: составьте список из двадцати-тридцати вопросов, которые ваша аудитория задаёт своими словами, и раз в месяц задавайте их двум-трём ассистентам, записывая ответы. Дальше считаются три вещи.
Что считаемКакДоля упоминанийВ скольких ответах из списка бренд назван вообщеДоля ссылокВ скольких — со ссылкой на ваш материалТочностьСколько раз о вас сказано верно, а не «примерно так»
Вопросы удобно держать в обычной таблице и задавать их одинаково — например, «Что такое X и кому он нужен?», — чтобы месяц к месяцу сравнивались ответы, а не формулировки. Автоматизировать этот замер можно и позже; пока список короткий, руками получается быстрее и понятнее.
Третья метрика важнее первых двух. Упоминание с ошибкой в фактах хуже отсутствия: его увидят те же люди, а исправлять придётся не страницу, а источники, из которых модель это взяла.
Чего делать не стоит
Первое — писать «для машин». Тексты, набитые формулировками под ассистента, читаются людьми ровно так, как выглядят, а редакции отраслевых изданий такое разворачивают на входе. Второе — считать, что старое SEO больше не нужно: в момент вопроса ассистент чаще всего идёт в обычный поиск, и страница, которой там нет, не попадёт и в ответ. Третье — гнаться за объёмом публикаций в ущерб их проверяемости: одна статья с числами и источниками цитируется чаще, чем десять пересказов чужих мыслей.
И последнее. Ассистенты меняются быстрее, чем поисковые алгоритмы: то, что сработало весной, к осени может перестать. Устойчиво работает только одно — внятный текст, отвечающий на настоящий вопрос, с опорами, которые можно проверить. Заодно его читают люди. Полезно раз в квартал сверяться с тем, что о разметке данных пишет справочник Schema.org: это одна из немногих вещей в этой области, которая меняется медленно.
Комментарии