GEO в 2026 году: как продвигаться, когда поиск даёт ответы вместо ссылок

GEO — Generative Engine Optimization (генеративная оптимизация поиска)

GEO — оптимизация под генеративные поисковые системы (Алиса, ChatGPT, Perplexity, Gemini, AI Overviews). Это самый широкий термин из четырёх: он покрывает работу со всеми платформами, где пользователь получает сгенерированный ответ. GEO отвечает на вопрос «как сделать так, чтобы нейросеть выбрала наш сайт источником ответа».

AEO — Answer Engine Optimization (оптимизация под движки ответов)

AEO — оптимизация под answer engines (движки ответов): блоки прямых ответов, расширенные сниппеты, голосовой поиск, нейроответы. Технически это близкий к GEO набор задач: ясная структура страницы, рабочая микроразметка, прямой ответ в начале раздела. Различие в фокусе: AEO старше как термин и охватывает не только генеративный поиск, но и любые «движки ответов» — включая FAQ-блоки в обычной выдаче.

AIO — AI Overviews Optimization (оптимизация под обзоры Google AI)

AIO — Google-специфичный термин для оптимизации под блоки AI Overviews. Это подмножество GEO с упором на конкретную платформу: Google. Если пишут «AIO» — обычно имеют в виду именно AI Overviews и Helpful Content System (систему оценки полезности контента Google) в связке.

LLMO — Large Language Model Optimization (оптимизация под большие языковые модели)

LLMO — самый широкий зонтик. Это оптимизация под большие языковые модели в принципе: и поиск (через web grounding — обращение к веб-поиску в реальном времени), и обучающие выборки (fine-tune — дообучение модели), и instruction-датасеты (наборы инструкций для тренировки). На практике в SEO-контексте LLMO почти эквивалентен GEO, но иногда подразумевает работу не только с поиском, но и с попаданием в обучение моделей следующего поколения.

Чем GEO отличается от классического SEO

Главный практический вывод: SEO и GEO дополняют друг друга. SEO выводит сайт в индекс и в ТОП-10 — без этого нейросеть его просто не увидит. GEO добавляет слой, после которого сайт цитируется как источник. Делать только одно из двух — упускать половину канала.

RAG (Retrieval-Augmented Generation, генерация с поиском по индексу) на пальцах

RAG — это связка «поисковая база + генеративная модель». Сначала система находит релевантные документы в индексе, потом на их основе формирует ответ. Алиса в режиме нейроответа, AI Overviews и Perplexity работают именно так. Для SEO-маркетолога это значит: чтобы попасть в ответ, страница должна сначала попасть в индекс соответствующей системы и быть распознанной как релевантная по запросу.

Web grounding (поиск в реальном времени)

Современные нейросети с веб-поиском (Алиса, ChatGPT, Perplexity) могут запрашивать свежую информацию прямо во время диалога — это и называется web grounding, «привязка к актуальному вебу». Логика похожа на RAG, но с реальным запросом в поиск. На что влияет: скорость ответа сервера, доступность контента без JavaScript, ясная структура страницы, микроразметка. Если краулер не может получить контент за 2–3 секунды — страница в ответ не попадает.

Fine-tune (дообучение) и обучающие выборки

Обучающие данные следующего поколения моделей собираются сейчас. Что попало в Common Crawl (открытый веб-индекс для машинного обучения), в открытые датасеты Reddit/Stack Overflow/Wikipedia, в цитаты на тематических форумах — это то, что модель «знает» по умолчанию, без обращения к веб-поиску. Влиять на этот канал сложнее: нужны brand mentions (упоминания бренда без активной ссылки) в источниках, которые попадают в датасеты — авторитетные медиа, отраслевые сообщества, профильные форумы.

Что из этого SEO-маркетолог может изменить

• Web grounding (поиск в реальном времени) — да, напрямую: техника сайта, Schema, структура, скорость ответа, доступность для AI-краулеров.
• RAG-индекс (поисковая база нейросети) — да, через классическую SEO-видимость в Яндексе/Google и через специфичные сигналы (Я.Бизнес для Алисы, E-E-A-T для AI Overviews).
• Fine-tune (дообучение моделей) — частично, через долгосрочную работу с упоминаниями бренда и публикациями в авторитетных источниках. Эффект отложенный, на 1–2 года вперёд.

Алиса (Яндекс) — индекс, локальность, Я.Бизнес-связка

Алиса опирается на свой индекс Яндекса плюс расширенные источники: Яндекс.Бизнес, Карты, Дзен, Кью. Локальный приоритет — самый сильный из всех платформ: для запросов «услуга рядом», «X в [городе]» Алиса почти всегда берёт данные из Я.Бизнеса, и без актуальной карточки попасть в ответ почти невозможно. Поведенческие — прямой фактор: отказы, время на сайте, возвраты в SERP. Авторство — Schema Person плюс явный авторский блок на странице, иначе текст помечается как «безымянный».

AI Overviews (Google) — Helpful Content System и E-E-A-T

AI Overviews используют индекс Google плюс лицензированные площадки (Reddit, форумы, отдельные новостные источники). Локальный приоритет слабее, чем у Алисы: локальный пакет Google работает отдельно от AI Overviews. Главные сигналы — E-E-A-T по Quality Rater Guidelines (руководство для асессоров качества Google) и Helpful Content System (система оценки полезности контента). Связь автора с публичными профилями (LinkedIn, ORCID, академические базы) учитывается напрямую.

ChatGPT с web search (поиском в вебе) — приоритет авторитетных доменов

ChatGPT при включённом web search (поиске в вебе) использует Bing-индекс плюс собственное ранжирование, в котором приоритет получают авторитетные домены: крупные медиа, Wikipedia, профильные ресурсы с длинной историей. Для свежеоткрытого сайта без упоминаний бренда (brand mentions) в авторитетных источниках попасть в ответ ChatGPT сложно — нужна работа с цитируемостью на длинной дистанции.

Perplexity — открытое цитирование, важность чистой Schema

Perplexity — самый прозрачный из всех: каждый источник цитируется явно, со ссылкой и номером. Поэтому чистая микроразметка Schema и понятная структура страницы дают максимальный эффект именно здесь. Алгоритм отбора близок к классическому SEO: релевантность + авторитет домена + свежесть. Барьер входа ниже, чем у ChatGPT — попасть в ответ Perplexity можно и сайту с невысоким доменным авторитетом, если страница лучше отвечает на запрос.

GigaChat — российский контекст, особенности

GigaChat (Сбер) опирается на собственный индекс российского сегмента плюс открытые источники. Сильный приоритет получают сайты с подтверждённым юридическим статусом (ИП, ООО), активные в Я.Бизнесе и с консистентной NAP-разметкой. Для B2C-проектов в РФ — отдельный канал, который часто игнорируют, теряя ~5–10% AI-цитирований.

Что работает только для Алисы:

• заполнение карточки в Яндекс.Бизнесе на 100% (фото, услуги, цены, режим);
• отзывы в Я.Бизнесе как локальный фактор ранжирования;
• NAP-консистентность по площадкам Рунета (2ГИС, Zoon, отраслевые каталоги);
• публикации на Я.Дзене, VC.ru, Habr — приоритезируются Алисой как «свои» источники;
• микроразметка с акцентом на коммерческие факторы: цены, валюта, условия доставки.

Что работает только для AI Overviews:

• сигналы E-E-A-T по Google-стандартам: ORCID, LinkedIn, академические профили, профильные публикации;
• Helpful Content System (система полезного контента) — глубина ответа и Information Gain (информационный прирост — то новое, что страница добавляет к выдаче) важнее свежести;
• упоминания бренда (brand mentions) в авторитетных русско- и англоязычных источниках, индексируемых Google;
• чистая микроразметка Schema по гайдлайнам Google (включая свойство sameAs со ссылками на публичные профили автора).

Где западные методики «мимо Яндекса»

Большинство гайдов по GEO написаны под Google и SGE/AI Overviews. Прямой перенос на Алису даёт ~60% эффекта, потому что игнорируется локальный слой Я.Бизнеса, не учитывается приоритет поведенческих и роль Дзена/Кью. Подробный разбор 13 факторов — в материале «Западные AEO-аудиторы на 40% мимо Яндекса».

1. Микроразметка: Article, FAQPage, HowTo, Person, Organization, Service

Базовый набор Schema-разметки в JSON-LD на каждой посадочной. Без неё краулеры (особенно AI-специфичные: GPTBot, PerplexityBot) хуже понимают структуру страницы и реже цитируют. Article — для статей и обзоров с author/datePublished/dateModified. FAQPage — для блоков вопросов-ответов. HowTo — для пошаговых инструкций. Person — для автора с sameAs (ORCID, профильные базы). Organization — для юрлица. Service — для страниц услуг.

2. Авторство и сигналы E-E-A-T

Авторство — прямой фактор и для Алисы, и для AI Overviews. Что должно быть: реальный автор с фото на каждой статье, отдельная страница «Об авторе» с биографией и опытом, Schema Person, свойство sameAs (ссылки на тот же субъект в других системах) с переходами на публичные профили (ORCID, Kwork, Profi.ru, LinkedIn). «Команда экспертов» без имён — слабый сигнал, такие тексты цитируются хуже.

3. Структура страницы: краткий ответ в первых 1–2 абзацах

Нейросеть берёт текст в ответ из начала раздела, а не из подвала. Что это значит на практике: после каждого H2 — 1–2 абзаца с прямым ответом на тему раздела, потом развёрнутый разбор. Алиса и AI Overviews обе предпочитают страницы, где блок ответа можно выделить одним фрагментом.

4. Цифры, таблицы, FAQ как «цитируемые блоки»

Структурированные данные легче переиспользуются в нейроответе. Таблица сравнения, список с конкретными цифрами, FAQ-блок с явными вопросами — типы контента, которые нейросети цитируют чаще, чем сплошной текст. Минимум на любой посадочной: 1 таблица, 1–2 списка, FAQ-блок 5–10 вопросов.

5. Свежесть и dateModified

Видимая дата обновления на странице плюс корректный dateModified в Schema. Для Алисы свежесть критична, для AI Overviews — зависит от типа запроса. Базовое правило: если страница реально менялась, дата должна быть свежей; если не менялась — не обманывайте, нейросети учатся ловить «фейковые dateModified».

6. Доступность для AI-краулеров (роботов нейросетей)

Проверьте robots.txt: GPTBot (краулер OpenAI), PerplexityBot, OAI-SearchBot, YandexAdditional, Google-Extended не должны быть закрыты без причины. Многие сайты унаследовали от 2023–2024 годов запреты «AI-краулеров» и теперь не попадают в нейроответы — собственным же запретом. AI-краулеры часто JavaScript не выполняют, поэтому основной контент должен быть в HTML до клиентского рендеринга.

Методология замера цитируемости в нейроответах

Базовая идея: подобрать набор промптов (запросов к нейросети), который имитирует реальные пользовательские формулировки в нише, прогнать его на каждой платформе (Алиса, AI Overviews, ChatGPT, Perplexity, GigaChat) и зафиксировать, какие сайты попали в ответ. Замеры повторяются раз в 2–4 недели — нейросети нестабильны, и результат одного запроса может «гулять».

Брендовые vs коммерческие vs информационные запросы

• Брендовые: «что такое [бренд]», «отзывы о [бренд]», «[бренд] vs [конкурент]» — замер репутации в нейроответах. Здесь главная метрика — точность ответа: что нейросеть «знает» о компании.
• Коммерческие: «лучший [товар/услуга] в [городе]», «куда обратиться за [услугой]» — замер шанса, что бренд попадёт в рекомендацию. Главная метрика — доля упоминаний среди ТОП-3 рекомендованных.
• Информационные: «как работает [процесс]», «что такое [термин]» — замер цитируемости как источника. Главная метрика — попадает ли сайт в список источников ответа.

Инструменты замера

LLM Visibility Tracker — мой собственный инструмент в каталоге /catalog-of-tools/: автоматический мониторинг цитируемости в нейроответах по списку промптов, динамика по платформам, сравнение с конкурентами. Ручные замеры — для старта подходит и табличка в Excel: список промптов, дата замера, результаты по каждой платформе. Зарубежные сервисы (Profound, AthenaHQ, Otterly) — для англоязычного рынка работают неплохо, но Алису и GigaChat почти не покрывают.

Как часто замерять и что считать значимым ростом

Раз в 2–4 недели — оптимальная частота. Чаще — поймаете шум алгоритма; реже — пропустите тренд. Значимый рост — устойчивая динамика на 3+ замерах подряд: разовый скачок в одном замере чаще всего «возвращается» к среднему. Для брендовых промптов значимо +10–15% к доле упоминаний; для коммерческих — попадание из «не в ТОП-3» в «в ТОП-3».

Медицина (стоматология, косметология) — что требуется дополнительно

Лицензия с ID в реестре Росздравнадзора, выложенная скан-копия, ссылка на проверку реестра. Schema MedicalBusiness + MedicalOrganization. Авторы материалов — врачи с указанием специализации, сертификатов и стажа; идеально — со ссылкой на профиль в реестре медработников. Без этого ни Алиса, ни AI Overviews не возьмут сайт как источник по медицинским запросам — особенно по симптомам, диагнозам, препаратам.

Юриспруденция — реестры, статус, ID

Для адвокатов — статус действующего адвоката, регистрационный номер в реестре, ссылка на палату субъекта РФ. Для юристов без статуса адвоката — ИП/ООО с подтверждённым ОГРН, страница «О нас» с реальной командой и образованием. Schema Person + Schema LegalService. AI Overviews особенно строг к авторитетам: уровень доверия Wikipedia даёт значительный прирост цитируемости.

Финансы и образование

В финансах — лицензия Банка России, статус брокера/советника, реальные раскрытия рисков. В образовании — лицензия Рособрнадзора с ID, аккредитация программ, ссылки на реестры. Schema EducationalOrganization для образовательных проектов даёт прямое преимущество в Алисе — она «знает», что это аккредитованная организация.

Что не работает в YMYL никогда

Купленные «отзывы», сгенерированные «эксперты» с фото из стоков, регалии без ссылок на реестры, тексты от «команды» без авторства. В обычных нишах это просто слабый сигнал — в YMYL это блокер: страница не попадает в нейроответы, даже если занимает ТОП-3 в классической выдаче.

Перенос западных AEO-методик 1-в-1 на Яндекс

Прямой перенос гайдов под Google/AI Overviews на работу с Алисой — самая частая ошибка. Алиса опирается на Я.Бизнес, Дзен, Кью, поведенческие и коммерческие факторы; западные методики игнорируют этот слой. Эффект — ~60% от потенциала. Подробно — в разборе 13 факторов.

Накрутка цитируемости через генеративные фермы

Создание сетки сайтов-сателлитов с генеративным контентом и взаимной перелинковкой — попытка заставить нейросеть «увидеть» бренд везде. На коротком горизонте может дать рост; на длинном — сетка детектится, бренд получает анти-сигнал «спам», цитируемость падает ниже исходной. Алгоритмы 2026 умеют ловить такие сетки за 2–3 месяца.

Игнорирование локального слоя в YMYL

«Хороший сайт без Я.Бизнеса» в медицине, юриспруденции и образовании в РФ — гарантированная потеря Алисы как канала. Локальные YMYL-запросы («стоматология рядом», «адвокат [город]») закрываются Алисой через Я.Бизнес-карточки, и без активной карточки сайт в нейроответ не попадает.

Ставка только на одну платформу

«Только ChatGPT» — теряете 70% русскоязычной AI-аудитории (Алиса + GigaChat). «Только Алиса» — теряете B2B и образовательный сегмент, где доля Google и AI Overviews 30–50%. GEO-стратегия 2026 — это работа со всеми пятью платформами одновременно, с разной приоритизацией под нишу.

Шаблонные FAQ-блоки «под Schema»

10 одинаковых вопросов вида «Что такое X? — X — это…», добавленных только ради микроразметки FAQPage, не работают и могут получить штраф. Helpful Content System (система оценки полезности контента Google) и качественные сигналы Яндекса видят такой паттерн как накрутку. Полезный FAQ — это вопросы, которые реально задают клиенты, с конкретными цифрами и ссылками на разборы.

Игнорирование Schema Person и авторства

«Команда экспертов» как автор, отсутствие страницы «Об авторе», отсутствие sameAs (ссылок на тот же субъект в других системах) — прямой блокер цитирования и в Алисе, и в AI Overviews. Без авторства страница рассматривается как «безымянный текст» с пониженным приоритетом.

Из чего складывается стоимость: инвентаризация существующей разметки и авторства, настройка Schema, доработка структуры посадочных под нейроответы, внедрение видимых сигналов авторства (Schema Person + свойство sameAs), настройка замеров через LLM Visibility Tracker (мой инструмент мониторинга цитируемости в нейропоиске), ежемесячный мониторинг цитируемости.

Что НЕ входит: классическое SEO (семантика, ссылочное, технический аудит) — это отдельная услуга. GEO работает поверх рабочего SEO; если в Яндексе/Google сайт не индексируется, GEO не поможет.