GEO замість SEO, частина 4: невидимі для алгоритмів

Пошукова поведінка змінюється на очах. Дедалі більше людей – і насамперед дорогих B2B-клієнтів: інженерів, IT-директорів, керівників проєктів – не гортають десять сторінок видачі, а ставлять питання ChatGPT, Perplexity або Gemini і одразу отримують готову відповідь із конкретною рекомендацією. За оцінкою McKinsey, до 2028 року на AI-відповіді може припадати понад 75% пошукових запитів, а рішення на суму порядка $750 млрд прийматимуться під впливом AI-пошуку.

Попередні статті циклу:

1. GEO замість SEO, частина 1: особистий досвід у зовсім новій сфері

2. GEO замість SEO, частина 2: заходимо в оптимізацію для нейромереж

3. GEO замість SEO, частина 3: що впливає на уподобання нейромереж

Для бізнесу це означає просту і жорстку річ: якщо AI-асистент у відповідь на питання «яку компанію обрати для…» не називає ваш бренд – для цієї аудиторії вас не існує. Навіть перша позиція в Google не рятує: AI-відповідь з'являється вище органічної видачі і перехоплює увагу користувача ще до кліку.

Так народилася нова дисципліна – Generative Engine Optimization (GEO), оптимізація під генеративні пошукові системи. Її мета – не позиції і кліки, а потрапляння бренду в сам текст AI-відповіді в момент, коли клієнт приймає рішення.

Чим GEO відрізняється від SEO

Класичне SEO бореться за місце в ранжованому списку посилань. GEO працює з іншою логікою: генеративна система не ранжує сайти, а збирає відповідь із фрагментів інформації, якій довіряє, – статей, FAQ, аналітики, кейсів, згадок бренду в зовнішніх джерелах.

Зв'язок між цими двома напрямками є, але він слабший, ніж здається. Дослідження показують: 71,7% джерел, які використовує ChatGPT, присутні в органічній видачі Google – однак лише 12% цитованих сторінок входять у топ-10. Більше того, ChatGPT цитує лише близько 15% сторінок, які знаходить при пошуку: решта 85% потрапляють у вибірку, але у відповідь не проходять. Модель нерідко віддає перевагу сторінці з нижчою позицією, але з більшою глибиною, фактологічністю і підтвердженою експертизою.

Підписуйтеся на наші соцмережі

Змінюється і ключова метрика. У SEO це трафік; у GEO – частота і контекст появи бренду у відповідях: чи згадують вас, поруч з якими конкурентами, як рекомендоване рішення чи ні. Місця у відповіді мало: ChatGPT зазвичай називає всього 3-4 бренди, Perplexity і Gemini – до 13.

Як АІ обирає, кого рекомендувати

Три принципи відрізняють логіку генеративних систем від звичного пошуку.

Принцип консенсусу. Модель довіряє інформації, яку підтверджують кілька незалежних джерел. Однієї публікації недостатньо; якщо той самий факт про компанію повторюється в десяти авторитетних ресурсах, він сприймається як достовірний. Саме тому 68% згадок брендів у AI-відповідях приходять зі сторонніх майданчиків, а не з сайтів самих компаній.

Зрозумілість бренду. Система формує уявлення про компанію з маси розрізнених згадок. Формулювання на кшталт «допомагаємо бізнесу зростати» або «створюємо рішення для сучасних команд» не дають алгоритму жодного сигналу – під них підходять тисячі компаній. Працюють конкретні, послідовно повторювані описи: категорія, проблема, що вирішується, цільова аудиторія, результат для клієнта.

Читабельність структури. Аналізуючи сторінку, модель насамперед оцінює перші 40-60 слів кожного розділу. Якщо головна думка захована в четвертому абзаці, шанси на цитування падають. Добре «забираються» у відповідь короткі абзаци, таблиці, списки, блоки питань і відповідей – фрагменти, які можна вставити без інтерпретації.

У кожної системи при цьому свої переваги. ChatGPT тяжіє до нейтральних некомерційних джерел: Вікіпедія дає близько 27% його цитувань, далі йдуть великі медіа і порівняльні портали. Gemini і Google AI Overviews охоче беруть блоги, YouTube і користувацький контент з Reddit, Quora і LinkedIn. Perplexity виступає куратором експертних думок і любить нішеві професійні видання. У B2C-запитах офіційні сайти брендів цитуються менш ніж у 4% випадків, у B2B їхня частка зростає до 17% – контент-стратегію потрібно будувати з урахуванням того, де саме «читають» вашу нішу.

З чого почати і чим продовжити

Штучний інтелект дуже любить усе структурувати. Я у своїх текстах, навпаки, уникаю різного роду маркованих списків. Проте в цьому випадку найкраще буде якраз дати список – інакше стаття розтягнеться до непристойних розмірів.

1. Проведіть AI-аудит. Відкрийте нову сесію в ChatGPT і Perplexity і запитайте: «Які компанії ти порекомендуєш для [ваша ніша] і чому?», «Чим займається [ваш бренд]?», «Чим він відрізняється від [конкурент]?». Ви одразу побачите, ким ви є для алгоритмів – авторитетним джерелом, рекламним шумом чи білою плямою. Фіксуйте помилки в описі продукту і цін: без моніторингу компанії знаходять такі помилки в середньому через 67 днів, з регулярними перевірками – за два тижні. Сьогодні лише 16% брендів взагалі відстежують свою присутність в AI-пошуку.

Так, це досить трудомісткий моніторинг – особисто я для себе його автоматизував, створив спеціальний інструмент. Такі інструменти є і на ринку, але коштують невиправдано дорого. (В останній статті я поясню, чому так відбувається.)

2. Приберіть «воду» і додайте конкретику. Безжально видаліть «динамічну компанію» і «індивідуальний підхід». Пишіть як інженер, а не як рекламіст: параметри, стандарти, цифри, реальні кейси – і чесно описуйте обмеження продукту, випадки, коли він не підходить. Саме таку подачу моделі сприймають як достовірне знання, а не маркетинг. Показовий український кейс: сайт rfid.org.ua, побудований як інженерна база знань з чіткою ієрархією «галузь → технологія → проблема → рішення → стандарт», у незалежному тесті всі сім провідних AI-моделей назвали головним європейським джерелом з теми RFID.

3. Перебудуйте структуру контенту. Починайте кожен розділ із прямої відповіді на питання заголовка. Дотримуйтеся ієрархії H1-H2-H3: її мали 68,7% сторінок, які ChatGPT використовував як джерела. Додавайте блоки FAQ – сторінки з розміткою FAQPage цитуються в 41% випадків проти 15% без неї. Публікуйте власні дані: опитування клієнтів, внутрішню статистику, галузеві дослідження – унікальну інформацію моделі цитують найохочіше.

4. Впровадьте Schema-розмітку. Структуровані дані (у форматі JSON-LD) напряму повідомляють алгоритму, про що сторінка, хто автор і чому йому можна довіряти. Пріоритетні типи: Organization, Person, Article, FAQPage, Product, Review. Недооцінений елемент – властивість sameAs, що зв'язує бренд із профілями у Wikidata, LinkedIn та інших перевірених джерелах. Розмітку сьогодні використовує лише 12,4% сайтів – тож це одна з найдешевших конкурентних переваг. Заодно перевірте robots.txt: у 73% сайтів є технічні обмеження, що блокують AI-краулери на кшталт GPTBot.

5. Нарощуйте зовнішні згадки. Бренди, про які пишуть щонайменше п'ять незалежних джерел, отримують у середньому 78% охоплення в AI-системах; ті, хто покладається тільки на свій сайт, – близько 18%. Пріоритети: сторінка у Вікіпедії (перші згадки приходять через 28 днів проти 52 без неї), рейтинг вище 4,0 на платформах відгуків (G2, Trustpilot та аналоги), природна участь у профільних спільнотах, публікації в галузевих медіа і потрапляння в топ-5 порівняльних добірок «найкращі сервіси для…» – такі бренди згадуються більш ніж у 80% релевантних запитів.

6. Оновлюйте контент регулярно. Компанії, що оновлюють матеріали хоча б раз на місяць, отримують приблизно на 23% більше охоплення; застарілі сторінки втрачають близько 1,8% AI-видимості щомісяця. Достатньо квартального графіка для ключових сторінок і явної дати останнього оновлення.

На що не варто витрачати бюджет

Навколо GEO вже формується ринок «чарівних пігулок». Головна з них – файл llms.txt, який продають як обов'язковий стандарт AI-епохи. Однак дослідження Search Engine Land на десяти сайтах показало: у восьми впровадження файлу не дало жодних вимірних змін, а зростання на решті двох пояснювалося паралельними PR-кампаніями і оновленням контенту. Жоден великий AI-провайдер офіційно не підтвердив використання llms.txt. Ставитися до нього варто як до sitemap: мати не шкідливо (особливо для продуктів з об'ємною документацією), чекати від нього показників зростання – наївно.

Реалістичні строки і головний висновок

GEO не дає миттєвого результату. Перші згадки за вузькими низькоконкурентними запитами з'являються через 30-45 днів після технічної підготовки; стійка присутність у конкурентних темах вимагає трьох-шести місяців системної роботи. Але розрив між тими, хто веде цю роботу, і всіма іншими вже драматичний: 78% охоплення в AI-відповідях проти 9%.

Ця різниця визначається не якістю продукту, а інфраструктурою видимості. І вікно можливостей поки відкрите: моделі ще формують уявлення про лідерів ринків, і закріпитися в їхній «картині світу» зараз простіше і дешевше, ніж буде через два роки, коли позиції нинішніх лідерів остаточно закріпляться.
Денис Стаджі

...продовження буде...