Как сайт попадает в ответы ChatGPT, Claude, Gemini и Perplexity: GEO простыми словами

GEO и SEO решают разные задачи

Классическое SEO отвечает на вопрос «как поднять страницу в выдаче». GEO — Generative Engine Optimization — на другой: как сделать, чтобы нейросеть нашла информацию, использовала её и назвала бренд. Тем же явлением называют AEO, LLM Optimization и AI Visibility; термин не устоялся, суть одна.

GEO не отменяет SEO, а стоит на нём. Страница, недоступная роботу, не станет источником оттого, что текст на ней написан красиво.

Три разных механизма за фразой «попал в ChatGPT»

Три события, одна фраза. Когда вам говорят «мы попали в ChatGPT», сначала выясните, о каком из трёх речь: работа под них разная.

Четыре ступени видимости, и они не равны

1. Извлечение. Ваша страница попала в набор источников, по которым собирался ответ.
2. Цитирование. Пользователь увидел ссылку на вас.
3. Упоминание бренда. В тексте ответа прозвучало название компании или продукта.
4. Рекомендация. Модель прямо предложила вас как решение задачи.

Коммерческий смысл живёт на четвёртой ступени, а меряют обычно первую — потому что её проще всего увидеть. Между ними разрыв, который не закрывается объёмом контента.

Разбор Kimi: читают активно, рекомендуют слабо

Аналитик Дэвид Коницны разобрал контент-стратегию Kimi — китайского ИИ-ассистента от Moonshot. Наблюдение: вокруг запуска новой модели на сайте пакетами вышли сотни инструкций и статей-списков сразу на нескольких языках. Дальше он прогонял запросы через ChatGPT, Claude, Gemini и Perplexity и смотрел, что происходит.

Свежие страницы действительно начали попадать в источники — за недели, а не месяцы. Но вывод автора звучит так: попасть в источники и быть рекомендованным как бренд — разные вещи. Retrieval вырос, а рекомендации за ним не пошли.

Механика за этим простая. Чтобы взять ваш текст в источники, модели достаточно, что он понятный и по делу. Чтобы назвать вас в ответе, ей нужны другие сигналы: независимые упоминания, обзоры, рейтинги, отзывы, согласованность данных о компании в разных местах. Первое вы пишете сами. Второе — про вас пишут другие.

Своё и чужое: два слоя работы

Работать только с первым слоем — это ровно ситуация Kimi: нейросеть кормится вашим текстом и рекомендует того, о ком пишут другие.

Техника: сначала доступность, потом текст

OpenAI формулирует условие прямо: в поиск ChatGPT может попасть любой публичный сайт, но чтобы контент нашли, показали и корректно сослались, нельзя блокировать OAI-SearchBot. Это отдельный робот, и запрет ему в robots.txt закрывает вопрос до всякого контента.

1. Откройте robots.txt и найдите ботов ИИ

   OAI-SearchBot отвечает за поиск ChatGPT, GPTBot — за обучение, это разные вещи и решения по ним разные. Заодно проверьте, не режет ли ботов ваш антибот или CDN: запрет на уровне сервера в robots.txt не виден.

2. Проверьте, что страница отдаётся без скриптов

   Запросите её как робот и посмотрите, есть ли в ответе текст. Контент, который дорисовывается JavaScript, для части систем не существует.

3. Проверьте разметку смысла

   Заголовки по иерархии, таблицы таблицами, а не картинками, стабильный адрес, внутренние ссылки на важные страницы. Извлечению нужен кусок с понятными границами, а не сплошное полотно.

Как писать, чтобы вас было удобно цитировать

Извлекающая система берёт из страницы фрагмент, а не читает её целиком. Значит выигрывает текст, у которого ответ отделён от подводки.

Что работает на извлечение: определение в первом абзаце раздела, таблица там, где вопрос сравнительный, пошаговая инструкция там, где вопрос процедурный, короткие самостоятельные ответы в конце. Что не работает: превращать каждую страницу в набор таблиц ради нейросети. Формат выбирается под задачу читателя, иначе получается тот же спам, только под новый алгоритм.

Факт вместо рекламного утверждения

Модели нечего процитировать в предложении «мы одна из лучших компаний». Ей есть что процитировать в предложении с числом, датой и проверяемым списком: столько-то объектов за год, такая-то площадь, вот перечень с адресами. Проверяемое утверждение цепляется к сущности компании, рекламное — нет.

Отсюда же ценность собственных данных. Десять сайтов пересказывают одно и то же — у модели нет причины выбрать ваш. Свой замер, своя статистика, свой разбор цен по рынку — источник, которого больше нет ни у кого, и именно он цитируется.

Как мерить, чтобы не обманываться

Одна метрика без остальных врёт. Рост извлечений при неподвижных упоминаниях означает ровно то, что случилось у Kimi: вы кормите ответ, в котором вас нет.

Мерить надо не по одному запросу. Формулировка меняет ответ, поэтому нужна матрица: информационные вопросы («сколько стоит», «как выбрать»), коммерческие («какие компании», «кого выбрать»), сравнительные («A или B»), репутационные («что известно о компании X»). И прогонять её регулярно в нескольких системах, потому что ответ нестабилен во времени.

Почему «наштамповать инструкций» — не стратегия

Кейс Kimi часто читают как рецепт: публикуй пакетами, попадёшь в источники. Это верно ровно наполовину и опасно второй половиной. Массовая публикация под алгоритм — старая история SEO, которая каждый раз заканчивается одинаково: система учится отличать полезное покрытие тем от штамповки, и штамповка обесценивается вместе с доменом, который её произвёл.

Полезное покрытие отличается от штамповки одним признаком: за каждой страницей стоит настоящий вопрос человека, на который на ней есть настоящий ответ.

Главное

Видимость в ответах нейросетей — это лестница из четырёх ступеней, а не переключатель. Своим сайтом вы поднимаетесь на две первые: техническая доступность и текст, из которого удобно достать ответ. На две верхние поднимают другие: независимые упоминания, обзоры, согласованные данные о компании в разных источниках.

Поэтому вопрос «как попасть в ChatGPT» стоит переформулировать. Правильный звучит так: что должно быть написано о нас в интернете, чтобы после чтения десятка источников модель сочла наш бренд частью правильного ответа.