Блог о маркетинге

Часть 1 Стратегическое руководство по доминированию в GEO (поиск на базе ИИ)

Часть 1: Новая парадигма поиска: от ранжирования ссылок к генерации ответов

1.1 Введение: За пределами десяти синих ссылок

На протяжении более двух десятилетий цифровая экономика строилась на простом принципе: цель поиска заключалась в том, чтобы получить клик со страницы результатов, представляющей собой список из десяти синих ссылок. Маркетинговые стратегии, бюджеты и целые отрасли были сформированы вокруг задачи подняться в этом списке. Сегодня этот фундаментальный принцип разрушается. Мы вступаем в эпоху, где целью становится не просто ранжирование, а превращение в авторитетный источник, цитируемый в рамках сгенерированного, диалогового ответа.
Появление генеративных больших языковых моделей (LLM), таких как ChatGPT, и их интеграция в традиционные поисковые системы, в частности через Google AI Overviews, знаменует собой самый значительный сдвиг в поиске информации с момента его зарождения. Концепция «поиска с нулевым кликом» (zero-click search), когда пользователь получает ответ прямо на странице результатов, не переходя на сторонние сайты, становится новой нормой, особенно для информационных запросов. Это не просто эволюция, а экзистенциальный сдвиг, который требует от бизнеса фундаментального переосмысления своих стратегий видимости в цифровом пространстве. Данный отчет представляет собой стратегическое руководство по адаптации к этой новой реальности, предлагая не только теоретический анализ, но и практические, действенные рекомендации для доминирования в эру поиска, управляемого искусственным интеллектом.

1.2 Деконструкция акронимов: SEO, GEO, AIO, AEO и SXO

Рынок быстро наполнился новой терминологией, что создает путаницу. Для разработки эффективной стратегии необходимо четко разграничить эти понятия.
  • SEO (Search Engine Optimization / Поисковая оптимизация): Это фундаментальная и постоянно развивающаяся практика оптимизации веб-сайтов для достижения более высоких позиций на страницах результатов поисковых систем (SERP). Она включает в себя техническую оптимизацию, работу с контентом и внешними сигналами (ссылками) для привлечения органического трафика.
  • AIO (AI Optimization / Оптимизация с помощью ИИ): Этот термин в широком смысле относится к использованию инструментов на базе искусственного интеллекта (например, ChatGPT, Jasper, SurferSEO) для повышения эффективности и автоматизации задач в рамках SEO и маркетинга, таких как создание контента, кластеризация ключевых слов и анализ данных.
  • GEO (Generative Engine Optimization / Оптимизация для генеративных движков): Это узкоспециализированная дисциплина, нацеленная на оптимизацию контента для его включения в качестве источника в ответы, генерируемые LLM-системами, такими как Google AI Overviews, ChatGPT, Perplexity и Claude. Цель здесь - не клик, а «упоминание» или «цитирование». В данном отчете термины GEO и AIO (AI Overview Optimization) используются как синонимы, обозначающие эту практику.
  • AEO (Answer Engine Optimization / Оптимизация для систем ответов): Это предшественник GEO, сфокусированный на попадание в прямые ответы, такие как избранные сниппеты (featured snippets) и блоки «Люди также спрашивают». AEO заложило основу для структурирования контента под машинное считывание.
  • SXO (Search Experience Optimization / Оптимизация поискового опыта): Эта практика объединяет SEO и UX (User Experience / Пользовательский опыт). Она признает, что поисковые системы все больше учитывают поведенческие сигналы (скорость загрузки, удобство навигации, время на сайте), и фокусируется на том, чтобы сделать пребывание пользователя на сайте максимально полезным и приятным.
Ключевое понимание заключается в том, что эти практики не являются взаимоисключающими. Они представляют собой сходящуюся, гибридную дисциплину. Успех в новой эре требует не выбора между SEO и GEO, а построения многоуровневой стратегии.
Эта новая иерархия оптимизации, или «стек», выглядит следующим образом: успех в GEO/AIO невозможен без прочного фундамента в традиционном и техническом SEO. Современная стратегия строится послойно:
  1. Техническая основа (Technical SEO): ИИ-краулеры, как и традиционные поисковые роботы, не могут эффективно обрабатывать контент на сайтах с техническими проблемами, особенно с некорректной обработкой JavaScript. Без чистого, доступного для сканирования сайта все дальнейшие усилия бесполезны.
  2. Контент и тематический авторитет (Traditional SEO): Google прямо заявляет, что для ранжирования в AI Overviews не требуется никаких специальных «AEO или GEO» практик, а достаточно стандартного, качественного SEO. Это означает, что фундаментальные принципы создания полезного, авторитетного контента являются входным билетом для рассмотрения вашего сайта в качестве источника.
  3. Пользовательский опыт (SXO): Сигналы, связанные с удобством использования сайта, влияют на общее восприятие качества ресурса как поисковыми системами, так и пользователями.
  4. Оптимизация под ответы и структуру (AEO/GEO): После того как сайт прошел базовый отбор благодаря качественному SEO, в игру вступают специфические тактики. Исследования показывают, что такие методы, как добавление цитат, статистики и структурирование контента для «порционного» извлечения (chunking), могут повысить видимость источника в ответах генеративных систем до 40%.
Таким образом, традиционное SEO позволяет вашему контенту быть рассмотренным искусственным интеллектом, но именно специфические тактики GEO/AEO помогают ему быть выбранным и процитированным. Это определяет четкий стратегический приоритет для бизнеса: сначала укрепить фундамент, а затем надстраивать продвинутые методы оптимизации.

1.3 Устаревание и долговечность SEO: практика в переходный период

Сдвиг парадигмы не означает полную отмену SEO, но требует ревизии его практик.
Устаревшие практики:
Методы, ориентированные на обман алгоритмов, а не на пользу для пользователя, окончательно уходят в прошлое. К ним относятся:
  • Перенасыщение ключевыми словами (Keyword Stuffing): Искусственное вписывание ключей в текст без учета читабельности.
  • Приоритет количества над качеством: Публикация большого объема низкопробного контента.
  • Манипулятивные схемы обмена ссылками: Неестественное наращивание ссылочной массы.
  • Игнорирование пользовательского опыта (UX) и мобильной оптимизации: Медленные, неудобные сайты теряют позиции.
  • Массовая генерация контента с помощью ИИ без редактуры: Публикация «сырого», не проверенного и не дополненного человеческой экспертизой текста.
Практики, сохраняющие и усиливающие свою актуальность:
Фундаментальные принципы SEO не только сохраняются, но и приобретают новое, более глубокое значение в контексте AIO.
  • Техническое SEO: Его цель смещается от простой индексации к обеспечению безупречной «читаемости» сайта для ИИ-краулеров. Это включает серверный рендеринг JavaScript-контента, правильную структуру HTML и высокую скорость загрузки.
  • Тематический авторитет (Topical Authority): Становится важнее, чем когда-либо. ИИ-системы стремятся синтезировать ответы из наиболее полных и всесторонних источников. Создание кластеров контента (pillar pages и supporting articles), глубоко раскрывающих одну тему, является ключевой стратегией.
  • Внешние сигналы (ссылки и упоминания): Акцент смещается с «веса ссылок» (link juice) на сигналы авторитета и доверия (E-E-A-T). Нессылочные упоминания бренда на авторитетных ресурсах, в социальных сетях и на форумах становятся мощнейшим сигналом для ИИ.
Этот сдвиг приводит к фундаментальной переоценке классических «трех столпов SEO» (техника, контент, ссылки). Сигналы, связанные с репутацией бренда, становятся не менее, а возможно, и более важными, чем традиционные обратные ссылки, для формирования «Доверия» (Trustworthiness), которое так необходимо ИИ-системам.
Исследование, проанализировавшее факторы видимости в ИИ, выявило, что топ-3 факторами являются упоминания бренда, брендированный анкорный текст и объем брендовых поисковых запросов.
Это сигналы, основанные на репутации, а не на ссылочных метриках. Поскольку фреймворк E-E-A-T является заявленным методом Google для оценки качества контента, а ИИ-системы должны минимизировать риск «галлюцинаций», опираясь на источники, которым доверяет реальный мир, широкая известность бренда и положительные отзывы служат прямым показателем этого доверия.
Стратегическое следствие очевидно: бюджеты и усилия должны перераспределяться. Инвестиции в цифровой PR для получения нессылочного упоминания в авторитетном издании могут принести более высокую отдачу для видимости в ИИ, чем затраты на традиционное размещение гостевых постов ради ссылки.

1.4 Два фронта ИИ-поиска: Google AI Overviews и диалоговые LLM

Изменение пользовательского поведения происходит на двух основных фронтах, каждый из которых требует внимания.
Фронт 1: Интегрированный поиск (Google AI Overviews)
Это интеграция генеративных ответов непосредственно в SERP Google. Влияние на органический трафик уже измеримо и значительно. Данные показывают, что при появлении AI Overview средний CTR (коэффициент кликабельности) для органического результата №1 падает на 34.5%. Удар оказывается наиболее сильным по информационным запросам: в 99.2% случаев, когда появляется AI Overview, запрос носит информационный характер. Это означает, что блоги, руководства и статьи с инструкциями теряют трафик в первую очередь.
Фронт 2: Платформы-назначения (ChatGPT, Perplexity, Claude)
Параллельно происходит миграция пользователей на специализированные LLM-платформы, которые становятся для многих отправной точкой поиска. Статистика внедрения поражает: ChatGPT насчитывает сотни миллионов активных пользователей и генерирует миллиарды посещений ежемесячно. Это не просто технологическая новинка, а сформировавшийся конкурент традиционному поиску. Значительная часть пользователей (до 11.4%) уже активно исследует альтернативные поисковые инструменты, включая ChatGPT и Claude, из-за неудовлетворенности качеством традиционной выдачи. Это доказывает, что оптимизация только под Google больше не является достаточной стратегией.

Таблица 1. SEO vs. GEO/AIO: Сравнительная таблица парадигм

Параметр
Традиционное SEO
GEO / AIO (Оптимизация для ИИ)
Основная цель
Ранжирование в списке ссылок, получение клика
Цитирование в сгенерированном ответе, повышение узнаваемости
Ключевые тактики
Оптимизация под ключевые слова, построение ссылочной массы
Структурирование контента, оптимизация сущностей, построение репутационных сигналов
Основные метрики
Органический трафик, позиции по ключам, CTR
AI-реферальный трафик, доля голоса (share of voice) в ответах ИИ, количество упоминаний
Фокус контента
Длинные статьи, посадочные страницы
Модульный, с прямым ответом в начале, высокоструктурированный контент

Часть 2: Матрица видимости в ИИ: ключевые факторы успеха в генеративных движках

2.1 Внутри черного ящика: как LLM находят и синтезируют информацию

Чтобы оптимизировать контент для ИИ, необходимо понимать, как он обучается. Большие языковые модели проходят предварительное обучение на огромных массивах текстовых данных, что формирует их «базовые знания» о мире.25
Основные источники данных:
Ключевые общедоступные наборы данных, используемые для обучения большинства известных LLM, включают:
  • Common Crawl: Массивный архив данных, полученных путем сканирования интернета, содержащий триллионы слов с миллиардов веб-страниц.
  • Wikipedia: Полный текстовый корпус энциклопедии на разных языках, ценный благодаря своей структурированности и высокому качеству.
  • BookCorpus и The Pile: Коллекции книг и разнообразных академических и профессиональных текстов, которые обогащают языковые модели более сложной лексикой и стилями.
  • GitHub: Огромный объем программного кода, который используется для обучения моделей генерации кода.
Глубокое погружение в Common Crawl:
Common Crawl является одним из важнейших столпов для обучения LLM, но важно понимать его ограничения. Это не идеальная копия интернета.30 Архив имеет существенные смещения: он отдает предпочтение хорошо связанным ссылками, англоязычным доменам и не включает контент с сайтов, которые блокируют его краулер, таких как Facebook, The New York Times и многие другие. Кроме того, Common Crawl намеренно не курирует данные, то есть не удаляет вредоносный или предвзятый контент, что перекладывает задачу фильтрации на разработчиков LLM.
Это создает уникальную стратегическую возможность.
Поскольку обучающие данные LLM представляют собой несовершенный и смещенный срез веба, бренды могут целенаправленно влиять на будущие версии моделей, становясь доминирующим и цитируемым голосом в сканируемых частях интернета - блогах, форумах, нишевых медиа, пресс-релизах. Речь идет о формировании «цифрового консенсуса», на котором обучается ИИ. LLM выявляют закономерности и связи в обучающих данных, которые в основном состоят из «открытого веба», представленного в Common Crawl. Следовательно, бренд, который достигнет высокой частоты качественных упоминаний в этом пространстве, с большей вероятностью будет «встроен» в фундаментальные знания будущих LLM.
Это превращает цифровой PR и контент-дистрибуцию из тактики краткосрочного привлечения трафика в долгосрочную стратегию влияния на модели. Цель - стать настолько вездесущим по определенной теме, чтобы у ИИ не осталось иного выбора, кроме как признать вас основополагающей сущностью (entity) для этого понятия.

2.2 E-E-A-T как краеугольный камень доверия ИИ

В условиях, когда любой может сгенерировать текст, Google сделал ставку на свой проверенный фреймворк для оценки качества - E-E-A-T (Experience, Expertise, Authoritativeness, Trustworthiness / Опыт, Экспертность, Авторитетность, Достоверность). Google прямо заявляет, что его системы поощряют высококачественный контент, демонстрирующий эти качества, независимо от того, как он был создан - человеком или с помощью ИИ.
Фреймворк «Кто, Как и Почему»:
Чтобы помочь создателям контента соответствовать этим принципам, Google предлагает оценивать свой контент через призму трех вопросов:
  • Кто (создал контент): Для пользователей должно быть очевидно, кто является автором. Это достигается за счет наличия четких авторских подписей (byline), ведущих на страницы с подробной биографией, где указаны квалификация и опыт автора.
  • Как (был создан контент): Важна прозрачность в отношении процесса создания. Если использовался ИИ, полезно объяснить, как и зачем он применялся. Если это обзор продукта, необходимо предоставить доказательства его использования (оригинальные фото, результаты тестов).
  • Почему (был создан контент): Основная цель должна заключаться в помощи людям, а не в манипулировании поисковыми рейтингами. Контент, созданный в первую очередь для привлечения поискового трафика, не соответствует тому, что системы Google стремятся поощрять.
Приоритет «Опыта»:
Добавление первого «E» (Experience) в аббревиатуру E-A-T в конце 2022 года было неслучайным. Это был прямой стратегический шаг Google, направленный на создание защитного барьера против потока генерического, лишенного реального опыта ИИ-контента. Контент, демонстрирующий личный опыт - например, обзор продукта с оригинальными фотографиями, туристический гид от человека, который действительно посетил эти места, или кейс с реальными данными - по своей природе более ценен и труден для воспроизведения искусственным интеллектом.

Таблица 2. Матрица внедрения E-E-A-T

Принцип
Практические тактики для реализации
Experience (Опыт)
Публикация кейсов с реальными данными; использование уникальных, оригинальных фотографий и видео вместо стоковых; включение личных историй и практических примеров; демонстрация использования продукта.
Expertise (Экспертность)
Создание подробных страниц авторов с указанием их регалий, сертификатов и опыта; цитирование авторитетных источников и научных исследований; публикация оригинальных исследований и данных; обеспечение фактической точности контента.
Authoritativeness (Авторитетность)
Получение обратных ссылок и упоминаний от ведущих отраслевых изданий; активное участие в профильных сообществах (Reddit, Quora, форумы); создание и поддержка страницы бренда в Wikipedia; выступления на конференциях и вебинарах.
Trustworthiness (Достоверность)
Наличие подробной страницы «О нас» и легкодоступной контактной информации; использование HTTPS для защиты сайта; активное управление репутацией и отзывами на независимых платформах; прозрачность в отношении источников и методологий.

2.3 Архитектура контента для потребления ИИ

Структура контента становится не менее важной, чем его содержание. Чтобы быть процитированным, контент должен быть «удобным» для машинного анализа.
  • Модульный контент и извлечение на уровне «частей» (Chunk-Level Retrieval): ИИ-системы анализируют информацию не целыми страницами, а самодостаточными «частями» или «чанками» (chunks). Это означает, что контент должен быть разбит на логические, семантически связанные разделы, каждый из которых посвящен одной идее и может быть понят в отрыве от остального текста.
  • Сила резюме и прямых ответов: Крайне важно начинать статью или раздел с краткого, прямого ответа на основной вопрос (форматы TL;DR, "Ключевые выводы", "Резюме"). Этот стиль «перевернутой пирамиды», заимствованный из журналистики, идеально подходит для извлечения информации ИИ-системами.
  • Schema Markup (Структурированные данные): Это язык, на котором вы явно размечаете контент для машин. Наиболее важные типы схем для видимости в ИИ: FAQPage (для блоков вопросов-ответов), HowTo (для инструкций), Article (с указанием автора и даты), Product (для товаров) и Author (для связи с профилем эксперта).
  • Структурирование для «Цепочки рассуждений» (Chain of Thought, CoT): Это продвинутая техника, которая заключается в имитации мыслительного процесса LLM. Структурируя контент в виде пошагового логического рассуждения (например, «Шаг 1: Определение проблемы», «Шаг 2: Анализ данных», «Вывод»), создатели делают свой материал идеальным, «предварительно переваренным» источником, который ИИ может легко использовать для формирования собственного ответа.
Эти требования меняют сам подход к созданию контента. Необходимо перестать думать о веб-странице как о едином повествовательном документе и начать воспринимать ее как коллекцию структурированных полей данных. Каждый заголовок H2, каждый ответ в FAQ, каждый блок с выводами - это потенциальная запись в «базе данных» ответов, которую формирует ИИ. ИИ синтезирует ответы из множества источников, извлекая информацию «чанками» , а структурированные данные явно размечают эти чанки для машины. Таким образом, веб-страница становится не монолитной статьей, а контейнером для дискретных, адресуемых фрагментов информации. Это превращает писателя или контент-маркетолога в своего рода «архитектора информации» для искусственного интеллекта.

2.4 Императив авторитетности: за пределами обратной ссылки

Как уже упоминалось, традиционные ссылки уступают место более широкому понятию авторитетности. Ключевыми факторами становятся:
  • Единый нарратив бренда: Последовательное и точное представление информации о компании, ее продуктах и ценностях на всех платформах - от официального сайта до профилей в социальных сетях.
  • Репутация и отзывы: Положительный профиль отзывов на независимых и авторитетных площадках (Google Business Profile, Trustpilot, CNET, Better Business Bureau) служит мощным сигналом доверия для ИИ.
  • Присутствие в релевантных дискуссиях: Упоминания бренда в обсуждениях на таких платформах, как Reddit и Quora, которые часто цитируются в AI Overviews, напрямую влияют на восприятие бренда ИИ.

2.5 Рост мультимодальности

Будущее поиска - за мультимодальностью. Поисковые системы и LLM все лучше анализируют не только текст, но и видео, аудио и изображения. Это открывает новые горизонты для оптимизации. Стратегии должны включать создание контента в разных форматах и обеспечение его «читаемости» для ИИ. Это достигается за счет:
  • Подробных транскриптов для видео и подкастов.
  • Информативных описаний и alt-тегов для изображений.
  • Размеченных данных (schema) для видео- и аудиообъектов.
Компании, которые начнут создавать и оптимизировать мультимодальный контент уже сегодня, получат значительное преимущество в будущем, когда такие форматы станут основным источником информации для ИИ.
Продолжение
2025-07-28 17:52 Фреймворки Бизнес