Несколько лет назад всё было достаточно предсказуемо: ты собираешь семантику, пишешь нормальные тексты, приводишь в порядок техническую часть, наращиваешь ссылки — и со временем забираешь нужные позиции. Алгоритмы менялись, но сама модель работы оставалась прежней: робот сканирует страницу, индексирует её, а дальше классический алгоритм ранжирования решает, кому показать сайт в топе.

С появлением генеративных режимов поиска вроде Google Search с AI Overviews (SGE) , Bing Copilot, Perplexity и интеграций ChatGPT с веб-доступом, эта картина заметно сломалась. Над привычной выдачей появился ещё один слой — блок AI-ответа, который собирает большая языковая модель (LLM) из нескольких источников.

На практике это выглядит так: сайт формально может оставаться в топ-10, но часть внимания и кликов забирает генеративный блок . На некоторых проектах я видел ситуации, когда CTR по “старой” выдаче падал вдвое, хотя позиции почти не двигались. Пользователь успевает прочитать AI-резюме и уходит, даже не кликая по ссылкам.

Поэтому классической формулы “оптимизируемся под Google” уже не хватает. Нам приходится думать ещё и о том, как наш контент “прочитает” LLM: какие фрагменты попадут в AI-ответ, какие страницы будут выглядеть для модели надёжными и достаточно глубокими. Вокруг этого и появился подход Generative Engine Optimization (GEO) .

Ниже — взгляд на GEO глазами практикующего SEO-специалиста , который в 2023–2025 годах уже несколько раз наблюдал, как генеративный поиск влияет на реальные проекты: где он “съедает” клики, а где неожиданно помогает.

Что такое GEO простыми словами

Generative Engine Optimization (GEO) — это не замена SEO и не модный термин ради моды. По сути, это надстройка над классическим SEO: мы всё так же думаем о структуре сайта, техническом состоянии, ссылках и семантике, но добавляем ещё один уровень — то, как наш контент выглядит для генеративных систем поиска .

Если упростить, GEO вращается вокруг трёх вопросов:

  • Понимает ли LLM, о чём эта страница без человеческих пояснений?
  • Есть ли на странице фрагменты, из которых можно собрать аккуратный, точный AI-ответ?
  • Не ломает ли всё это классическое SEO и органическую видимость?

Важно сразу зафиксировать: GEO не отменяет базовую оптимизацию сайта . Если у проекта проблемы с индексированием, скоростью, структурой и ссылками, никакой GEO его не спасёт.

Как генеративный поиск “читает” страницы: практический взгляд

С точки зрения SEO-шника легко уйти в теорию embeddings и многомерных векторов. В реальной работе мне важнее понимать, какие свойства страницы делают её удобной для генеративного ответа. На нескольких проектах я видел одну и ту же картину: в AI-резюме попадали не самые “сильные” по ссылкам документы, а те, которые были максимально понятно структурированы и аккуратно объясняли тему .

Условно, для LLM на странице важны несколько уровней:

  1. Семантическая цельность. Страница должна нормально раскрывать интент, а не ограничиваться набором определений. Если материал отвечает только на “что такое GEO”, но игнорирует “как применить в бизнесе” и “какие риски”, его глубины часто не хватает.

  2. Структура и читаемость. Чёткие H2–H3, логичные переходы, нормальные абзацы. Когда текст разбит по смыслу, модели проще вытянуть отдельные куски в AI-ответ.

  3. Фактическая аккуратность. Чем меньше противоречий и устаревших формулировок, тем выше шанс, что домен в целом будут считать надёжным источником. Это особенно чувствуется в темах, связанных с документацией Google и AI.

  4. E-E-A-T-сигналы. Кто стоит за контентом: реальный специалист или “ничей” текст без автора? Есть ли ссылки на исследования, официальные источники, опыт внедрения? Здесь GEO напрямую пересекается с классическим подходом Google к качественному контенту.

На одном из B2B-проектов мы как раз столкнулись с этим: две статьи по одной теме стояли рядом по позициям, но в AI-ответ попадала только та, где были чёткие подзаголовки, примеры и аккуратные ссылки на документацию. Вторая, более “размытая”, игнорировалась, хотя по ссылкам и возрасту домены были сопоставимы.

Какие сигналы важны для GEO

Я бы не стал думать о GEO в терминах “новых факторов ранжирования”. Для практики удобнее смотреть на группы сигналов , которые увеличивают вероятность попадания в генеративный ответ. Частично они совпадают с классическим SEO, но приоритеты немного смещаются.

1. Глубина темы и полезность для человека

В генеративные блоки редко попадает контент уровня “определение + три абзаца воды”. Модели буквально “ищут”, чем можно заполнить ответ так, чтобы он выглядел как нормальная консультация, а не пересказ энциклопедии.

Отсюда практический вывод: если на странице есть несколько подтем, каждой нужен свой внятный блок. Не обязательно писать книгу на 15 экранов, но “для галочки” разделы в стиле “один абзац на всё” работают всё хуже.

2. Внутренняя согласованность

Генеративные системы явно стали чувствительнее к несогласованностям внутри одного домена. Когда на одной странице написано, что SGE уже запущен во всех странах, а на другой — что он доступен только в тесте, это минус не только для UX, но и для доверия к сайту в целом.

На одном клиентском проекте мы делали простой эксперимент: выровняли терминологию, переписали пару устаревших материалов и убрали спорные утверждения. Через несколько апдейтов именно этот домен стал чаще появляться в AI-подборках по нишевым запросам, хотя ссылочный профиль мы не трогали.

3. Тематический авторитет

Здесь GEO почти полностью повторяет логику topical authority. Если сайт системно пишет про SEO, AI-поиск, аналитику и регулярно обновляет материалы, шанс попасть в генеративный ответ выше, чем у ресурса, где одна статья про GEO соседствует с чем угодно — от крипты до рецептов.

Это вопрос не количества, а связности: кластеры, внутренние ссылки, логичное меню, нормальная структура блога .

4. Структурная ясность

H1, который честно отражает тему страницы; H2, которые похожи на ответы на отдельные вопросы; H3, раскрывающие детали. Плюс аккуратные списки там, где это действительно помогает, а не “для красоты”. Это одновременно удобно и человеку, и модели, которая пытается собрать из текста краткую выжимку.

Как я подхожу к GEO на практике

На теории далеко не уедешь, поэтому пару лет назад я начал закладывать GEO-логику прямо в процесс подготовки материалов. Не во всех статьях и не всегда идеально, но на ряде проектов это уже даёт заметный эффект по вовлечению и видимости.

Шаг 1. Начинаем не с ключей, а с вопросов

Классический рефлекс — открыть сервис для подсказок и собрать семантику. Для GEO я сначала выписываю вопросы, которые человек задаёт после первого AI-ответа:

  • “Окей, понял, что такое GEO, а что делать именно моему бизнесу?”
  • “Как это померить в цифрах?”
  • “Что сломается, если я ничего не буду менять?”

Эти уточнения потом ложатся в структуру: часть вопросов — в H2, часть — в H3, часть — в блок “частые ошибки / риски”.

Шаг 2. Проектируем структуру, удобную для LLM

Здесь всё довольно приземлённо:

  • H1 — понятное название, без игры в кликбейт;
  • H2 — крупные смысловые блоки (определение, как работает, как применять, как измерять);
  • H3 — шаги, детали, кейсы, частые вопросы.

На одном проекте после такой перекомпоновки без переписывания текста целиком мы увидели рост вовлечения (Engaged sessions) и лёгкое укрепление позиций по ряду запросов, связанных с AI-функциями поиска.

Шаг 3. Работа с фактами и ссылками

Генеративный поиск всё чаще “подсвечивает” источники, на которые опирается. Если в статье есть цифры, даты, утверждения про работу алгоритмов — я стараюсь привязать их либо к официальной документации, либо хотя бы к узнаваемым ресурсам.

При этом не обязательно превращать текст в научную работу. Важно честно отделять: где я пересказываю чей-то отчёт, а где говорю: “по нашему опыту на проектах X и Y ситуация выглядит так-то”.

Шаг 4. Встраивание E-E-A-T

GEO без доверия к автору и домену не работает. Поэтому я за то, чтобы:

  • подписывать материалы реальными авторами;
  • кратко пояснять, чем этот человек занимается и почему вообще имеет право рассуждать на тему;
  • ссылаться на кейсы и реальные задачи, а не на абстрактные “клиенты из разных ниш”.

Да, это чуть сложнее, чем “безымянный блог”. Но именно такие сигналы помогают выйти из зоны подозрительного AI-контента, о чём Google прямо пишет в рекомендациях по качеству.

GEO-аудит существующего контента: с чего начать

У большинства сайтов уже есть солидный “слой” материалов, написанных до массового внедрения генеративного поиска. Выкидывать всё — плохая идея, но пройтись по ключевым страницам с GEO-оптикой точно стоит.

Что я обычно проверяю

  • Актуальность. Насколько свежи примеры, даты, упомянутые продукты и интерфейсы.
  • Глубина. Ответили ли мы на следующие шаги пользователя, а не только на базовый вопрос.
  • Структура. Можно ли, просмотрев одни только заголовки, понять, о чём статья и что из неё вынесёт читатель.
  • Связность. Вписывается ли материал в общий кластер или живёт сам по себе.
  • Экспертиза. Видно ли из текста, что его писал практик, а не абстрактный копирайтер.

После такого аудита часть статей достаточно обновить и переупаковать, часть — расширить, а какие-то материалы честнее отправить в архив или закрыть от индексации, чтобы они не тянули вниз общую оценку качества домена.

GEO для разных типов страниц

Важно помнить, что не весь контент на сайте одинаково “интересен” генеративным системам. Где-то GEO почти не играет роли, а где-то делает заметную разницу.

Длинные экспертные статьи

Это основной кандидат на попадание в AI-ответы. Здесь я делаю упор на:

  • полноценное раскрытие темы;
  • внятные примеры из практики;
  • логичную структуру с возможностью “обрезать” фрагмент под ответ;
  • сильную связку с другими материалами в кластере.

How-to и инструкции

Инструкции хорошо работают в связке с генеративным поиском, если в них есть:

  • чёткие шаги;
  • конкретные формулировки (“нажмите сюда”, “откройте такой-то отчёт”);
  • примеры “что делать, если что-то пошло не так”.

Коммерческие страницы

На услугах GEO чаще играет вспомогательную роль. Но и здесь важно:

  • нормально структурированное описание услуги, а не общий текст “про всё сразу”;
  • чётко объяснённые выгоды и процессы (что именно вы делаете в рамках услуги);
  • связь с экспертным контентом (кейсы, статьи, примеры).

Так, например, страница SEO-аудита чувствует себя гораздо увереннее, когда за ней стоит несколько глубоких материалов про техническое SEO, аналитику и работу с ошибками.

Как измерять результат GEO

На текущем этапе у нас нет идеального инструмента “нажми кнопку и узнай, сколько раз твой сайт попал в AI-ответ”. Приходится комбинировать несколько подходов:

  • смотреть динамику CTR и показов по запросам, где уже есть генеративные блоки;
  • отслеживать вовлечение по ключевым материалам в аналитике;
  • ручными проверками фиксировать, какие статьи чаще подхватываются AI-резюме;
  • сравнивать поведение страниц до и после структурных / содержательных изменений.

Это не самая простая часть работы, но без такого наблюдения GEO легко превращается в ещё один buzzword, который ни на что не влияет.

Риски GEO-подхода

Как и любая новая практика, GEO несёт свои риски, и их тоже стоит озвучить честно.

  • Погоня за “идеальностью” текста. Слишком вылизанный, безэмоциональный контент часто выглядит как AI-генерация и вызывает недоверие и у людей, и у алгоритмов.
  • Переоптимизация структуры. Желание “подружиться с моделью” иногда ломает базовое SEO: ключи, внутреннюю перелинковку, логичный приоритет блоков.
  • Игнорирование опыта. Если ограничиться только теорией и пересказом документации, такой контент будет слабее, чем статьи с реальными кейсами и цифрами.

Вывод: GEO как естественный следующий шаг, а не замена SEO

Для меня GEO — это не отдельная дисциплина, а постепенно нарастающий слой в работе SEO-специалиста. Генеративный поиск уже влияет на трафик и поведение пользователей, и закрывать на это глаза — значит сознательно оставлять часть органики “на столе”.

При этом база никуда не делась: техническое состояние сайта, нормальная структура, качественные ссылки и внятный контент по-прежнему обязательны. GEO добавляет к этому понимание того, как “думают” модели и какие страницы для них выглядят надёжными, полезными и удобными для цитирования.

Если кратко: мы продолжаем делать контент для людей, но теперь регулярно задаём себе ещё один вопрос — сможет ли LLM честно и без искажений пересказать то, что мы написали.

Андрій, SEO-специалист