Люди всё меньше кликают по синим ссылкам и всё чаще спрашивают у ChatGPT, Perplexity и Google Gemini напрямую. Ответ приходит готовым, а бренд либо упомянут в нём, либо нет. Об этом написал MarTech в разборе про оптимизацию контента под генеративный поиск. Классическая оптимизация гонится за переходами, а Generative Engine Optimization (GEO) - за тем, чтобы модель взяла именно ваш текст источником. Ниже - что для этого меняют в технике и в самом контенте.

Техническая база: пустите правильных роботов

AI-платформы заходят на сайт двумя разными способами. Обучающие краулеры (например, GPTBot) собирают данные для тренировки модели. Поисковые боты в реальном времени (ChatGPT-User, PerplexityBot) подтягивают свежие страницы прямо во время ответа. В robots.txt их разводят: обучение можно закрыть, чтобы защитить наработки, а живой поиск оставить открытым. Иначе вас просто не будет в актуальных ответах.

Дальше - разметка. Schema.org (Organization, Product, HowTo, TechArticle, FAQPage) даёт парсеру моделей явные связи между сущностями. Без неё алгоритм догадывается о смысле страницы сам, и догадывается неточно. Для интернет-магазина это карточки товаров с ценой и наличием, для сервисной компании - описание услуг и регион работы.

Отдельный пункт - структура под RAG. Модели режут страницу на куски, превращают их в векторы и достают нужный фрагмент при запросе. Чистая иерархия H2 и H3, короткие самодостаточные абзацы помогают нарезать текст аккуратно. Если абзац на 800 слов тянет за собой три разные мысли, при извлечении кусок получается мутным, и модель предпочтёт более понятную страницу конкурента. Плюс скорость: если сервер отвечает медленно, живой поиск успевает отвалиться по таймауту, и страница не попадёт в ответ.

Мобильная вёрстка и низкое время ответа сервера здесь не про удобство читателя, а про выживание в живом запросе к AI-поиску.

🔥 Коротко

Разделяйте ботов в robots.txt, расширяйте Schema.org, дробите текст на логичные блоки и держите сервер быстрым. Это то, что делает страницу технически доступной для AI-поиска.

Контент, который цитируют

Генеративные модели опираются на проверяемые источники, чтобы не выдумывать. Поэтому выигрывает контент с высокой плотностью фактов:

  • Тематические кластеры вокруг сущностей. Стройте массив материалов про свои продукты и терминологию отрасли. Короткие утверждения с чётким подлежащим и сказуемым извлекаются легче, чем длинные рассуждения.
  • Собственные данные. Модели предпочитают уникальную статистику, опросы и оригинальные исследования вместо пересказа чужого. Свои цифры превращают бренд в первоисточник цитаты.
  • Формат под прямой ответ. Сводные таблицы, списки тезисов и определения - в начале материала, а не в конце. Сначала дайте ответ, потом контекст.
  • Мультимодальность. Голосовые и визуальные запросы растут, поэтому графики, схемы и картинки получают описательный alt-текст и подписи.

Логика простая: обычный органический трафик может просесть, когда движок отвечает сразу. Но если вы публикуете плотные первичные данные и держите технику в порядке, бренд остаётся тем самым источником, на который AI-поиск ссылается в рекомендациях.

Что делать маркетологу уже сейчас

Для AI-маркетинга это меняет приоритеты. Пересмотрите robots.txt и проверьте, что поисковые боты не отрезаны вместе с обучающими. Добавьте Schema.org там, где её нет, особенно FAQ и TechArticle. Разбейте длинные лонгриды на блоки с ясными заголовками. И запустите пару исследований на своих данных - они дают цитаты, которых нет у конкурентов.

Владивосток и Дальний Восток в этой гонке пока в начале: у местных компаний мало структурированного контента, поэтому войти в ответы AI-поиска здесь проще, чем в перегретых нишах.

Вам может быть интересно: как измерить видимость бренда в AI-поиске и какие инструменты для этого есть. Эти разборы - в наших новостях.