ChatGPT, Gemini, Claude, Perplexity и Алиса меняют поисковое поведение. Разбираем, как компаниям перестроить SEO, PR и контент, чтобы попадать в ответы нейросетей.
Еще несколько лет назад поисковое продвижение строилось вокруг понятной механики: пользователь вводит запрос, видит десять ссылок, переходит на сайт и сравнивает предложения. Теперь между пользователем и сайтом все чаще появляется новый посредник — генеративная модель.
Вместо запроса «российские BI-системы» руководитель может спросить: «Нужна российская BI-платформа, которую можно развернуть в закрытом контуре, подключить к 1С и использовать для P&L и план-факт анализа. Какие решения рассмотреть?»
ChatGPT, Gemini, Claude, Perplexity или Алиса не обязательно отправят его изучать десятки сайтов. Они могут сразу сформировать короткий список решений и объяснить различия.
Для маркетинга это принципиально новая ситуация.
Самый опасный сценарий для бренда теперь — не оказаться на второй странице поиска. Гораздо хуже вообще не попасть в набор вариантов, из которых нейросеть собирает ответ. Если AI назвал три компании, четвертая может просто не войти в поле выбора пользователя.
Поэтому конкуренция постепенно смещается от позиции страницы в выдаче к присутствию бренда в самом ответе. Эту новую область часто называют Generative Engine Optimization — GEO. Но воспринимать ее как замену SEO или очередной набор технических приемов было бы ошибкой.
На практике речь идет о более серьезном изменении: бизнесу приходится управлять не только страницами сайта, но и тем, что интернет в целом знает о компании и насколько легко это знание проверить.
Распространенная формулировка «нейросети заменят поиск» несколько упрощает реальность.
AI-поиск во многих случаях сам опирается на поисковую инфраструктуру. Google использует поисковый индекс и свои системы ранжирования при формировании AI Overviews и AI Mode. Microsoft Copilot обращается к Bing. У ChatGPT, Claude и Perplexity есть собственные механизмы работы с веб-контентом.
Поэтому классическая SEO-гигиена никуда не исчезает. Страница по-прежнему должна быть доступна поисковым системам, корректно индексироваться, быстро загружаться, иметь понятную структуру и содержать полезную информацию. Но теперь это лишь первый уровень.
Раньше хорошая индексация могла привести пользователя непосредственно на сайт. Теперь она может лишь дать компании возможность участвовать в следующем отборе — уже внутри AI-системы.
Упрощенно механику можно представить как пять последовательных задач: найти понять проверить выбрать процитировать.
Если компания проваливает любой из этих этапов, вероятность попасть в итоговый ответ снижается.
1. Нейросеть должна найти компанию
Первый уровень неожиданно технический. У AI-систем появляются собственные поисковые краулеры. Например, OpenAI отдельно управляет доступом к контенту для поиска и для обучения моделей. Anthropic также разделяет поисковые и другие сценарии доступа к сайтам.
Для бизнеса это означает, что стандартного SEO-аудита уже недостаточно.
Нужно понимать, доступны ли сайт, база знаний, продуктовые страницы и кейсы для тех систем, через которые пользователи сегодня ищут информацию.
Проверяются robots.txt, sitemap.xml, запреты на индексацию, серверные ограничения, антибот-защита, HTTP-коды и доступность контента без авторизации.
Особенно показателен сценарий, когда сайт прекрасно работает для человека, но автоматический запрос получает ошибку 403. Для пользователя компания существует, а для поисковой системы часть ее контента фактически закрыта.
Но технически открыть сайт — только открыть дверь. Это еще не причина рекомендовать компанию.
2. Нейросеть должна понять, кто вы
Второй уровень относится уже к позиционированию. Представим компанию, которая на главной странице называет себя «платформой управленческой аналитики», в пресс-релизе — «экосистемой данных», на сайте партнера — «сервисом отчетности», а в отраслевом каталоге — «системой визуализации».
Человек способен увидеть между этими определениями связь. Машине приходится ее восстанавливать. Поэтому в AI-поиске становится особенно важной консистентность. Название компании, категория продукта, ключевые функции, отрасли, целевая аудитория, интеграции, юридическое лицо, руководители и подтвержденные характеристики должны складываться в устойчивую картину.
Это не означает, что везде нужно разместить один и тот же SEO-текст. Наоборот, задача состоит не в повторении формулировок, а в повторяемости смысла и фактов.
Если десятки надежных источников независимо подтверждают, что компания работает в определенной категории и решает определенный класс задач, модели гораздо проще корректно ее классифицировать.
Фактически у маркетинга появляется новая задача — управлять цифровой сущностью бренда.
3. Нейросеть должна иметь возможность проверить ваши слова
Здесь AI-поиск неожиданно сближает SEO и PR.
Компания может сколько угодно писать на собственном сайте, что ее продукт лучший, инновационный или самый удобный. Но это утверждение заинтересованной стороны. Совсем другая ситуация возникает, когда информацию о компании подтверждают:
Именно поэтому роль PR в поисковом продвижении может существенно вырасти.
Раньше логика публикации выглядела примерно так: СМИ человек увидел материал сформировал мнение о бренде.
Теперь появляется дополнительная цепочка: СМИ материал индексируется попадает в поисковую инфраструктуру используется AI для проверки фактов влияет на будущий ответ пользователю.
Это делает качественные внешние публикации частью цифровой инфраструктуры бренда. Особенно в B2B, где пользователь просит AI не просто найти продукт, а помочь сделать выбор между сложными и дорогими решениями.
Чем выше цена ошибки, тем важнее подтверждение информации независимыми источниками.
4. Нейросеть должна выбрать компанию как релевантный вариант
Это уже вопрос контента. Большинство корпоративных сайтов исторически построены вокруг самой компании: «Наши продукты», «Наши преимущества», «Почему выбирают нас», «О компании».
Но AI-поиск начинается не с компании. Он начинается с задачи пользователя.
Руководитель не спрашивает: «Расскажите о платформе X». Он спрашивает:
Поэтому новая контентная стратегия должна начинаться не со списка продуктов и даже не с семантического ядра в классическом понимании. Она начинается с карты вопросов, которые задает рынок.
Компания должна определить десятки или сотни ситуаций, в которых ее продукт объективно является одним из возможных решений. А затем создать вокруг этих ситуаций содержательную информационную среду. Не сто вариаций страницы «лучшая BI-система», а полноценные материалы про выбор решения, архитектуру, экономику внедрения, ограничения, сравнение подходов, реальные кейсы и ошибки.
Недостаточно постоянно говорить о себе. Нужно становиться полезным источником по всей предметной области.
5. Контент должен быть пригоден для цитирования
Здесь появляется еще одно изменение. Традиционный маркетинговый текст может быть эмоциональным, образным и построенным вокруг истории. AI-системе дополнительно нужны фрагменты, из которых можно собрать корректный ответ.
Поэтому ценность приобретают:
Можно сформулировать новый принцип контент-маркетинга: материал должен быть не только интересным для чтения, но и удобным для проверки и цитирования.
Это не призыв писать тексты для роботов. Наоборот: контент должен давать человеку больше конкретики, чем типичная рекламная страница. Просто эта же конкретика одновременно удобна и для поисковой модели.
Здесь возникает одно из самых распространенных заблуждений. Техническая оптимизация под AI-поиск не означает, что компания сможет «обучить нейросеть на своем бренде» или гарантированно попасть в память модели.
В большинстве практических сценариев задача намного прозаичнее. Нужно сделать так, чтобы в тот момент, когда AI-система обращается к веб-поиску, информация о компании была:
То есть бизнес оптимизирует не внутреннюю память модели. Он оптимизирует вероятность того, что AI найдет и правильно интерпретирует информацию в момент ответа. Это важное различие, потому что вокруг GEO уже появляется рынок обещаний в духе «научим ChatGPT рекомендовать ваш бренд».
Гарантировать это невозможно. Можно только системно повышать вероятность попадания в ответ.
Когда меняется алгоритм поиска, рынок быстро начинает искать технический shortcut.
Одна из очевидных идей — создать десятки или сотни сайтов, разместить на них упоминания бренда и таким образом показать нейросетям его популярность. В большинстве случаев это будет попыткой решить новую задачу методами старого серого SEO.
Сто сайтов, созданных одной компанией, не превращаются в сто независимых источников. Если они содержат похожие материалы, не имеют собственной аудитории и существуют преимущественно ради поискового продвижения, их ценность для пользователя и поисковой системы невелика.
Гораздо сильнее работают 30 качественных независимых упоминаний: публикация в отраслевом СМИ, карточка в профессиональном каталоге, кейс на сайте клиента, материал партнера, исследование, профильная конференция, техническая документация, университетский образовательный проект.
AI-поиск делает старую маркетинговую истину только важнее: доверие нельзя эффективно имитировать количеством собственных площадок.
Есть еще одно последствие генеративного поиска. Создание среднего по качеству информационного текста стало практически бесплатным.
Еще одна статья «Что такое CRM», «Пять преимуществ автоматизации» или «Почему бизнесу нужна аналитика» больше не создает серьезного конкурентного преимущества. Такие тексты легко производят и компании, и сами нейросети. Поэтому ценность смещается к информации, которую нельзя просто сгенерировать.
Например: собственным исследованиям рынка, отраслевой статистике, агрегированным данным клиентов, результатам внедрений, бенчмаркам, авторским методологиям, экспериментам, опросам, реальным экономическим эффектам.
Если пятьдесят сайтов пересказывают одну и ту же мысль, поисковой системе сложно определить, почему цитировать именно один из них.
Если компания публикует уникальное исследование на основе сотен проектов, она становится первичным источником.
Вероятно, способность создавать собственные данные станет одним из главных преимуществ контент-маркетинга в ближайшие годы.
Новая модель продвижения не требует создавать отдельный «отдел GEO». Но она требует соединить функции, которые раньше часто работали независимо друг от друга.
SEO отвечает за то, чтобы информацию можно было найти.
Разработка — чтобы сайт был технически доступен поисковым системам.
Маркетинг — чтобы бренд занимал понятную категорию и отвечал на реальные запросы рынка.
Редакция — чтобы материалы содержали конкретные и цитируемые ответы.
PR — чтобы ключевые факты о компании подтверждались внешними источниками.
Продукт — чтобы маркетинг опирался на реальные возможности и ограничения решения.
По сути, компании необходимо построить собственную систему AI-discoverability.
Она включает четыре постоянных процесса:
Последний пункт особенно важен. Если компания хочет понимать свою реальную видимость, ей недостаточно смотреть позиции в Google и Яндексе. Нужно регулярно задавать целевые вопросы ChatGPT, Claude, Gemini, Perplexity, Алисе и Copilot и фиксировать:
Это превращает абстрактное «нас должны видеть нейросети» в измеримую маркетинговую задачу.
Позиция в поисковой выдаче никуда не исчезает, но ее уже недостаточно. Для внутреннего мониторинга компания может дополнительно использовать несколько показателей.
AI Share of Voice — в какой доле релевантных AI-ответов появляется бренд.
Citation Share — насколько часто собственные материалы компании используются как источник.
Category Association — правильно ли AI связывает бренд с нужной категорией и задачами.
Competitive Presence — какие конкуренты появляются в ответах там, где компании нет.
Source Diversity — сколько независимых источников подтверждает значимые факты о компании.
И, разумеется, AI Referral Traffic и лиды, пришедшие из AI-сервисов.
Инфраструктура измерения уже начинает появляться. Поисковые платформы постепенно дают владельцам сайтов больше информации о том, как их контент используется в генеративной выдаче.
Можно ожидать, что через несколько лет AI-видимость станет таким же стандартным элементом маркетингового отчета, как сегодня органический трафик или позиции в поиске.
Главное изменение генеративного поиска не связано с новым названием SEO. Меняется сам объект работы маркетолога. В классическом поиске компания оптимизировала страницу, чтобы поисковая система поставила ее выше страницы конкурента.
В AI-поиске бренд сначала должен попасть в множество вариантов, которые модель вообще считает достойными рассмотрения. Для этого нейросеть должна суметь:
Только после этого возникает вопрос конверсии.
Поэтому в эпоху нейросетевого поиска выигрывать будет не тот бизнес, который произведет больше всего контента и не тот, кто первым добавит новый файл в robots.txt.
Преимущество получат компании, про которые интернет содержит наиболее ясную, согласованную, доказательную и доступную для проверки информацию.
Раньше поисковый маркетинг во многом боролся за переход.
Теперь первая битва происходит раньше — за право вообще попасть в ответ.
Это новость от журнала ММ «Машины и механизмы». Не знаете такого? Приглашаем прямо сейчас познакомиться с этим удивительным журналом.
