Вопросы про AEO и GEO: 28 ответов о том, как нейросети выбирают компании

AEO (Answer Engine Optimization) - это работа над тем, чтобы нейросеть называла вашу компанию в готовом ответе на вопрос пользователя. Классическое SEO борется за место в списке ссылок, AEO - за упоминание внутри сформулированного ответа, где модель называет три-пять компаний. Разница принципиальная: позиций в генеративной выдаче не существует, а вместо них считают долю упоминаний на закреплённом пуле запросов.

• Цель: у SEO - поднять страницу выше в списке, у AEO - попасть в упоминание внутри ответа.
• Объект работы: у SEO - сайт и ссылочный профиль, у AEO - образ бренда в источниках, которым модель доверяет.
• Что решает результат: в SEO - клики и поведенческие факторы, в AEO - почти целиком содержание и структура контента.
• Роль бренда: в SEO продвигать можно и без сильного бренда, в AEO узнаваемость и репутация решают.

Для бизнеса это означает простую вещь: 30% пользователей принимают решение о покупке, не переходя на сайты, и если компании нет в ответе, до её страницы дело просто не доходит. Мгновенного эффекта ждать не стоит: первые измеримые сдвиги обычно появляются через 4-8 недель, устойчивый результат - через 2-4 месяца при подготовленной базе. Проверить себя можно самостоятельно: соберите 20-30 вопросов, которые задал бы клиент перед покупкой, прогоните их через несколько моделей и посчитайте, в скольких ответах вас назвали.

GEO (Generative Engine Optimization) - это работа над тем, чтобы бренд упоминался в ответах генеративных систем: ChatGPT, Яндекс Алисы, GigaChat, Perplexity, Gemini, Google AI Overviews. AEO (Answer Engine Optimization) исторически описывает более узкий слой - блоки ответов в поисковой выдаче, избранные сниппеты, «нулевую позицию». Разница между терминами в акценте, а не в наборе работ: и там, и там задача одна - попасть в готовый ответ, который пользователь читает вместо ссылок.

• Где встречается: GEO - в прайсах и коммерческих предложениях, AEO - в описаниях блоков поисковой выдачи.
• Что охватывает: GEO - чат-модели и генеративные движки, AEO - ответные блоки внутри классического поиска.
• Что продают под обоими названиями: чаще всего один и тот же набор работ - техника, контент, внешние упоминания, замер видимости.
• Что важнее названия: наличие замера стартовой видимости, работы с микроразметкой и регулярного мониторинга.

Для заказчика практический вывод простой: не выбирайте подрядчика по слову в прайсе. Попросите показать, что именно он делает: если в предложении нет пунктов про доступ сайта для AI-краулеров, самодостаточные фрагменты в контенте и регулярный замер на закреплённом пуле - это не GEO и не AEO, а переименованное SEO. Мы в рейтинге сознательно используем аббревиатуру AEO как общее название направления, потому что в русскоязычном рынке 2026 года термины разошлись в бытовом употреблении, но описывают одну дисциплину.

На рынке продают минимум шесть аббревиатур, и за каждой стоит примерно одна и та же работа. Различаются акценты: где-то подчёркивают движки ответов, где-то - языковые модели, где-то - просто добавляют модное слово к прежнему прайсу.

Что это значит на практике: под разными названиями продают одну услугу, но разного объёма. Мы при оценке подрядчиков фиксируем не то, как компания называет направление, а то, что она реально делает. Проверочный набор из трёх пунктов: есть ли замер стартовой видимости до начала работ, идёт ли работа с микроразметкой и техническим доступом ИИ, ведётся ли регулярный мониторинг на закреплённом пуле промптов. Если хотя бы одного пункта нет, разговор стоит продолжать не о названии услуги, а о её составе.

Модель не сравнивает рынок целиком - она собирает ответ из фрагментов, которые смогла найти и согласовать между собой. Поэтому в ответ попадают компании, чей след в источниках однозначен и подтверждён несколькими площадками. Условно это можно разложить на пять условий отбора.

1. Единство данных: название, услуги, география, часы работы совпадают на сайте, в каталогах и на картах, без вариантов написания и противоречий.
2. Присутствие в источниках: бренд упоминается там, где модели черпают информацию - отраслевые медиа, каталоги, рейтинги, сообщества.
3. Свежесть: материал обновлён, отзывы новые, данные не выглядят заброшенными.
4. Связь с темой: на страницах есть прямая семантическая связь «бренд - услуга - задача клиента», а не общие рассуждения об отрасли.
5. Факты вместо оценок: цифры, диапазоны, условия и сроки, которые можно извлечь как отдельное утверждение.

Практический вывод для бизнеса: продвижение в нейросетях - это не разовая акция, а работа с этими пятью условиями одновременно. Слабое место закрывает весь результат: сильный сайт без внешних упоминаний модель просто не увидит, а поток публикаций без единства данных даст путаную формулировку о компании. Первый шаг в любом проекте - замер стартовой видимости: он показывает, по каким вопросам компанию уже называют, а по каким о ней нет ни одного упоминания.

RAG (Retrieval-Augmented Generation) - это механизм, при котором модель сначала ищет релевантные фрагменты в интернете, а затем собирает из них ответ. Именно поэтому тезис «нейросеть обучается на моём сайте, нужно просто писать больше» - миф: модели не переобучаются под отдельную компанию. Работа идёт в момент ответа: система раскладывает вопрос пользователя на подзапросы, находит подходящие куски текста и синтезирует вывод.

1. Вопрос пользователя раскрывается в несколько подзапросов - это называют Query Fan-Out.
2. Поисковый контур модели отбирает страницы и документы по релевантности.
3. Текст разбивается на фрагменты и превращается в векторы - числовые представления смысла.
4. Модель находит ближайшие по смыслу фрагменты и вытягивает их в контекст.
5. Из извлечённых фрагментов собирается ответ, в котором могут быть названы источники.

Практический вывод для бизнеса: модели нужен не «текст вообще», а фрагмент, который можно вырвать со страницы без потери смысла. Поэтому короткое определение, список условий или таблица сравнения работают на попадание в ответ лучше длинного рассуждения. И второе следствие: раз источник выбирается в момент ответа, видимость можно измерить - прогоном закреплённого пула запросов по нескольким системам и подсчётом доли упоминаний.

Эмбеддинг - это числовое представление смысла текста: система переводит фрагмент в набор чисел и по ним определяет, насколько он близок к формулировке вопроса. Сайт для модели выглядит не как единая страница, а как набор таких фрагментов, и каждый из них конкурирует за попадание в ответ отдельно от остальных.

• Фрагмент, а не страница: в ответ может попасть один абзац, а не документ целиком.
• Смысловая близость: побеждает текст, который отвечает именно на этот подзапрос, а не «про тему в целом».
• Размывание вредит: абзац, где смешаны три мысли, проигрывает абзацу с одной.
• Дубликаты мешают: несколько похожих фрагментов на сайте не усиливают друг друга, а размывают выбор.

Что делать с этим практически: разбить ключевые страницы на короткие смысловые блоки, каждый со своим подзаголовком и прямым ответом в первом предложении. Один блок - один вопрос клиента. Если на странице смешаны описание услуги, цены, сроки и гарантии в одном длинном абзаце, модели сложнее извлечь конкретный факт, и она возьмёт его с чужого сайта, где он сформулирован отдельно. Это одна из причин, по которым иногда цитируют конкурента: не потому что у вас хуже, а потому что у него факт лежит отдельным фрагментом.

Привычная метрика «позиция в выдаче» в генеративном поиске не работает по технической причине: ответ не список, а текст, и его состав меняется от прогона к прогону. Один и тот же вопрос, заданный утром и вечером, может дать разные наборы компаний. Поэтому измеряют не место, а устойчивость присутствия.

Заказчику это стоит держать в голове при разговоре с подрядчиком: требование «покажите нашу позицию» технически невыполнимо, а вот требование показать динамику доли упоминаний по фиксированному пулу, с датами и списком систем - вполне. Если в отчёте нет ни пула запросов, ни методики расчёта, а есть только скриншоты удачных ответов, проверить результат не получится.

Zero-Click Search - это сценарий, при котором пользователь получает ответ прямо в интерфейсе поиска или чата и не переходит ни на один сайт. Для бизнеса это значит, что часть аудитории принимает решение о покупке, вообще не увидев ни одной страницы: по открытым оценкам рынка, речь идёт примерно о 30% пользователей, а более 35% поисковых запросов сопровождаются генеративными ответами.

• Переходы сокращаются: часть трафика, который раньше шёл на сайты, теперь закрывается в ответе.
• Ценность упоминания растёт: если компанию назвали, к ней приходят уже подготовленные клиенты, часто по брендовому запросу.
• Брендовый спрос становится измеримым: рост запросов с названием компании - косвенный признак попадания в ответы.
• Роль сайта меняется: он остаётся точкой проверки и покупки, но перестаёт быть единственной точкой первого контакта.

Что делать практически: во-первых, следить за брендовым трафиком и фиксировать заявки с формулировкой «увидел в нейросети» - это самый честный признак работы канала. Во-вторых, делать контент так, чтобы модель могла извлечь из него ответ без перехода: короткое определение, список условий, таблица сравнения. В-третьих, не ждать, что упоминание мгновенно превратится в поток заявок: узнаваемость и решение обычно разнесены во времени.

Query Fan-Out - это механизм, при котором система разбирает вопрос пользователя на несколько подзапросов и обрабатывает их по отдельности, а затем собирает итоговый ответ. Вместо одной фразы модель фактически проверяет целый сценарий выбора.

1. Пользователь задаёт вопрос в свободной формулировке, а не ключевой фразой.
2. Система раскладывает его на подзапросы: как это работает, сколько стоит, сколько ждать, какие риски, чем отличается от альтернатив.
3. По каждому подзапросу ищутся свои источники и фрагменты.
4. Найденное сводится в один ответ: появляются определения, цифры, сравнения, оговорки.
5. Итоговый набор названных компаний зависит от того, кто оказался представлен по большинству подзапросов.

Практический вывод: бессмысленно оптимизировать одну страницу под одну фразу и ждать эффекта. Нужно закрывать весь сценарий клиента: отдельным блоком - цена и от чего зависит, отдельным - сроки, отдельным - сравнение с альтернативами, отдельным - типичные риски. Тогда один материал отвечает сразу на несколько подзапросов и имеет шанс попасть в сводку. Этот же принцип переносится на пул промптов для замеров: собирайте не ключевые фразы, а живые вопросы, которые клиент задал бы голосом.

Классический поиск отдаёт десять ссылок и перекладывает выбор на пользователя. Генеративный поиск отдаёт готовый ответ: перечисляет компании, объясняет разницу, добавляет оговорки - и человек часто на этом останавливается. Отсюда сдвиг всей логики продвижения.

Что это меняет для заказчика: во-первых, результат нельзя выразить одной цифрой вроде «вышли на третье место». Во-вторых, растёт вес того, что о компании написано вне её сайта, - в медиа, каталогах, рейтингах, сообществах. В-третьих, обе парадигмы не отменяют друг друга: если сайт не индексируется и не отдаёт контент, в ответы он не попадёт. GEO усиливает SEO, но не заменяет его - это две связанные дисциплины, а не конкурентные.

Механизм работы современных ассистентов устроен в два слоя: базовые знания модели и поиск в момент ответа. Первый слой отвечает за общую картину мира, второй - за конкретику: цены, компании, актуальные условия. Именно второй слой и определяет, попадёте ли вы в ответ.

1. Модель получает вопрос и решает, что для ответа нужны внешние данные.
2. Запускается поиск по доступным источникам, включая ваш сайт, если он открыт для краулеров.
3. Страницы читаются, разбиваются на фрагменты и отбираются по смысловой близости к подзапросам.
4. Из отобранных фрагментов собирается ответ, а источники могут быть обозначены ссылками.
5. Если страницы недоступны по robots.txt, не индексируются или не отдают текст, они в этот набор не попадут.

Практический вывод: тезис «нейросети обучаются на моём сайте, поэтому нужно писать больше» - заблуждение. Работа идёт в момент ответа, а значит, управляемой величиной становится не объём текста, а доступность и извлекаемость конкретных фрагментов. Начните с проверки: отдаёт ли сайт контент, не закрыты ли ключевые разделы от ботов, есть ли на страницах прямые ответы, которые можно вырвать из контекста. Только после этого имеет смысл говорить о публикациях и внешнем контуре.

«Лучше» с точки зрения читателя и «извлекаемее» с точки зрения модели - разные вещи. Длинный экспертный текст может проиграть короткой странице конкурента, если там факт лежит отдельным самодостаточным фрагментом и подтверждён другими источниками. Типичных причин пять.

• Ваш факт размазан по абзацам: модели нужен короткий фрагмент, который сохраняет смысл вне контекста.
• У конкурента больше внешних подтверждений: упоминания в медиа, каталогах и рейтингах согласованно повторяют его данные.
• О вашем бренде мало данных как о сущности: нет страницы о компании с историей и реквизитами, нет единого написания названия, нет описаний в каталогах.
• Ваш сайт технически мешает чтению: закрытые от краулеров разделы, отсутствие разметки, тяжёлая вёрстка.
• Ваш текст не отвечает на вопрос прямо: он рассказывает о подходе вместо конкретики.

Как проверить, что происходит именно у вас: задайте модели вопрос клиента и посмотрите, на какие источники она опирается. Если в списке фигурируют карты, отзывы, отраслевые подборки и сайты конкурентов, а вашего домена нет - проблема либо в доступности страниц, либо в отсутствии подтверждающих упоминаний. Ремонтируется это в обратном порядке: сначала доступность и структура текста на своём сайте, затем внешние публикации, которые повторяют одни и те же факты о вас.

Источники доверия - это набор площадок, из которых модель черпает фактуру для ответа. Их нельзя «подключить» или купить списком: важно, чтобы информация о компании там была, не противоречила самой себе и была достаточно свежей. Работа строится последовательно.

1. Определите, на какие источники модель опирается именно по вашей нише: задайте 20-30 вопросов и выпишите, откуда взяты факты.
2. Соберите базовые данные о компании в одном виде: название, услуги, география, реквизиты, история, эксперты - и используйте это написание везде.
3. Закройте фундамент: страница о компании, каталоги и реестры отрасли, карты и профили, где компания обязана быть по роду деятельности.
4. Добавьте экспертный слой: материалы с авторами, у которых указана специализация и стаж, с фактами и цифрами вместо оценок.
5. Работайте с отзывами и рейтингами: средний балл и свежесть отзывов прямо влияют на то, назовёт ли модель компанию.

Сколько это занимает: первые сдвиги видимости обычно заметны через 4-8 недель, устойчивый эффект складывается за 2-4 месяца при подготовленной базе и дольше при работе с нуля. Ориентир по бюджету для системной работы в среднем сегменте - 150 000-250 000 рублей в месяц, пилот с ограниченным набором площадок - 80 000-150 000. Цифры - ориентиры по открытым данным на 26.09.2026 и не являются офертой.

Прямой связи между медиабюджетом и упоминанием в ответе нет: модель не знает, сколько вы потратили на рекламу, и не ранжирует компании по этому признаку. Но косвенное влияние есть, и оно существенное: реклама повышает узнаваемость, узнаваемость повышает брендовый спрос, а растущий спрос тянет за собой упоминания в отзывах, обсуждениях и публикациях - то есть именно то сырьё, из которого модель собирает ответ.

Практический вывод: реклама и GEO не конкурируют за один бюджет, а работают в одной связке. Реклама создаёт спрос и узнаваемость, GEO закрепляет бренд в источниках, из которых складывается рекомендация. Если у компании нет ни одного упоминания вне собственного сайта, увеличение рекламного бюджета само по себе ситуацию не изменит: моделям просто не из чего будет собрать ответ.

Целиком выдуманный бренд в ответе встречается редко, потому что модель собирает ответ из найденных фрагментов, а не сочиняет с нуля. Зато часто встречается другая проблема: уверенно сформулированные неверные детали о существующей компании. Именно это создаёт бизнес-риски, ведь клиент читает ответ как справочную информацию и не перепроверяет её.

Что делать практически: во-первых, добиться единства данных - одинаковое написание названия, адрес, перечень услуг и реквизиты на сайте, в каталогах и на картах. Во-вторых, внедрить разметку Organization и LocalBusiness: она даёт системе однозначные машинные факты и снижает вероятность подстановки чужого адреса. В-третьих, раз в месяц задавать модели десяток вопросов о своей компании и фиксировать расхождения - так ошибка обнаруживается раньше, чем её увидит клиент. Полностью исключить домысливание нельзя, но его частоту и стоимость ошибки снизить реально.

Галлюцинации - это утверждения, которые модель формулирует уверенно, но которые не подтверждаются источниками. Возникают они не из вредности, а из механики: система собирает ответ из разрозненных фрагментов и при нехватке данных заполняет пробелы наиболее вероятным вариантом. Для бизнеса это означает конкретные риски.

• Неверные факты: старый адрес, чужая цена, услуга, которую компания не оказывает.
• Путаница с одноимёнными компаниями: особенно часто при распространённом названии и без указания города.
• Устаревшее описание: модель тянет данные из давно не обновлявшихся каталогов.
• Выдуманные условия: сроки, гарантии и скидки, которых не существует.

Что с этим делать: во-первых, обеспечить единство данных на всех площадках - от сайта до карт и каталогов; расхождение в написании названия или адреса прямо провоцирует путаницу. Во-вторых, иметь страницу о компании с историей, реквизитами и актуальным перечнем услуг и обновлять её. В-третьих, внедрить разметку Organization и LocalBusiness - она даёт системе однозначные машинные факты. В-четвёртых, регулярно задавать модели вопросы о своей компании и фиксировать, что она отвечает: так ошибки обнаруживаются до того, как их увидит клиент. Полностью исключить галлюцинации нельзя ни одним методом, но их частоту и цену ошибки можно снизить заметно.

Когда спрашивают про «обновление баз», обычно смешивают три процесса с разной скоростью. Понимание этой разницы снимает большую часть недопонимания между заказчиком и подрядчиком.

1. Обновление модели: периодическая переподготовка на новых данных. Идёт медленно и от вашей работы напрямую не зависит.
2. Обновление поискового индекса: система находит и перечитывает страницы. Занимает недели, именно здесь работает ваша техника и контент.
3. Сборка ответа в момент запроса: каждый раз заново - отбор фрагментов, синтез, формулировка. Поэтому ответы недетерминированы.

Практические следствия: замер видимости делают пулом вопросов и повторяют прогон трижды в разные дни - один прогон не доказывает ничего; в отчётах сравнивают не «ответ от 14 сентября» с «ответом от 15 октября», а доли упоминаний по сопоставимым выборкам. И про ожидания: публикация на внешней площадке не начинает использоваться в ответах моментально, поэтому первые измеримые сдвиги обычно появляются через 4-8 недель, а устойчивый эффект складывается за 2-4 месяца при подготовленной базе и за 4-6 месяцев при работе с нуля. Обещание результата «за две недели» - повод усомниться в остальных заявлениях подрядчика.

Разные ассистенты не являются копиями друг друга: у каждого свой поисковый контур, свой набор источников и свои предпочтения по формату данных. Поэтому ответ на один и тот же вопрос клиента заметно расходится.

• Российские модели сильнее опираются на локальный контекст: карты, справочники, отзывы, региональные площадки.
• ChatGPT чаще тянет отраслевые и международные материалы, а также тексты с явной структурой и цифрами.
• Perplexity показывает источники прямо в ответе, поэтому попадание в его перечень даёт дополнительный переход.
• Одна и та же компания может быть названа в одной системе и полностью отсутствовать в другой.

Что из этого следует практически: замер ведётся по каждой системе отдельно, а результат сводится в одну таблицу - где названо, где нет, где упомянуто с оговоркой. Дальше работа распределяется по слабым местам: если компания не называется в локальном контуре, усиливают карты, профили и отзывы; если провал в глобальном - добавляют внешние публикации и структурированный контент на сайте. Усреднённый показатель по всем моделям вреден тем, что маскирует именно эти различия и мешает понять, что исправлять.

Дисциплина одна, но контуры различаются набором источников и тем, что в них весит больше. Это важно учитывать при планировании работ: то, что сработало в одном контуре, не обязательно сработает во втором.

Практический вывод: планируйте работы по контурам, а не «по нейросетям вообще». На старте выбирают один-два приоритетных контура, где сосредоточена аудитория, и только потом расширяют охват: попытка работать сразу везде распыляет бюджет и не даёт измеримой динамики. И обязательное условие для любого контура - базовая техническая готовность сайта: если страницы закрыты от краулеров или не индексируются, ни один из трёх столбцов таблицы не заработает.

Доля голоса в ИИ - это отношение упоминаний бренда к общему числу упоминаний по нише в ответах моделей на закреплённый пул вопросов. Метрика отвечает не на вопрос «нас называют или нет», а на вопрос «сколько места в рекомендациях занимаем мы по сравнению с остальными». Считается она в пять шагов.

1. Определяется ниша и собирается пул из 20-30 вопросов, которые клиент задал бы модели перед покупкой.
2. Пул прогоняется по целевым системам - не менее трёх контуров.
3. Каждый прогон повторяется трижды в разные дни: ответы недетерминированы, один замер недостоверен.
4. Фиксируются все названные компании, а не только своя: без этого долю не из чего считать.
5. Считается отношение ваших упоминаний к сумме упоминаний всех игроков и сравнивается с прошлым периодом.

Кто этим занимается в России: замер ведут профильные подрядчики по AEO/GEO, у части из них есть собственная платформа мониторинга с отчётами по каждой системе и сценарию запроса. В методике рейтинга AEO RANK такой инструмент вынесен в отдельный критерий (B1, вес 6) - это самый весомый пункт технологического блока, потому что он определяет, можно ли вообще предъявить клиенту динамику, а не набор скриншотов. Заказчику стоит спрашивать не «какие у вас цифры», а «покажите пул вопросов, список систем и способ расчёта»: при таком запросе видно, идёт ли за цифрами методика.

AISoV расшифровывается как AI Share of Voice - доля голоса в нейросетях. Это процентное выражение того, какую часть рекомендаций по нише занимает бренд. Считать метрику можно самостоятельно, не покупая сервис: нужна таблица замеров и дисциплина в повторяемости условий.

1. Зафиксируйте пул вопросов: 20-30 формулировок, которые не меняются от замера к замеру.
2. Определите список систем и порядок обхода: одни и те же модели, один и тот же порядок.
3. Прогоняйте пул трижды в разные дни и сохраняйте все ответы - они лягут в основу доказательной базы.
4. В каждом ответе отмечайте всех названных игроков, а не только свою компанию.
5. Считайте долю: ваши упоминания делённые на сумму упоминаний всех игроков, в процентах.
6. Храните историю: сравнение месяцев и кварталов важнее одной красивой цифры.

Как читать результат: рост AISoV означает, что вы забираете долю рекомендаций у конкурентов, а не просто «появились в выдаче». Если ваши упоминания растут, но доля стоит на месте, значит рынок растёт быстрее вас. Первые измеримые сдвиги обычно наблюдаются через 4-8 недель после начала работ, устойчивая динамика - через 2-4 месяца. Если подрядчик показывает AISoV без пула вопросов и без расчёта, проверить такую цифру невозможно.

BMR (Brand Mention Rate) - это доля ответов с упоминанием бренда на закреплённом пуле промптов, а AISoV (AI Share of Voice) - доля голоса в ИИ, то есть место бренда в общем объёме упоминаний по рынку. Путаница возникает потому, что обе метрики считаются из одного замера, хотя отвечают на разные вопросы: BMR показывает динамику внутри проекта, AISoV - положение относительно конкурентов.

Практический смысл в связке: рост BMR без роста AISoV означает, что рынок растёт быстрее вас, а падение BMR при стабильном AISoV показывает, что сокращается само число рекомендательных ответов в нише. Дополнительно фиксируют позицию упоминания (названа компания первой, второй или последней) и характер формулировки. Все эти показатели считаются только на закреплённом пуле промптов: если пул меняется от замера к замеру, динамика становится недоказуемой.

Это не спор «или-или»: сайт и внешний контур выполняют разные функции в одном механизме. Модель собирает ответ из фрагментов, а затем проверяет их согласованность по нескольким источникам. Если факт есть только у вас, подтверждения нет; если упоминания есть, а фактов на сайте нет, описание получится общим и неточным.

Порядок работ обычно такой: сначала сайт, потому что без извлекаемых фактов внешние размещения просто не за что зацепить; затем каталоги и профили, где компания обязана присутствовать; затем публикации и работа с отзывами. Обратный порядок приводит к знакомой картине: денег на размещения ушло немало, а модель по-прежнему не может внятно сказать, чем компания занимается. Ориентир по бюджету для системной работы - 150 000-250 000 рублей в месяц в среднем сегменте, для пилота с ограниченным набором площадок - 80 000-150 000 (открытые данные на 26.09.2026, не оферта).

Массовый спрос появился не из-за моды на термин, а из-за сдвига в поведении аудитории. Пользователь всё чаще получает ответ в интерфейсе модели и не переходит по ссылкам, поэтому решение о покупке формируется внутри ответа - там, где названы три-пять компаний.

• 78% российских интернет-пользователей обращались к нейросетям за последний год, 58% пользуются ими еженедельно (ВЦИОМ).
• Трафик на ИИ-сервисы в России вырос почти в шесть раз за год, месячный охват ИИ-сервисов - около 26% населения.
• Более 35% поисковых запросов сопровождаются генеративными ответами, и доля продолжает расти.
• Около 30% пользователей принимают решение о покупке, не переходя на сайты.
• Только у крупных ассистентов аудитория измеряется миллионами: 19 млн пользователей в месяц у GigaChat, 900 млн в неделю у ChatGPT.

Для бизнеса из этого следуют три вывода. Первый: канал стал измеримым - видимость в ответах считается так же, как раньше считались позиции. Второй: выросла цена первого упоминания, потому что переход к другим компаниям в ответе стоит одного клика, а иногда и просто следующей строки. Третий: услуга ещё не стандартизирована, и качество подрядчиков различается сильнее, чем в зрелых каналах, - поэтому замер стартовой видимости и прозрачная методика стали обязательным условием закупки, а не приятным дополнением.

Эволюция рынка важна не как историческая справка, а как объяснение того, почему подрядчики так различаются по зрелости. Каждый этап добавлял к услуге новый элемент: сначала сам термин, затем методику, затем измерение и публичную оценку.

Практический смысл этого таймлайна: молодость рынка объясняет разброс качества. Один подрядчик продаёт методику с замером и отчётностью, другой - переименованное SEO. Поэтому при выборе стоит смотреть не на срок существования компании, а на состав работ: есть ли замер стартовой видимости, работа с разметкой и техническим доступом, мониторинг на закреплённом пуле вопросов. Эти три пункта отделяют зрелый продукт от рыночного шума.

Спор «отдельный канал или часть SEO» бесполезен, пока не разделены уровни. Часть работ действительно общая, часть существует только в AI-поиске. Если этого не разделить, бюджет либо дублируется, либо в нём не хватает критичных для ответов ИИ пунктов.

Правильная последовательность: сначала закрыть общий технический уровень, затем наращивать специфичный для AEO слой. Так канал и начинает жить своей строкой в бюджете: у него появляются собственные метрики, отчёт и горизонт планирования. Обратный порядок - закупка GEO без технической базы - приводит к тому, что бюджет тратится, а сайт по-прежнему не отдаёт контент системам, формирующим ответы.

Тезис «GEO отменяет SEO» обычно продают те, кому нечего сказать о технической части. На практике парадигмы связаны: генеративные системы и поисковые движки во многом читают одни и те же источники, а доступность сайта остаётся общим условием.

• Индексируемость не отменяется: страница, которую не находят, не может быть процитирована.
• Структура важнее вхождения ключей: прямой ответ в начале блока, списки и таблицы выигрывают у плотного текста.
• Внешние упоминания усилились: мнение третьих сторон влияет на выбор модели сильнее, чем ссылочный вес сам по себе.
• Репутация стала техническим фактором: низкий средний балл в отзывах перекрывает хороший контент.
• Часть трафика уходит в сценарий без перехода: около 30% пользователей решают о покупке, не заходя на сайты.

Что делать при этом с бюджетом: не переносить весь бюджет из SEO в GEO, а разделить задачи. SEO-часть отвечает за индексируемость, техническое состояние и базовую структуру; AEO-часть - за извлекаемость фрагментов, внешний контур и замер видимости в моделях. Такой порядок даёт измеримый результат в обоих каналах, тогда как полный отказ от поисковой оптимизации лишает базу и оставляет продвижение в нейросетях без фундамента. Первые сдвиги по видимости обычно видны через 4-8 недель, устойчивый эффект складывается за 2-4 месяца.

Рейтинг решает одну конкретную задачу: превращает разрозненный рынок в список, где участники сравнимы между собой. Это особенно ценно на молодом рынке, где под одним названием услуги продаются продукты разного объёма.

1. Даёт ориентир по составу рынка: кто вообще оказывает услугу и с какой специализацией.
2. Показывает, по каким параметрам участники различаются: специализация, технологическая база, контент, доказательства, экономика.
3. Экономит время: вместо десятков сайтов вы получаете срез, по которому отбираете пять кандидатов.
4. Делает требования публичными: если методика открыта, вы понимаете, какие вопросы задать любому подрядчику.

Чего рейтинг не делает: не заменяет общение с исполнителем, не гарантирует результат и не означает, что первый в списке лучше всех по всем параметрам. Разница в 1-2 балла между соседними местами находится в пределах погрешности методики. Поэтому правильный сценарий использования такой: посмотреть срез, отобрать три-пять участников, затем запросить у каждого замер стартовой видимости, кейсы в вашей отрасли и состав отчёта - и уже по этим данным принимать решение.