SEO и GEO в 2026 году: как продвигать бизнес в новом поиске

Нейросети занимают все больше места в нашей жизни…
Вопрос, с которым раньше мы шли в Яндекс или Google, теперь можно задать ChatGPT или Алисе. В режиме поиска нейросеть сама изучит источники, соберет ответ и предложит ссылки. Иногда этого достаточно, и просматривать привычный список сайтов уже не требуется.
Для бизнеса, который годами вкладывался в SEO, возникает закономерный вопрос: если клиенту теперь отвечает нейросеть, не теряют ли значение позиции сайта и вся работа по его продвижению?
Давайте вместе разберемся, что AI-поиск меняет для бизнеса, какую роль сохраняет SEO и как работает это ваше новое GEO.
Поисковая видимость больше не ограничивается позициями
Работа над продвижением сайта сохраняет значение, но меняется то, где клиент встречает компанию. Помимо привычной выдачи, она может появиться в ответе нейросети: система назовет бренд, сравнит его предложение с конкурентами или даст ссылку на страницу. Пользователь знакомится с бизнесом еще до перехода на сайт.
При этом вопросы могут быть подробнее обычных поисковых запросов: например, какой кондиционер выбрать для квартиры с учетом площади, шума и стоимости установки. Чтобы ответить, система ищет сведения по нескольким связанным темам. Поэтому для продвижения важно, насколько полно страницы помогают разобраться в выборе — эта задача была частью SEO и остается актуальной в AI-поиске.

Как связаны SEO и GEO
GEO — generative engine optimization — это работа над присутствием бренда и его материалов в ответах генеративных систем. Она связана с SEO через доступность страниц, структуру сайта, содержание и сведения о компании во внешних источниках.Google прямо указывает (внешний источник, откроется в новой вкладке), что базовые SEO-практики сохраняют значение для генеративного поиска. Поэтому в Relevant мы рассматриваем GEO как часть поискового продвижения: продолжаем развивать сайт и дополнительно проверяем, как нейросети находят материалы, используют их в ответах и представляют компанию.

Как подготовить сайт к поиску с ответами нейросетей?
(Методика от команды Relevant)
Основой остается привычная работа над SEO: развиваем структуру сайта, проверяем техническую часть и дорабатываем содержание страниц. Для AI-поиска дополнительно смотрим, появляется ли компания в ответах нейросетей, насколько точно они описывают ее предложение и какие материалы используют как источники.
Начинаем с задач бизнеса и вопросов клиентов. Определяем, по каким услугам и товарам важно получать обращения, какие сведения нужны для выбора и хватает ли их на сайте. Затем сопоставляем это с поисковой выдачей и ответами AI-систем, чтобы выбрать приоритетные доработки.
Разбираем вопросы и сценарии выбора
Семантическое ядро дополняем вопросами, которые возникают до покупки или обращения. Для клиники это может быть выбор врача и подготовка к приему, для строительной компании — сравнение материалов, требования к монтажу и ограничения применения. Такая работа помогает определить содержание страниц услуг, товаров и информационных материалов.
Параллельно смотрим ответы значимых для аудитории AI-систем: какие компании они называют, на какие сайты ссылаются и какие страницы используют. Это помогает увидеть, каких сведений не хватает нашему проекту и какие сторонние площадки стоит изучить.
Под разные услуги, категории и намерения проектируем подходящие посадочные страницы. Близкие формулировки одного вопроса объединяем там, где они решают одну задачу. Создавать отдельную страницу под каждую возможную фразу пользователя не требуется.
Проверяем техническую базу
- доступность важных страниц для обхода и индексации, корректные коды ответа и правила robots.txt;
- sitemap.xml, canonical и отсутствие лишних дублей;
- внутреннюю перелинковку и доступность основного содержимого, в том числе на сайтах с JavaScript;
- мобильную версию, скорость загрузки и удобство работы со страницами.
Отдельно проверяем доступ поисковых AI-краулеров. Для ChatGPT Search OpenAI рекомендует (внешний источник, откроется в новой вкладке) разрешить OAI-SearchBot. Его правила можно настраивать отдельно от GPTBot, который связан с возможным обучением моделей. Разрешение поискового обхода и разрешение обучения — разные настройки.
Для генеративных функций Google страница должна быть проиндексирована и допущена к показу со сниппетом. Также проверяем настройку Search generative AI (внешний источник, откроется в новой вкладке) в Search Console: сайт должен быть включен в эти функции. Соблюдение требований дает возможность появления, но не гарантирует использование страницы в каждом ответе.
Дорабатываем страницы услуг и товаров
На коммерческой странице собираем информацию, с которой клиент сможет выбрать предложение и обратиться в компанию:
- что входит в услугу или чем отличается товар, для каких задач он подходит и какие есть ограничения;
- стоимость или факторы, от которых она зависит, сроки и условия работы;
- кто выполняет работу, какой у компании опыт и какие есть примеры проектов;
- регион, адрес, контакты и понятный способ оставить заявку.
Например, на странице установки кондиционеров важно объяснить, что входит в стандартный монтаж, когда понадобятся дополнительные работы и как рассчитывается итоговая стоимость. Эти сведения помогают и человеку сравнить предложения, и системе точнее описать услугу.
Добавляем опыт и проверяемые данные
Простые информационные вопросы нейросеть может закрыть прямо в ответе. Если человек спрашивает «Какие симптомы у гастрита?», ему может хватить краткого объяснения без перехода на сайт. Поэтому при работе с информационным разделом оцениваем, что материал дает сверх общедоступного определения.

В статье клиники такую ценность могут дать комментарии профильного врача, объяснение подготовки к приему, разбор частых вопросов пациентов и ссылка на карточку специалиста. В материале производителя — сравнение характеристик, условия применения, результаты испытаний и примеры выполненных работ.
Добавляем собственные данные, наблюдения и кейсы там, где они помогают разобраться в вопросе. У цифр указываем источник и дату, у сравнения — критерии, у экспертного комментария — автора. Проверяем актуальность сведений и убираем утверждения, которые компания не может подтвердить.
Заголовки, таблицы и четкие формулировки должны помогать читателю найти нужную информацию. Специальный язык «для нейросетей» и дробление текста на множество коротких фрагментов не нужны. Google также не использует llms.txt (внешний источник, откроется в новой вкладке) как условие присутствия в своем поиске, поэтому такой файл не заменяет работу со страницами.
Уточняем сведения о компании во внешних источниках
Нейросеть может брать информацию о бизнесе с его сайта, из профильных публикаций, каталогов, карт и других площадок. Проверяем, совпадают ли название, адрес, специализация и условия работы компании в этих источниках, исправляем устаревшие сведения.
Развиваем присутствие на площадках, которые подходят бизнесу и его аудитории: публикуем полезные экспертные материалы, исследования и кейсы, поддерживаем карточки компании. Такие публикации могут приводить клиентов, давать ссылки на сайт и становиться дополнительными источниками для AI-ответов. Наличие упоминания на сторонней площадке само по себе не гарантирует рекомендацию нейросети.
Как измерять присутствие в ответах нейросетей?
Позиции, органический трафик и заявки сохраняем в отчетах. Дополнительно отслеживаем, как часто нейросети называют компанию, ссылаются на ее сайт и приводят посетителей. Эти показатели оцениваем отдельно: упоминание бренда еще не означает переход или обращение.
Собираем стабильную выборку вопросов
Для проекта выбираем 20–30 коммерчески значимых вопросов о выборе услуги, сравнении предложений и поиске подходящей компании. Проверяем их в системах, которыми может пользоваться аудитория: например, в Алисе AI, ChatGPT и Perplexity. Брендовые запросы рассматриваем отдельно от вопросов без названия компании.
Повторяем проверки по одной выборке и фиксируем дату, формулировку вопроса, язык, регион и режим работы системы. Сохраняем ответы и ссылки на источники. Поскольку результаты могут различаться между запусками, выводы делаем по нескольким замерам.
Разделяем упоминания и ссылки на сайт
В каждом ответе проверяем, назван ли бренд, есть ли ссылка на сайт и какую страницу использовали как источник. Также смотрим, насколько точно описаны услуги, регион и условия работы компании.
Долю присутствия считаем как процент проверенных ответов, в которых назван бренд. Например, если компания упоминается в 8 из 40 ответов, показатель составляет 20%. В одном ответе учитываем бренд один раз. Сравниваем результаты по каждой системе и группе вопросов, сохраняя одинаковый состав выборки.
Ссылки на сайт учитываем отдельно: нейросеть может использовать материал как источник, не называя компанию в тексте. Эти замеры показывают видимость по выбранным вопросам, а не по всем возможным обращениям пользователей.
Сопоставляем видимость с переходами и заявками
Используем доступные данные поисковых систем. В Search Console отчет Generative AI performance (внешний источник, откроется в новой вкладке) показывает, как часто ссылки на страницы сайта появляются в AI Overviews и AI Mode. В Bing Webmaster Tools раздел AI Performance помогает отслеживать цитирования сайта и страницы, используемые в ответах.
Переходы из генеративных сервисов смотрим в Яндекс Метрике или Google Analytics по источникам трафика и UTM-меткам. Например, ChatGPT добавляет к ссылкам параметр utm_source=chatgpt.com. Проверяем, на какие страницы приходят посетители и какие обращения оставляют. Если аналитика связана с продажами, оцениваем и дальнейший результат.
Так можно увидеть, какие материалы уже используются в AI-ответах, какие приводят посетителей и что происходит после перехода на сайт. Если упоминаний становится больше, а обращений нет, проверяем соответствие вопросов целевой аудитории, содержание страниц и удобство заявки.

Нужна помощь с GEO-продвижением?
Оставьте заявку и получите консультацию по GEO-развитию вашего бизнеса. Получить консультацию.
Как выглядит GEO-продвижение в реальных проектах
Мы проверяли такой подход на проектах из разных ниш.
В работе были медицинские центры, производитель строительных материалов и интернет-магазин лакокрасочной продукции. Для каждого проекта мы сформировали небольшую выборку из 20–30 коммерчески значимых запросов и отслеживали присутствие бренда в ChatGPT, Perplexity, Алисе AI, Google AI и DeepSeek.
Работа велась по двум направлениям.
Первое — доработка собственных страниц. На сайте уточняли, чем занимается организация, какие услуги или продукты предлагает, для каких задач они подходят, в каком регионе работает бизнес, а также добавляли характеристики и ответы на реальные вопросы пользователей.
Второе — формирование внешних источников информации о компаниях.
Производитель строительных материалов — вдвое больше упоминаний в Google AI

Между двумя замерами число упоминаний бренда в Google AI выросло с 5 до 10.
В Perplexity показатель увеличился с 9 до 10, в Алисе AI остался на уровне 7, а суммарное количество зафиксированных упоминаний выросло с 25 до 29 — примерно на 16%.
Подробнее в кейсе: Как мы создали самый технологичный сайт в индустрии сэндвич-панелей.
РНЦХ им. Петровского — рост упоминаний в четырех AI-системах

По проекту за один замер было зафиксировано 33 упоминания:
- 15 — в Perplexity;
- 11 — в Google AI;
- 5 — в Алисе AI;
- 2 — в ChatGPT.
Медицинский центр присутствовал в ответах четырех из пяти отслеживаемых систем, до старта работ упоминания были близки к нулю.
Интернет-магазин лакокрасочной продукции: видимость выросла с 7 до 11%

Видимость бренда по последнему замеру составила 11% против 7% ранее — рост на 4 процентных пункта.
Компания упоминалась в 9 ответах из 85 проверок:
- два — в Perplexity;
- один — в ChatGPT;
- три — в Алисе AI;
- три — в Google AI.
Восемь упоминаний имели нейтральную тональность, одно — положительную, отрицательных не обнаружено.
Кроме того, бренд начал встречаться в четырех отслеживаемых системах.
https://www.russcvet.ru/ (внешний источник, откроется в новой вкладке)
Вывод
Для бизнеса AI-поиск — еще один способ встретиться с будущим клиентом в момент выбора. Поэтому стоит проверить, что нейросети знают о вашей компании: находят ли ее услуги, верно ли описывают предложение и дают ли ссылки на нужные страницы.
Работа, вложенная в SEO, сохраняет свою ценность и даёт преимущество при GEO-продвижении.


