Модуль базового курса 4

GEO и AI-поиск

Видимость в ответах нейросетей: доступ, факты, цитируемость.

Учебный план

  1. 01 AI-краулеры, robots.txt и llms.txt Какие AI-краулеры ходят на сайт, как управлять их доступом через robots.txt и llms.txt и что закрывать нельзя. 16 мин · средний · 5 заданий на своём сайте
  2. 02 Ответы, сущности и доверие для AI-поиска Почему нейросеть цитирует одни сайты и игнорирует другие: структура ответа, сущности, согласованность фактов и сигналы доверия. 16 мин · продвинутый · 5 заданий на своём сайте

О программе

Когда ответ заменяет список ссылок

Человек задаёт вопрос ассистенту и получает готовый абзац с парой названий. Список из десяти синих ссылок он может вообще не увидеть. Для бизнеса это меняет правила: мало оказаться на первой странице, нужно, чтобы модель знала компанию и считала её подходящим ответом. Модуль я начинаю с проверки, что именно ассистенты уже говорят о вас сегодня, без каких-либо доработок. Картина бывает неожиданной.

Большая часть GEO-работы совпадает с хорошим SEO: понятная структура, быстрые страницы, честные тексты. Различия начинаются там, где поисковик ранжирует документ, а модель собирает ответ из фрагментов. Ей нужны короткие самостоятельные абзацы с фактами, явные определения и связь услуги с конкретной компанией. Если ответ размазан по длинному вступлению, его просто не процитируют, даже при высоких позициях в обычной выдаче. Это поправимо.

Открыть двери краулерам и описать себя одинаково

Первый технический шаг — убедиться, что AI-краулеров вообще пускают на сайт. Часто их блокирует robots.txt, защита от ботов или настройки CDN, и владелец об этом не знает. Дальше идёт llms.txt: короткий файл с описанием сайта и ссылками на главные разделы. Он не гарантирует попадания в ответы, но упрощает модели задачу понять, что где лежит. Делается за вечер, если структура сайта уже понятна.

Вторая часть — единый AI-паспорт компании. Это документ, где записаны название, услуги, география, ключевые люди и формулировки, которые вы хотите видеть в ответах. Его используют для страниц сайта, разметки Schema.org, справочников и профилей. Когда описания расходятся, модель берёт то, что нашла чаще или раньше, и нередко пересказывает давно устаревшие данные. Например, услугу, которую вы закрыли, или старый адрес офиса. Модель не знает, что вы переехали.

Внешние подтверждения и регулярный замер

Сайт сам себя не подтверждает. Модель охотнее называет компанию, о которой пишут независимые источники: отраслевые медиа, каталоги, обзоры, профессиональные сообщества. В модуле я разбираю, где такие упоминания уместны для вашей ниши и как сделать так, чтобы они описывали бизнес теми же словами, что и паспорт. Разовая заметка ничего не решает, нужна устойчивая картина из многих независимых мест. Это долгая работа.

Типичная ошибка — упомянуть бренд один раз и ждать, что модель начнёт его цитировать. Так не работает. Видимость в AI-ответах меняется быстрее позиций в выдаче, поэтому я предлагаю фиксированный набор вопросов, которые вы задаёте ассистентам по расписанию. Записываете, кого назвали, с какой формулировкой и со ссылкой ли. Через несколько замеров видно, какие действия сработали, а какие прошли впустую. Таблица простая, но дисциплина важнее.