Вокруг «оптимизации под нейросети» уже сложился набор советов, которые повторяют друг за другом: положите на сайт llms.txt, добавьте разметку, «займите первое место в ChatGPT». Мы собрали, что из этого подтверждается данными, а что нет. Короткий ответ: сильнее всего работают вещи, знакомые по классическому SEO и PR, а модные «технические» приёмы пока ничем не подтверждены.
1. Упоминания бренда на чужих площадках
Самая сильная связь с видимостью в ИИ-ответах — у упоминаний бренда на сторонних сайтах. В исследовании Ahrefs по 75 тысячам брендов корреляция видимости в Google AI Overviews с числом упоминаний бренда в интернете составила 0,664. Для сравнения: с авторитетностью домена — 0,326, с числом обратных ссылок — 0,218.
Это корреляция, а не доказанная причина: известные бренды и упоминают чаще, и в ответы они попадают чаще. Но вывод для работы практичный: нейросеть пересказывает то, что о вас пишут другие. Обзоры, подборки, сравнения и обсуждения на площадках вашей ниши дают больше, чем правки на собственном сайте.
Что делать: выяснить, какие сайты нейросети цитируют по вашим вопросам, и проверить, есть ли вы там. Если подборку на vc.ru цитируют в каждом пятом ответе, а вас в ней нет — это задача номер один.
2. Позиции в обычном поиске никуда не делись
Ассистенты с веб-поиском берут источники из поисковой выдачи. По данным «Ашманова и партнёров», доля источников в ответах Алисы, которые находятся вне топ-10 Яндекса, за полгода упала с 40% до 10%, а после 5-й позиции шанс попасть в ответ резко снижается.
То же верно и для других систем: AI Overviews опираются на индекс Google, Copilot — на Bing. Поэтому GEO не заменяет SEO, а надстраивается над ним: страница, которой нет в индексе нужной поисковой системы, не попадёт и в ответ, построенный на этом индексе.
Что делать: измерять позиции и ИИ-ответы по одним и тем же запросам. Если в ответ попадает конкурент с 3-й позиции, а вы стоите на 8-й, — рычаг в классическом SEO.
3. Бот должен увидеть текст
Большинство ИИ-краулеров не исполняют JavaScript — исключения среди крупных систем пока Gemini и Apple. Если программа курса или цены подгружаются скриптом, бот ChatGPT или Perplexity увидит пустую страницу.
Вторая частая ошибка — блокировка не того бота. У OpenAI это разные роботы: GPTBot собирает данные для обучения, а OAI-SearchBot — для поиска в ChatGPT. Запрет GPTBot в robots.txt не мешает поиску, а вот защита от ботов на уровне CDN, которая отвечает 403 всем незнакомым, перекрывает и поиск.
Что делать: проверить, что ключевые страницы отдают текст без JavaScript, а OAI-SearchBot, PerplexityBot, YandexBot и Googlebot получают ответ 200.
4. Свежесть и структура — вероятно, но не доказано
Есть признаки, что ассистентам с поиском важна свежесть материалов, а ответ на вопрос в первой трети страницы и вопросные заголовки помогают цитированию. Для AI Overviews свежесть, судя по данным, важна меньше. Это разумные гипотезы, но не законы, — их стоит проверять экспериментом на своих вопросах, а не принимать на веру.
Мифы
llms.txt. По логам 137 тысяч доменов 97% файлов llms.txt не получили ни одного запроса, а Google прямо пишет, что такой файл не нужен. Положить его можно, рассчитывать на эффект — нет.
Разметка schema.org для цитирования. Эксперимент на 1 885 страницах не показал роста цитирования ни на одной платформе. Разметка полезна для расширенных сниппетов в обычной выдаче, и только.
«Первое место в ChatGPT». По исследованию SparkToro, порядок брендов в рекомендациях нейросетей повторяется примерно в одном случае из тысячи. Позиция в одном ответе — случайность. Устойчива другая величина: доля ответов, где бренд вообще упомянут.
Как это измерять
Из-за той же случайности один скриншот ответа ничего не доказывает. Чтобы понять, видят ли вас нейросети и помогает ли работа, нужно:
- задавать вопросы вашей ниши много раз и в нескольких формулировках;
- считать долю ответов с упоминанием и показывать погрешность — при 800 ответах она около ±3 п.п.;
- опрашивать нейросети с веб-поиском, как их видит пользователь, и отдельно — без него;
- сравнивать «до и после» с проверкой значимости, а не на глаз.
Подробно о том, как мы это делаем, — в методике измерения.
Источники: Ahrefs, факторы видимости брендов в ИИ; «Ашманов и партнёры» через Коммерсантъ; ppc.land, llms.txt; Search Engine Roundtable, schema.org и цитирование; Search Engine Land, SparkToro о повторяемости ответов.