Generative Engine Optimization

Generative Engine Optimization (GEO, рус. оптимизация под генеративные системы) — направление цифрового маркетинга и поисковой оптимизации, сфокусированное на повышении видимости контента в ответах, генерируемых системами искусственного интеллекта, такими как ChatGPT, Perplexity AI, Google AI Overviews, Claude и другими большими языковыми моделями.

В отличие от традиционной поисковой оптимизации (SEO), которая фокусируется на улучшении позиций веб-сайта в списке результатов поисковых систем, GEO направлена на оптимизацию контента таким образом, чтобы генеративные AI-системы выбирали его в качестве источника при синтезе ответов на запросы пользователей.

История возникновения

Предпосылки появления

Концепция GEO возникла в 2023 году на фоне массового внедрения генеративных AI-систем в поисковые технологии. В мае 2024 года Google официально запустил функцию AI Overviews (ранее известную как Search Generative Experience), которая генерирует развёрнутые ответы непосредственно в поисковой выдаче^[1]. Параллельно OpenAI интегрировала поисковые возможности в ChatGPT (ChatGPT Search), а Perplexity AI позиционировала себя как «answer engine» вместо традиционной поисковой системы.

Согласно исследованию компании seoClarity, к марту 2025 года AI Overviews появляются в 10,4 % всех десктопных поисковых запросов в США — это исторический максимум с момента запуска функции^[2]. Независимый анализ Ahrefs показал, что позиция номер один в органической выдаче теряет 34,5 % кликов при наличии AI Overview над ней^[3].

Академическое обоснование

В ноябре 2023 года исследователи из Princeton University, Georgia Tech, Allen Institute for AI и IIT Delhi опубликовали фундаментальную научную работу «GEO: Generative Engine Optimization»^[4]. Исследование впервые формализовало понятие GEO как отдельной дисциплины и эмпирически доказало её эффективность.

Для проведения исследования учёные создали бенчмарк GEO-bench, включающий 10 000 поисковых запросов из различных доменов. Результаты показали, что правильная GEO-оптимизация способна увеличить видимость контента в AI-генерируемых ответах до 40 % по метрике Position-Adjusted Word Count.

Принципиальные отличия от SEO

Параметр	Традиционное SEO	GEO
Целевая система	Алгоритмы ранжирования поисковых систем	Большие языковые модели (LLM)
Формат результата	Список из 10+ ранжированных ссылок	Синтезированный текстовый ответ с 3-5 цитированиями источников
Критерий успеха	Высокая позиция в SERP, CTR	Включение в список цитируемых источников AI-ответа
Роль пользователя	Самостоятельно выбирает результат из списка	Получает готовый ответ, решение принимает AI
Ключевые факторы	Обратные ссылки, ключевые слова, техническая оптимизация	Структурированные данные, E-E-A-T сигналы, скорость извлечения информации
Временной горизонт	Развивается с середины 1990-х годов	Формируется с 2023 года

Фундаментальное различие заключается в том, что традиционные поисковые системы ранжируют существующие веб-страницы и предоставляют пользователю упорядоченный список для самостоятельного выбора, в то время как генеративные системы автономно выбирают несколько источников, извлекают из них информацию и синтезируют единый связный ответ, который может полностью удовлетворить информационную потребность пользователя без перехода на внешние сайты.

Технические принципы работы

В рамках GEO принято разделять два основных типа генеративных систем, так как механика их работы, контекст использования и, соответственно, цели оптимизации для них различаются^[5]:

1. LLM-интерфейсы (диалоговые системы). К этому типу относятся платформы, такие как ChatGPT, Claude, Perplexity AI и др. Пользователь взаимодействует с системой в режиме диалога, задавая последовательность уточняющих вопросов.
2. Интегрированный AI-поиск (ответы в поисковой выдаче). К этому типу относятся Google AI Overviews, Яндекс Нейро, Bing Copilot. Генеративный ответ является надстройкой над традиционной поисковой выдачей и конкурирует за внимание пользователя со списком ссылок.

Механизм отбора источников LLM

Большие языковые модели работают в режиме реального времени с жёсткими ограничениями на вычислительные ресурсы. При генерации ответа система:

1. Получает поисковый запрос пользователя 2. Обращается к специализированным поисковым API для получения списка релевантных веб-страниц 3. Анализирует каждую страницу за доли секунды (миллисекунды) 4. Отбирает 3-7 наиболее авторитетных и информативных источников 5. Извлекает ключевую информацию из выбранных источников 6. Синтезирует связный текстовый ответ с указанием источников

Критически важным фактором является скорость извлечения информации. Контент, структурированный с использованием Schema.org, обрабатывается в 3-5 раз быстрее неструктурированного текста, что существенно повышает вероятность его включения в финальный ответ.

Роль структурированных данных

Fabrice Canel, Principal Product Manager в Microsoft Bing, на конференции SMX в Мюнхене (март 2025) заявил: «Schema Markup помогает Large Language Models Microsoft понимать и интерпретировать контент веб-страниц»^[6]. Google также подтверждает в официальной документации, что структурированные данные предоставляют системам «явные и недвусмысленные подсказки о значении и структуре страницы».

Исследование компании Data World показало, что LLM на основе knowledge graphs с правильно структурированными данными достигают уровня точности ответов на 300 % выше по сравнению с моделями, работающими исключительно с неструктурированным текстом^[7].

По данным Schema.org, по состоянию на 2024 год более 45 миллионов доменов используют структурированную разметку, что составляет лишь 12,4 % от общего числа зарегистрированных доменов (362,3 млн по данным ICANN)^[8].

Ключевые факторы GEO-оптимизации

Согласно исследованию Princeton University, эффективность различных методов GEO существенно варьируется в зависимости от домена и типа контента^[9].

Структурированные данные Schema.org

Типы разметки по назначению:

• Product Schema — для товаров в интернет-магазинах (цена, наличие, рейтинг, отзывы)
• Service Schema — для описания услуг B2B и B2C компаний
• Article Schema — для контентных материалов, статей, руководств
• FAQ Schema — для структурирования вопросов и ответов
• Person Schema — для указания авторства и экспертности
• Organization Schema — для информации о компании
• HowTo Schema — для пошаговых инструкций
• Review Schema — для отзывов и рейтингов

Рекомендуемый формат внедрения — JSON-LD, который является официально предпочтительным для Google и не влияет на HTML-вёрстку страницы.

E-E-A-T сигналы

Концепция E-E-A-T (Experience, Expertise, Authoritativeness, Trustworthiness) была формализована Google в декабре 2022 года и активно используется генеративными AI-системами для оценки авторитетности источников:

• Experience (Опыт) — демонстрация практического опыта автора в теме
• Expertise (Экспертность) — профессиональная квалификация и образование
• Authoritativeness (Авторитетность) — признание в профессиональном сообществе
• Trustworthiness (Достоверность) — надёжность и проверяемость информации

Контент с чётко указанными авторами, их биографиями, квалификацией и контактными данными компании имеет значительно более высокую вероятность цитирования AI-системами.

Эффективность методов оптимизации

Исследование Princeton выявило следующие показатели эффективности различных методов:

Метод	Увеличение видимости (%)	Применимость
Цитирование авторитетных источников (Cite Sources)	+115,1 %	Для позиций 4-6 в SERP
Добавление статистики (Statistics Addition)	+40-85 %	Информационный контент
Структура вопрос-ответ (Question Addition)	+35-70 %	FAQ, руководства, обучающий контент
Добавление цитат экспертов (Quotation Addition)	+25-60 %	Аналитические материалы, новости
Упрощение языка (Fluency Optimization)	+10-30 %	Технический контент для широкой аудитории

Влияние на веб-трафик

Снижение органического трафика

Исследование Pew Research Center, отслеживавшее 68 000 реальных поисковых запросов, показало, что пользователи кликают на результаты только в 8 % случаев при наличии AI Overview, по сравнению с 15 % без него — падение CTR на 46,7 % в относительном выражении^[10].

Данные Similarweb фиксируют рост так называемых zero-click поисков (запросов, не приводящих к переходу на сайты) с 56 % до 69 % между маем 2024 и маем 2025 года^[11].

Концентрация видимости

Согласно анализу Search Engine Land, абсолютное большинство сайтов с отличными позициями в традиционной органической выдаче не попадают в AI Overviews и рекомендации чат-ботов^[12]. Генеративные системы обычно цитируют от 3 до 7 источников на один запрос, что создаёт эффект концентрации видимости.

Кейсы внедрения

Практическая эффективность GEO-оптимизации подтверждается рядом задокументированных случаев внедрения в различных отраслях^[9].

Rotten Tomatoes

Агрегатор кинорецензий Rotten Tomatoes внедрил структурированные данные на 100 000 страниц и зафиксировал прирост click-through rate на 25 % на страницах с правильной разметкой по сравнению со страницами без структурированных данных^[13].

Food Network

Кулинарный сайт Food Network внедрил Recipe Schema на 80 % страниц с рецептами и зафиксировал рост общей посещаемости сайта на 35 % за счёт улучшенной видимости в поисковой выдаче и появления rich snippets^[14].

BARS Agency

Внедрение GEO-стратегий для 32 B2B/SaaS компаний показало, что трафик из AI-ответов конвертируется в квалифицированные лиды (SQL) на 25-29% эффективнее, а среднее время сеанса таких пользователей на 30% выше по сравнению с традиционными каналами органического продвижения.^[5]

Критика и ограничения

Риск санкций

Google чётко указывает в руководствах для вебмастеров: любое несоответствие между данными в структурированной разметке Schema и фактическим видимым контентом расценивается как попытка манипуляции и может повлечь ручные санкции (Manual Action) с понижением сайта в выдаче или исключением из индекса.

Отсутствие гарантий

GEO-оптимизация не гарантирует попадания в AI-ответы. Авторитетность домена, количество обратных ссылок, репутация авторов, актуальность информации и глубина раскрытия темы также влияют на решение AI-систем о включении источника в цитирование.

Проблема атрибуции трафика

Исследование Pew Research показало, что только 1 % пользователей реально кликают на ссылки, размещённые внутри AI Overview как источники информации. Большинство пользователей удовлетворяют информационную потребность синтезированным AI-ответом без перехода на цитируемые сайты.

Инструменты и проверка

Инструменты валидации разметки

• Google Rich Results Test — проверка корректности разметки и возможности генерации rich results
• Schema Markup Validator от Schema.org — валидация JSON-LD по официальному стандарту
• Google Search Console — мониторинг индексации структурированных данных

Платформы мониторинга

• seoClarity — отслеживание присутствия в AI Overviews
• Semrush — анализ видимости в генеративных системах
• BrightEdge — мониторинг цитирований в AI-ответах
• Geometrika.dev — российская платформа для мониторинга и анализа генеративных систем и ИИ-поиска, а также, GEO-оптимизации^[15]

Перспективы развития

Согласно данным агентства Xponent21, AI Overviews от Google появляются более чем в 50 % всех поисковых запросов по состоянию на 2025 год — это в два раза больше, чем в августе 2024 года^[16]. Эксперты прогнозируют дальнейший рост доли AI-генерируемых ответов в поисковых системах по мере совершенствования технологий и увеличения инвестиций крупных технологических компаний.

См. также

• Поисковая оптимизация
• Большая языковая модель
• ChatGPT
• Schema.org
• Семантическая паутина
• Искусственный интеллект
• Интернет-маркетинг