Что делать, если GEO-продвижение не дает эффекта

Редакция «Текстерры»

Если работы по повышению AI-видимости «не дают эффекта», сначала нужно уточнить, где именно не появился результат и как команда это поняла. Бренд не попадает в ответы? Попадает, но без ссылки и сильных аргументов? Его описывают неточно? Видимость растет, а переходов и заявок нет? Или эффект просто неясен в привычной аналитике?

GEO пока остается новой и не до конца прозрачной сферой, но слабое место обычно можно найти по цепочке: ожидания → замер → техническая доступность → факты на сайте → внешние доказательства → конкуренты.

Почему GEO могло не сработать

Команда ждала не тот эффект

Сначала нужно договориться, что называть эффектом, и в нашем случае может быть несколько разных результатов: бренд может быть назван в ответе, попасть в список источников, получить ссылку, повлиять на формулировку рекомендации, привести прямой переход или помочь клиенту выбрать компанию без немедленного клика.

Если цель звучала как «увеличить органический трафик из нейросетей», она могла быть слишком узкой: AI-поиск часто закрывает часть вопроса прямо в интерфейсе, поэтому влияние может проявляться не только в сессиях на сайте.

По данным Pew Research Center, пользователи Google, увидевшие AI-саммари, реже переходили по ссылкам в обычной выдаче: 8% визитов против 15% там, где AI-саммари не было. При этом клик по источнику внутри саммари встречался еще реже. Это не доказывает бесполезность GEO; это показывает, что оценивать его только по трафику рискованно.

Для стартовой диагностики лучше разделить эффект на четыре уровня:

• видимость: бренд назван в релевантном сценарии;

• цитируемость: AI-система ссылается на сайт или внешний источник с корректными данными о бренде;

• качество ответа: бренд описан точно, с нужными аргументами и без устаревших фактов;

• бизнес-вклад: появились переходы, заявки, брендовые запросы, прямые обращения или упоминания AI-системы клиентом.

Если команда ждала лиды, но фактически работала только над корректностью описания бренда, отчет команде не понравится. Если она ждала цитирования сайта, но реальные сценарии пользователей связаны с выбором «лучших» компаний для конкретных задач, без внешних доказательств сайт может не попасть в поле зрения AI-системы.

Разовый срез исказил картину

В классическом SEO позиция тоже меняется, но в AI-ответах вариативность заметнее. На результат влияет формулировка запроса, язык, регион, история диалога, включенный поиск, свежесть индекса и элемент случайности в генерации. Поэтому один удачный или плохой ответ не показывает устойчивую картину.

На это указывает и исследовательская база. В работе How Generative AI Disrupts Search авторы сравнивали Google Search, Gemini и AI Overviews и отмечали, что AI Overviews менее устойчивы к повторным прогонам одного запроса и небольшим изменениям формулировки.

Замер ненадежен, если команда проверила несколько прямых запросов с названием бренда, один раз прогнала их в одной системе и зафиксировала только факт упоминания. Такой срез не показывает, в какой роли бренд появился в ответе: как источник, рекомендация, пример, конкурент или справочная ссылка.

Еще один риск — усреднять все промпты. Бренд может появляться в справочных запросах, где пользователь только изучает тему, и пропадать там, где уже выбирает подрядчика, сравнивает цены или снижает риск ошибки, а в целом все может быть «нормально».

AI-вклад потерялся в аналитике

Иногда GEO влияет на путь клиента, но этого не видно в отчетах. Пользователь мог увидеть бренд в AI-ответе, не перейти сразу на сайт, а позже вернуться через поиск, прямой заход, рекламу, мессенджер или звонок. В привычной атрибуции этот контакт легко потеряется.

Поэтому отсутствие лидов «из ChatGPT» или «из Perplexity» еще не доказывает, что AI-поиск ничего не дал. Сначала нужно понять, какие следы влияния вообще можно увидеть: прямые переходы из AI-сервисов, рост брендового спроса, новые формулировки в обращениях, более теплые заявки, изменения по страницам, которые начали появляться в AI-ответах. Подробнее об этом мы писали в статье «Как отслеживать лиды из ChatGPT, Perplexity и других AI-систем».

При этом прямой AI-трафик может быть небольшим по объему, но заметным по качеству. В кейсе Seer Interactive ChatGPT давал 15,9% конверсии против 1,76% у Google Organic на исследуемом сайте, а Perplexity — 10,5%. Этот пример нельзя переносить на любую нишу как прогноз, но он показывает риск общей органики в отчете: если AI-переходы не выделены отдельно, можно не заметить канал с небольшим объемом и более подготовленными обращениями.

Сайт был доступен людям, но неудобен для краулеров

GEO не отменяет обычную поисковую инфраструктуру. Такие функции опираются на основной поисковый индекс, а страницы должны быть индексируемыми, доступными для краулинга и подходящими для показа со сниппетом.

Техническая проблема вероятна, если важная страница формально существует, но AI-системы не могут стабильно использовать ее как источник. Частые причины:

• страница закрыта noindex, а canonical уводит сигнал на нерелевантный URL;

• robots.txt, CDN, WAF, антибот-защита или геоограничения мешают доступу нужных краулеров;

• важные сведения спрятаны в изображениях, PDF, видео или интерактивных блоках, а не в HTML-тексте;

• страница медленно открывается, плохо работает на мобильных устройствах или требует авторизации для базовых фактов;

• title, H1–H3, внутренние ссылки, хлебные крошки и структурированные данные противоречат видимому тексту;

• nosnippet и data-nosnippet закрывают фрагменты, которые должны стать основой ответа.

Для ChatGPT важно учитывать различие между краулерами OpenAI. Владелец сайта может управлять ими независимо: например, разрешить OAI-SearchBot для появления в поисковых результатах и при этом запретить GPTBot, если не хочет использовать контент для обучения моделей. Это не гарантия цитирования, но отсутствие доступа способно закрыть часть возможностей; подробнее об этом мы писали в статье «Каких AI-краулеров пускать на сайт и как настроить robots.txt для AI-видимости».

Не стоит ждать результата и от «специальных» AI-файлов. Файл llms.txt и похожие решения могут быть вспомогательной картой для отдельных систем или внутренних процессов, но не заменяют нормальную техническую базу. То же с разметкой: отдельной «AI-разметки» не существует, а Schema.org полезна как часть общей машинной понятности сайта.

Контент не давал AI-системам извлекаемых фактов

Страница может быть технически доступна, но плохо работать как источник для AI-ответов. Обычно так происходит, когда текст выглядит убедительно для человека, но не дает достаточно конкретики: кому подходит услуга, чем продукт отличается от альтернатив, какие есть ограничения, сколько это стоит, какие результаты подтверждены и какие шаги нужно выполнить.

Бывает и так: AI-система видит страницу и даже ставит на нее ссылку, но ключевые выводы о продукте, цене, ограничениях или преимуществах берет из обзора, агрегатора или сайта конкурента.

То есть формально бренд присутствует, но не управляет тем, как объясняется его предложение!

Если для ответа приходится додумывать условия, выгоды, ограничения или доказательства, AI-системе тоже будет сложнее использовать страницу как надежную опору. Подробнее об этом мы рассказали в материале «Контент для AI-ответов: как сделать страницу источником».

Коммерческая страница осталась рекламной, а не доказательной

GEO дает слабый результат, если страница построена только на обещаниях. «Индивидуальный подход», «опытная команда», «комплексные решения» и «гибкие условия» сами по себе мало помогают AI-системе объяснить, почему бренд стоит упомянуть в ответе.

Коммерческая страница может продавать, но для AI-ответов ей нужна конкретика: какую задачу решает компания, для кого подходит решение, почему выбран такой подход, где его границы, какие результаты уже были у клиентов и чем они подтверждены. Без этого правки остаются косметическими: заголовки становятся аккуратнее, FAQ появляется, разметка добавляется, а оснований для рекомендации все равно мало.

Внешний контур не подтверждал бренд

Работы по GEO нельзя сводить к доработке страниц на сайте. В сценариях выбора AI-системы смотрят, что о компании говорят в обзорах, рейтингах, отраслевых статьях, карточках, каталогах, партнерских материалах, отзывах, медиа и профессиональных сообществах.

Это особенно важно в нишах с долгим выбором и высокой ценой ошибки: медицине, образовании, B2B-услугах, финансах, сложных продуктах. Сайт объясняет позицию бренда от первого лица, но для рекомендации нужны внешние подтверждения. Если их почти нет или они устарели, AI-системе сложнее использовать бренд как сильный вариант.

Конкуренты были удобнее для AI-ответа

Если конкуренты регулярно появляются в AI-ответах, важно смотреть не только на сам факт их присутствия. Полезнее разобрать, почему система считает их более удобными для ответа: у них яснее структура страницы, больше свежих данных, сильнее внешние доказательства, точнее позиционирование или больше совпадений с конкретным сценарием пользователя.

Преимущество может оказаться совсем практическим: у конкурента есть цены или вилки, свежие кейсы, отзывы на внешних площадках, экспертные публикации, видео, карточки в каталогах или упоминания в рейтингах.

AI-системе проще взять эти данные и встроить их в ответ, чем «разбираться» в ненадежных связях между данными с вашего сайта.

Как все исправить, если причина найдена

Связать симптом с причиной и следующим действием

После диагностики можно переходить к правкам, но порядок важнее количества задач. Если причина в аналитике, новый FAQ опять же не покажет эффект. Если проблема во внешнем контуре, переписанный H1 не создаст независимые доказательства. Если AI-система использует устаревшие карточки, новые статьи не исправят старые данные.

Удобно начинать с таблицы симптомов: она помогает не превращать GEO в бесконечный список мелких улучшений.

Такой формат показывает, какая гипотеза проверяется, каким действием и по какому повторному срезу будет оцениваться результат.

Перезапустить работы как короткий пилот с контрольным срезом

Если первичная работа не дала эффекта, не обязательно начинать весь проект заново. Лучше запустить короткий управляемый пилот: выбрать одну бизнес-задачу, закрыть самые вероятные причины провала и сравнить результат с базовым срезом.

Вот что следует сделать:

• Выбрать одну бизнес-задачу: например, попадание в шорт-лист по B2B-услуге, корректное описание клиники, сравнение продукта с альтернативами, локальный выбор подрядчика.

• Собрать 20–40 промптов по реальным сценариям выбора, а не только по прямым запросам с названием бренда.

• Разделить промпты по интентам: выбор подрядчика, сравнение решений, цена, риски, альтернатива, локальная потребность, проблема клиента.

• Зафиксировать базовый срез: ответы, ссылки, конкурентов, ошибки, роль бренда, тональность, дату, платформу и точную формулировку запроса.

• Проверить аналитику: AI-рефералы, CRM, брендовый спрос, вопросы клиентам, отчеты Search Console и Bing Webmaster Tools, если они доступны проекту. Для связи AI-выдачи с задачами команды можно использовать подход из материала «Карта фактической потребности: как превращать AI-выдачу в задачи для команды».

• Закрыть технические препятствия: индексацию, robots.txt, доступность важных фактов, мобильность, структурированные данные и ограничения для сниппетов.

• Доработать 3–5 ключевых страниц как источники фактов, а не просто посадочные страницы: добавить определения, условия, цены или вилки, сравнения, ограничения, кейсы, даты обновления и подтверждения.

• Обновить внешний контур: карточки, каталоги, партнерские материалы, экспертные публикации, отзывы, рейтинги и старые данные, которые AI-системы могут продолжать использовать.

• Повторить несколько регулярных срезов и сравнить не только упоминания, но и качество ответа, цитируемые источники, роль бренда, конкурентов и бизнес-сигналы.

GEO-продвижение без эффекта — это повод не бросать направление и не увеличивать хаотично объем работ, а вернуться к диагностике. Сначала нужно понять, какой эффект ожидали: видимость, цитирование, точность описания, переходы, лиды или влияние на выбор. Затем проверить, надежно ли это измеряется, и только после этого идти по цепочке: техническая доступность, извлекаемые факты, доказательная страница, внешний контур и конкурентные источники.

Читайте также:

Как понять, нужно ли компании GEO-продвижение прямо сейчас

Как бренду работать над контентом, чтобы он попал в AI-ответы

Как маркетологу обосновать GEO и защитить бюджет перед руководством