Как маркетологу обосновать GEO и защитить бюджет перед руководством

Редакция «Текстерры»

Если отчет по SEO все еще показывает стабильные позиции и конверсии, руководство закономерно спрашивает: зачем компании еще один бюджет — теперь уже на GEO?

Проблема в том, что привычная аналитика начинается с перехода на сайт, но AI-ответы влияют на выбор раньше: нейросеть может включить в список конкурентов, исказить информацию о продукте или вовсе не показать бренд. Но и несколько неудачных скриншотов — тоже не аргумент для CEO. Они доказывают лишь отдельные ошибки, а не системный риск для бизнеса. Чтобы обосновать GEO, маркетологу нужно связать реальные клиентские сценарии, повторяемые результаты проверки, конкурентное отставание и понятный план пилота.

Разберемся, как убедиться самому, что такой риск есть, как донести это руководству и что нельзя обещать, защищая бюджет на GEO.

Руководству нужны доказательства бизнес-риска, а не прогноз катастрофы

Начинать разговор с фразы «нам срочно нужно GEO-продвижение» — плохая идея. Для руководителя GEO, AEO и генеративная выдача остаются просто новыми терминами, пока не связаны с клиентами, конкурентами и деньгами, но тут важно и не перейти границу между доказанным риском и предположением. Ручной аудит AI-ответов позволяет установить:

• появляется ли бренд в важных клиентских сценариях;

• кого нейросети предлагают вместо него;

• в какой роли упоминаются конкуренты;

• правильно ли описаны продукты, цены, география и преимущества компании;

• какие страницы и внешние площадки становятся источниками ответов;

• повторяется ли результат в нескольких проверках.

Но такой аудит сам по себе не покажет точное число потерянных лидов. Пользователь может прочитать ответ и ничего не сделать, перейти на сайт позже напрямую, спросить коллегу или вернуться к выбору через неделю. Поэтому корректная задача звучит не так:

Доказать, сколько продаж компания уже потеряла из-за нейросетей.

А так:

Проверить, выпадает ли бренд из коммерчески значимых сценариев, оценить масштаб риска и обосновать пилот по улучшению AI-видимости.

Под GEO в этой статье мы понимаем системную работу над тем, как бренд, продукты и материалы компании представлены в генеративных ответах. Она включает SEO, контент, техническую доступность, внешние источники, карточки компании и контроль фактов. GEO не заменяет поисковую оптимизацию — подробнее эту границу мы разбирали в материале «От SEO к многослойной видимости: что бизнесу надо знать про AI-поиск».

AI-ответы влияют на выбор до перехода на сайт, и стандартная аналитика этого не видит

По данным Яндекса, быстрые ответы Алисы AI в Поиске ежемесячно получают 46,5 млн пользователей. Это не означает, что все они выбирают товары и подрядчиков через нейросеть. Но сам интерфейс уже стал массовой точкой контакта с информацией.

Зарубежные исследования показывают тот же механизм. Pew Research Center изучил поведение американских пользователей Google в марте 2025 года. Когда на странице появлялся AI Overview, люди переходили по обычным поисковым результатам в 8% посещений. Без AI-сводки — в 15%. На ссылки внутри самой сводки пользователи нажимали только в 1% случаев. Да, это данные по США и Google, поэтому автоматически переносить проценты на российский рынок нельзя, но исследование подтверждает главное: часть взаимодействия с информацией заканчивается внутри поискового интерфейса.

Для бизнеса здесь возникают два отдельных риска.

Первый — риск недополучить переход. Пользователь получил достаточный ответ и не открыл сайт.

Второй — риск не попасть в рассмотрение. Нейросеть перечислила три компании, объяснила их различия и тем самым сформировала первоначальный список вариантов без вашего бренда.

Второй риск нередко важнее первого. Человек может перейти только на один сайт, но решение о том, какие компании вообще стоит изучать, принять еще в AI-ответе.

Высокие позиции в обычном поиске уменьшают этот риск, но не устраняют его. AI Overviews и AI Mode используют основные поисковые системы ранжирования, но могут дополнительно разветвлять исходный запрос на связанные направления. В исследовании Ahrefs за март 2026 года только 37,1% страниц, процитированных в AI Overviews, одновременно входили в топ-10 обычных ссылок по тому же запросу.

Веб-аналитика фиксирует переходы и лиды, но не видит пользователей, завершивших выбор внутри AI-интерфейса

Как менеджер среднего звена я понимаю и желание специалиста проявить инициативу в новом канале лидогенерации, и осторожность руководителя. Защищая идею, легко подогнать цифры, выдать отдельные примеры за закономерность или пообещать результат, который пока нельзя измерить.

Задача руководителя — разобраться, во что именно предлагается вложиться. Поэтому наверх стоит приносить понятные данные: где бренд уступает конкурентам, насколько часто это происходит, что команда планирует изменить и как будет оценивать результат. Честно сказать, что на первом этапе мы рассчитываем на рост видимости, а не на поток продаж, — значит сделать предложение более взвешенным и зрелым.

Дарья Завьялова,

главред в маркетинге TexTerra

Первый аудит должен опираться на 20–40 реальных промптов

Один эффектный скриншот может привлечь внимание руководителя, но не доказывает закономерность. AI-ответы меняются, а разные формулировки одного вопроса приводят к разным результатам.

Для экспресс-аудита достаточно 20–40 промптов. Такой объем позволяет проверить основные клиентские сценарии и не превратить исследование в отдельный многомесячный проект. Для полноценной стартовой точки обычно удобнее брать 32–40 формулировок: по четыре-пять на каждый из восьми типов запросов.

Восемь типов запросов покрывают разные этапы клиентского выбора

Промпты нельзя придумывать только на основе общего семантического ядра. Возьмите формулировки из нескольких источников:

• вопросов клиентов на встречах и в переписке;

• записей звонков и комментариев отдела продаж;

• причин проигранных сделок в CRM;

• запросов из Вебмастера и Search Console;

• поисковых фраз из рекламных кабинетов;

• внутреннего поиска, чатов и службы поддержки;

• отзывов, форумов и отраслевых обсуждений.

Подробную методику мы описали в статье «Как собрать промпт-сет для мониторинга бренда в AI-ответах».

Коммерческий вес промптов важнее общего числа упоминаний

Не все появления бренда одинаково ценны, это нужно учитывать. Упоминание в ответе на запрос «что такое контент-маркетинг» нельзя напрямую сравнивать с рекомендацией по запросу «какое агентство контент-маркетинга выбрать для B2B».

Отдельно отмечайте роль бренда в ответе:

• бренд отсутствует;

• упомянут нейтрально;

• связан с конкретным преимуществом или сценарием;

• прямо рекомендован пользователю.

Так руководитель увидит не просто «нас назвали в 12 ответах из 40», а более содержательную картину: например, компания часто появляется в информационных материалах, но почти отсутствует в запросах, где клиент выбирает поставщика.

Для подробного сравнения с конкурентами можно использовать методику из статьи «GEO-бенчмарк: как сравнить себя с конкурентами в AI-поиске».

Проверять нужно платформы, которыми действительно пользуется аудитория

Не нужно включать в первый аудит все существующие нейросети. Достаточно выбрать две-три системы, через которые аудитория действительно ищет информацию, сравнивает варианты и принимает решения.

Для российского рынка в первую очередь стоит проверить нейроответы в привычном поиске — Алису в Яндексе и, если они доступны вашей аудитории, Google AI Overviews. Пользователь может видеть такие ответы прямо в выдаче и даже не воспринимать их как отдельный AI-инструмент. Из чат-ботов выберите GigaChat, ChatGPT или обе системы — в зависимости от продукта и поведения клиентов.

Gemini и Perplexity имеет смысл добавлять, если компания работает на зарубежных рынках, получает оттуда трафик или уже встречает эти источники в аналитике, CRM и разговорах с клиентами. Проверять платформу только потому, что ее часто обсуждают маркетологи и специалисты по AI, не нужно. Важна не общая популярность сервиса, а вероятность того, что через него выбирают решения именно ваши клиенты.

Каждый ответ нужно фиксировать как повторяемое наблюдение

Инкогнито не делает результаты полностью нейтральными. На ответ могут влиять регион, устройство, авторизация, режим системы, предыдущие сообщения в диалоге и обновления самой модели.

Для каждого запуска фиксируйте:

• платформу и режим;

• точную формулировку промпта;

• дату проверки;

• полный текст ответа;

• источники и ссылки;

• упоминание бренда;

• роль бренда в ответе;

• конкурентов;

• фактические ошибки.

Первый прогон всех 20–40 запросов нужен для разведки. После него отберите самые важные коммерческие промпты и все ответы с критическими ошибками. Их лучше проверить не менее трех раз в отдельных сессиях. Для решений с высокой ценой ошибки — пять раз и больше.

Показывать CEO один случайный ответ рискованно: во время встречи результат может измениться. Основным доказательством должны стать повторяемость, таблица и зафиксированные скриншоты. Живую демонстрацию можно оставить как дополнительный прием.

Официальные отчеты дополняют ручной аудит, хотя и не заменяют его

Начинать проверку Яндекса теперь стоит не с ручного поиска, а с раздела «Видимость сайта в Алисе AI» в Яндекс Вебмастере.

В нем доступны:

• доля упоминаний сайта среди источников Алисы AI;

• динамика запросов с упоминанием сайта;

• примеры таких запросов;

• другие сайты, которые Алиса использует в этой тематике.

Данные обновляются еженедельно и строятся по запросам, где сайт уже показывается в обычном поиске. Поэтому отчет хорошо показывает видимость ресурса как источника, но не заменяет полный аудит. Он может не охватить, например, упоминание бренда без ссылки на его сайт или ситуацию, в которой компания полностью отсутствует.

Для международных проектов появился похожий источник данных. С июня 2026 года Google Search Console предоставляет отдельные отчеты по показам сайта в генеративных функциях Search: AI Overviews и AI Mode, а также в генеративных функциях Discover.

Переходы из ChatGPT тоже можно частично отслеживать. OpenAI указывает, что ссылки из поиска ChatGPT автоматически получают параметр utm_source=chatgpt.com. Но аналитика увидит только состоявшийся переход. Упоминание без клика, чтение ответа внутри чата и последующий прямой заход останутся за пределами такой атрибуции.

Поэтому для первого бизнес-кейса нужно объединить три пула данных:

• официальную статистику платформ;

• ручной промпт-сет;

• веб-аналитику и CRM.

Ни один из них по отдельности не дает полной картины.

Руководителя убеждают три риска для бизнеса

Руководству не нужна экскурсия по архитектуре языковых моделей: ему нужно увидеть конкретный участок клиентского пути, где компания теряет контроль над своим представлением.

Для этого достаточно трех типов риска.

Бренд выпадает из списка рассматриваемых клиентом решений

Самая важная проверка — категорийные, сопоставительные, коммерческие, проблемно-решенческие и конкурентные промпты. В них человек еще выбирает, кому доверить задачу или какой продукт купить.

Соберите пять-десять самых значимых запросов и покажите частоту появления компаний. Например:

Таблица доказывает, что по выбранным сценариям конкуренты систематически входят в первоначальный набор решений, а бренд — почти нет.

По одному ответу нельзя делать вывод: важные промпты нужно проверять в нескольких независимых сессиях

Как прокомментировать это для CEO:

Мы проверили десять сценариев, в которых клиент выбирает поставщика, и повторили каждый запрос трижды. Конкуренты появились в 24 из 30 ответов, наша компания — в четырех. Конечно, это не равно 20 потерянным сделкам, но показывает, что на новом этапе выбора бренд заметно уступает конкурентам. Предлагаю проверить, можем ли мы сократить этот разрыв в рамках ограниченного пилота.

Такой аргумент сильнее фразы «нейросети забирают у нас клиентов», потому что отделяет наблюдение от предположения.

AI искажает факты и ослабляет позиционирование бренда

Иногда отсутствие безопаснее неправильного упоминания. Нейросеть может:

• отнести продукт не к той категории;

• показать закрытый тариф;

• назвать устаревшую цену;

• перепутать регионы работы;

• приписать услугу, которой компания не оказывает;

• не увидеть важное ограничение;

• описать премиальный продукт как бюджетный;

• сослаться на старую страницу или публикацию.

Не стоит объяснять такие ошибки только тем, что «AI обучен на старых данных». Поисковые AI-системы могут получать свежие страницы во время генерации. Проблема также возникает, если новая информация плохо индексируется, старые материалы представлены в интернете заметнее, источники противоречат друг другу или модель неверно обобщает найденные сведения.

Для руководства соберите не длинный перечень неточностей, а три-пять ошибок, которые действительно влияют на решение клиента.

Как прокомментировать это для CEO:

В трех из пяти проверок нейросеть показывает закрытый тариф и не упоминает новое направление. Человек, который использует этот ответ для первичного отбора, получает неверное представление о продукте. Мы вкладываемся в новое позиционирование, но часть доступных AI источников продолжает транслировать старую версию компании.

Здесь уже можно оценить последствия: сколько обращений связано с новым продуктом, насколько важна изменившаяся категория и какую долю продаж обеспечивает направление.

Классическая аналитика не видит часть клиентского пути

Метрика и CRM хорошо отслеживают то, что произошло после перехода или обращения. Но они не показывают пользователя, который:

• прочитал AI-ответ и не открыл ни одного сайта;

• запомнил бренд и вернулся напрямую позже;

• увидел конкурента и продолжил выбор уже на его площадке;

• получил неправильные сведения и исключил компанию из списка;

• переслал ответ другому участнику закупки.

Это не значит, что любому падению продаж нужно приписывать влияние нейросетей. На конверсию одновременно воздействуют цена, сезонность, ассортимент, качество сайта, реклама, отдел продаж и десятки других факторов.

Как прокомментировать это для CEO:

В существующей аналитике есть слепая зона. Мы видим часть переходов из AI-систем, но не видим полную экспозицию бренда и zero-click-сценарии. Поэтому трафик и лиды нужно дополнять отдельными показателями AI-видимости.

Для частичной атрибуции добавьте:

• отдельный вариант «нейросеть или AI-поиск» в поле «откуда вы о нас узнали»;

• открытое уточнение, какая именно система использовалась;

• соответствующий вопрос в квалификации лида;

• анализ реферального трафика;

• мониторинг брендовых запросов;

• разбор звонков и переписок, где клиент ссылается на AI.

Брендовый спрос и прямые заходы остаются косвенными сигналами. Их рост нельзя автоматически считать результатом GEO, но можно использовать вместе с другими данными.

Бизнес-кейс должен завершаться ограниченным GEO-пилотом с заданными критериями

Даже качественный аудит не отвечает на главный управленческий вопрос: что компания должна сделать и сколько ресурсов потребуется.

Не просите сразу постоянный бюджет на отдельное направление. Предложите пилот, который проверит конкретную гипотезу.

Как прокомментировать это для CEO:

Гипотеза: бренд редко появляется по запросам о выборе подрядчика, потому что сайт не закрывает важные сценарии, а внешние источники слабо связывают компанию с нужной категорией. За пилотный период мы обновим несколько приоритетных страниц и источников, затем повторим замер.

У пилота должны быть четкие границы:

• один продукт, сегмент или регион;

• 20–40 контрольных промптов;

• две приоритетные AI-системы;

• три-пять страниц сайта;

• основные карточки и внешние источники;

• ответственные из SEO, контента, PR и разработки;

• контрольная точка через 8–12 недель.

Восемь-двенадцать недель — не гарантированный срок попадания в ответы. Это удобный управленческий период, после которого можно проверить ранние сигналы: переиндексировались ли страницы, исправились ли факты, появились ли новые источники и изменилась ли частота упоминаний. Для сайта с редким обходом, сложными согласованиями или длинным циклом сделки понадобится больше времени.

Подробный порядок работ собран в материале «Как запустить работу над видимостью в AI-ответах».

Пилот связывает обнаруженный риск, действия и измеримый результат

Работы должны вытекать из аудита, а не из универсального списка GEO-приемов.

О разметке подробнее читайте в статье «Разметка Schema.org для AI-поиска», а о доступе разных роботов — в материале «Каких AI-краулеров пускать на сайт».

Важно не строить проект вокруг одной технической меры. Google прямо указывает, что для его генеративной выдачи не нужна специальная «AI-разметка», дробление текста на искусственно короткие фрагменты или файл llms.txt.

llms.txt — экспериментальный файл в формате Markdown, который размещают в корневом каталоге сайта. Он задуман как краткий путеводитель по ключевым страницам и материалам для больших языковых моделей, таких как ChatGPT, Claude и Gemini.

Однако этот файл не стал общепринятым стандартом: например, Google его не использует. Основой видимости в AI-ответах по-прежнему остаются доступность сайта для индексации, понятная структура, полезный оригинальный контент и достоверные данные. Файл llms.txt может применяться отдельными системами, но универсальным способом попасть во все нейроответы он все-таки не является.

Критерии пилота задаются после стартового замера. Например:

• выросла взвешенная доля упоминаний по приоритетным промптам;

• бренд стал чаще получать атрибутированные упоминания и рекомендации;

• критические фактические ошибки исчезли в нескольких последовательных проверках;

• целевые страницы начали использоваться как источники;

• конкурентный разрыв сократился;

• и еще кое-что очень важное: изменения не ухудшили конверсию существующих страниц.

Если стартовая видимость почти нулевая, успехом может стать само появление компании в нескольких важных сценариях. Если бренд уже присутствует часто, цель должна быть сложнее: корректное позиционирование, рекомендации и ссылки на нужные страницы.

Результат пилота оценивают по одному и тому же контрольному промпт-сету, а не по разовым удачным ответам

GEO нельзя «продавать» руководителю как гарантированный источник лидов

Завышенные обещания помогают получить бюджет только один раз. Затем проект закроют, потому что результат окажется не таким быстрым и понятным, как ожидало руководство.

Отдельно зафиксируйте условия остановки. Например: если после исправления технических и фактических проблем видимость не меняется, а дополнительные работы требуют несоразмерных ресурсов, проект пересматривается. Наличие такой границы делает предложение более убедительным: компания финансирует не бесконечный эксперимент, а управляемую проверку.

Первый же отчет должен показывать изменения

Руководителю не нужен список из двадцати отредактированных страниц и десяти внедренных блоков FAQ. Такой отчет показывает занятость команды, но не отвечает на вопрос, изменилось ли представление бренда.

В отчет стоит вынести пять групп показателей.

1. Видимость по контрольному промпт-сету

• доля запросов с упоминанием бренда;

• взвешенная видимость с учетом коммерческой важности;

• нейтральные, атрибутированные и рекомендательные упоминания;

• результаты по каждому из восьми типов запросов.

2. Конкурентное положение

• кто чаще входит в ответы;

• в каких сценариях конкурентное отставание сократилось;

• какие преимущества нейросеть связывает с каждым брендом;

• кто занял освободившиеся позиции, если компания исчезла из ответа.

3. Точность информации

• исправленные ошибки;

• новые неточности;

• устаревшие цены, продукты и страницы;

• стабильность правильного ответа в нескольких запусках.

4. Источники и страницы

• какие страницы сайта стали источниками;

• какие внешние площадки цитируются;

• что показывает Яндекс Вебмастер;

• что показывают генеративные отчеты Google Search Console;

• какие переходы появились из ChatGPT и других систем.

5. Сигналы бизнес-эффекта

• лиды, назвавшие AI источником знакомства;

• упоминания нейросетей в звонках и переписках;

• динамика брендового спроса;

• прямые заходы;

• конверсия измененных страниц.

Последняя группа требует самой осторожной интерпретации. Рост брендовых запросов после обновления страниц не доказывает причинную связь с GEO. Но если одновременно выросла AI-видимость, появились переходы и клиенты начали называть нейросеть источником, гипотеза получает более сильное подтверждение.

Структуру рабочего документа и набор таблиц можно взять из материала «Шаблон отчета по AI-видимости для маркетинговой команды».

Сильная презентация укладывается в пять управленческих слайдов

Полное исследование может занимать десятки страниц, но для встречи с руководителем его лучше свернуть до понятного минимума, а сырые данные предложить изучить отдельно при желании.

Слайд 1. Клиентский путь изменился

Покажите, на каком этапе появился AI-ответ и почему этот этап не полностью виден в обычной аналитике. Достаточно одной схемы и двух-трех проверенных цифр по рынку.

Слайд 2. Наш бренд представлен слабее конкурентов

Вынесите результаты пяти-десяти коммерчески значимых промптов: частоту упоминаний, роль бренда, конкурентов и критические ошибки. Не перегружайте слайд всеми 40 запросами.

Слайд 3. Проблема влияет на конкретные бизнес-задачи

Свяжите наблюдения с продуктом: новый тариф не виден, направление описано неверно, компания отсутствует при выборе подрядчика, устаревшие сведения противоречат рекламной кампании.

Слайд 4. Пилот ограничен по срокам и ресурсам

Покажите продукт, страницы, платформы, владельцев задач, бюджет и контрольную точку. Руководитель должен понимать, что именно он одобряет.

Слайд 5. Решение будет принято по заранее заданным метрикам

Перечислите показатели продолжения и остановки проекта. Например: исправление критических фактов, рост взвешенной видимости, появление целевых страниц в источниках и отсутствие ущерба для существующего SEO.

Финальная формулировка может звучать так:

Мы не предлагаем инвестировать в GEO только потому, что это новый тренд. Но по коммерчески значимым сценариям конкуренты появляются в AI-ответах систематически чаще, а часть сведений о нашем продукте уже устарела. Обычная аналитика не показывает весь этот этап выбора. Предлагаю ограниченный пилот: исправить приоритетные страницы и источники, повторить замер через установленный период и продолжать работу только при подтвержденной динамике.

GEO оправдано, когда риск подтвержден и измерим

Маркетологу не нужно доказывать, что каждая компания уже теряет продажи из-за нейросетей. Это слишком сильное утверждение, которое обычно невозможно подтвердить имеющимися данными.

Нужно ответить на три более практичных вопроса:

• Использует ли наша аудитория AI-поиск и диалоговые системы при выборе?

• Выпадает ли бренд из важных сценариев или получает неправильное описание?

• Можно ли проверить улучшение в ограниченном пилоте без риска для работающего SEO?

Если ответы положительные, у руководства появляется рациональная причина выделить ресурсы на устранение конкретной слепой зоны: компания должна понимать, как ее представляют пользователю еще до первого перехода на сайт.

Именно возвращение контроля над новым этапом клиентского выбора и должно стать первым результатом работ по GEO.

FAQ

Как понять, нужен ли компании GEO прямо сейчас?

GEO имеет смысл поставить в приоритет, если клиенты долго выбирают продукт, сравнивают несколько поставщиков, изучают отзывы или задают много вопросов до покупки. Еще один сигнал — конкуренты уже появляются в AI-ответах, а бренд отсутствует или описан неверно. Если аудитория гарантированно не использует или почти не использует поиск и нейросети при выборе, проект может оказаться менее срочным.

Можно ли начать GEO-пилот без участия разработчиков?

Первый этап можно провести силами маркетинга, SEO и редакции: собрать промпт-сет, проверить ответы, обновить ключевые страницы, карточки компании и внешние профили. Но технические ошибки, проблемы с индексированием, разметкой и доступом роботов без разработчиков исправить не получится.

Какой бюджет закладывать на первый GEO-пилот?

Универсальной суммы нет. Бюджет зависит от числа продуктов, страниц, рынков и платформ, а также от того, сколько работы потребуется с сайтом и внешними источниками. Для первого пилота разумнее ограничить охват: взять один продукт, несколько страниц и 20–40 промптов, а затем оценить стоимость масштабирования по фактическим результатам.

Как выбрать страницы для первого пилота?

Начинайте не с самых посещаемых страниц, а с тех, которые связаны с приоритетными сценариями выбора. Это могут быть страницы услуги, продукта, тарифа, сравнения или кейса. Хороший кандидат одновременно имеет коммерческую ценность, заметный спрос и конкретные пробелы, обнаруженные во время аудита.

Что считать неудачей GEO-пилота?

Относительной неудачей можно считать ситуацию, когда команда выполнила запланированные изменения, но видимость по приоритетным сценариям не выросла, фактические ошибки сохранились, а стоимость дальнейших работ оказалась несоразмерной потенциальной пользе. И все же такой результат тоже отчасти полезен: он показывает, что проект нужно пересобрать, сузить или остановить, а не бесконечно наращивать бюджет.

Читайте также:

Как запустить работу над видимостью в AI-ответах: план на 90 дней

Как оценить результаты SEO: метрики, отчеты и связь с продажами

От SEO к многослойной видимости: что бизнесу надо знать про AI-поиск