AEO и GEO: оптимизация под генеративные поисковики и Answer Engines
В классическом SEO успех измерялся позицией сайта в выдаче и количеством переходов. Чем выше место в списке десяти ссылок, тем больше трафика. Эта модель работала двадцать лет и казалась незыблемой. Но в 2023–2024 годах в поиск массово пришли генеративные ИИ-ответы: Google AI Overviews, Яндекс Нейро, ChatGPT с веб-поиском, Perplexity, You.com. Пользователь всё чаще получает ответ непосредственно в выдаче, не переходя ни на один сайт.
Эта смена парадигмы породила новую дисциплину — AEO (Answer Engine Optimization) или GEO (Generative Engine Optimization). Цель уже не «попасть в топ-10», а «стать источником, который цитируется в ИИ-ответе». Это не замена классического SEO, а его расширение под новую реальность. Разбираем, как устроены ИИ-генеративные ответы, как сайты попадают в них как источники, какие техники оптимизации работают и как измерять успех в эпоху, когда клики становятся менее представительной метрикой.
Что такое AEO и GEO
AEO (Answer Engine Optimization) — оптимизация контента под ответные системы: голосовые ассистенты, генеративные поисковики, чат-боты с поиском. Цель — попасть в прямой ответ системы пользователю, а не в список ссылок.
GEO (Generative Engine Optimization) — более узкое и современное понятие, специфичное для генеративных ИИ-систем (AI Overviews, ChatGPT, Perplexity). Фокус — на том, чтобы контент сайта использовался языковой моделью при формировании ответа и (в идеале) цитировался с указанием источника.
На практике AEO и GEO часто используются как синонимы, хотя в строгом смысле AEO шире (включает featured snippets, knowledge panels, voice assistants), а GEO узко фокусируется на генеративных системах. Оба термина — относительно молодые, единая терминология ещё формируется.
| Дисциплина | Цель | Где работает |
|---|---|---|
| Classic SEO | Высокие позиции в списке выдачи | Органическая выдача поисковиков |
| AEO | Попадание в прямые ответы | Featured snippets, voice search, knowledge panels |
| GEO | Цитирование в генеративных ответах | Google AI Overviews, ChatGPT, Perplexity, Яндекс Нейро |
| LLM-O (LLM Optimization) | Влияние на ответы LLM в принципе | Все системы, использующие LLM в ответах |
Как генеративные поисковики формируют ответы
Чтобы оптимизировать под генеративные системы, нужно понимать, как они работают изнутри.
Стандартный процесс генеративного ответа: пользователь задаёт вопрос; система определяет интент (информационный, навигационный, коммерческий); запускает поиск релевантных страниц через свой индекс или внешние поисковики; передаёт top-N найденных страниц (или их частей) в языковую модель; модель формирует ответ на основе этих данных; ответ возвращается пользователю с цитированием источников.
Этот процесс — фактически RAG-система (Retrieval Augmented Generation) промышленного масштаба. Для попадания в ответ страница должна: пройти первичный retrieval (быть найденной по запросу), попасть в top-N кандидатов передаваемых в модель, быть выбранной моделью как источник для конкретных утверждений в ответе.
Каждый из этих этапов — отдельная задача оптимизации. Если страница вообще не индексируется или плохо ранжируется по запросу — она не пройдёт retrieval. Если содержание непонятно или фрагментировано — модель не возьмёт из неё информацию. Если структура сложна для парсинга — модель сошлётся на другие источники с такой же информацией, но лучше структурированной.
Факторы, влияющие на цитирование
За два года наблюдений сформировалось понимание факторов, повышающих вероятность цитирования сайта в ИИ-ответах. Не все они подтверждены официально, но эмпирические наблюдения дают рабочую модель.
Топовые позиции в традиционной выдаче. Генеративные системы первично берут страницы из топа классической выдачи. Без хорошего SEO попадание в ИИ-ответы крайне маловероятно. Это означает, что классический SEO остаётся фундаментом, на котором надстраивается GEO.
Чёткие, прямые ответы в тексте. Страницы со структурированными ответами на вопросы — формат «вопрос → краткий ответ → детализация» — цитируются чаще, чем страницы с размытыми или растянутыми изложениями.
Авторитетность источника. E-E-A-T-факторы (Experience, Expertise, Authoritativeness, Trustworthiness) важны для генеративных систем не меньше, чем для классического ранжирования. Контент от признанных экспертов или с авторитетных сайтов получает приоритет.
Свежесть информации. На вопросах, где актуальность важна (новости, статистика, технологические тренды), системы предпочитают свежие источники. Старые статьи с устаревшими данными цитируются реже.
Структурированные данные. Markup через Schema.org помогает системам понимать структуру контента и извлекать нужную информацию. FAQ-разметка особенно полезна для попадания в Q&A-ответы.
| Фактор | Влияние на цитирование |
|---|---|
| Топовая позиция в классической выдаче | Очень высокое |
| Чёткая структура «вопрос → ответ» | Высокое |
| E-E-A-T сигналы | Высокое |
| Свежесть контента | Высокое для time-sensitive тем |
| Schema.org разметка | Среднее, помогает парсингу |
| Качество прозы (читаемость) | Среднее |
| Внутренняя перелинковка | Среднее |
| Backlinks с авторитетных сайтов | Среднее |
Структура контента для AEO
Контент, оптимизированный под AEO, имеет специфическую структуру, отличающуюся от классического SEO-формата.
Inverted pyramid. Самая важная информация — в начале статьи. Прямой ответ на вопрос — в первом абзаце после заголовка. Детализация, контекст, нюансы — ниже. Этот формат давно используется в журналистике; для AEO он становится критичен, потому что языковые модели часто берут содержимое верхней части статьи как наиболее релевантное.
Q&A блоки. Раздел с вопросами и ответами в формате h2 (или h3) с вопросом и абзацем-ответом. Особенно эффективен с FAQ Schema разметкой. Языковые модели легко извлекают такие блоки и могут цитировать их в своих ответах.
Чёткие определения. Если статья объясняет понятие, первый абзац — точное определение. Не размытое «это важная концепция в современном бизнесе», а «AEO — это оптимизация контента под ответные системы вроде голосовых ассистентов и генеративных поисковиков».
Таблицы для сравнений. Структурированные сравнения через таблицы хорошо извлекаются моделями и часто становятся основой ответов на запросы «X vs Y».
Bullet lists для перечислений. Списки преимуществ, шагов, факторов — формат, легко извлекаемый и цитируемый.
Главное правило AEO — каждый раздел должен отвечать на конкретный вопрос пользователя, чётко и ясно. Размытая проза в стиле эссе плохо работает; структурированные ответы на узкие вопросы — отлично.
Длина и глубина ответов
Парадоксальное наблюдение: для AEO работает и краткость, и глубина одновременно — но в разных частях статьи.
На уровне отдельных ответов работает краткость. Прямой ответ на вопрос в одном-двух предложениях — формат, который генеративные модели любят цитировать. Длинные размышления реже попадают в ответы целиком.
На уровне статьи как единого материала работает глубина. Подробные материалы с покрытием темы со всех сторон демонстрируют экспертизу автора. Они ранжируются выше в классическом SEO (что критично для попадания в кандидаты для retrieval) и часто служат источниками для ИИ-ответов.
Оптимальный формат — длинная статья (3000–7000 слов) со структурированными короткими ответами на конкретные вопросы внутри. Лучшее из двух миров: глубина для авторитета, краткость для извлекаемости.
Schema.org и микроразметка
Структурированные данные — важный инструмент AEO. Они помогают системам понимать, что именно содержит страница, и облегчают извлечение информации.
- FAQPage: разметка для разделов с вопросами и ответами
- HowTo: инструкции с шагами
- Article и NewsArticle: статьи с метаданными автора, даты, темы
- Product и Review: карточки товаров с характеристиками
- Organization: информация о компании, сигнал для knowledge panel
- Person: информация об авторах, важна для E-E-A-T
- BreadcrumbList: навигационная структура сайта
- Speakable: отдельная разметка для оптимизации под voice search
В 2026 году роль некоторых типов разметки изменилась. FAQ-разметка раньше давала Rich Results в выдаче, сейчас Google ограничил эту функцию — но семантическая ценность для AEO осталась. Schema продолжает помогать пониманию контента системами, даже если визуально на странице выдачи это не выражается.
Цитирование и атрибуция
Цитирование источников в генеративных ответах — главная мотивация для занятий AEO. Если сайт цитируется в ответе ChatGPT или Perplexity, это даёт несколько преимуществ: упоминание бренда перед миллионами пользователей, иногда трафик через клик по ссылке источника, повышение узнаваемости и доверия.
Доля кликов на источники из ИИ-ответов сильно зависит от системы и интерфейса. В Perplexity, где источники видны явно с превью, конверсия в клик заметно выше. В Google AI Overviews источники видны менее явно, и конверсия ниже. В ChatGPT клик из ответа в источник — редкость, но упоминание само по себе ценно для бренда.
Стоит учитывать: даже без клика упоминание в ИИ-ответе работает на бренд. Пользователь, увидевший название компании или сайта в авторитетном контексте, запоминает его. Через какое-то время, когда возникнет специфическая потребность, бренд может быть выбран по узнаваемости. Это похоже на классический PR-эффект, но в новом канале.
Мониторинг присутствия в ИИ-ответах
Главная проблема AEO — сложность отслеживания результатов. В классическом SEO позиции и CTR измеряются через Search Console; здесь стандартизированных инструментов пока нет.
Несколько подходов к мониторингу. Ручная проверка ключевых запросов — задать целевые запросы в Google, ChatGPT, Perplexity, Яндекс Нейро и записать, цитируется ли сайт. Простой, не масштабируется, но даёт точную картину для приоритетных запросов.
Специализированные инструменты — сервисы вроде Otterly, Profound, AthenaHQ, Peec.ai появились специально для отслеживания упоминаний бренда в ИИ-ответах. Они автоматизируют опрос разных AI-систем по списку запросов и собирают статистику цитирований. Эта индустрия молода и быстро развивается, инструменты совершенствуются.
Анализ изменений трафика. Если AI Overviews активно показываются по информационным запросам, классический трафик из Google по этим запросам падает. Параллельно может расти трафик из других источников (прямые заходы, brand search). Сравнение этих трендов даёт косвенную оценку влияния ИИ-ответов на бизнес.
Метрики успеха AEO
Стандартные SEO-метрики (позиции, клики, CTR) недостаточны для оценки AEO. Нужны новые метрики.
| Метрика | Что измеряет |
|---|---|
| Share of Voice в AI-ответах | Доля запросов, по которым бренд упомянут |
| Citation count | Сколько раз бренд цитируется в ответах разных систем |
| Sentiment в AI-mentions | Позитивный или нейтральный контекст упоминаний |
| Brand-search lift | Рост запросов по бренду после увеличения AI-цитирований |
| Reference-rate | Доля ответов, ссылающихся на сайт явно |
| Direct traffic increase | Рост прямого трафика как косвенный эффект упоминаний |
Эти метрики ещё не стандартизированы, разные команды используют разные определения. Но направление развития ясно: индустрия движется к измерению brand-присутствия в AI-выдаче параллельно с классическими SEO-метриками.
llms.txt: эмерджентный стандарт
В 2024 году появилось предложение стандарта llms.txt — текстового файла в корне сайта, описывающего его содержание в формате, удобном для языковых моделей. Аналог robots.txt, но для LLM. Файл может содержать структурированный обзор страниц сайта, краткие описания, ссылки на основные материалы.
llms.txt пока не получил всеобщей поддержки от ИИ-систем. Anthropic упомянули его как полезный сигнал, OpenAI и Google пока официальной позиции не выразили. Но многие сайты начали добавлять его «на всякий случай» — стоимость минимальна, потенциальная выгода может быть значимой.
Параллельно развиваются стандарты управления доступом ИИ к контенту. OAI-SearchBot, ClaudeBot, Google-Extended — отдельные user-agent’ы для AI-краулеров. Сайты могут разрешать или блокировать их через robots.txt, выбирая, кого допускать к своему контенту.
Голосовой поиск как часть AEO
Голосовые ассистенты (Siri, Google Assistant, Alexa, Алиса) исторически были основой AEO до появления генеративных систем. Они тоже формируют ответ как один источник, не список ссылок. Оптимизация под голосовой поиск во многом совпадает с оптимизацией под генеративные системы.
Особенности voice search: разговорные запросы (длиннее, чем текстовые); фокус на локальных запросах («рядом со мной»); прямые вопросительные формы («сколько», «когда», «где»); важность featured snippet — часто именно его читает ассистент в ответ.
В 2026 году голосовой поиск менее активно растёт, чем прогнозировалось 5–7 лет назад, но остаётся значимой нишей особенно для локальных бизнесов и мобильного использования. Зрелые SEO-стратегии включают оптимизацию под voice как один из элементов.
Разные генеративные системы — разные особенности
Не все генеративные поисковики работают одинаково. Каждый имеет свои особенности, которые стоит понимать при оптимизации.
Google AI Overviews — крепкая интеграция с классическим поиском Google. Источники для ответов берутся в основном из топа выдачи Google. Оптимизация почти полностью пересекается с классическим SEO: то, что хорошо ранжируется, цитируется в AI Overviews.
Perplexity — самая «прозрачная» в источниках: каждое утверждение в ответе явно ссылается на источник. Цитирует чаще авторитетные сайты со свежим контентом. Имеет собственный краулер для индексирования контента.
ChatGPT с веб-поиском — комбинирует данные из обучения и свежий поиск через партнёрский поисковик. Поведение менее предсказуемо: иногда использует свежие источники, иногда полагается на знания из обучения. Цитирует источники, но менее системно, чем Perplexity.
Яндекс Нейро — нативная интеграция с Яндекс Поиском. Источники берутся из российского сегмента интернета преимущественно. Оптимизация под Нейро во многом дублирует оптимизацию под классический Яндекс.
Часто задаваемые вопросы
Заменит ли AEO классический SEO?
Не заменит, а расширит. Классический SEO остаётся фундаментом — без него попадание в ИИ-ответы крайне маловероятно. AEO — надстройка над классическим SEO, с дополнительной оптимизацией под извлекаемость и цитирование. Команды, отказавшиеся от классического SEO ради «нового AEO», теряют и в традиционном трафике, и в AI-присутствии.
Стоит ли блокировать AI-краулеров через robots.txt?
Зависит от бизнес-стратегии. Блокировка защищает контент от использования AI без компенсации, но также отрезает от попадания в AI-ответы — а это растущий источник упоминаний и бренда. Большинство сайтов, ориентирующихся на B2C-аудиторию, разрешают AI-краулеры. Сайты с уникальным платным контентом (медиа, исследования) могут блокировать или ограничивать селективно.
Что важнее в 2026 — оптимизация под Google или под ChatGPT?
Зависит от ниши и аудитории. Для большинства бизнесов Google пока даёт больше трафика, и оптимизация под него остаётся приоритетом. ChatGPT, Perplexity и другие генеративные поисковики дают меньше прямого трафика, но растут быстро и важны для бренда. Зрелая стратегия учитывает оба направления одновременно.
Как часто менять контент, чтобы попадать в AI-ответы?
Зависит от темы. Для evergreen-контента — обновление раз в полгода-год для актуализации фактов и сохранения свежести. Для time-sensitive тем (новости, тренды, технологии) — гораздо чаще, иногда еженедельно. Системы предпочитают свежие источники по этим темам, и устаревший контент быстро вытесняется.
Помогают ли FAQ Schema, если Google больше не показывает FAQ в выдаче?
Семантически — да, помогают. Schema даёт системам понимание структуры контента, что важно для извлечения информации в генеративных ответах, даже если визуально в SERP не выражено. Снятие FAQ Rich Results не означает, что разметка стала бесполезной для AEO.
Как измерить ROI инвестиций в AEO?
Сложно через прямые метрики. Косвенные сигналы: рост brand search в Google Trends, рост прямого трафика, упоминания в AI-ответах через специализированные инструменты, общая узнаваемость бренда через опросы. Полный ROI обычно непрямой — через долгосрочный рост узнаваемости и доверия, не через быстрые конверсии.
Заключение
AEO и GEO — не просто новые модные термины, а реальная адаптация SEO-индустрии к фундаментальному сдвигу в способе доставки информации пользователю. Когда генеративные ответы становятся всё более распространёнными в поисковых интерфейсах, классическая модель «попасть в топ-10 ссылок и собирать клики» перестаёт быть единственной картой успеха.
Зрелая стратегия 2026 года работает на двух направлениях одновременно. Классический SEO для трафика из стандартной выдачи и одновременно как фундамент попадания в AI-ответы. AEO/GEO как надстройка с оптимизацией под извлекаемость, цитирование, бренд-присутствие в новых форматах. Эти направления не конкурируют, а дополняют друг друга. Команды, понимающие это, инвестируют в оба, получая лучшие результаты в обоих измерениях.
В ближайшие 2–3 года направление AEO/GEO будет активно развиваться. Появятся новые стандарты вроде llms.txt, стандартизируются метрики измерения присутствия в AI, выработаются лучшие практики оптимизации. Те, кто начнёт сейчас, накопят опыт и инфраструктуру быстрее конкурентов. Это редкая возможность — поучаствовать в становлении новой дисциплины с самого начала, как делали SEO-специалисты в нулевых.