GEO-продвижение: почему попасть в ответ нейросети недостаточно

Основатель и руководитель агентства поискового маркетинга Head Promo Владимир Назаров разобрал на Habr, почему в GEO-продвижении факт упоминания бренда в ответе нейросети ещё не означает успеха. Его тезис: компания может регулярно появляться в ответах ChatGPT, Алисы и Perplexity и при этом проигрывать конкурентам, потому что ИИ отводит ей второстепенную роль.

Первый пример — запрос к Perplexity от 11 сентября: «порекомендуй надёжный бренд китайских авто». Единоличное преимущество нейросеть отдала Chery. Марки GAC, FAW и Jetour в ответе тоже присутствовали, но в контексте прямого сравнения не в их пользу. Про FAW Hongqi Perplexity написала, что это премиальное подразделение FAW с уровнем надёжности, близким к Chery (186 PP100), но с более узкой модельной линейкой и потенциально слабой дилерской сетью в некоторых регионах. Про GAC Trumpchi — что у него те же 186 PP100, но в СНГ и Европе он представлен уже, чем Chery. Формально бренды упомянуты, фактически — не рекомендованы.

Второй пример — Алиса, тот же день, запрос «Хочу пройти чекап, посоветуй клинику в Казани». Клиника «АМ Медика» получила подробное описание с рассрочкой, рейтингом, количеством отзывов, разными уровнями программ и «самым широким выбором программ чекапа». «Казанская клиника» удостоилась стандартной формулировки с упоминанием рейтинга и удобного графика. Обе компании в ответе есть, но наилучшим вариантом выглядит только одна.

Из этих примеров Назаров выводит понятие «качество присутствия бренда в ответе» и предлагает шкалу из пяти уровней: простое упоминание; присутствие в качестве вторичной альтернативы; рекомендация с конкретными аргументами; основная рекомендация; позиция лидера или ориентира, с которым сравнивают остальных. Отдельно он выделяет случаи, когда бренд упоминается с негативными оговорками, устаревшими или ошибочными фактами, либо когда нейросеть путает продукт, регион или условия и ссылается на нерелевантный источник.

Отсюда — набор параметров для GEO-мониторинга: на каких позициях бренд находится, какую роль ему отводит нейросеть, рядом с какими конкурентами он упоминается, какими преимуществами объясняется выбор, есть ли в ответах ошибки и искажения, какова тональность и какие источники используются. Именно это, по мнению автора, отличает зрелый GEO-подход от простого мониторинга упоминаний.

На смыслы в ответах ИИ можно влиять, и логика здесь простая: нейросети берут описание компании и её преимущества с определённых ресурсов. В примере с Google ИИ от 11 сентября на запрос «Надёжные транспортные компании» в ответ попала ТК Кит — как крупнейший оператор сборных грузов с фиксированными тарифами. Среди источников ответа указан Adpass, где нашлась ровно эта информация: специализация на сборных грузах и акцент на фиксированной цене. Задача компании — транслировать те преимущества и расставлять те акценты, которые она хочет видеть в ответах нейросети.

Сложнее с крупными компаниями, у которых накоплен большой объём упоминаний за годы. Назаров приводит пример рекламного агентства, которое специализировалось на работе с международными брендами и продвижении в странах ЕС, — после 2022 года такое позиционирование для российского агентства стало невыгодным, но нейросети продолжают его транслировать. Решение — планомерно корректировать информацию везде, докуда дотянутся руки: карты, справочники, каталоги, профили на отзовиках, экспертные статьи, обновляя заодно актуальность и даты, и параллельно создавать новые материалы и регистрироваться на новых площадках.

Дальше начинается маркетинговая часть: изучить, что ИИ говорит о конкурентах, и на этом фоне выделить свои сильные стороны. В качестве иллюстрации автор приводит гипотетического конкурента с широкой сетью филиалов по России, гарантией 2 года и ценами от 3000 рублей — то есть набором конкретных атрибутов, которые можно сравнить со своими и использовать как основу для корректировки описаний.