Я — Роман Ковалев, SEO-специалист и интернет-маркетолог с 2007 года, совладелец рекламного агентства «Ковалевы». Основатель образовательного проекта Digi Up и GEO-сервиса «Тунец», создатель экосистемы «Тукан», автор книги «Отстань от себя: руководство по построению личного бренда для умных и стеснительных».
Пользователь, который выбирает онлайн-курс, CRM и корпоративную IT-платформу, может обращаться к одним и тем же ChatGPT, Perplexity или AI-поиску. Но критерии выбора в этих трех случаях различаются.
В образовании сравнивают программу, преподавателей, формат и результаты обучения. В SaaS — функции, интеграции, тарифы и ограничения. В сложных IT-проектах к этому добавляются архитектура, безопасность, миграция, сроки внедрения и опыт подрядчика.
Отсюда различается и GEO-стратегия: семантика, контрольные промпты, структура сайта, типы контента и набор внешних источников зависят от того, как пользователь принимает решение в конкретной нише.
Разберу это на примерах трех кейсов из интернета: Rice Business, SaaS-сервиса Envybox и технологической компании Slalom.
Что остается общим для всех ниш
GEO, или Generative Engine Optimization, работает с тем, как бренд, продукт и его материалы представлены в генеративном поиске и ответах AI-систем.
Результат может проявляться по-разному: компания называется в ответе, официальный сайт используется как источник, продукт включается в подборку или сравнение, а экспертный материал цитируется при объяснении конкретного вопроса.
Базовые требования при этом схожи. Сайт должен нормально индексироваться, ключевая информация — быть доступной в текстовом виде, а сведения на собственных и внешних площадках — не противоречить друг другу.
Отраслевые различия.
| Критерий | Образование | SaaS | IT-проекты |
| Что выбирают | Курс, школу, программу | Сервис, платформу, подписку | Решение или подрядчика |
| Основной вопрос | Подойдет ли программа и даст ли нужный результат | Решит ли сервис конкретную задачу | Можно ли внедрить решение в существующую инфраструктуру |
| Критерии | Программа, преподаватели, практика, стоимость, результат | Функции, тарифы, интеграции, ограничения | Архитектура, безопасность, интеграции, внедрение, SLA |
| Доказательства | Эксперты, программа, результаты студентов | Документация, продуктовые страницы, кейсы, сравнения | Кейсы внедрения, документация, экспертиза команды, партнерства |
| Типичный риск | Много обещаний и мало доказательств | Неполная или устаревшая информация о продукте | Маркетинговые заявления без технической конкретики |
GEO для образовательных проектов: программа должна выдерживать сравнение
В образовании AI-поиск особенно заметен на раннем этапе выбора. Пользователь еще может не знать конкретную школу и формулирует запрос через задачу: где учиться на аналитика данных с нуля, какой курс Python подойдет новичку, где больше практики, какую MBA-программу можно совмещать с работой.
В таких сценариях образовательный проект конкурирует прежде всего за место среди рассматриваемых вариантов.
Что показал кейс Rice Business
Показательный пример — бизнес-школа Rice University.
В кейсе работа началась с AEO-аудита: оценивались AI-видимость школы, Share of Voice, цитирование, тональность ответов и техническая готовность сайта. Затем команда дорабатывала страницы программ, создавала FAQ-контент, устраняла структурные ограничения и расширяла материалы под приоритетные сценарии поиска будущих студентов.
За два месяца показатель AI-видимости, используемый в методике Carnegie, вырос на 49%, Rice Business заняла 1-е место по Share of Voice в своей конкурентной группе, число сессий из AI-поиска выросло на 70% год к году, а число целевых действий — на 300%.
Дорабатывалась информация, которая помогает будущему студенту сравнивать программы и принимать решение.
Что должно быть раскрыто на сайте образовательного проекта
Хорошая страница программы отвечает на практические вопросы без необходимости собирать информацию по нескольким разделам сайта.
Из нее должно быть понятно, кому подходит обучение и какие знания требуются на старте; какие модули, технологии и навыки входят в программу; сколько практики предусмотрено; кто преподает; что студент сможет делать после завершения курса и чем этот результат подтверждается.
Особенно важны страницы преподавателей. Карточка «эксперт с 10-летним опытом» почти не раскрывает компетенции. Полноценный профиль с компаниями, проектами, специализацией, публикациями и выступлениями создает проверяемую связь между экспертом и профессиональной областью.
То же касается результатов студентов. Формулировка вроде «тысячи успешных выпускников» не показывает, за счет чего программа дает результат и насколько он релевантен конкретному человеку.
Гораздо информативнее кейс, в котором показан путь студента: с каким опытом он пришел, какие практические задачи выполнял, какие навыки освоил и что изменилось после обучения — например, он сменил роль, получил повышение, собрал портфолио или начал применять новый навык в текущей работе.
Для потенциального студента это дает более реалистичное представление о результате. Для AI-систем — конкретные факты, связывающие программу с определенной аудиторией, навыками и карьерными сценариями.
GEO для SaaS: продукт нужно связать с задачами пользователя
У SaaS другая механика выбора. Пользователь часто начинает с конкретного требования: CRM для небольшого отдела продаж, онлайн-чат для сайта, сервис сбора заявок, CRM с Telegram, конструктор квизов без разработчика или российская альтернатива зарубежному продукту.
Поэтому одна общая страница «Возможности платформы» редко закрывает весь информационный спрос. Для разных сценариев нужны отдельные точки входа: функции, интеграции, тарифы, миграция, документация и материалы для разных сегментов клиентов.
Что показал GEO-эксперимент Envybox
Эту модель мы проверяли в собственном GEO-эксперименте Envybox. В мониторинг вошли 89 продуктовых и информационных промптов по пяти направлениям: лидогенерация и виджеты, квизы, онлайн-чаты, обратный звонок, CRM и автоматизация работы с заявками.
Задача состояла в том, чтобы оценить присутствие Envybox не только по названию бренда, но и в разных продуктовых категориях и сценариях выбора.
На стартовом замере бренд упоминался примерно по 20% промптов. После технического и аналитического аудита, подготовки 20 контентных ТЗ и запуска публикаций доля промптов с упоминанием Envybox выросла до 53% — 47 из 89. Домен envybox.io присутствовал среди источников по 42% промптов и занял второе место в выбранной конкурентной группе.
Какие страницы особенно важны для SaaS
Для функций и интеграций имеет смысл создавать отдельные индексируемые страницы, если они соответствуют самостоятельному пользовательскому спросу. Например, запрос «CRM с Telegram» гораздо конкретнее «лучшая CRM»: интеграция здесь становится обязательным критерием выбора.
Тарифные страницы должны раскрывать не только названия пакетов, но и число пользователей, доступные функции, лимиты, тестовый период и дополнительные платежи.
Для технической аудитории критична документация. Факт наличия API мало полезен без информации о доступных методах, авторизации и ограничениях.
Отдельный сценарий — миграция с другого продукта. Пользователь хочет знать, какие данные можно перенести, сколько занимает переход и что придется настраивать заново. Такие вопросы возникают непосредственно перед сменой сервиса и заслуживают отдельных материалов.
Почему SaaS нужны сравнения
В SaaS регулярно возникают запросы «X или Y», «аналоги X», «чем отличается X от Y», «что подойдет небольшой компании». На этом этапе пользователь уже сократил рынок до нескольких вариантов и ищет критерии для финального сравнения.
Полезный материал показывает, для каких компаний предназначены продукты, чем отличаются их функции и интеграции, как устроены тарифы, насколько сложен запуск и какие ограничения есть у каждого решения.
Если собственный сервис выигрывает буквально по каждому параметру, сравнение быстро превращается в рекламную страницу. Более убедительно обозначить случаи, когда один продукт сильнее в определенном сценарии, а другой лучше подходит для другой задачи.
Именно конкретные критерии дают достаточно материала для аргументированного сравнения — как пользователю, так и AI-системе.
GEO для IT-проектов: чем выше цена ошибки, тем важнее доказательства
В сложном B2B IT одно решение могут оценивать сразу несколько участников: бизнес, IT-команда, архитекторы, информационная безопасность, закупки и финансовый блок.
Поэтому информационный спрос выходит далеко за пределы функций продукта. Заказчику нужны данные об архитектуре, совместимости, безопасности, внедрении и дальнейшей эксплуатации.
Как AI встраивается в B2B-выбор
Опрос Gartner среди 645 B2B-покупателей показал, что 45% использовали GenAI во время недавней покупки — прежде всего для изучения поставщиков и продуктов. При этом 69% предпочитали проверять полученную через AI информацию у представителей продавца.
Для IT-компании это разделяет процесс на два этапа. Сначала поставщик должен попасть в поле рассмотрения. Затем заказчик проверяет, есть ли у него опыт аналогичных проектов, поддерживает ли решение нужный технологический стек, как проходит интеграция, где хранятся данные, какие существуют ограничения и кто отвечает за поддержку после запуска.
Поэтому в сложном B2B IT качество открытой доказательной базы напрямую влияет на то, насколько убедительно компания может быть представлена еще до первого контакта с отделом продаж.
Какой контент особенно важен IT-компании
Наибольшую ценность имеют материалы, которые уменьшают неопределенность перед внедрением.
Фраза «внедрили платформу крупной компании» почти ничего не говорит о компетенции подрядчика. Гораздо информативнее описать исходную инфраструктуру клиента, ограничения проекта, архитектуру решения, этапы миграции, сроки и проблемы, которые пришлось решать по ходу внедрения.
Такой кейс связывает компанию с конкретным классом задач: интеграцией с определенной ERP, миграцией большого массива данных, работой в распределенной инфраструктуре или выполнением требований информационной безопасности.
Техническая документация закрывает другой уровень проверки: какие интеграции поддерживаются, как устроен API, какие есть системные требования, варианты развертывания и ограничения.
Для части проектов самостоятельными точками входа становятся материалы по безопасности, миграции, SLA и сопровождению. Они редко помещаются на основную коммерческую страницу, но существенно влияют на решение корпоративного заказчика.
Практический пример: Slalom
Показателен опыт технологической и консалтинговой компании Slalom. По данным Adobe, команда Slalom добилась до 100% видимости контента на более чем 100 страницах и увеличила количество AI-цитирований в 10 раз. То есть результат оценивался не на одной посадочной странице, а на массиве из 100+ страниц.
Для сложной IT-компании это характерная ситуация: информационное поле состоит из продуктовых страниц, отраслевых решений, кейсов, экспертных материалов и документации. Результат зависит от согласованности этого массива и от того, насколько четко он подтверждает реальные компетенции компании.
Внешние источники: для каждой ниши свой контур доверия
Собственный сайт остается базовым источником информации, но AI-системы опираются и на независимые площадки. Их роль различается в зависимости от отрасли.
Образование. Внешние источники могут подтверждать качество программы и экспертизу преподавателей: профессиональные публикации, образовательные каталоги, рейтинги, отзывы, выступления и упоминания экспертов.
SaaS. Обзоры, каталоги ПО, рейтинги, партнерские страницы и сайты интеграторов помогают сопоставлять функции, тарифы, интеграции и ограничения нескольких решений.
IT. Технологические СМИ, сайты вендоров и партнеров, отраслевые ассоциации, конференции, исследования и профессиональные сообщества подтверждают технологическую экспертизу и опыт реализации сложных проектов.
При этом значение имеет не сам факт публикации на известной площадке, а ее релевантность конкретной тематике и фактическое использование AI-системами по нужным запросам.
В эксперименте Envybox при выборе внешних ресурсов мы отдельно анализировали, какие домены уже встречаются среди AI-источников по целевой продуктовой семантике. Такой подход позволяет оценивать площадку не только по трафику или известности, но и по ее роли в информационной среде, на которую опираются нейроответы.
Почему GEO нельзя оценивать только по переходам
Переходы из ChatGPT, Perplexity и других AI-сервисов — полезный, но неполный показатель.
Пользователь может получить список решений внутри ответа, запомнить несколько брендов, а затем перейти на сайт через Яндекс, Google или напрямую. В аналитике такой визит уже не будет связан с первоначальным контактом в AI.
Поэтому прямой AI-трафик имеет смысл оценивать вместе с упоминанием бренда в ответах, использованием официального домена среди источников, Share of Voice относительно конкурентов и корректностью фактов о продукте.
Как строить GEO с учетом специфики ниши
Рабочий цикл можно свести к пяти этапам:
- Собрать реальные сценарии выбора. Зафиксировать вопросы пользователя от первичного поиска категории до проверки условий перед покупкой.
- Скомпоновать в семантическое ядро. Объединить собранные вопросы в тематические группы и зафиксировать стабильный пул запросов для дальнейшего анализа и мониторинга.
- Провести исходный замер. Проверить упоминание бренда, конкурентов, используемые источники и корректность информации в нескольких AI-системах.
- Найти конкретные информационные пробелы. Определить, какой информации не хватает для полноценного представления продукта.
- Доработать нужные точки. Это может быть существующая страница, новый раздел, профиль эксперта, кейс, документация, FAQ или внешний источник. Новая статья — только один из возможных форматов.
- Повторить тот же замер. Сравнить изменения по исходному пулу промптов; если набор запросов постоянно менять, динамику корректно оценить не получится.
GEO в этом смысле дополняет SEO, PR и контент-маркетинг еще одним уровнем контроля: по каким сценариям компания попадает в поле выбора, какие аргументы используются при ее описании и достаточно ли открытых данных, чтобы бренд можно было корректно сопоставить с запросом пользователя.