Что такое GEO продвижение
GEO продвижение, или Generative Engine Optimization, это оптимизация сайта и контента под цитирование в ответах нейросетей: Алисы, ChatGPT, Perplexity и AI Overviews в Google. Цель понятна из названия: когда покупатель спрашивает у модели, какой жилой комплекс выбрать в его городе и бюджете, среди упомянутых брендов должен оказаться ваш. Термин появился в 2023 году вместе с академическим исследованием, а к 2026 оптимизация под ИИ-поиск стала отдельной строкой в бюджетах маркетинга: западные бренды уже выделяют на неё заметную долю того, что раньше целиком уходило в классическое SEO. Русскоязычная среда движется тем же маршрутом с задержкой в год-полтора: Яндекс встроил генеративные ответы в поиск, и та же логика цитирования работает теперь на главном источнике трафика для недвижимости.
Для застройщика это вопрос присутствия на новом этаже воронки. Выбор квартиры растягивается на три-шесть месяцев и состоит из десятков вопросов: какой район растёт, кому из застройщиков доверять, что выбрать между двумя конкретными ЖК. Часть этих вопросов человек уже задаёт нейросети, и она отвечает коротким списком из трёх-пяти названий с пояснениями. Если вашего проекта в этом списке нет, вы проигрываете этап выбора ещё до того, как покупатель дошёл до поисковой выдачи и вашей рекламы. Причём проигрываете молча: в отчётах этот несостоявшийся контакт никак не виден. Стоимость лида в кабинете остаётся прежней, охваты прежними, а верх воронки тихо перетекает в канал, где вас нет. Именно поэтому GEO стоит рассматривать вместе со сквозной аналитикой: обе дисциплины возвращают маркетингу видимость там, где раньше была слепая зона.
Почему покупатели спрашивают у Алисы и ChatGPT
Покупатели уходят в нейросети за готовым ответом: вместо десяти ссылок из выдачи Алиса, ChatGPT или Perplexity сравнивают районы, застройщиков и конкретные ЖК прямо в диалоге. Недельная аудитория ChatGPT к 2026 году измеряется сотнями миллионов человек, Алиса живёт в колонках и телефонах десятков миллионов россиян. Продвижение в Алисе и ChatGPT перестало быть экзотикой: это ответ на то, куда физически переместилась часть вопросов о покупке жилья. Человек, который раньше открывал поисковик и три портала недвижимости, теперь ведёт один длинный диалог и приходит на сайт уже с коротким списком. Типичные вопросы легко представить: «стоит ли покупать квартиру в этом районе», «надёжен ли застройщик N», «сравни эти два ЖК по цене за метр и срокам сдачи». На каждый из них модель отвечает конкретными названиями и аргументами, которые где-то взяла.
Доля ИИ-источников в трафике сайтов недвижимости пока скромная: по разным оценкам от одного до трёх процентов переходов, в зависимости от сегмента и региона. Важна динамика: год к году эта доля растёт кратно, а конвертируется такой трафик заметно лучше поискового, потому что человек приходит уже после сравнения, с готовым мнением. Директора по маркетингу задают моделям свои вопросы: кого позвать на аудит, какие бенчмарки стоимости лида считать нормой, как мы разбирали в статье о цене заявки по сегментам. Застройщик, которого нейросети рекомендуют, выигрывает оба разговора: и с покупателем, и с B2B-заказчиком. Пропорции по сегментам различаются: в премиуме и у зарубежной недвижимости доля таких клиентов выше, потому что аудитория раньше осваивает новые инструменты и дольше сравнивает варианты перед сделкой.
Чем GEO отличается от SEO и что у них общего
GEO отличается от SEO единицей результата: классический поиск борется за позицию в выдаче и клик, оптимизация под ИИ-поиск за упоминание и цитату внутри ответа модели. Общего при этом больше, чем различий: обе дисциплины стоят на качественном контенте, технической доступности сайта и авторитете бренда. Сайт, который хорошо ранжируется в Яндексе и Google, уже прошёл половину пути к цитированию в нейросетях, потому что модели опираются на те же индексы и те же сигналы качества. Поэтому противопоставлять дисциплины бессмысленно: GEO разумнее описывать как надстройку над SEO, которая добавляет к привычной работе несколько новых требований к структуре текста и технической обвязке сайта.
Разница проявляется в деталях. Модель собирает ответ из фрагментов, поэтому цитируемость отдельного абзаца важнее позиции страницы целиком. Часть ответов обходится без перехода на сайт, поэтому упоминание бренда работает даже без клика и трафика. Внешние площадки весят больше: нейросеть охотнее доверяет застройщику, о котором пишут отраслевые СМИ, VC и Хабр, чем сайту, который рассказывает о себе сам. И горизонт другой: позиции в поиске можно двигать месяцами точечных правок, а знание модели о бренде обновляется вместе с переобходом краулеров и выходом новых версий, поэтому работа идёт на опережение. Измерение тоже устроено иначе: вместо позиций и кликов вы отслеживаете долю ответов, где бренд упомянут, тональность упоминания и точность фактов, которые модель о вас пересказывает.
Что влияет на попадание в ответы нейросетей
В ответы нейросетей чаще попадает контент, который отвечает на вопрос прямо в первом абзаце, содержит конкретные цифры и подкреплён упоминаниями бренда на внешних площадках. Исследование Generative Engine Optimization показало, что добавление статистики, цитат экспертов и ссылок на источники поднимает видимость страницы в ответах моделей на 30-40 процентов. Вода работает в обратную сторону: абстрактные тексты о комфортной среде и уникальной архитектуре модель пересказывать не станет, ей нечего оттуда взять. Страница с фразой «квартиры от 12,5 миллиона, сдача во втором квартале 2027, ипотека от шести процентов» имеет в ответах кратно больше шансов, чем страница о философии жизни у воды.
Практический список факторов выглядит так. Заголовок страницы формулируется как вопрос покупателя, первый абзац даёт самодостаточный ответ в два-три предложения. FAQ-блоки и разметка schema.org помогают модели вытащить факты: цены, сроки сдачи, класс жилья, ипотечные программы. Таблицы и списки цитируются охотнее сплошного текста. Свежая дата обновления повышает шанс попасть в ответ на вопрос со словом «сейчас». Отдельный пласт: упоминания на внешних площадках, от отраслевых СМИ до порталов недвижимости, которые модель воспринимает как независимое подтверждение, что застройщик существует, строит и сдаёт в срок. Для регионального девелопера достижимая планка: три-пять содержательных публикаций в квартал, с цифрами проекта и комментарием первого лица, на площадках, которые уже находятся в индексах и обучающих выборках моделей.
llms.txt, markdown-версии и доступ ИИ-краулеров
llms.txt это текстовый файл в корне сайта, который описывает ресурс на удобном для языковых моделей языке: короткое описание проекта и список ключевых страниц в формате markdown. Вместе с markdown-версиями самих страниц он удешевляет чтение сайта для модели: вместо тяжёлого HTML со скриптами и стилями она получает чистый структурированный текст. Для сайта ЖК это означает, что цены, сроки и планировки доезжают до модели без потерь, которые неизбежны при разборе сложной вёрстки. Формат предложили в 2024 году, и с тех пор его поддержка расширяется: файл читают агенты и поисковые краулеры части моделей, а инструменты генерации llms.txt встроены в популярные CMS и фреймворки.
Вторая часть технической базы это доступ краулеров. Проверьте robots.txt: GPTBot, ClaudeBot, PerplexityBot и YandexBot не должны быть закрыты. Сайты застройщиков нередко блокируют их вслед за агрессивными парсерами цен, а потом удивляются, почему бренд невидим в ответах. Третья часть: schema.org, разметка Organization, FAQPage и карточек проектов, которая отдаёт модели факты в структурированном виде. Честная оговорка: llms.txt пока конвенция, и читают его не все системы. Но внедрение занимает часы, стоимость близка к нулю, а полезность растёт с каждым новым релизом моделей и краулеров. В нише, где почти никто из конкурентов этого ещё не сделал, ранний шаг даёт непропорционально большое преимущество.
Как проверить, видят ли нейросети ваш ЖК
Проверка начинается с прямого вопроса. Спросите у трёх-четырёх нейросетей: у Алисы, ChatGPT с включённым поиском, Perplexity и Google с AI Overviews, какие ЖК они порекомендуют в вашем городе и сегменте и что вообще знают о вашем застройщике. Если бренда нет в ответах, если модель путает вас с конкурентом или цитирует данные двухлетней давности, фронт работ определён. Такой замер занимает час и даёт больше, чем неделя теоретических обсуждений. Полезно задавать вопросы так, как их формулирует покупатель, без названия бренда: «какой ЖК бизнес-класса выбрать рядом с метро», «у кого из застройщиков города не было переносов сроков». Ответы на брендовый и небрендовый вопрос часто расходятся, и работа нужна в обоих случаях разная.
Дальше по шагам. Первое: доступ краулеров в robots.txt, это чинится за час и даёт эффект раньше всего остального. Второе: первые абзацы ключевых страниц, отвечают ли они на вопрос покупателя без прокрутки. Третье: FAQ-блоки и schema.org на страницах проектов. Четвёртое: llms.txt и markdown-версии. Пятое: внешние упоминания, хотя бы три-пять публикаций за квартал на площадках, которым модели доверяют. Замер повторяйте раз в месяц по одному и тому же списку из 10-15 вопросов. Ниша молодая, специализированные сервисы трекинга видимости в LLM только появляются, поэтому ручная проверка по фиксированному списку пока надёжнее любого дашборда. Приоритет простой: сначала техническая доступность, потом структура контента, потом внешний контур. Обратный порядок не работает: публикации в СМИ мало помогут, если модель физически не может прочитать сайт и сверить факты.
Как Matveo внедряет GEO у себя и на проектах
Мы в Matveo внедряем GEO на собственном сайте и в проектах клиентов: на matveo.com работают llms.txt, markdown-зеркала статей, разметка schema.org и структура текстов, где первый абзац каждого раздела даёт прямой ответ на вопрос заголовка. Тот же набор переносим на сайты застройщиков вместе с проверкой доступа краулеров и планом внешних публикаций. Подход сначала проверяем на себе, потом предлагаем клиенту: так честнее и быстрее видно, что работает. GEO при этом остаётся одним слоем системы: рядом работают сквозная аналитика до сделки и ИИ-агенты, которые управляют кампаниями ежедневно, о них мы писали в статьях про MCP и замкнутый контур рекламы.
Начинается всё с аудита маркетинга за две недели: смотрим, как бренд выглядит в ответах нейросетей, что сайт отдаёт краулерам, где теряется трафик и заявки. Стоимость аудита зачитывается в пилот, поэтому проверка гипотезы обходится без двойной оплаты. Логика конкретики работает и за пределами ИИ-поиска: в кейсе с контентом для узкой B2B-аудитории ставка на цифры и прямые ответы принесла 240 целевых заявок от топ-менеджеров за три месяца. Материал, который честно отвечает на вопрос читателя, собирает и людей, и цитирования моделей: это один и тот же контент, просто у него стало больше читателей. Тот же принцип держит и остальные наши кейсы, от премиального ЖК в Петербурге с окупаемостью трафика в шестнадцать раз до международных проектов: решения принимаются по цифрам, и контент строится вокруг цифр.
Часто задаваемые вопросы
Вопрос: llms.txt что это простыми словами? Ответ: Это текстовый файл в корне сайта, карта ресурса для языковых моделей: краткое описание и список ключевых страниц в формате markdown. Он помогает нейросети быстро понять, что важно на сайте, без разбора тяжёлого HTML. Внедрение занимает час-два и не требует изменений в остальной части сайта.
Вопрос: как попасть в AI Overviews Google? Ответ: Специальной заявки не существует: AI Overviews собираются из страниц, которые Google уже проиндексировал и считает авторитетными. Работают те же факторы, что и во всём GEO: прямой ответ в первом абзаце, разметка schema.org, конкретные цифры и упоминания бренда на внешних площадках. Для российского рынка фокус смещается на Алису и Нейро от Яндекса, механика там похожая.
Вопрос: когда ждать эффекта от GEO? Ответ: Технические правки, доступ в robots.txt, llms.txt и schema.org, отражаются в ответах моделей в течение нескольких недель, по мере переобхода сайта краулерами. Наработка внешних упоминаний и контента занимает три-шесть месяцев. Замеряйте видимость ежемесячно по фиксированному списку вопросов, тогда динамику увидите раньше, чем рост трафика в отчётах.
Вопрос: заменит ли GEO классическое SEO? Ответ: В горизонте ближайших лет нет: поисковый трафик по-прежнему даёт основную долю переходов, а ИИ-источники единицы процентов. GEO надстраивается над SEO и использует ту же базу: контент, техническое здоровье сайта, авторитет бренда. Разумная стратегия развивает оба слоя одновременно, тем более что усилия по ним пересекаются процентов на семьдесят.
Вопрос: как измерить заявки из нейросетей? Ответ: Переходы из ChatGPT, Perplexity и AI Overviews видны в аналитике по реферерам, хотя часть визитов маскируется под прямые заходы. Помогает вопрос «откуда вы о нас узнали» в форме заявки и скрипте первого звонка: доля ответов «спросил у нейросети» уже измерима. Точность замеров в нише пока невысокая, и это стоит признавать честно, закладывая на эксперимент квартал.
