# Продвижение в ответах ИИ: как влиять и измерять - URL: https://vladimirnovozhilov.com/blog/prodvizhenie-v-otvetah-ii-kak-vliyat-i-izmerat/ - Author: Владимир Новожилов - Published: 2026-10-03 - Category: Рост > Коротко: продвинуться в ответы ИИ можно через формат «прямой ответ + факты», техническую доступность и согласованные entity‑сигналы. В статье — шаблоны llms.txt и JSON‑LD, журнал трекинга промптов, чек‑листы серверных проверок и KPI. Подходит B2B, IT и региональным услугам. ## Что такое продвижение в ответах ИИ (GEO/AEO) — коротко [Продвижение в ответах ИИ](/blog/geo-chto-takoe-prodvizhenie-v-nejrosetyah/) — это набор контентных и технических практик, который повышает шанс вашего бренда появиться в ответах ассистентов и нейро‑поиска (ChatGPT, Алиса/Yandex.NEЙРО, Perplexity, GigaChat). Цель — чтобы модель называла вас в списках рекомендаций и цитировала ваши страницы как источник. Это не замена SEO, а соседний канал: здесь решают формат «прямой ответ + факты», согласованные entity‑сигналы и техническая доступность для LLM‑краулеров. Ключевые термины: - GEO/AEO (generative/answer engine optimization) — оптимизация под генеративные и ответные движки. - LLM — большая языковая модель, которая формирует текст и опирается на обучающий корпус и/или веб‑поиск. - Mention/Citation — упоминание бренда/цитирование страницы как источника. - Citation gap — вопросы, где конкуренты уже цитируются, а вы — нет (или наоборот, есть спрос, но никто из сильных не закрывает). ## Откуда ИИ берёт информацию: обучение vs. веб‑поиск ИИ формирует ответы двумя путями: 1) Обучающий корпус: исторически накопленные данные. Это даёт «знание о мире» и бренде, но обновляется редко. 2) Веб‑поиск в момент ответа: модель запрашивает источники, сравнивает факты и вставляет цитаты. Что это значит для продвижения: - В обучение прорваться сложно и долго. Ставку делаем на свежие источники и понятные сигналы. - Ассистенты с источниками (Perplexity) и [ответы в Алисе](/blog/kak-popast-v-yandex-neyro-i-otvety-alisy/) любят структурированный контент: прямой ответ, факты, таблицы, FAQ, и чистую разметку Schema.org. - Региональные ответы зависят от локальных карточек (Yandex Business, 2GIS), отзывов и единообразия NAP. ![Как данные доходят до ответа: от обучения и краулинга к цитированию.](./images/prodvizhenie-v-otvetah-ii-kak-vliyat-i-izmerat-funnel.png) ## Формат страницы, который любят нейросети: прямой ответ + факты Суть: начинайте страницу с 2–4 строк прямого ответа на главный вопрос, затем докажите фактами. Рецепт блока «прямой ответ»: - 1–2 предложения — суть без воды. - 3–5 маркеров с критическими фактами (цифры, сроки, критерии выбора, сравнение). - Таблица/чек‑лист, который можно процитировать. - Мини‑FAQ по подтемам (внизу страницы). A/B‑тест прямого ответа (шаблон): - Вариант А: 2 предложения + список из 3 фактов. - Вариант Б: 1 плотный абзац + таблица из 2 колонок. - KPI: доля цитирований по 20–30 промптам за 14–21 день, стабильность формата в сниппетах ассистентов. ## Техническая доступность: robots.txt, llms.txt, быстрые страницы и чистый HTML Ваш контент бесполезен, если его не видят краулеры LLM (GPTBot, ClaudeBot, Google‑Extended, YandexGPT). Чек‑лист «Что проверить» (минимум раз в квартал): | Проверка | Ожидаемое состояние | Где смотреть | |---|---|---| | robots.txt для GPTBot/ClaudeBot/Google‑Extended/YandexGPT | Allow нужных разделов, Disallow приватного | Файл robots.txt | | llms.txt в корне | Актуален, перечислены приоритетные разделы и наборы данных | Файл llms.txt | | Статусы ответов | 200/304 по ключевым страницам, 4xx/5xx < 1% | Логи сервера | | Скорость | TTFB < 300 мс; HTML < 100 кБ | Мониторинг производительности | | Чистый HTML | Минимум лишнего JS; контент читается без исполнения скриптов | Просмотр исходника | | Sitemap | Актуален, включает важные страницы | sitemap в корне | | Canonical/Noindex | Правильно расставлены | Исходник страниц | | Дата обновления | Корректные Last‑Modified/structured "dateModified" | Заголовки/Schema | Подсказка: начинайте с HTML‑версии контента. Таблицы и списки ассистенты «видят» лучше сложных виджетов. ## Schema.org: примеры JSON‑LD для Organization, FAQPage, Service Разметка — удобный способ «положить факты на стол» асистентам. Примеры можно копировать и адаптировать. Пример Organization (JSON‑LD): ```json { "@context": "https://schema.org", "@type": "Organization", "name": "Компания Пример", "alternateName": "Primer LLC", "legalName": "ООО \"Пример\"", "logo": "/static/logo.png", "foundingDate": "2014", "address": { "@type": "PostalAddress", "streetAddress": "ул. Техническая, 7", "addressLocality": "Москва", "postalCode": "101000", "addressCountry": "RU" }, "contactPoint": [{ "@type": "ContactPoint", "telephone": "+7-495-000-00-00", "contactType": "sales", "areaServed": "RU", "availableLanguage": ["ru", "en"] }] } ``` Пример FAQPage (JSON‑LD): ```json { "@context": "https://schema.org", "@type": "FAQPage", "mainEntity": [{ "@type": "Question", "name": "Сколько занимает аудит сайта под AEO?", "acceptedAnswer": {"@type": "Answer", "text": "Обычно 7–10 рабочих дней для сайта до 100 страниц."} },{ "@type": "Question", "name": "Нужен ли отдельный llms.txt?", "acceptedAnswer": {"@type": "Answer", "text": "Да, это явный сигнал для LLM‑краулеров о политике обхода и наборах данных."} }] } ``` Пример Service (JSON‑LD): ```json { "@context": "https://schema.org", "@type": "Service", "name": "Внедрение аналитики B2B", "serviceType": "Маркетинговые услуги", "provider": {"@type": "Organization", "name": "Компания Пример"}, "areaServed": ["RU", "KZ"], "offers": { "@type": "Offer", "priceCurrency": "RUB", "price": "от 150000", "eligibleRegion": "RU" } } ``` ## Как собирать и нормализовать entity‑сигналы (карточки, каталоги, отзывы) Задача — объяснить моделям, «кто вы», и добиться единообразия упоминаний. Где укреплять сигналы: - Ядро: сайт с JSON‑LD (Organization, Service, FAQPage, Article на экспертные материалы). - Каталоги: Yandex Business, 2GIS; для зарубежных рынков — карточки на международных картах. - Отзывы: отраслевые площадки, рейтинги, локальные справочники. - Упоминания в контексте тематики: кейс‑стади, обзоры, подкасты, конференции. Правила NAP: - Единый формат названия, адреса и телефона везде (включая транслитерацию). - Одинаковые часы работы и категории. - Фото/логотип — единый набор, одинаковые подписи. - Слежение за дубликатами карточек и их слияние. ## Методика трекинга: журнал промптов и метрики (mention/citation/sentiment/position) Трекинг даёт направление, а не абсолютную истину. Ведите журнал промптов и фиксируйте метаданные. CSV/Excel‑шаблон журнала промптов (колонки): - date — дата прогона - prompt — текст запроса - model — ассистент/версия (например, ChatGPT, Алиса, Perplexity) - mention — 1/0 (бренд назван в ответе) - citation — 1/0 (есть цитирование страницы как источника) - source — какой именно источник указан в ответе - position — номер в списке рекомендаций (если есть) - sentiment — positive/neutral/negative - notes — условия прогона (регион, язык, персонализация) Метрики и формулы: - Mention rate = сумма(mention)/кол‑во промптов - Citation rate = сумма(citation)/кол‑во промптов - Avg position = среднее по промптам с позициями - Coverage = доля промптов, где ассистент указал источники ![KPI видимости: динамика по 50 промптам за 90 дней (пример).](./images/prodvizhenie-v-otvetah-ii-kak-vliyat-i-izmerat-bars-kpi.png) Мини‑отчёт за 90 дней (пример по 50 промптам): mentions +35 п.п., citations +16 п.п., доля топ‑3 в перечислениях +22 п.п., негативных упоминаний — 0. ## Анализ citation gap: как найти незанятые промпты и закрыть их Пошагово: 1) Соберите пул реальных вопросов клиентов из звонков, CRM, саппорта и отраслевых форумов. 2) Распишите кластеры по намерениям: «что это», «как выбрать», «стоимость», «лучшие в городе/нишe», «сравнение», «ошибки». 3) Прогоните каждый кластер в ассистентах и отметьте, где у вас 0 цитирований или слабые позиции. 4) Для каждого «дыра‑промпта» напишите страницу: прямой ответ вверху, факты/таблицы, JSON‑LD, FAQ, локальные атрибуты. 5) Получите 2–3 внешних упоминания в тематике (кейс‑стади, каталог, отзыв), чтобы усилить доверие. 6) Перепроверьте через 2–4 недели и зафиксируйте динамику. Индикаторы потенциала: - Высокая повторяемость промпта у клиентов. - Ассистент отвечает без источников или с устаревшими данными. - В локали отсутствуют сильные игроки (особенно за пределами столиц). ## Серверные проверки: как понять, что ИИ‑краулеры заходят на сайт Ищите в логах следующие User‑Agent и параметры (примеры строк усечены): - GPTBot — "User-Agent: GPTBot"; запросы к HTML и sitemap, частые HEAD/GET. - ClaudeBot — "User-Agent: ClaudeBot"; обходит текст и изображения, уважает Disallow. - Google‑Extended — "User-Agent: Google-Extended"; может ходить по тем же IP, что и другие гугл‑боты. - YandexGPT — "User-Agent: YandexGPT"; активен в RU‑сегменте, учитывает robots и карты сайта. Шаблон строки (Common Log Format, пример): ``` 203.0.113.10 - - [03/Oct/2026:06:12:01 +0300] "GET /blog/aeo-guide/ HTTP/1.1" 200 18456 "-" "GPTBot" ``` На что смотреть: - Доля 200/304 по важным URL. - Глубина: минимум 2–3 клика от главной. - Скорость ответа и размер HTML. - Соответствие обхода правилам robots.txt и приоритетам в llms.txt. ## Шаблоны промптов и примеры ответов (20+ промптов для старта) Используйте список как основу журнала. Для каждого промпта критерий «засчитан» указан после дефиса. - Кто лучшие подрядчики по внедрению CRM в [город]? — бренд назван в топ‑5. - Сколько стоит внедрение CRM в B2B с 50 пользователями? — приведена ваша вилка цен. - Лучшие системы сквозной аналитики для IT‑услуг — упоминается ваш продукт/услуга. - Как выбрать подрядчика по SEO для IT‑компании? — цитируется ваш чек‑лист/статья. - Интеграция 1С и сайта: этапы и сроки — цитата с вашей страницы «услуги». - Аудит маркетинга B2B: что входит — перечислены ваши этапы. - Локальный дата‑центр vs облако: сравнение — вас цитируют как источник таблицы. - Разработка мобильного приложения: сроки и бюджет — упомянута ваша калькуляция. - Технический долг: как оценить — цитата фактов из блога. - SLA для IT‑аутсорсинга: примеры — ссылка на ваш SLA‑шаблон (в ответе указан источник). - Настройка аналитики в [город]: к кому обратиться — бренд в списке рекомендаций. - ТОП ошибок при запуске контекстной рекламы в B2B — цитата из вашего гайда. - Как выбрать подрядчика по информационной безопасности — указаны ваши сертификаты. - Сколько стоит техподдержка сайта в месяц — приведена ваша модель тарифа. - Маркетинговая воронка для IT‑услуг — цитата вашей схемы/таблицы. - Обучение отделов продаж работе с CRM — упомянут ваш курс/услуга. - Что такое AEO/GEO и зачем бизнесу — цитата вашего определения. - Как проверить, что боты ИИ индексируют сайт — цитата вашего чек‑листа. - Локальные агентства [город]: рейтинг — присутствуете в списке. - Кейсы внедрения аналитики в IT — процитирован ваш кейс. - Сравнение маркетинговых атрибуций: last‑click vs data‑driven — цитата вашей таблицы. - Как выбрать CMS для корпоративного сайта — упомянут ваш обзор. - Как подготовить ТЗ на разработку — цитата вашего шаблона. - Лучшие практики работы с 2GIS и Яндекс Бизнес — цитата вашего разборa. Критерии цитируемости для журнала: бренд назван; есть явное цитирование страницы как источника; позиция в списке; тональность нейтральная или положительная. ## Практические шаблоны: llms.txt, чек‑лист публикации Минимальный llms.txt (скопируйте и доработайте): ``` # Политика доступа для LLM‑краулеров User-agent: * Allow: / Disallow: /admin/ Crawl-delay: 5 Sitemap: /sitemap.xml # Приоритетные разделы для ответов и цитирования Allow: /blog/ Allow: /cases/ Allow: /services/ ``` Расширенный llms.txt: ``` # Общие правила User-agent: * Allow: / Disallow: /tmp/ Disallow: /privacy/ Crawl-delay: 3 Sitemap: /sitemap.xml # Подсказки к наборам данных Dataset: /ai/datasets/services.json Dataset: /ai/datasets/pricing.csv Summary: /ai/summary.txt # Правила по ботам User-agent: GPTBot Allow: /blog/ Allow: /services/ User-agent: ClaudeBot Allow: / User-agent: Google-Extended Allow: / User-agent: YandexGPT Allow: / ``` Чек‑лист публикации страницы под AEO: - Есть «прямой ответ» в первых 2–4 строках. - Таблица/чек‑лист с цифрами и критериями. - Разметка Schema.org (Article/FAQPage/Service). - HTML доступен без JS, вес < 100 кБ. - robots.txt и llms.txt допускают обход. - Карточки в Yandex Business/2GIS обновлены; NAP единообразен. - Добавлены 2–3 внешних упоминания в тематике/локали. - Прогон в журнал промптов и базовые KPI на 14/30 дней. ## Кейсы: пошагово с метриками (до/после) Кейс 1. B2B‑интегратор, Москва, 30 страниц контента. - 0–2 недели: правки robots.txt/llms.txt, Schema.org (Organization, Service, FAQPage), 6 страниц — формат «прямой ответ». - 2–6 недель: публикация 2 кейсов и 1 сравнения, 4 упоминания в отраслевых медиа/каталогах. - 6–10 недель: трекинг 60 промптов (ChatGPT, Алиса, Perplexity), доработка заголовков и таблиц. - Результат к 10 неделе: mention rate 18% → 49%, citation rate 6% → 19%, в 14 промптах — топ‑3 перечислений, лиды из ассистентов +22%. Кейс 2. Локальная IT‑поддержка, Екатеринбург, 15 страниц. - 0–2 недели: карточки Yandex Business и 2GIS на 100%; добавили Service‑разметку, FAQ на 5 ключевых страницах. - 2–4 недели: сбор отзывов (7 свежих), два локальных обзора. - 4–8 недель: мониторинг 30 промптов по локали; A/B «прямой ответ» на страницах услуг. - Результат к 8 неделе: mention rate 12% → 43%, citation rate 3% → 14%, 6 запросов в Алисе с указанием источника; заявки +17%. ## План работ на 1/3/6 месяцев и KPI Сравнительная таблица AEO vs классическое SEO (фокус и метрики): | Параметр | AEO/GEO | Классическое SEO | |---|---|---| | Тип запроса | Вопросы/задачи, разговорные | Навигационные и информационные | | Формат | Прямой ответ, таблицы, FAQ | Развёрнутые тексты, ключевые слова | | Сигналы | Entity, карточки, отзывы, цитаты | Ссылки, релевантность, поведенческие | | KPI | Mentions, Citations, позиция в ответах | Трафик, позиции, CTR | | Обновление | Часто, короткие циклы | По мере релизов и апдейтов | Дорожная карта: - 0–1 месяц: аудит robots/llms, базовый JSON‑LD, 5–7 страниц с «прямыми ответами», стартовый журнал из 30 промптов, обновление карточек и NAP. - 1–3 месяца: кейсы/сравнения, внешние упоминания (5–10), расширение журнала до 60–100 промптов, A/B формата ответов, шлифовка скорости/HTML. - 3–6 месяцев: углублённые обзоры и локальные лид‑магниты, системный трекинг по кластерам, работа с тональностью отзывов, автоматизация выгрузок из логов. KPI к рубежам: - 30 дней: +10–20 п.п. к mentions на брендовых/узких темах; первые цитаты. - 90 дней: устойчивые citations 10–20% по целевым кластерам; рост позиций в списках. - 180 дней: стабилизация метрик, появление вторичных лидов из ассистентов, снижение доли некорректных фактов. ## FAQ и быстрые проверки Быстрые проверки за 30 минут: - Откройте исходник страницы: первый экран — прямой ответ? Есть таблица и мини‑FAQ? - Проверка robots.txt/llms.txt: боты допускаются? sitemap указан? - В Organization/Service разметке прописаны адрес и телефоны? Они совпадают с карточками? - В логах за последнюю неделю были GPTBot/ClaudeBot/YandexGPT? - В журнале промптов зафиксирована текущая неделя по ключевым запросам? ## FAQ ### Как быстро можно получить первое упоминание или цитирование в ответах ИИ? При базовой готовности сайта (чистый HTML, прямые ответы, entity‑сигналы) первые упоминания по брендовым и узким промптам обычно появляются за 2–4 недели. Цитирования с указанием источника — через 4–8 недель после публикации и разметки. В локальных нишах и при активной работе с карточками/отзывами сроки короче. ### Нужен ли отдельный файл llms.txt и что в нём писать? Да, это понятная для LLM‑краулеров точка с политикой доступа и подсказками к наборам данных. В llms.txt укажите правила обхода (Allow/Disallow), задержку, карту сайта, приоритетные разделы и раздел с датасетами/резюме контента. Размещайте в корне сайта и держите в актуальном состоянии. ### Какие метрики отслеживать для оценки видимости в ответах ИИ? Минимум: mention rate (доля промптов, где назван бренд), citation rate (доля промптов со ссылкой/цитированием источника), средняя позиция в перечислениях, тональность упоминаний, охват источников. Фиксируйте модель/версию и дату ответа, чтобы видеть тренд. ### Как проверить, заходит ли на сайт GPTBot или другие AI‑краулеры? Проверьте журналы веб‑сервера по User‑Agent: GPTBot, ClaudeBot, Google‑Extended, YandexGPT. Ищите коды 200/304, долю 4xx/5xx, глубину обхода, скорость ответа. Сопоставьте с robots.txt и llms.txt, чтобы убедиться, что боты видят нужные разделы. ### Чем AEO отличается от обычного SEO и нужно ли менять KPI? AEO/GEO оптимизация фокусируется на форматах ответов и entity‑сигналах: краткие прямые ответы, FAQ, согласованные данные о компании и внешние упоминания. Главные KPI — mentions/citations, позиция в списках ассистентов, охват промптов и точность фактов, а не только органический трафик.