Тексты для эпохи нейропоиска GEO и AEO для копирайтера: как писать так, чтобы вас цитировала нейросеть, а не только находил поисковик

Ольга Тимофеева

Тексты для эпохи нейропоиска GEO и AEO для копирайтера: как писать так, чтобы вас цитировала нейросеть, а не только находил поисковик

Тексты для эпохи нейропоиска

GEO и AEO для копирайтера: как писать так, чтобы вас цитировала нейросеть, а не только находил поисковик

Ольга Тимофеева

Вместо предисловия

Ещё недавно вопрос «как написать текст, который выйдет в топ» был простым и понятным: ключевые слова, заголовки, ссылки, скорость загрузки сайта. SEO как ремесло отрабатывалось годами, и правила были более-менее стабильными.

Сейчас правила изменились — не отменились, а удвоились. Больше половины поисковых запросов в Google и заметная часть запросов в Яндексе теперь заканчиваются без единого клика: человек получает готовый ответ прямо в выдаче, собранный нейросетью из нескольких источников, и закрывает вкладку, даже не дойдя до сайта. Появился отдельный термин для этого явления — zero-click, поиск с нулевым кликом.

Это означает простую вещь: теперь не всегда выигрывает тот, кто первый в списке ссылок. Выигрывает тот, кого нейросеть выбрала источником для своего ответа — и назвала по имени, пусть даже пользователь так и не перешёл на сайт.

Это и есть та территория, про которую эта книга. Generative Engine Optimization, или GEO, — оптимизация текста под то, как генеративные нейросети формируют ответы и выбирают, на кого сослаться. Рядом с ним обычно упоминают термин AEO, Answer Engine Optimization, — оптимизацию под прямые блоки ответов в выдаче: featured snippets, блок «Ответы» у Яндекса, голосовые ассистенты. На практике для копирайтера эти два термина работают по очень похожим правилам, и в этой книге я буду использовать их рядом, поясняя разницу там, где она существенна.

Это не книга про техническую настройку сайта — про robots.txt, краулеры и микроразметку я расскажу ровно настолько, насколько копирайтеру нужно понимать контекст, в котором работает его текст. Главный фокус книги — на том, что вы контролируете напрямую: как написан текст, какая в нём структура, какие в нём факты и как сделать так, чтобы нейросети было легко взять из вашего текста готовый, точный ответ.

SEO никуда не исчезло — оно осталось фундаментом видимости сайта. Но теперь к нему добавился второй слой работы: написать так, чтобы текст не просто нашли, а выбрали в качестве источника для ответа. Это другой навык, и у него уже есть свои закономерности.

Глава 1. Три буквы вместо одной: чем GEO и AEO отличаются от SEO

Чтобы писать осознанно, важно понимать, под что именно вы оптимизируете текст — потому что задачи, хоть и пересекаются, всё-таки разные.

SEO (Search Engine Optimization) — классическая оптимизация под обычную поисковую выдачу: позиции в списке ссылок, ключевые слова, скорость сайта, внутренняя перелинковка, ссылочная масса. Цель — клик по вашей ссылке.

AEO (Answer Engine Optimization) — оптимизация под прямые блоки ответов прямо на странице выдачи: featured snippets и «нулевую позицию» в Google, блок «Ответы» у Яндекса, голосовых ассистентов. Здесь система обычно берёт один источник и цитирует его близко к тексту — поэтому цель AEO в том, чтобы дать максимально чёткий, короткий, самодостаточный ответ на конкретный вопрос.

GEO (Generative Engine Optimization) — оптимизация под самостоятельные генеративные нейросети: ChatGPT, Gemini, Perplexity, YandexGPT, Claude и подобные. Здесь принципиальное отличие в том, что нейросеть не копирует один источник дословно, а собирает ответ из нескольких — анализирует, сопоставляет, переписывает своими словами и решает, на какие источники сослаться или просто чьи факты использовать без явной ссылки.

Иногда отдельно выделяют ещё термин LLMO (LLM Optimization) — это, по сути, синоним GEO с акцентом именно на работу с большими языковыми моделями, а не с поисковыми движками в целом.

Для копирайтера разница между AEO и GEO в первую очередь в формате текста: AEO требует одного предельно чёткого, самодостаточного ответа на узкий вопрос, а GEO — более глубокого, фактурного материала, из которого нейросеть может выбрать и пересказать своими словами один или несколько фрагментов. На практике хороший текст почти всегда работает на оба формата одновременно, если придерживаться единых принципов — о них дальше.

Глава 2. Как нейросеть выбирает, кого процитировать

Прежде чем менять что-то в тексте, полезно понять логику другой стороны — что вообще происходит, когда нейросеть формирует ответ на запрос пользователя.

Шаг первый: дробление текста. Нейросеть не воспринимает страницу как монолитный текст — она разбивает его на смысловые фрагменты: абзацы, списки, таблицы, блоки вопрос-ответ. Каждый фрагмент оценивается отдельно на то, можно ли вытащить из него самостоятельный, понятный кусок информации.

Шаг второй: выстраивание иерархии. Заголовки, подзаголовки и структура страницы помогают модели понять, какая часть текста отвечает на какой подвопрос внутри темы. Текст без чёткой иерархии заголовков сложнее разобрать на пригодные для цитирования фрагменты — и поэтому реже используется, даже если содержание само по себе хорошее.