Как попасть в ответы нейросетей

670 раз подряд машина выбрала знакомое имя

Представьте лабораторный стол, на котором лежат десять баночек крема. Девять — от брендов, которых не существует: их придумали для эксперимента. Одна — от настоящего, известного бренда. И вот хитрость: все десять абсолютно одинаковы. Одна цена, один рейтинг, одинаковое число отзывов. Отличается только имя на этикетке.

Теперь спрашиваем у нейросети: какой посоветуешь?

Она выбирает известный бренд. Снова спрашиваем — снова его. И так 670 раз подряд. Ни один из девяти безымянных кремов не был выбран ни разу. Ни разу.

Это не байка, это результат эксперимента Си Чу из Trine University и Юйпэна Хоу из Texas A&M, опубликованного 16 июня 2026 года.¹ Они прогнали задачу через три коммерческие модели — GPT-4o-mini, Claude Sonnet и Gemini 3 Flash, — на двух языках, в четырёх подкатегориях ухода за кожей. Когда товары неотличимы по характеристикам, узнаваемое имя побеждает в 100% случаев. Индекс преимущества, который ввели авторы, упёрся в теоретический максимум — 10,0 из 10,0.

Но без важной поправки эта цифра соврёт. Основной эксперимент проведён на уходовой косметике — это так называемый experience good, товар, качество которого нельзя оценить, пока не попробуешь. На кабелях и батарейках авторы прогнали отдельную, вспомогательную проверку, и там базовый эффект повторился, — но проверка эта была меньше и не такая подробная.¹ Так что не переносите слепо «100% из 670» на любую нишу. Это точный результат на одной категории, а не закон природы.

И всё же он про то, о чём мы говорили в конце прошлой главы. Помните наблюдение Кирилла Власова: «ИИ обновляет знания медленнее рынка — исторические бренды сохраняют видимость даже после реструктуризации»? Тогда это было наблюдение практика. Теперь у него есть лабораторное подтверждение. Кого модель узнала первым, того она держит.

О чём эта глава и почему она — про время

Вся вторая часть книги отвечала на вопрос «какой рынок открывается». Мы увидели масштаб сдвига и разобрали, кто уже стал для нейросетей ответом по умолчанию. Осталось закрыть последнее: почему за это надо браться сейчас, а не «когда всё устаканится».

Ответ живёт в противоречии, которое мы дважды задели мимоходом. С одной стороны — память модели инерционна: ранний игрок закрепляется. С другой — доли источников скачут неделями, и никакая позиция не закреплена навсегда. Одно с другим уживается плохо. И раз всё так шатко, не разумнее ли переждать?

Разберёмся по порядку. Сначала — насколько реально преимущество первопроходца и почему у него есть срок годности. Потом — почему волатильность — это не аврал, а норма, с которой просто надо уметь жить. И в финале — как войти в это окно сейчас, но построиться так, чтобы не рухнуть при первой же смене алгоритма. Спойлер: паниковать не надо, но и ждать нельзя.

Преимущество первопроходца — реальное, но узкое

У эксперимента с кремами есть второе дно, и оно важнее первого.

Авторы назвали найденный паттерн «условной монополией». Слово «условной» — ключевое. Разложив выбор модели по факторам, они увидели такую картину: характеристики товара объясняют 82,4% решения, позиция в списке — 6,5%, а сама узнаваемость бренда — всего 1,2%.¹ То есть имя бренда почти ничего не решает, пока у модели есть за что зацепиться. Оно работает как тай-брейкер — язычок весов, который перевешивает только тогда, когда чаши идеально равны.

А чаши равны редко. В реальном мире у товаров разные цены, рейтинги, отзывы. И как только появляется хоть малейшее объективное отличие, монополия имени рассыпается. В прямом сравнении, где безымянный товар чуть лучше по характеристикам, модель всё равно цепляется за известный бренд лишь в 1,7—4,6% случаев.¹ Почти всегда выигрывает объективно лучший продукт — даже без имени.

Насколько «чуть лучше» достаточно? Порог отрезвляюще низок. Разница в рейтинге всего в 0,075 звезды. Или скидка 7,3%. Или в 1,6 раза больше отзывов. Любого из этих сдвигов хватает, чтобы вероятность выбора безымянного бренда прыгнула с 3,6—6,0% до 64—80%.¹ Не плавно поднялась — прыгнула, одной ступенькой.

Отсюда первый практический вывод главы. Инерция памяти — это не броня. Это фора, пока у машины нет альтернативы. Пока о вас модели нечего сказать, кроме имени, знакомое имя выигрывает. Но стоит новичку дать машине объективный повод — цифру, отзыв, доказательство, — и фора обнуляется. Хорошая новость для того, кто только заходит: дверь не заперта. Плохая новость для того, кто уже внутри: имя вас не спасёт, если рядом появится кто-то с фактами.

Здесь надо развести два похожих механизма, которые легко спутать. Есть инерция памяти — то, что модель усвоила из обучающих данных, между сессиями, задолго до вашего вопроса. Именно про неё говорил Власов и именно её мерили Чу и Хоу. А есть отдельное явление — эффект первенства: модели склонны выделять то, что видят первым уже внутри одного запроса, в порядке подачи фактов или списка источников. Это подтверждено на нескольких моделях того времени, включая GPT-3.5, GPT-4 и Claude-instant-1.2.² Механизм другой — речь про порядок здесь и сейчас, а не про давнюю память, — и смешивать их в один факт нельзя. Но для вас практический итог совпадает: первым быть выгодно. И в том, что модель успела запомнить, и в том, что она видит в начале ответа.

Язык доказательств — рычаг, который ломает монополию

Самая полезная для нас находка того же исследования — про то, чем именно новичок пробивает фору старожила.

Оказалось, дело не только в реальном качестве. Работает и язык доверия. Формулировки, которые выглядят как доказательство — ссылки на клинические данные, экспертные подтверждения, — ломали монополию известного бренда при «прибавке ценности» всего в 0,17 балла рейтинга.¹ Проще говоря, текст, который звучит как доказательство, для модели почти эквивалентен реальному улучшению продукта.

А вот привычные маркетинговые приёмы почти не сработали. Искусственный дефицит, «успей купить», игра на страхе упустить — всё это пробивало монополию лишь в 9,6—12,9% случаев против 50—73% у авторитетных формулировок.¹ Машину не берёт то, чем берут человека. Её берут доказательства.

Это же ровно то, что доказал ещё первоисточник GEO из Принстона: статистика, цитаты и ссылки поднимают попадание в ответы ИИ. Только теперь тот же вывод пришёл с другой стороны, на более строгом эксперименте. Два независимых исследования указывают в одну точку — и это как раз тот случай, когда цифре можно верить. К самим приёмам — цифрам, цитатам, ссылкам — мы вплотную подойдём в четвёртой части. Пока держите в голове: вход в ответ нейросети покупается не громкостью, а доказательностью.

Окно закрывается изнутри: дилемма заключённого

А теперь — почему у всего этого есть срок годности. Это, пожалуй, самая важная мысль главы, и она снова из того же исследования.

Авторы смоделировали конкуренцию: что будет, если приём с «языком доказательств» начнут применять не один новичок, а несколько сразу?

Один-единственный конкурент, взявший приём на вооружение, обрушивает монополию старожила: его доля выживания в рекомендациях падает со 100% почти до 20%.¹ Один смелый новичок отъедает у лидера почти всё. Но когда приём подхватывают все девять конкурентов разом, сигнал перестаёт выделять кого-либо — и модель снова скатывается к знакомому имени. Доля старожила восстанавливается до 93,8%.¹

Дальше — цифра, которую стоит запомнить. Выгода от приёма для того, кто применил его первым, — 0,802 в условных единицах выигрыша. Для того, кто применил его, когда так делают уже все, — 0,007.¹ Почти ноль. Ранний забирает всё, опоздавший — крохи.

Авторы прямо называют это дилеммой заключённого. Каждому отдельному бренду выгодно применить приём — это выигрышный ход при любом раскладе. Но когда так поступают все, общий выигрыш почти испаряется. Их собственная формулировка стоит того, чтобы привести её целиком: «Для новых брендов GEO даёт мощное, но недолговечное преимущество первопроходца — структура дилеммы заключённого означает, что ранние последователи выигрывают больше всего, но окно закрывается по мере того, как конкуренты подтягиваются». ¹

Так и выглядит «закрывающееся окно». Не кто-то извне его захлопывает. Оно схлопывается изнутри, само, по мере того как приём становится всеобщим. И тут есть ловушка, из-за которой переждать не получится. Тот бренд в эксперименте, который вообще не подключился к приёму, получил ноль рекомендаций. Ноль, во всех 4745 попытках.¹ Расклад выходит невесёлый: участвовать в обесценившейся гонке невыгодно — но не участвовать ещё хуже. Опоздавший получает крохи, а отказавшийся — ничего.

Это и есть точный ответ на вопрос «может, переждать». Нет. Пока приём в новинку — он даёт максимум. Когда станет нормой — не даст почти ничего, но без него вас просто не будет в ответе. Единственный выигрышный момент — сейчас, пока большинство ещё раскачивается.

Это модельный эксперимент на узкой категории, а не замер живого рынка. Механизм он показывает убедительно, но не обещает, что в вашей нише окно захлопнется ровно завтра. Кстати, о сроках: в отраслевых блогах любят прогноз «к 2027—2028 году GEO станет базовой гигиеной, как SEO». Звучит правдоподобно, но это именно прогноз практиков, а не измеренный факт, и у разных авторов сроки расходятся на годы. Опирайтесь не на дату, а на логику: раньше — выгоднее.

Волатильность — это погода, в которой вы работаете

Теперь ко второй половине нашего противоречия. Если ранний игрок закрепляется, почему же доли источников так лихорадит?

Как вы уже знаете, цитирования Reddit в ChatGPT обвалились в разы буквально за несколько недель. Это был первый звоночек. А вот случай посвежее и покрупнее.

27 января 2026 года Google перевёл свои AI Overviews — те самые ИИ-ответы над обычной выдачей — на модель Gemini 3 по умолчанию.³ И началось. Первую неделю систему лихорадил баг: доля ответов вообще без единого источника подскочила с обычных 0,11% до 10,63%.⁴ Каждый десятый ответ ничего не цитировал. Каково владельцу бизнеса, который годами выстраивал присутствие в этих ответах, а однажды утром обнаружил, что источники просто исчезли. Google баг починил, но доля устоялась не на прежнем уровне, а на 1,27% — в 11,5 раза выше, чем до обновления.⁴ Похоже, это новая норма, а не временный сбой.

Исследователи SE Ranking прогнали 100 тысяч запросов в двадцати нишах до и после перехода и отделили эффект бага от эффекта самой модели.⁴ Вот что вышло, и это стоит разобрать спокойно.

42,4% доменов, которые цитировались раньше, перестали цитироваться вовсе.⁴ Больше четырёх сайтов из десяти вылетели из ответов. Цифру независимо подтвердил и другой источник.⁵ Звучит как катастрофа. Но интереснее другое — кого именно снесло.

Среди пятисот самых цитируемых доменов исчез ровно один. Ни одного нового в этот топ-500 не вошло.⁴ То есть буря прошлась почти целиком по «длинному хвосту» — по сайтам с горсткой цитирований, — а признанных лидеров едва задела. Разнообразие источников при этом выросло: среднее число ссылок на ответ поднялось с 11,55 до 15,22. Но и концентрация выросла одновременно — топовые игроки стали забирать ещё большую долю.⁴ На первый взгляд парадокс: как разнообразие и концентрация растут вместе? А так, что расширение шло за счёт хвоста, а не за счёт вытеснения лидеров. Крупные закрепились ещё крепче, мелкие перетасовались.

И всё же не думайте, что лидерство — гарантия. Один яркий пример из того же исследования: Shopify, который был третьим по цитируемости доменом в нише «Бизнес», после перехода выпал из топ-10.⁴ А на его место поднялись другие — та же Торговая палата США переехала с девятого места на четвёртое. Shopify не сделал ничего плохого. Просто платформа сменила модель, и расклад поехал. Волатильность бьёт не только по новичкам.

Ответ меняется каждые два дня — и это нормально

Смена модели раз в год — событие. А есть волатильность, которая идёт постоянно, каждый день, и о ней важно знать, чтобы не паниковать понапрасну.

Ahrefs взял 43 тысячи запросов и следил, как меняется ИИ-ответ Google от замера к замеру на протяжении месяца.⁶ Результаты такие.

Вероятность, что текст ответа изменится от одного наблюдения к следующему, — 70%. Среднее «время жизни» одной версии ответа — 2,15 дня. При обновлении в среднем 45,5% процитированных источников заменяются на новые.⁶ Сотрудница Ahrefs описывала, как получила две разные версии одного ответа, просто обновив страницу дважды подряд.⁶ Вот так это выглядит на кухне — не в отчёте, а вживую.

И тут же — деталь, которая всё расставляет по местам. При всей этой чехарде смысл ответа держится стойко. Смысловое сходство соседних версий — 0,95 из 1,0.⁶ Слова меняются, источники меняются, а суть — почти нет. Модель как будто каждый раз пересказывает одну и ту же мысль другими словами и с другими ссылками.

Что это значит для вас практически? Две вещи. Первая: не сходите с ума от одного замера. Если сегодня ИИ вас процитировал, а завтра нет — это может быть просто шум, обычное дыхание системы, а не провал вашей стратегии. Отслеживать нужно не единичный ответ, а вашу видимость по теме в целом, усреднённо, за период. Только так за шумом проступает настоящая тенденция. Вторая: раз состав источников всё время тасуется, попадание в ответ нельзя «взять и забетонировать». Его приходится удерживать регулярной работой. Разовая акция выветрится за те самые пару дней.

Кстати, о мифе, будто старому бренду со старым контентом цитирование гарантировано. Не гарантировано. Ahrefs разобрал 17 миллионов цитирований и увидел: в среднем ИИ тяготеет к более свежим материалам, но разброс между платформами огромный.⁷ ChatGPT цитирует материалы на 393—458 дней новее обычной выдачи, а вот AI Overviews Google, наоборот, охотно берут статьи возрастом почти четыре года.⁷ Единого правила свежести нет. И это ещё один довод против того, чтобы строить стратегию на одной платформе и одной догадке о том, что она любит.

Хорошая новость: рынок ещё не поделён

Пока всё звучало довольно тревожно: окно закрывается, буря бушует. Пора уравновесить. У окна есть и вторая сторона — оно шире, чем кажется, потому что рынок ИИ-рекомендаций пока не монополизирован.

Исследование под названием «Кто владеет ИИ-рекомендацией?» проанализировало 3750 ответов трёх моделей — GPT-5.2, Gemini 3 Flash и Perplexity — по 250 запросам в пяти индустриях.⁸ Выводы обнадёживают того, кто только заходит.

Концентрация оказалась умеренной. Коэффициент Джини — мера неравенства, где 0 — это полное равенство, а 1 — это «победитель забирает всё» — составил в среднем 0,28. Это заметно ниже порога монополизации.⁸ Данные не подтверждают страшилку «победитель получает почти всё» — по крайней мере в изученных нишах.

Но самое ценное для стратегии — другое число. Три модели сошлись во мнении, чей это бренд-лидер в категории, лишь в 41,6% запросов.⁸ То есть чаще, чем в половине случаев, у ChatGPT, Gemini и Perplexity разные представления о том, кто главный в теме. А значит, окно не закрыто одновременно на всех платформах. Можно проиграть у одной модели и выиграть у другой. Можно заходить на каждую по отдельности.

Про сам источник. Автор исследования аффилирован с коммерческой платформой ИИ-аналитики, которая продаёт продукт на основе тех самых метрик из статьи.⁸ Он сам раскрывает это и утверждает, что на выводы это не повлияло, а данные выложены в открытый доступ для проверки. Верить цифрам это не мешает — методология раскрыта, датасет открыт, — но знать про интерес автора вы должны. И помните: выборка узкая — пять индустрий, снимок на два дня февраля 2026-го. На всю экономику не переносится.

Как войти в окно и не построить на песке

Картина сложилась. Окно открыто и ждёт раннего игрока. Оно закрывается изнутри, по мере того как приёмы становятся общими. И всё внутри него постоянно штормит. Как действовать в такой обстановке, чтобы не суетиться зря и не строить на песке? Три правила.

Правило первое: заходите сейчас, но опирайтесь на фундамент, а не на трюки. Разница простая. Фундамент — это то, что работает, потому что так модель принимает решение: доказательность, отзывы, понятная структура, узнаваемость бренда из независимых источников. Трюк — это хрупкая тактика, которая держится на текущей особенности одной платформы и завтра может испариться.

Лучший пример хрупкого приёма — файл llms. txt. Его порой подают как обязательный технический шаг GEO. А вот что 2 июня 2026 года сказал про него Джон Мюллер из Google: «Я не думаю, что кто-то знает — пока это чистая спекуляция. Файл существует уже несколько лет, но ни одна из ИИ-систем его не использует». ⁹ Это личное мнение представителя Google, не официальная политика компании — но показательно, что даже широко разрекламированный приём может оказаться пустышкой без единого случая реального применения. Сравните с отзывами: как вы уже знаете из прошлой главы, там разрыв между «профиля нет» и «профиль живой» измеряется десятками раз — и польза не просто измерена, а воспроизведена. Вот и весь критерий. Спрашивайте про любой модный приём: это доказано и держится на механике решения — или это ставка на догадку? На первое опирайтесь, второе пробуйте по остаточному принципу и не стройте на нём.

Правило второе: диверсифицируйте. Раз три модели расходятся во мнениях чаще, чем сходятся, а платформа может в одну ночь сменить модель и перетасовать выдачу — нельзя ставить всё на один канал. Присутствие на нескольких площадках и в нескольких форматах — это не распыление, а страховка. Помните Shopify, который вылетел из топ-10 не по своей вине? От такого спасает только то, что вы есть ещё где-то. Другой защиты от алгоритма, который меняется без предупреждения, попросту нет. Отдельно и подробно про это — в главе о волатильности источников, которой закрывается следующая часть, но принцип закладывайте с первого дня.

Правило третье: работайте регулярно, а не наскоком. Если состав источников в ответе тасуется каждые два дня, а половина ссылок при обновлении заменяется, то разовая публикация просто утонет в этом потоке. Удержание в ответах — это ритм, а не подвиг. Регулярно обновлять материалы, регулярно проверять свою видимость усреднённо по теме, регулярно докладывать доказательства. GEO — это марафон, и про сроки у нас будет отдельная глава в конце книги. Здесь важен принцип: система, повторяемая из месяца в месяц, бьёт любой одноразовый рывок.

И ещё один сигнал, что медлить не стоит. 9 февраля 2026 года OpenAI начала показывать рекламу в ChatGPT части пользователей, а к июню расширила пилот на несколько стран.¹⁰ ¹¹ Ещё недавно ChatGPT был чистым источником органических упоминаний. Теперь площадка начинает встраивать монетизацию. Пока реклама отделена от органического ответа — но это тот самый признак взросления рынка, когда бесплатное внимание постепенно становится платным. Ещё один довод в пользу того, чтобы занять место сейчас, пока внимание ещё бесплатное.

Пара слов про то, чему не верить

Напоследок отделим факты от рыночного шума — пригодится, когда наткнётесь на громкие заголовки.

Вам почти наверняка встретится тезис вроде «85% брендов невидимы для ИИ» или «исключены из базы знаний ChatGPT». Цифра ходит по вендорским блогам, но за ней нет раскрытой методологии подсчёта — это маркетинговый тезис компаний, продающих услуги видимости, а не измеренный факт.¹² Пугает эффектно, доказывает мало. Относитесь как к рыночной молве.

То же и с оценками размера рынка GEO-услуг, и с «периодом полураспада цитируемости в один год»: направление обычно верное (рынок растёт, свежесть важна), а конкретные числа у вендоров без открытой методики расходятся чуть ли не вдвое. Держитесь за направление, не за цифру.

Итог главы

Сложим всё вместе. Преимущество первопроходца реальное — модель держится за то, что узнала первым, и это подтверждено экспериментом, где машина 670 раз подряд выбрала знакомое имя среди одинаковых товаров.¹ Но это фора, а не броня: объективное отличие в 0,075 звезды или язык доказательств пробивают её мгновенно.¹ И у форы есть срок годности — окно закрывается изнутри само, по мере того как приём становится всеобщим: выгода первого падает с 0,802 почти до нуля, но тот, кто не участвует вовсе, не получает ничего.¹

При этом всё внутри окна штормит постоянно — ответ меняется каждые 2,15 дня, платформа может за ночь сменить модель и снести 42% доменов.⁴ ⁶ Волатильность — это реальность, в которой вы и работаете. Спасают от неё не паника, а фундамент, диверсификация и регулярность.

Если унести из главы одно: окно открыто сейчас, и именно сейчас вход в него стоит дешевле всего — но заходить надо на доказательствах и системности, а не на трюках, потому что трюки обесценятся, а фундамент останется.

Сделайте сейчас одну вещь: выберите один свой ключевой запрос — тот, по которому клиент должен находить именно вас, — и проверьте, кого по нему называет ИИ сегодня. Не «когда-нибудь», а сегодня. Это ваша точка отсчёта, от которой вы измерите всё остальное.

На этом вторая часть закрывается. Мы разобрали, какой рынок открывается и почему момент именно сейчас. Дальше — самое практическое.

И начнём мы не с текста, а с места. Потому что прежде чем спрашивать «что писать», надо ответить на два других вопроса: кто вы такой в глазах машины и где она вообще вас ищет. Можно написать безупречную статью — и остаться невидимым, потому что нейросеть не поняла, о какой компании речь, или потому что она в принципе не заглядывает туда, где эта статья лежит.

Так что третья часть — про присутствие. Сначала про сущность: как сделать так, чтобы ИИ уверенно опознавал вас и не путал с тёзкой. Потом — карта площадок: откуда нейросети берут материал, что из этого ваше, что чужое и как попадать в чужое. Окно открыто. Пора разбираться, где именно в него заходят.

Часть III. Где присутствовать

Глава 9. Сущности: как ИИ понимает, что вы — это вы

Тридцать упоминаний, которых почти не было

Один стартап открыл дашборд слежения за нейросетями и обрадовался. Система насчитала тридцать упоминаний бренда в ответах ИИ и «аудиторию» больше шестисот тысяч человек. Для маленькой компании это выглядело как прорыв: значит, машины про нас знают, значит, работаем не зря.

Потом кто-то из команды решил прочитать сами упоминания. И обрадоваться стало нечему. Двадцать восемь из тридцати оказались вообще не про компанию. У бренда был тёзка — известный вымышленный персонаж с тем же именем, — и почти весь «успех» состоял из фанатских теорий, коллекционных фигурок и квизов про этого персонажа. Реальный продукт мелькнул от силы в одном-двух ответах из тридцати.¹

С этого и начнём. Метрика «нас упоминают» не стоит ничего, если нейросеть не смогла отличить ваш бренд от чужой, более известной сущности с похожим именем. Можно накопить сотни упоминаний, ссылок и отзывов — и остаться невидимым, потому что машина сложила всё это добро не в ту корзину.

Поэтому третья часть книги, разговор о том, где присутствовать, открывается не картой площадок, а вопросом попроще: понимает ли машина, о ком идёт речь. Пока она этого не понимает, любая работа на любой площадке уходит в чужую копилку. Сущность — это фундамент под всем, что будет дальше: под сайтом, форумами, Wikipedia, отзывами, публикациями в прессе. Разберёмся с ней — и всё остальное начнёт складываться в одну фигуру, а не рассыпаться на осколки.

Вещи, а не строки

Чтобы разобраться, придётся вернуться на пару шагов назад — к тому, как машины вообще научились понимать, что предмет разговора — это предмет, а не набор букв.

Шестнадцатого мая 2012 года Google запустил то, что назвал «графом знаний» (Knowledge Graph), и объяснил идею одной фразой, которая с тех пор гуляет по всем учебникам: things, not strings — «вещи, а не строки». ² Смысл вот в чём. Раньше поиск искал строки текста: вы вводите «яблоко», система ищет страницы, где встречается это слово. А люди-то ищут не буквы. Они ищут объекты, места, компании и понятия — вещи, которые существуют в мире и о которых что-то известно. Google решил научиться искать именно их. На старте граф знаний содержал больше 500 миллионов объектов и свыше 3,5 миллиарда фактов и связей между ними.² Сегодня это та самая база, из которой собираются карточки-справки сбоку от поисковой выдачи — «база данных из миллиардов фактов о людях, местах и вещах», как описывает её сам Google.³