Применение ИИ и нейросетей

GEO-аудит одной страницы: как измерить цитирование в ИИ-поиске

Пошаговый GEO-аудит одной страницы: 10–15 запросов, фиксация цитат в выбранных движках, метрика доли запросов с попаданием, журнал изменений и ограничения метода.

Редакция DeepMe
· Обновлено · 7 мин чтения
Три стопки карточек соединены лентами, рядом керамический шар и ступенчатая подставка для сравнения двух замеров.

Коротко: чтобы понять, помогает ли оптимизация контента под ИИ-поиск, не нужно оценивать «видимость в целом». Достаточно взять одну страницу, 10–15 запросов и несколько движков, вручную зафиксировать, какие фрагменты и источники они цитируют, посчитать долю запросов с попаданием вашей страницы, переписать один проблемный блок-ответ и повторить замер по той же методике. Метрика сравнительная: она показывает сдвиг между двумя замерами, а не абсолютную «долю рынка» в ответах ИИ.

Зачем аудит одной страницы, а не обзор трендов

Термин generative engine optimization (GEO) связан с академической работой, опубликованной на arXiv (arXiv:2311.09735); в доступном фрагменте страницы есть только описание и история версий, без деталей методики. Практические материалы о GEO обычно описывают сигналы и стратегии в целом. Проблема в том, что после такого чтения непонятно, что именно менять на конкретной странице и как убедиться, что изменение сработало.

Аудит одной страницы решает узкую задачу: получить воспроизводимый срез того, как ИИ-поиск использует ваш материал, и проверить одно изменение контролируемым замером. Границы метода:

  • это не техническая проверка индексации и доступности для краулеров — такие вопросы решаются отдельно, в документации поисковых систем;
  • это не линкбилдинг и не работа с внешними упоминаниями;
  • это не набор промтов и не автоматизация — замеры делаются вручную, чтобы видеть контекст;
  • это не гарантия попадания в ответ: движки меняют поведение, а выдача зависит от модели, региона и формулировки.

Официальная документация Google об AI-функциях в поиске (AI Overviews и AI Mode) подчёркивает: отдельных технических требований для попадания в эти блоки нет, страница должна быть проиндексирована и доступна для показа со сниппетом, а базовые практики SEO продолжают работать. Это важная рамка: аудит не заменяет основы, он измеряет результат.

Шаг 1. Собираем 10–15 запросов

Список запросов — фундамент замера. Если он собран произвольно, метрика будет отражать случайность, а не качество страницы.

Критерии отбора

  • Одна задача страницы. Все запросы должны относиться к тому, на что страница отвечает. Для страницы «Как выбрать CRM для малого бизнеса» подходят вопросы о критериях выбора, сравнении типов решений, типичных ошибках внедрения.
  • Разные типы интента. Включите прямые вопросы («что проверить перед выбором CRM»), сравнительные («чем отличаются CRM для малого бизнеса») и уточняющие («какие поля обязательны в карточке клиента»).
  • Формулировки пользователя, а не ваши. Записывайте запросы так, как их задают, без встраивания названия компании.
  • Фиксация формулировок. Сохраните точный текст запроса и дату. Перефразирование при повторном замере ломает сопоставимость.

Оптимальный объём — 10–15 запросов: меньше десяти даёт слишком грубую метрику, больше пятнадцати усложняет ручной замер.

Шаг 2. Фиксируем цитируемые фрагменты и источники в выбранных движках

Замер делается вручную: задайте каждый запрос в выбранных движках и запишите, какие фрагменты ответа опираются на внешние источники и какие источники указаны. Берите движки, которые действительно показывают ссылки на источники, — иначе фиксировать нечего. Число движков фиксируйте заранее и не меняйте между замерами, иначе сравнение потеряет смысл.

Шаблон таблицы фиксации (одна строка — один запрос в одном движке):

ЗапросДвижокЦитируемый фрагмент (суть)ИсточникСовпадение с нашей страницейДата
что проверить перед выбором CRMдвижок Aперечень критериев выборавнешний сайтнет—
чем отличаются CRM для малого бизнесадвижок Bсравнение типов решенийнаша страницачастичное—

Колонку «Дата» заполняйте фактической датой замера. Не объединяйте замеры разных дней в одну строку: выдача меняется.

Шаг 3. Размечаем совпадения с нашей страницей

Для каждой строки присвойте одно из трёх значений:

  1. Полное совпадение — источник в ответе — наша страница, и цитируемый фрагмент соответствует блоку на ней.
  2. Частичное — наша страница указана как источник, но цитируемая мысль на ней размыта, разбросана по тексту или подана косвенно.
  3. Нет — наша страница не упомянута, даже если тема раскрыта.

Разметку лучше делать сразу после замера, пока виден контекст ответа. Если ответ движка не содержит ссылок, помечайте строку отдельно — такие данные не участвуют в расчёте, но полезны для диагностики.

Шаг 4. Считаем долю запросов с попаданием

Метрика: доля запросов с попаданием = число запросов, где наша страница процитирована или упомянута хотя бы в одном движке / общее число запросов в списке.

Учебный пример (числа иллюстративные, это не результат исследования): 12 запросов, наша страница упомянута в ответах на 3 запроса. Доля = 3 / 12 = 0,25, то есть 25%. Если считать по движкам отдельно, получится несколько разных значений — их полезно держать рядом, потому что движки ведут себя по-разному.

Что метрика не показывает: позицию внутри ответа, объём цитаты, переходы на сайт. Для переходов нужны данные аналитики, и в документации Google указано, что показы в AI-функциях учитываются в общем трафике Search Console в отчёте по типу «Веб». Это отдельный контур измерения, его не стоит смешивать с ручным замером цитат.

Шаг 5. Диагностика пробелов

После разметки становится видно, где страница проигрывает. Типичные причины:

  • Нет прямого блока-ответа. Тема раскрыта в длинном абзаце, но нет компактного ответа на вопрос в формулировке пользователя.
  • Ответ есть, но размыт. Ключевая мысль окружена оговорками и не выделена структурно.
  • Нет опоры на проверяемые данные. Утверждение подано как мнение без указания, откуда взяты цифры или критерии.
  • Структура не помогает извлечению. Списки, таблицы и подзаголовки отсутствуют там, где они были бы уместны.

Выберите один блок для переписывания. Не переписывайте всю страницу сразу: тогда невозможно понять, что дало эффект.

Шаг 6. Переписываем один блок-ответ

Цель переписывания — сделать фрагмент удобным для извлечения и проверки. Практические приёмы:

  1. Начните блок с прямого ответа на вопрос в одно-два предложения.
  2. Разбейте ответ на короткие пункты, если вопрос предполагает перечень.
  3. Отделите факты от рекомендаций: цифры и критерии — с указанием источника, советы — как советы.
  4. Не добавляйте цифры, которых у вас нет. Лучше честная формулировка «по нашим наблюдениям» с описанием, откуда наблюдение, чем выдуманная статистика.
  5. Сохраните прежний смысл: переписывание ради структуры не должно менять утверждения.
Ошибка, которая обесценивает аудит: переписать блок и сразу объявить, что «стало лучше», без контрольного замера по тем же запросам и в тех же движках.

Шаг 7. Повторный замер и журнал изменений

Повторный замер делается по исходному списку запросов, с теми же формулировками и в тех же движках. Разница в метрике — ваш результат.

Шаблон журнала изменений:

ДатаДвижокЗапросБылоСталоЧто переписалиОграничения замера
—движок Aчто проверить перед выбором CRMнетчастичноедобавлен блок-перечень критериевответ мог измениться из-за обновления модели

Заполняйте журнал после каждого замера, а не по памяти. Через несколько циклов он покажет, какие типы правок совпадали с ростом метрики, а какие — нет.

Ограничения метода: нестабильность ИИ-выдачи

Главное ограничение — вариативность. Один и тот же запрос в один и тот же движок может дать разные ответы и разные источники. Причины:

  • движки используют разные модели и техники, поэтому наборы ответов и ссылок различаются;
  • ответы могут зависеть от региона, языка и истории взаимодействия;
  • выдача обновляется, и замер недельной давности уже не воспроизводится точно.

В документации Google отмечено, что AI Overviews и AI Mode могут применять технику «query fan-out» — несколько связанных поисков по подтемам, — и что наборы ответов и ссылок у них различаются. Практический вывод: метрика доли запросов с попаданием — сравнительный показатель. Она корректна как «до и после» при одинаковой методике и сомнительна как абсолютная величина.

Как снизить шум:

  • делайте замер в один день и по возможности в одно время;
  • фиксируйте не только факт упоминания, но и суть цитируемого фрагмента;
  • не делайте выводов по одному запросу — смотрите на сдвиг по всему списку;
  • повторяйте замер дважды, если результат выглядит как резкий скачок.

Чек-лист аудита

  • Список из 10–15 запросов с точными формулировками и датой.
  • Фиксированный набор движков, в которых видны источники ответа.
  • Таблица фиксации: запрос → движок → фрагмент → источник → совпадение → дата.
  • Разметка: полное / частичное / нет.
  • Посчитанная доля запросов с попаданием до изменений.
  • Один переписанный блок-ответ с прямым ответом и структурой.
  • Повторный замер по тем же запросам.
  • Журнал изменений с описанием ограничений каждого замера.

Такой аудит не обещает попадания в ответы ИИ. Он даёт то, чего обычно не хватает: измеримую точку отсчёта, понятную правку и честную оценку того, изменилось ли что-то на фоне нестабильной выдачи.

Материалы по теме: GEO: Generative Engine Optimization (arXiv:2311.09735), AI Features and Your Website — Google Search Central.