Как мы переписали 40 статей под нейросети и получили клиентов из ChatGPT без рекламы

Как переписать 40 статей под нейросети и получать клиентов из ChatGPT без рекламы — вопрос, который в 2025 году выглядел экзотикой, а в 2026-м стал обычной задачей для любого блога. Смысл работы простой: раньше страница боролась за место в списке ссылок, теперь она борется за то, чтобы её содержимое попало внутрь сгенерированного ответа, который человек читает вместо выдачи.

Ниже — разбор того, что именно менялось в текстах: как устроен отбор источников у языковых моделей, какие пять правок дают основной эффект, чем это отличается от привычной оптимизации и как измерять результат, когда переходов по ссылке может не быть вовсе.

Что такое GEO и чем оно отличается от SEO

GEO — оптимизация под генеративные поисковые системы и большие языковые модели. Задача смещается с попадания в топ ссылок на попадание в саму формулировку ответа. Когда человек спрашивает у модели, к кому обратиться за продвижением сайта в Петербурге, вы либо названы в ответе, либо вас в этом разговоре не существует.

Параметр	Классическое SEO	GEO
Что даёт	Переход по ссылке из выдачи	Упоминание внутри готового ответа
Что ранжируется	Страница целиком	Отдельный факт и его формулировка
Единица работы	Ключевая фраза	Смысловая сущность: кто, что, где, с какими условиями
Метрика	Позиция и трафик	Частота цитирования и упоминания
Роль структуры	Помогает читателю	Определяет, сможет ли модель извлечь фрагмент
Длина ответа	Чем полнее, тем лучше	Полнота нужна, но ответ обязан быть в начале
Роль автора	Косвенный фактор доверия	Прямой признак, по которому источник отбирают

Важная оговорка: GEO не заменяет SEO и не отменяет его. Генеративные системы берут материал из индекса поисковых систем и из открытого веба. Страница, которую поиск не видит, не попадёт и в ответ модели. Поэтому техническая исправность, индексация и позиции остаются фундаментом — просто над ними появился ещё один этаж.

Куда на самом деле уходит трафик

Перераспределение началось не с ChatGPT, а раньше — с блоков быстрых ответов в обычной выдаче. Генеративные ответы довели процесс до логического конца: значительная часть справочных запросов теперь закрывается прямо на экране результатов, и человек до сайта не доходит.

Что при этом происходит с разными типами запросов:

• Справочные и определительные запросы теряют трафик сильнее всего. «Что такое», «чем отличается», «как расшифровывается» — ответ помещается в три предложения, и переход не нужен.
• Инструкции держатся лучше. Модель даёт общий порядок действий, но за подробностями, скриншотами и нюансами человек идёт на страницу.
• Запросы выбора и сравнения меняют характер. Человек приходит на сайт уже с коротким списком вариантов, который ему составила система. Если вас в этом списке нет, вы не участвуете в сравнении вообще.
• Коммерческие запросы почти не теряют. Заказать, купить, вызвать — здесь всё равно нужен переход, а модель выступает как рекомендатель.

Отсюда стратегический вывод: блог перестаёт быть просто источником переходов и становится источником сведений о вас, из которых модель собирает мнение. Статья, которую никто не открыл, но которую процитировали в ответе, сработала — просто по-другому.

Из этого следует и практическое изменение в планировании блога. Раньше материал оценивали по числу переходов, и статьи без трафика считались неудачными. Теперь у текста появилась вторая работа: он объясняет системам, кто вы и в чём разбираетесь. Страница, которая приносит десяток переходов в месяц, но содержит однозначное описание вашей специализации и проверяемые факты, вносит в общую картину больше, чем справочный материал с большим трафиком и нулевой связью с вашим делом. Это не повод писать в пустоту — это повод перестать мерить пользу одной метрикой.

Если нужны детали, смотрите «Один абзац в статье принёс больше клиентов, чем год рекламы — секрет в формулировке для ИИ».

Правка первая: прямой ответ в первых строках

Языковая модель формирует ответ из фрагментов, которые может извлечь и переформулировать. Начало страницы весит непропорционально много: если первые предложения не содержат ответа, фрагмент чаще всего берут у конкурента.

Что менялось в каждой статье:

• Убирался разгон. Формулировки вида «в современном мире это играет важную роль» не несут ни одного факта и не могут быть процитированы.
• В первый абзац выносился прямой ответ на вопрос из заголовка — одним-двумя предложениями, без условий и оговорок.
• Оговорки и уточнения перемещались ниже, во второй-третий абзац, где они не мешают извлечению.
• Абзац строился так, чтобы его можно было вырезать из контекста и он остался осмысленным. Это главный практический критерий: фрагмент должен читаться отдельно.

Побочный эффект оказался приятным: страницы стали лучше и для людей. Показатель отказов на материалах с прямым ответом в начале ведёт себя заметно спокойнее — человек сразу понимает, туда ли он попал.

Правка вторая: сущности вместо плотности ключей

Привычная логика «вписать фразу три раза» для модели бессмысленна. Модель не считает вхождения, она собирает граф связей: кто такой этот субъект, чем занимается, где работает, с чем связан, что о нём говорят другие.

Практически это значит, что вместо повторов одной фразы на странице должны присутствовать связанные сущности:

• Кто. Имя, род занятий, срок практики, форма работы. Не «мы профессионалы», а проверяемые характеристики.
• Что. Конкретные услуги и задачи, названные так, как их называют в отрасли и как их формулируют клиенты.
• Где. География работы, названная явно. Модель не додумывает регион, она берёт его из текста.
• Как. Порядок работы, этапы, сроки, что входит и что не входит.
• Чем подтверждается. Опыт, публикации, разборы, ссылки на профили и упоминания.

Проверочный приём простой: закройте страницу и спросите себя, сможет ли посторонний, прочитав только её, ответить на пять вопросов выше. Если хоть на один ответа нет — модель тоже его не найдёт.

Правка третья: структура, пригодная для извлечения

Сплошной текст без разделения читается человеком, но плохо разбирается машиной. Структура здесь не украшение, а способ обозначить границы смысловых блоков.

Подробнее об этом — в статье «Пока вы платите за Яндекс Директ, конкуренты уводят клиентов через ChatGPT».

Что добавлялось в каждую переписанную статью:

1. Блок вопросов и ответов. Формат, где вопрос сформулирован так, как его задаёт человек, а ответ занимает три-пять предложений и не требует контекста. Это самый цитируемый тип содержимого.
2. Списки с однородными пунктами. Каждый пункт — законченное утверждение, а не обрывок фразы, начатой в подводке.
3. Таблицы сравнения. Модели хорошо извлекают из них противопоставления: чем одно отличается от другого по конкретному признаку.
4. Заголовки-вопросы. Заголовок раздела, совпадающий с формулировкой запроса, служит для системы указателем, где искать ответ.
5. Блок выводов в конце. Короткий перечень утверждений, каждое из которых самодостаточно.
6. Разметка данных. Разметка вопросов и ответов, сведений об организации и авторе даёт машине структуру в явном виде, а не через догадки по вёрстке.

Правка четвёртая: подтверждения и авторство

Генеративные системы устроены осторожно: когда речь заходит о рекомендациях, они предпочитают источники, у которых видно происхождение сведений. Анонимная статья без автора, дат и подтверждений проигрывает подписанной.

Что делалось:

• У каждой статьи явно указан автор, срок практики и область, в которой он работает. Один и тот же формат на всех материалах — модель сопоставляет повторяющиеся сведения между собой.
• Утверждения привязывались к проверяемым основаниям: официальная документация поисковых систем, справка инструментов, наблюдаемые механизмы. Абстрактные «эксперты считают» убирались.
• Убирались придуманные цифры. Модель, встретив несовпадающие данные в разных источниках, снижает доверие ко всем сразу — и вы попадаете под это первым.
• Добавлялись даты и признаки актуальности: к какому периоду относится описанная механика, что изменилось с прошлого года.
• Формулировки о себе приводились к единому виду по всему сайту. Разнобой в описании рода занятий мешает модели собрать цельный образ.

Правка пятая: упоминания за пределами своего сайта

Самая недооценённая часть работы. Модель сверяет сведения между источниками: если о вас написано только на вашем сайте, это одно свидетельство. Если те же сведения встречаются на нескольких независимых площадках, они превращаются в факт.

Если нужна помощь по теме — GEO-продвижение сайта.

Что имеет смысл делать:

• Профильные площадки и агрегаторы. Профиль с тем же описанием, что и на сайте: одинаковое имя, одинаковый род занятий, одинаковая география.
• Отраслевые публикации и разборы. Не рекламные заметки, а материалы по делу, где ваше имя стоит рядом с содержательным текстом.
• Справочники и карты. Карточка организации с полным набором сведений — простой и надёжный источник, к которому у систем высокое доверие.
• Ответы в сообществах. Развёрнутые ответы на вопросы по вашей теме читаются моделями как содержательные фрагменты, привязанные к автору.
• Согласованность. Главное требование ко всему перечисленному — единообразие. Разные формулировки о себе в разных местах разрушают связность, ради которой всё и делается.

Как измерять результат

Привычные метрики здесь работают частично: часть эффекта не оставляет следа в отчётах, потому что переход не состоялся. Смотреть приходится с нескольких сторон.

Тему разбирал отдельно: «Маркировка рекламы в Яндекс Директе: что делает система, а что остаётся на вас».

Что смотреть	Как измеряется	Что показывает
Цитируемость	Регулярно задавать моделям одни и те же вопросы клиента в чистом окне и фиксировать ответы	Называют вас или конкурентов; динамика месяц к месяцу
Переходы из ИИ-сервисов	Отчёт по источникам: домены генеративных сервисов в списке рефереров	Прямой, но неполный след: часть людей приходит позже и другим путём
Брендовый спрос	Динамика запросов с вашим именем или названием в сервисах подбора запросов	Косвенный, но самый честный признак: о вас узнают из ответов и потом ищут напрямую
Прямые заходы	Доля переходов без источника	Растёт, когда название запоминают из ответа и вводят вручную
Опрос обратившихся	Вопрос «откуда узнали» с фиксацией ответа	Единственный способ поймать длинную цепочку от ответа модели до звонка

Реалистичные ожидания: изменения в поведении моделей проявляются не мгновенно. Обновление сведений, на которые они опираются, занимает недели и месяцы, а часть систем обращается к живому поиску и реагирует быстрее. Оценивать раньше двух-трёх месяцев смысла нет.

Ошибки, которые сводят работу к нулю

Переписывание под нейросети успело обрасти собственным набором заблуждений. Пять из них встречаются чаще остальных и полностью съедают эффект.

• Погоня за объёмом вместо плотности смысла. Существует убеждение, что длинный текст цитируется чаще. На деле извлекается фрагмент, а не страница, и раздутый материал только уменьшает долю полезного в каждом абзаце. Лучше десять страниц, каждая из которых отвечает на один вопрос до конца, чем одна на сорок тысяч знаков обо всём сразу.
• Вписывание фраз «для нейросети». Попытки прямых обращений к модели внутри текста или скрытых инструкций в разметке не работают и создают риск: такие приёмы распознаются как манипуляция, а страница теряет доверие целиком.
• Переписывание всего блога за один заход. Когда меняется всё сразу, вы лишаетесь возможности понять, что именно сработало. Правки идут партиями по несколько статей с паузой на наблюдение.
• Игнорирование технической части. Страница, которая медленно грузится, не открывается на телефоне или закрыта от обхода, не участвует ни в выдаче, ни в ответах. Никакая работа с формулировками этого не компенсирует.
• Ожидание немедленного эффекта. Сведения, на которые опираются модели, обновляются циклами. Оценка раньше двух-трёх месяцев приводит к преждевременному отказу от работающего подхода.

Частые вопросы

Нужно ли переписывать все статьи сразу?
Нет, и это самая частая ошибка. Начинать надо с материалов, которые уже приносят переходы, и с тех, что отвечают на вопросы выбора — именно их модели используют при рекомендациях. Статьи без трафика и без коммерческого смысла переписывать бессмысленно: вы потратите месяц и не измените ничего. Разумный порядок — от самых посещаемых и самых близких к деньгам к остальным.

Помогает ли разметка вопросов и ответов, если поиск перестал показывать её в выдаче?
Показ расширенного вида в выдаче и польза для машинного разбора — разные вещи. Даже когда систем не выводит блок с вопросами визуально, разметка остаётся однозначным описанием структуры: вот вопрос, вот ответ. Для генеративных систем это упрощает извлечение, поэтому убирать её из-за изменений в оформлении выдачи не стоит.

Можно ли писать такие статьи нейросетью?
Черновик — да, готовый текст — нет. Сгенерированный без правки материал является усреднением уже существующих страниц, и цитировать его вместо первоисточников системе незачем. Работающая схема обратная: вы даёте модели свою фактуру — условия, цифры, ограничения, реальные возражения клиентов, — и используете её как редактора и оформителя, а не как автора.

Что делать, если модель говорит о вас неправду?
Такое встречается: системы уверенно приписывают несуществующие услуги, неверную географию, чужие достижения. Лечится это не жалобами, а источниками. Разместите однозначные сведения о себе на своём сайте и повторите их дословно на нескольких независимых площадках. Через несколько циклов обновления картина выправляется, потому что согласованные сведения перевешивают случайные.

Стоит ли закрывать сайт от обхода ИИ-роботами?
Если вы продаёте услуги и хотите, чтобы вас рекомендовали, — категорически нет: закрытый сайт исчезает из ответов, и в списке остаются конкуренты. Закрытие имеет смысл только для проектов, чья модель дохода построена на самом содержимом — платных базах, справочниках, медиа с рекламной выручкой. Для остальных это выстрел в собственную видимость.

Коротко

• GEO не заменяет SEO, а надстраивается над ним: страница, невидимая для поиска, не попадёт и в ответ модели.
• Сильнее всего трафик теряют справочные запросы; запросы выбора меняют характер — вы либо в коротком списке системы, либо не участвуете в сравнении.
• Прямой ответ в первых строках — правка с наибольшей отдачей: фрагмент должен читаться в отрыве от страницы.
• Плотность ключей заменяется набором сущностей: кто, что, где, как и чем подтверждается.
• Структура — вопросы и ответы, списки, таблицы, разметка — определяет, сможет ли машина извлечь фрагмент.
• Упоминания на независимых площадках с одинаковыми формулировками превращают ваши утверждения в факт для модели.
• Измерять нужно цитируемость, брендовый спрос и опрос обратившихся, а не только переходы: часть эффекта не оставляет следа в отчётах.

Если хотите понять, называют ли вас нейросети по запросам ваших клиентов и что нужно поменять, чтобы называли, — приходите на SEO-консультацию: проверим текущую картину, разберём конкурентов в ответах и составим порядок правок.