Последние полгода я потратил на то, чтобы разобраться, как вообще измерять эффективность Generative Engine Optimization. Когда мы запускали первые эксперименты, я действовал по накатанной: собрал семантику, настроил мониторинг позиций, приготовился отчитываться по росту трафика. И провалился. Стандартные инструменты показывали просадку там, где бизнес получал реальные результаты. Пришлось пересмотреть всё, что я знал об аналитике, и признать: SEO продвижение в эпоху генеративного поиска требует другой оптики. Не той, к которой мы привыкли за десять лет работы с Яндексом и Google.
С чего я начал: попытка измерить GEO через старые SEO-таблицы
В первом проекте по GEO я сделал то, что делал всегда: выгрузил список ключевых фраз, расставил приоритеты и начал отслеживать позиции сайта в обычной выдаче. Логика была железная: если контент становится лучше и отвечает на вопросы пользователей, поисковики должны это заметить и поднять нас выше.
Через месяц я посмотрел в таблицу и не поверил глазам. По двадцати ключам из тридцати позиции упали. По трём — вообще ушли в никуда. Я начал копать, искать технические ошибки, проверять, не упали ли страницы из индекса. Сайт был в порядке. Тогда я полез в логи и увидел странную картину: трафик с поисковиков действительно немного просел, но количество упоминаний бренда в разных каналах выросло. Клиенты, которые раньше не реагировали на рассылки, вдруг начали писать с вопросами по конкретным технологиям. Они говорили: «читали, что вы разбираетесь в…».
Моя ошибка была классической. Я пытался измерить новый канал старым аршином. GEO работает иначе. Оно не гонит пользователя на сайт через ссылку в десятке результатов. Оно встраивает бренд в ответ, который нейросеть формирует прямо в интерфейсе поиска. Человек получает информацию, даже не кликая. И если вы мерите успех только кликами, вы этого успеха просто не видите.
Практический пример: у меня был случай с проектом AdsGram. Мы оптимизировали несколько статей под запросы про автоматизацию рекламы в Telegram. Через две недели я проверил позиции — они не изменились. А через месяц менеджеры сказали, что на встрече клиент сам начал разговор с того, что «везде видит ваши материалы, даже Perplexity на вас ссылается». Клиент не кликал на сайт, он уже получил ответ в выдаче и на его основе принял решение, что мы эксперты.
Типичная ошибка здесь — смотреть только на органический трафик в Метрике или Analytics. Если вы видите падение при росте узнаваемости, значит, вы просто не туда смотрите.
Объясню простыми словами: раньше пользователь вбивал запрос, видел десять ссылок и выбирал. Теперь нейросеть часто даёт ему готовый ответ и ссылку прикрепляет мелким шрифтом как источник. Пользователь уходит довольный, клика нет, но бренд зафиксирован.
Ограничение, которое я для себя вывел: этот подход не работает, если бизнес завязан на импульсные покупки с первого касания. GEO не даст быстрых кликов, оно работает в горизонте двух-трёх месяцев, накапливая цифровой авторитет.
В чём я ошибался, сравнивая подходы к мониторингу
Я потратил месяц на то, чтобы найти инструмент, который показывал бы позиции моего сайта в ответах генеративных моделей. Я думал: есть же парсеры выдачи, есть сборщики данных, кто-то должен был уже научиться стучаться в API Perplexity, Gemini или Claude и получать структурированные отчёты.
Нашёл я примерно ничего. То есть какие-то решения существуют, но они либо сырые, либо показывают только малую часть картины. Я пытался сравнивать их между собой и окончательно запутался, потому что данные одного инструмента расходились с данными другого в два-три раза.
Тогда до меня дошло. Я сравнивал непонятно что. В GEO нет понятия «позиция» в привычном смысле. Нейросеть каждый раз генерирует ответ заново. Она может переставлять источники, менять формулировки, вообще не упоминать бренд, если сегодняшняя версия модели считает иначе. Это не статичная выдача, это поток.
Я совершил ту же ошибку, что и многие коллеги: начал искать идеальный инструмент там, где его не может быть по определению. Нельзя померить позицию в том, что каждый раз создаётся заново.
Практический пример: я взял три разных сервиса, которые обещали мониторинг GEO, и прогнал через них один и тот же запрос про складскую технику. Первый сервис показал, что сайт helieurasia.ru в ответе у Perplexity на втором месте. Второй — что его нет вообще. Третий — что он есть, но как источник без ссылки. Я полдня выяснял, кто врёт. Оказалось, не врут все. Просто они по-разному эмулируют запросы, используют разные IP, разные аккаунты и нейросеть им выдаёт разные результаты. Это не баг, это фича генеративных моделей.
Типичная ошибка здесь — верить одному инструменту как истине в последней инстанции. В GEO так не работает. Данные нужно усреднять, смотреть тренды, а не абсолютные цифры.
Объясню простыми словами: представьте, что вы пытаетесь померить температуру воды в реке, засовывая термометры в разных местах. В одном месте вода холоднее, в другом теплее, но в целом река существует и течёт. Инструменты дают срез, а не полную картину.
Ограничение, которое я принял: если вам нужна точность до десятой доли, GEO будет бесить. Я перестал требовать от себя идеальных цифр и научился работать с вероятностями.
Как я для себя выстроил новую систему метрик GEO
Когда я понял, что старые подходы не работают, а точных инструментов не существует, я сел и переформулировал вопрос. Я перестал спрашивать «на каком мы месте?» и начал спрашивать «упоминают ли нас вообще и в каком контексте?».
Я собрал свою систему из трёх уровней, которая сейчас даёт мне хоть какую-то картину.
Первый уровень — частота упоминаний. Я взял пул из ста ключевых запросов в нашей нише и раз в неделю прогоняю их через несколько генеративных моделей вручную и через автоматизированные скрипты. Я смотрю не на позицию, а на факт: есть ссылка на наш сайт в ответе или нет. Если есть — плюс один. Если нет — ноль. Через месяц у меня есть график: по запросу «автоматизация рекламы» нас упомянули 15 раз из 100 возможных, по запросу «складская техника» — 40 раз. Это и есть новая видимость.
Второй уровень — тон упоминаний. Нейросеть может сослаться на вас как на авторитетный источник, а может вставить ссылку с припиской «некоторые эксперты считают, но это спорная точка зрения». Я смотрю, в каком контексте нас цитируют. Например, когда Perplexity пишет «по данным исследования helieurasia.ru» — это один тон. А когда формулирует «как утверждают на форумах, включая helieurasia.ru» — совсем другой. Приходится читать ответы, а не доверять цифрам. Да, это ручная работа, но другого способа пока нет.
Третий уровень — доля присутствия. Я выбрал десять самых важных тем и считаю, сколько раз из десяти возможных нейросеть выбирает именно наш контент как источник. Например, по теме «выбор складского штабелера» мы сейчас входим в ответы в 60% случаев. Это значит, что по этой теме нейросети считают нас авторитетом.
Практический пример: когда я только начал применять эту систему к проекту helieurasia.ru, я увидел, что по одним запросам мы мелькаем постоянно, а по другим — ноль. Я проанализировал, чем отличаются страницы, которые цитируют, от тех, которые игнорируют. Оказалось, в цитируемых статьях был подробный разбор с цифрами, таблицами и ссылками на исследования. В тех, что игнорировали — общие слова. Мы доработали контент, и через месяц доля присутствия выросла с 20% до 55%.
Типичная ошибка, которую я за собой замечал — пытаться автоматизировать всё подряд и не смотреть на качество. Можно собрать тонну данных, но так и не понять, что тебя цитируют в негативном ключе или по нерелевантным запросам. Теперь я всегда читаю ответы, а не только смотрю на цифры.
Объясню простыми словами: я перестал спрашивать «высоко ли мы?» и начал спрашивать «говорят ли о нас и что именно говорят?». Это как перейти от замера роста в сантиметрах к оценке репутации.
Ограничение, с которым я смирился: моя система не масштабируется на тысячи запросов. Если у вас интернет-магазин с миллионом товаров, вручную вы ничего не насчитаете. Для больших объёмов я пока не нашёл готовых решений и живу с неполнотой данных.
Ограничения моего подхода и с чем я до сих пор мучаюсь
Я не хочу создавать впечатление, что нашёл идеальный метод. Я мучаюсь с этой системой каждый день, и проблем хватает.
Первая проблема — нейросети обновляются. То, что работало вчера, сегодня может перестать. Я заметил, что после обновления какой-нибудь модели наш сайт может на неделю исчезнуть из ответов, а потом вернуться. Это не связано с качеством контента, это связано с тем, как новая версия модели ранжирует источники. Отследить это и не запаниковать — отдельный навык. В ноябре после апдейта Claude мы потеряли 30% упоминаний по трём ключевым темам, хотя ничего не меняли. Через две недели всё вернулось само.
Вторая проблема — платформа. Perplexity даёт одни ответы, Gemini — другие, Claude — третьи. У каждого свои алгоритмы отбора источников. Я не знаю, какую из этих платформ используют мои потенциальные клиенты. Могу лишь предполагать. И если я оптимизирую контент под одну модель, могу потерять в другой.
Третья проблема — закрытость данных. В классическом SEO я могу посмотреть, по каким запросам ко мне приходят люди. В GEO я этого не вижу. Человек получил ответ в нейросети, не кликнул, я о нём ничего не знаю. Даже если он потом пришёл по брендовому запросу, я не могу точно сказать, что привёл его именно GEO.
Практический пример: у меня был случай, когда после выхода одной нашей статьи в топ обычной выдачи мы получили всплеск прямых заходов. А после того, как ту же статью начали цитировать нейросети, прямых заходов не было, но выросло количество запросов по названию компании. Я могу только догадываться, что это связано, но доказать цепочку «увидел в ответе Perplexity — вбил название в строку — зашёл на сайт» я не могу технически.
Типичная ошибка здесь — пытаться построить сквозную аналитику для GEO так же, как для контекстной рекламы. Я пробовал, бросил. UTM-метки в ответах нейросетей не работают, а пользователи редко переходят по ссылкам из ответов.
Объясню простыми словами: мы сейчас в положении человека, который пытается понять, эффективна ли его реклама на радио. Он не знает, кто именно услышал ролик и пришёл в магазин. Он может только сравнивать общий поток покупателей до и после.
Ограничение, которое я для себя принял: GEO нельзя померить с точностью до копейки. Можно только увидеть тренды и корреляции. Я перестал требовать от себя жёсткой отчётности для инвесторов и научился работать с вероятностями и трендами. Это мой личный компромисс.
Заключение
За эти полгода я для себя понял главное: Generative Engine Optimization — это не улучшенное SEO и не замена контексту. Это другой слой работы с аудиторией. Здесь нет позиций, но есть влияние. Нет прямых кликов, но есть рост брендовых запросов и узнаваемости. Нет точных инструментов, но есть тренды, которые можно отследить, если не лениться собирать данные вручную и не пытаться загнать всё в автоматические отчёты.
Я перестал ждать, что кто-то выпустит идеальный дашборд для GEO, и смирился с тем, что часть эффективности этого канала останется за рамками цифр. Теперь я просто регулярно проверяю, как часто нас видят в новых поисковых сценариях, и сравниваю это с общей динамикой интереса к компании. Пока совпадения есть, значит, я двигаюсь в правильном направлении.
Дальше я планирую углубиться в то, как структура контента влияет на вероятность цитирования, и попробовать вывести закономерности, которые можно будет повторять на новых проектах. Посмотрим, что из этого выйдет.
