10 мифов про GEO, в которые сегодня верит рынок

За последние полгода про GEO (Generative Engine Optimization) написали сотни статей. И почти все они повторяют друг друга. Одни рассказывают про llms.txt, другие – про Schema.org, а третьи смело обещают «первое место в ChatGPT».

Проблема в том, что значительная часть этих советов основана не на понимании того, как работают современные LLM, а на попытке перенести старое SEO в новую среду, и на практике такая экстраполяция не работает.

Разбираясь во внутренней кухне, за последние месяцы я перечитал десятки исследований, документацию OpenAI, Anthropic, Google, Microsoft, статьи инженеров по RAG, публикации про retrieval, embedding и AI Search. Чем глубже разбираешься в теме, тем сильнее понимаешь: рынок GEO сегодня находится примерно там же, где SEO было лет 20 назад – огромное количество догадок, мифов и очень мало реального понимания внутренних механизмов.

В этой статье я собрал 10 самых популярных заблуждений, которые сегодня повторяют агентства, консультанты и авторы статей.

Миф №1. GEO заменит SEO

«SEO умерло. Теперь весь трафик будет идти через ChatGPT. Нужно забыть про поисковые системы».

Почему это миф?

Вообще, SEO умирает уже лет 15, и всё никак не умрёт. И, кстати, большинство современных AI Search не существуют отдельно от классического поиска. Они используют его как источник данных:

• ChatGPT Search обращается к поисковому индексу.
• Perplexity строит ответ на основе найденных страниц.
• Google AI Overviews работает поверх собственного поискового индекса.
• Microsoft Copilot использует Bing.

ИИ-поиск – абсолютно не замена обычному поиску, по факту это новый интерфейс поверх него.

Что на самом деле происходит?

GEO не заменяет SEO, скорее правильно говорить, что оно становится ещё одним уровнем поверх классического поискового продвижения.

Если ваш сайт невозможно найти поисковому индексу, то и нейросети брать информацию будет неоткуда. Для большинства коммерческих запросов основой всё равно остаётся актуальный ретривал, от этого никуда не деться.

Итог такой – хорошие сайты начинают появляться и в классическом поиске, и в LLM одновременно. Соответственно, сайты некачественные исчезают и оттуда, и оттуда.

Миф №2. Нужно писать статьи специально для ChatGPT

«Контент для ИИ должен отличаться от контента для людей».

Миф чистейшей воды, потому что нейросети не читают статьи так, как люди. Они дробят абсолютно любые тексты на чанки, ищут в них ответы на запросы пользователей и генерируют наиболее приемлемый, с их же точки зрения, ответ на основе найденных фрагментов.

ИИ совершенно не важно и не интересно, для кого вы писали статью – для людей или для него. Другое дело – есть ли в тексте законченные, проверяемые утверждения, которые можно процитировать. Это имеет значение для каждой из современных моделей.

Скажем, если в вашей статье есть что-то типа: «усиленная конструкция выдерживает снеговую нагрузку до 350 кг/м², что подтверждено испытаниями...» – ИИ сможет её использовать в ответе на запрос: «какую нагрузку выдерживает навес из профильной трубы?»

Даже если это писано вилами по воде, формально всё верно. Пишите хороший контент для людей – и тогда ИИ сам его найдёт и процитирует.

Миф №3. Без llms.txt вас не будут цитировать нейросети

«llms.txt – это волшебный файл, который увеличит цитируемость в 10 раз».

Давайте начистоту: если посмотреть рекомендации последних месяцев, складывается ощущение, что llms.txt – едва ли не главный файл современного интернета. Некоторые агентства начинают GEO-аудит с проверки его наличия, а другие обещают «моментальный рост цитируемости» после добавления файла.

Вот только на деле OpenAI не требует наличия llms.txt. Не требуют его ни Anthropic, ни Google, ни Perplexity, никто. Его значимость, грубо говоря и мягко выражаясь, слегка преувеличена.

Что это такое вообще – llms.txt?

Идея файла с директивами для ИИ-ботов появилась по аналогии с существующим уже не одно десятилетие robots.txt. Если robots.txt говорит поисковому роботу, какие разделы сайта можно обходить, то llms.txt должен был бы (в теории) стать картой сайта специально для LLM.

Но тут загвоздочка. Сегодня практически все крупные модели прекрасно обходятся без него. Ретривал работает иначе, а конкретно – через обычный краулер. Плюс поисковый индекс, карта сайта, ссылки, поисковые системы.

Значит ли это, что llms.txt бесполезен – скорее нет. Он на самом деле МОЖЕТ помочь лучше и быстрее понять структуру сайта. А в теории может и ускорить навигацию для больших проектов (документация SaaS, базы знаний, API).

Но он далеко не обязательно сослужит свою службу – не факт, что боты станут его читать. И если завтра убрать llms.txt с вашего сайта, но оставить отличный контент, вы продолжите попадать в нейровыдачу. Если же оставить llms.txt, но удалить весь полезный контент – никакой файл вас не спасёт.

То есть llms.txt – это частичка инфраструктуры, но не фактор качества.

Заниматься им резонно только после тщательной, осмысленной проработки структуры материалов, хороших смысловых блоков, понятной навигации, Schema.org (правильной, прошу заметить), внутренних ссылок, скорости сайта.

Иначе это как выбирать цвет штор в будущих комнатах, когда у дома ещё и фундамента-то нет.

Миф №4. Schema.org увеличивает цитируемость в ИИ-поиске

Абсолютно серьёзно говорят, я не преувеличиваю: «Добавьте Schema.org – и ChatGPT начнёт вас чаще цитировать».

Звучит правдоподобно, казалось бы: ведь если внимательно посмотреть на разметку FAQPage, то может показаться, будто бы для того она и создана, чтобы в конечном итоге получать больше упоминаний.

Похожая иллюзия возникает и при обсуждении связки микроразметки типов Article + Person + Organization. Выглядит как обязательное условие для роста вообще, не только в нейросетях.

Факты – вещь суровая, и надо принять, что сама по себе Schema.org ничего не пишет, не объясняет и не доказывает. Она всего лишь помогает ботам быстрее понять структуру страницы, всё.

Что конкретно делает Schema.org?

• Помогает ИИ корректно идентифицировать сущности (автор, организация, статья).
• Уменьшает количество неоднозначностей.

Пример – на странице написано: «Иван Иванов подготовил материал». А кто такой Иван Иванов? Автор, редактор, эксперт, а может, спонсор?

С Schema.org появляется структура – понятная и прозрачная:

json
Copy

{
  "@type": "Person",
  "name": "Иван Иванов"
}

– неопределённость исчезает.

Как работает ретривал?

Здесь схема такая:

1. Текст проходит через эмбеддинг.
2. Текст попадает в векторный индекс.
3. Текст оказывается внутри найденного чанка.

JSON-LD не превращается в отдельный источник знаний, просто помогает корректнее интерпретировать страницу.

Представим себе 2 одинаковые статьи: в первой будут великолепный контент, подробные кейсы, факты, исследования, конкретные цифры, но ноль микроразметки. Вторая будет содержать идеальный JSON-LD (Article, Person, Organization, FAQPage), но сам текст будет простынёй, типичным SEO-суррогатом.

И какую же статью чаще процитирует LLM?

Риторический вопрос. Конечно, успех ждёт только первую.

Schema.org действительно полезна там, где ботам трудно разобраться самостоятельно: товары, мероприятия, рецепты, вакансии, книги, научные публикации, видео, организации, авторы. Делать её нужно, обязательно.

Но относиться к ней надо как к технической гигиене – как к корректному тайтлу или xml-карте сайта. Настоящую цитируемость создают не теги, а ценные материалы, которые нейросети действительно есть смысл пересказывать.

Миф №5. Для AI Search нужны большие статьи минимум на 5000-10000 знаков

Нейросети, мол, любят объёмные материалы.

На самом же деле современные LLM не читают страницы так, как мы привыкли думать. Для них главное – найти чёткие, законченные ответы на вопросы пользователей.

То есть это самодостаточный блок текста (можно процитировать отдельно от статьи). Например, на вопрос вида «Какую нагрузку выдержит навес из профильной трубы?» ИИ ищет максимально похожий по смыслу текст. Выглядит он плюс-минус так: «Усиленная конструкция выдерживает снеговую нагрузку до 330-350 кг/м², что подтверждено испытаниями...».

И вообще неважно, находится ли этот текст в FAQ, в теле статьи или на коммерческой странице.

Факт в том, что многие лонгриды цитируются хуже, потому что пишутся ради объёма, а не ценности. Частая история – когда в лонгриде много воды, общих фраз, маркетинговых лозунгов. А то, что реально важно, то есть ответы, находится в неудовлетворительном состоянии. В частности, те самые ответы не самодостаточны и представляют собой ссылки на другие части текста, странные отсылки к непонятному для нейросети контексту, неясные формулировки.

Работают короткие, но точные ответы, конкретные факты, цифры, кейсы, самодостаточные блоки. ИИ не важно, сколько символов в статье. А вот есть ли в ней ответы, которые стоит пересказать – это имеет решающее значение.

Миф №6. FAQ – это волшебная таблетка

Якобы чем больше вопросов и ответов, тем лучше. На самом деле тут опять нарушена логика. Конечно, FAQ отлично работал в классическом SEO (расширенные сниппеты, Schema.org/FAQPage). Но для LLM это не формат продвижения, а всего лишь удобная форма упаковки ответов.

Исторически Google умел строить расширенные сниппеты, а Schema.org и FAQPage позволяли красиво оформить страницу. Люди же действительно задают вопросы! И логика казалась очевидной: нейросети отвечают на вопросы – значит, нужен FAQ.

Но между «вопросами» и «FAQ-блоками» огромная разница. Ретривал, ещё раз, ищет законченный ответ на вопрос пользователя. Ему очень хочется ухватиться за самодостаточный блок текста (можно процитировать отдельно). Вот и надо ему в этом помочь, а не мучить бесполезной информацией.

Пример некачественного, «формального» FAQ:

Вопрос: «Почему выбирают нас?»
Ответ: «Потому что мы используем качественные материалы и индивидуальный подход».

Это нельзя проверить, процитировать тоже. Шлак.

Пример хорошего FAQ:

Вопрос: «Почему поликарбонат толщиной 8 мм выдерживает снег лучше, чем лист 6 мм?»
Ответ (покажу логику схематично):

Конкретные цифры (нагрузка, вес).
Причина (физика процесса).
Ограничения (при каких условиях).
Рекомендации (что выбрать).

Почему многие FAQ вообще бесполезны?

1. Они пишутся ради галочки.
2. Ответы не конкретны.
3. Ответы не проверяемы.

Правильный подход сводится к тому, что ответ должен существовать сам по себе (без ссылок на другие части текста, без местоимений, без воды). Он должен читаться отдельно от всей статьи.

Так что FAQ – в сущности, просто побочный эффект хорошего контента. Если вы хорошо понимаете вопросы клиента, FAQ у вас родится сам собой. Писать FAQ ради нейросетей бессмысленно, а вот писать хорошие ответы на реальные вопросы пользователей имеет смысл всегда.

Миф №7. AI Overviews и ChatGPT убивают классический поиск

Нет, zero-click search (получение ответа без перехода на сайт) действительно растёт, но не все запросы подходят для этого самого нулевого клика. У пользователя может быть сложный запрос, требующий углублённого анализа.

ИИ может не знать точный ответ и предложить ссылки. Даже в AI Overviews часто приводятся источники. Дальше пользователи могут перейти на сайт, если им нужно больше деталей. И куда у нас, интересно, пропадает в этой схеме обычный поиск?

Google, Bing, Яндекс продолжают развивать традиционную выдачу. Да и многие пользователи предпочитают сами выбирать источники. Таких немало, и даже в будущем полностью эта когорта не пропадёт.

Не буду спорить с тем, что AI Overviews и ChatGPT меняют формат взаимодействия, но уж точно не убивают классический поиск. Занимайтесь оптимизацией и для того, и для другого – это единственно правильная тактика.

Миф №8. GEO – это про технические хитрости

Да, да, обязательно нужно знать секретные фишки, чтобы попасть в нейровыдачу. А ещё крикнуть в окно, позвать халяву – пусть придёт. Шутки шутками, но многие серьёзно считают, что GEO – тайное знание про скрытые настройки, секретные теги или волшебные файлы.

В реальности всё чуть скучнее – GEO на 80% определяется контентом и на 20% – техникой.

Что действительно важно и влияет на результат:

1. Ценность контента (факты, цифры, кейсы).
2. Структура (самодостаточные блоки, ясные ответы).
3. Доверие (внешние упоминания, отзывы, экспертиза).
4. Доказательства (видео, скриншоты, документы).

Не надо искать секретные фишки, их не существует. Достаточно хорошо работать над качеством контента, структурой и доверием.

Миф №9. GEO работает только для больших брендов

Нет известного бренда – ИИ вас не заметит. Многие действительно так считают. Правда ли, что только крупные компании могут попасть в нейровыдачу?

На деле GEO работает для всех, кто предоставляет ценный, структурированный и доступный контент.

Расмотрим такой кейс: небольшая производственная компания, которая проводит испытания и фиксирует результаты на видео, может обогнать дилеров, у которых нет собственной экспертизы.

Что нужно малым бизнесам?

• Уникальная экспертиза (то, чего нет у конкурентов).
• Хорошая структура информации (самодостаточные блоки, ясные ответы).
• Активная работа с отзывами и внешними упоминаниями (это и привычные Яндекс Карты, 2ГИС, Google Maps, и отраслевые площадки, и другие ресурсы).

Размер же бренда вообще не важен, чего не скажешь про ценность контента.

Миф №10. GEO – это временная мода

«Через год всё вернётся к классическому SEO»...

Максимально глупо, конечно, но есть те, кто правда считает, что GEO – временное увлечение, которое скоро пройдёт.

Понятное дело, GEO никакая не мода, это закономерный и весьма агрессивно формирующийся новый этап развития поиска.

Тренды, которые подтверждают это:

1. Ответы нейросетей быстро становятся основным способом получения информации.
2. Пользователи привыкают к готовым ответам и реже переходят на сайты.
3. Бренды, которые не адаптируются, теряют видимость.

Что будет дальше?

1. Агенты, которые не только отвечают, но и выполняют действия.
2. Более персонализированные ответы (учёт контекста, истории запросов, предпочтений пользователя).
3. Интеграция с другими сервисами (имею в виду CRM, аналитику, чат-ботов).

GEO уже становится новым стандартом, никакого отката не будет. Те, кто сейчас адаптируется, получат конкурентное преимущество на будущее.

Если не верить мифам, а смотреть на реальность, итог такой

1. Пишите хороший контент для людей, ИИ сам его найдёт и процитирует.
2. Структурируйте информацию, то есть делайте самодостаточные блоки с ясными ответами.
3. Добавляйте доказательства – кейсы, цифры, отзывы, особенно ценится видеоконтент.
4. Работайте с доверием – это и внешние упоминания, и экспертиза, и качественная микроразметка.
5. Не гонитесь за техническими хитростями. Хотя llms.txt и особенно Schema.org важны, но они не решают всё.

Адаптируйтесь к новым реалиям – нейровыдача не заменит классический поиск, но меняет она его навсегда.

Начните с малого:

1. Откройте ChatGPT или Perplexity.
2. Введите 10 запросов, по которым вас должны находить клиенты.
3. Зафиксируйте, кто цитируется вместо вас или выше вас.
4. Перепишите 3 ключевые страницы сайта.
5. Замерьте результаты через месяц.

GEO – практика, а не магия, здесь по-настоящему важна только качественная, системная работа с контентом, структурой и доверием. Остальное – домыслы.

Изображение на обложке: Magnific