Как попасть в ответы ИИ: Алисы, Gemini, Claude, ChatGPT. GEO-кейс B2B производителя лазерного оборудования

Женя Ванжула

Основатель маркетинг-агентства AdsON

Привет, меня зовут Евгений Ванжула, я основатель агентства AdsOn. Мы давно занимаемся SEO-продвижением, но в последний год стало очевидно, что одного поискового трафика уже недостаточно. Всё больше пользователей получают ответы прямо от нейросетей, не переходя на сайты. Поэтому мы решили затестить отдельное направление — GEO-продвижение. Это работа над тем, чтобы бренд клиента не просто ранжировался в поиске, а упоминался в ответах Алисы, Gemini и других AI-систем.

Как нейросеть решает, кого упомянуть в ответе? Она не открывает один сайт и не читает его целиком. Она собирает фрагменты из десятков источников и выбирает те, которые выглядят экспертно, понятно и подтверждены другими. Отсюда и вытекает всё, что входит в GEO: 

• структура контента, при которой любой абзац самодостаточен; 

• факты поданы явно (название, характеристика, значение), а не абстрактно ;

•  E-E-A-T сигналы;

• присутствие бренда сразу в нескольких авторитетных источниках. 

По сути, это связка SEO, PR и контент-маркетинга. Подробно про принципы и чек-листы — в моей предыдущей статье на Хабре.

В той статье я кратко упомянул кейс производителя лазерного оборудования. Теперь пришло время разобрать его детально: с полной аналитикой по позициям, площадкам и попаданию в нейроответы.

Клиент и задача

Pokkels — производитель промышленного лазерного оборудования: установки для лазерной очистки, сварки, резки металла. Классический B2B с узкой аудиторией, длинным циклом принятия решения и высоким средним чеком.

Нам нужно было выстроить присутствие бренда сразу в двух средах: в классической поисковой выдаче и в ответах нейросетей. В 2025–2026 году часть аудитории уже не кликает по ссылкам, а читает готовые ответы нейронок. Если ИИ не упоминает компанию в ответе на вопрос «какой лазерный очиститель выбрать», она не попадает в поле зрения клиента.

Почему мы пошли на внешние площадки, а не ограничились блогом на сайте

Первая мысль: нужен контент — пиши на своём сайте. Заводи блог, публикуй экспертные статьи, оптимизируй под ключевые запросы. Мы так и делаем — блог на сайте Pokkels ведём. Но для задачи с нейросетями его одного недостаточно.

Сайт коммерческий, с каталогом оборудования. Блог на нём ещё молодой, без многолетней истории и накопленного доменного авторитета. Статьи там индексируются, но до ТОПа добираются медленно. А в нейроответы ещё медленнее, потому что AI-алгоритмы отдают предпочтение источникам, которые уже считаются авторитетными.

Поэтому параллельно с блогом мы запустили публикации на внешних площадках с высоким доменным авторитетом. В SEO-сообществе это иногда называют «паразитным SEO», хотя термин не совсем точный. Суть в том, что материал на VC или DTF попадает в индекс за пару-тройку дней, а не за недели, и сразу может конкурировать за высокие позиции, потому что поисковик уже доверяет домену.

Мы преследовали три цели одновременно:

Скорость индексации. Статья на VC или DTF попадает в индекс Яндекса и Гугла в течение нескольких дней. На собственном сайте клиента этот процесс занимает недели, а выход в ТОП — месяцы.

Множественные упоминания бренда. Нейросети при формировании ответа анализируют не одну страницу, а десятки источников. Если бренд упоминается на VC, DTF, Tenchat и ещё в нескольких местах, вероятность попадания в AI-ответ растёт. По сути, мы создавали информационный фон вокруг бренда.

Покрытие разных поисковиков. В процессе работы мы обнаружили, что площадки по-разному ранжируются в Яндексе и Гугле. Это стало одним из ключевых инсайтов проекта — подробности в разделе с результатами.

Почему именно DTF, VC и Tenchat

Площадки мы выбирали по трём критериям: доменный авторитет, возможность публикации развёрнутых материалов и наличие рубрик, куда органично вписывается B2B-контент про оборудование.

VC.ru — сильная площадка по доменному авторитету. Для рейтингов и экспертных обзоров промышленного оборудования — практически идеальная платформа.

DTF — изначально площадка про игры и технологии, но с разделом «Рейтинги», который хорошо индексируется.

Tenchat — российская деловая соцсеть. Площадка моложе и слабее по доменному авторитету, но имеет свои преимущества в Яндексе.

Мы сознательно выбрали три разные площадки, а не сосредоточились на одной. Это диверсификация: если одна просядет в выдаче или изменит правила, остальные продолжат работать.

Одна тема — несколько площадок

Ключевой стратегией была публикация одной темы на разных площадках с адаптацией. Мы не копировали тексты один в один, а меняли объём, заголовки, количество позиций в рейтинге, акценты.

Например, тема «ТОП установок лазерной очистки металла» вышла в трёх вариантах: ТОП-9 на DTF, ТОП-8 на VC и ТОП-5 на Tenchat. Это не дубли в глазах поисковиков, а три разных материала на разных доменах, каждый из которых упоминает Pokkels и ссылается на сайт.

Для нейросетей такой подход создаёт эффект консенсуса: бренд фигурирует в нескольких независимых источниках, значит, заслуживает цитирования.

Что сделали: 60 статей и два типа контента

За несколько месяцев мы опубликовали 60 статей на трёх площадках. Распределение получилось таким: 20 на DTF, 19 на VC, 21 на Tenchat. Количество примерно одинаковое. Это было сознательным решением, чтобы потом можно было сравнить эффективность площадок между собой.

Рейтинговые статьи: «ТОП лучших…»

Подборки конкретных моделей и производителей. Всего таких материалов получилось 11 штук, по 3–4 на каждую площадку.

Примеры тем: 

• «ТОП-9 установок лазерной очистки для металла и промышленного применения в 2026 году»

• «Лучшие лазерные очистители для удаления ржавчины и окалины — рейтинг для производств и сервисов»

• «ТОП-9 портативных лазерных сварочных аппаратов — какой выбрать в 2026?»

Почему именно рейтинги? Это формат, который нейросети охотно цитируют. Когда пользователь спрашивает «какой лазерный очиститель лучше», ИИ ищет готовый структурированный список с названиями, моделями и характеристиками. Рейтинговая статья — именно то, что проще всего извлечь и встроить в ответ.

В каждом такой материале Pokkels присутствовал как один из производителей, а не единственный и не первый. Статья, которая выглядит как обзор рынка, а не реклама одного бренда, вызывает больше доверия и у читателей, и у поисковиков, и у AI.

Информационные статьи: экспертный контент

Материалы, раскрывающие конкретные задачи и технологии. Таких вышло 49.

Примеры тем:

•  «Подготовка металла перед сваркой лазером: что даёт очистка, зачем она нужна», 

• «Почему после лазерной очистки металл не деформируется»,

•  «Очистка пресс-форм без разборки и простоев оборудования», 

• «Сколько экономит производство при переходе на лазерную очистку».

Информационные статьи работают по-другому. Они реже попадают в AI-ответы напрямую, но при этом хорошо ранжируются в классической выдаче (особенно в Яндексе), создают экспертный контекст вокруг бренда и закрывают длинный хвост запросов — узкие и специфические вопросы с минимальной конкуренцией.

Структура каждой публикации

Каждая статья строилась по определённому шаблону с учётом принципов GEO-оптимизации:

Заголовок с конкретикой. Не «Обзор лазерного оборудования», а «ТОП-9 установок лазерной очистки для металла и промышленного применения в 2026 году». С указанием года, количества позиций, конкретной задача. Всё это помогает и поисковикам, и AI понять, что внутри.

Структурированный контент. Подзаголовки H2/H3, таблицы с характеристиками, списки с параметрами. Нейросети извлекают информацию из таблиц в 3–4 раза чаще, чем из сплошного текста, поэтому мы максимально структурировали данные.

Упоминание бренда в контексте. Pokkels появлялся не как рекламная вставка, а как один из участников рынка, наравне с конкурентами. AI, который видит объективный обзор с несколькими брендами, с большей вероятностью процитирует его, чем рекламную статью.

Ссылка на сайт. Каждый материал содержала ссылку на Pokkels — и SEO-эффект от внешних ссылок с трастовых доменов, и прямой путь для читателя.

Почему 60, а не 5

Может возникнуть вопрос: зачем столько? Нельзя ли было обойтись десятком статей?

Можно. Можно. Но мы изначально понимали, что не каждая статья выйдет в ТОП — часть неизбежно останется за пределами первой страницы. Поэтому брали количеством: чем больше публикаций, тем выше шансы, что достаточная доля из них закрепится на высоких позициях. Плюс мы хотели покрыть максимум отраслевых запросов, создать большую массу упоминаний для нейросетей и получить достаточно данных для аналитики.

По сути, это был не просто проект по продвижению, а контролируемый эксперимент. И дальше я покажу, что именно он нам дал.

Результаты: поисковая выдача и AI-ответы

Позиции мы замеряли по тем же запросам, под которые создавались статьи. Каждая была написана под конкретный поисковый запрос — мы проверяли, где именно она оказалась в выдаче Яндекса и Гугла, а затем прогоняли тот же запрос через Алису и Gemini.

Общая картина: SEO

Из 60 опубликованных статей:

• 41 попала в ТОП-10 Яндекса (68%), из них 31 — в ТОП-3

• 30 попала в ТОП-10 Гугла (50%), из них 29 — в ТОП-3

Две трети статей ранжируются на первой странице Яндекса — хороший результат для публикаций на чужих площадках. В Гугле показатель ниже, но есть интересная закономерность: если статья попадает в индекс, она почти сразу занимает ТОП-3. Промежуточных позиций (4–10 место) практически нет. Либо попадали в тройку, либо оказывались за пределами первой страницы.

Общая картина: GEO

Те же 60 запросов мы вручную прогнали через Алису (YandexGPT) и Gemini. По каждому фиксировали: прямое упоминание бренда в тексте ответа, ссылку на нашу статью или отсутствие присутствия.

В Алисе бренд засветился по 38 из 60 запросов — это 63%. Из них 12 раз Алиса назвала Pokkels прямо в тексте ответа, а ещё в 26 случаях дала ссылку на нашу статью, где бренд упоминается.

С Gemini картина другая: присутствие по 31 запросу из 60 (52%), зато 27 из них — прямые упоминания. Gemini реже ссылается на источник, но чаще сам называет бренд.

Мы заметили, что у нейронок есть принципиальная разница в механике. Например, Алиса чаще давала ссылку на конкретную статью-источник. А Gemini реже указывал источник, но чаще называл бренд напрямую в тексте, синтезируя информацию из нескольких страниц. Для бизнеса полезны оба сценария, но эффект разный: ссылка — это переход и чтение, прямое упоминание — запоминание названия.

Какая площадка ранжируется лучше

Это был один из главных вопросов проекта. Данные оказались показательными,  каждая площадка заняла свою нишу.

VC. 72% статей в ТОП-10 Яндекса, 94% в ТОП-10 Гугла. Стабильное присутствие в AI-ответах обеих систем: 13–14 запросов и в Алисе, и в Gemini..

DTF. 70% в ТОП-10 Яндекса, 70% в ТОП-10 Гугла. Ровные результаты без провалов. В AI-ответах тоже стабилен: 13–15 запросов с присутствием.

Tenchat — только для Яндекса. 70% статей в ТОП-10 Яндекса, но ни одна не попала в ТОП-10 Гугла. Гугл просто не индексирует Tenchat на уровне, достаточном для ранжирования. В Алисе площадка работает (9 запросов с присутствием), а в Gemini — почти нет (4 запроса). Если нужен только Яндекс, Tenchat подойдёт. Для Гугла — без VC и DTF не обойтись.

Рейтинговые vs информационные

Рейтинговые материалы оказались результативнее по всем метрикам, но самый яркий разрыв — именно в AI-ответах.

В поисковой выдаче: рейтинги — 82% в ТОП-10 Яндекса и 73% в ТОП-10 Гугла. Информационные — 68% и 45% соответственно. Разрыв заметный, но не критичный.

В AI-ответах разрыв двукратный: 82% рейтинговых статей процитированы Алисой против 38% информационных. В Gemini — 73% против 41%. Причина проста: когда пользователь спрашивает «топ установок лазерной очистки», AI ищет готовый структурированный список — и рейтинговая статья даёт ему именно это. По обобщающим запросам («как выбрать лазерный станок») AI формирует собственный ответ из нескольких источников и не привязывается к конкретным брендам.

Это самый ценный вывод проекта: информационные статьи работают на SEO и экспертный фон, а для попадания в нейроответы нужны рейтинги.

Что не сработало

Было бы нечестно говорить только про успехи. 16 из 60 статей не попали в ТОП-50 Яндекса, 27 не попали в ТОП-50 Гугла.

Главный провал — Tenchat в Гугле: все 21 статья вне индекса. Если вычесть Tenchat, картина в Гугле меняется: из 39 статей на DTF и VC в ТОП-10 попали 29 — это уже 74%.

Второй момент — статьи с обобщающим интентом. Темы формата «как выбрать лазерный станок» ранжировались хуже, чем конкретные подборки. По обобщающим запросам конкуренция выше, а поисковик предпочитает показывать собственные сервисы или крупные отраслевые порталы. В AI-ответах такие запросы тоже не дали результата: нейросети формируют общий ответ без привязки к брендам.

Примеры ответов нейросетей

Запрос: «лушчие промышленные установки для лазерной очистки металла». Алиса формирует список производителей и включает Pokkels в перечень рекомендованных. Gemini делает то же самое.

Запрос: «очистка пресс-форм в серийном производстве». Обе системы дают развёрнутый ответ по теме. Gemini ссылается на сайт Pokkels как на источник информации о технологии.

Запрос в ChatGPT: подбор установки лазерной очистки ChatGPT включил Pokkels F-Clean в список рекомендованных решений, отметив широкий модельный ряд — от компактных беспроводных версий до стационарных установок на 1500 Вт.

Запрос «лучшие лазерные сварочные аппараты» Perplexity выдаёт сравнительную таблицу лидеров, где Pokkels P-Weld 1500 стоит первым — с характеристиками, ценой и областью применения. Источниками ответа указаны наши статьи на VC и DTF.

Итоги

Бренд, который до начала проекта не существовал в ответах нейросетей, теперь присутствует в Алисе по 38 из 60 отраслевых запросов и в Gemini — по 31. Причём по части запросов AI начал рекомендовать Pokkels даже без прямой статьи под конкретный запрос. Вероятно сработал эффект накопления упоминаний из разных источников.

Несколько инсайтов, которые оказались неочевидными до старта проекта:

Рейтинги — главный формат для AI. Подборки «ТОП лучших» цитируются нейросетями вдвое чаще информационных статей. Обобщающие запросы вроде «как выбрать» в AI не дают привязки к бренду — такой контент лучше размещать на своём сайте, где он приносит трафик и конвертирует через формы.

Площадки неравнозначны. VC лучшее покрытие в обоих поисковиках и обеих AI-системах. DTF стабилен везде. Tenchat только Яндекс и Алиса, в Гугле и Gemini его нет.

Алиса и Gemini — разные механики. Алиса чаще ссылается на источник, Gemini — чаще называет бренд напрямую. Оба варианта полезны, но понимание разницы помогает расставить приоритеты.

Если у вас остались вопросы по кейсу или по GEO-продвижению, то пишите в комментариях — с радостью отвечу. А больше про нашу работу и внутрянку агентства рассказываю в Telegram-канале.