Как я каждый месяц проверяю, называет ли меня ChatGPT, и что из советов по GEO на деле не работает
С августа у меня работает скрипт, который задает нейронке вопросы так, как их задал бы мой клиент, и считает, называет ли она меня. Сейчас он делает это раз в месяц. Рассказываю, как это устроено, что показали замеры и почему популярные советы вроде llms.txt почти ничего не дают.5 ноября я читал лекцию «Бренд, который выбирает нейронка» на площадке МосХаб.Сколково, в цикле экспертных вебинаров РАСО и НИУ ВШЭ для студентов рекламы и PR. Там была маркетинговая часть. Здесь техническая: как устроен замер и что пришлось в нем переделать по дороге.Зачем это мерить
Оптимизация сайта под нейросети
«Спросил у ChatGPT про вашу компанию — он назвал трех конкурентов». Если вы работаете с сайтами, такую фразу вы слышали уже не раз. При этом сайт в топе, трафик из поиска идет, конверсии в порядке. А нейросеть либо не знает о вас, либо рассказывает о компании по данным двухлетней давности. Первая реакция — переписать тексты, добавить экспертизы, оформить FAQ. Мы проходили этот путь: гипотеза про «мало контента» выглядит логично, но почти никогда не подтверждается. Отвечает нейросеть не по вашему тексту, а по тому, что до нее дошло. И вот тут начинается самое интересное.
ИИ съел выдачу и сломал старые правила доверия
Раньше пользователь шёл за ответом в поисковик, открывал один из сайтов и находил нужную информацию. Сайт получал трафик, конверсии и рекламные показы. Конечно, это упрощённая модель, без оценки качества выдачи, SEO и других деталей, но понятная. За полезную информацию сайт получал аудиторию, а вместе с ней и выгоду.С приходом ИИ эта схема начала меняться. Пользователь чаще спрашивает ChatGPT, Perplexity или Gemini и не доходит до исходного сайта. А вместе с трафиком пропадает смысл вкладываться в контент.
llms.txt — кто его реально читает и нужен ли он вашему сайту
Ну что, сыграем сегодня в разрушителей мифов? Тем более, именно этот миф набил оскомину и пару маркетинговых физиономий. Итак, давайте разбираться, что же такое этот наш элэлэмс текст, зачем он нужен и нужен ли вообще.
Спор про llms.txt не сходится: и критики, и хайп меряют не тот слой
Один лагерь показывает 0,1% обращений в логах и хоронит файл. Другой обещает прирост цитируемости на 30–60%. Обе цифры реальны. Они измеряют разные вещи, и пока спорщики этого не видят, спор идёт по кругу.
Harness вокруг LLM: что я понял за год ежедневной работы
Год в Claude Code, несколько релизов моделей, десятки экспериментов с командой в Kaiten. Всё это время я ждал, что главным рычагом качества будет очередной релиз модели. Оказалось, ровно наоборот: смена модели даёт заметный, но ограниченный прирост, а каждый новый слой обвязки вокруг неё — кратный.Англоязычные инженеры называют эту обвязку harness
Сайт упал под Core Update — что делаем дальше?
После Core Update декабря 2025: как мы перестраиваем автомобильную референс-платформу под GEO/LLM-эпохуВ декабре 2025 года Google выкатил очередной Core Update. У одного из проектов, с которым я работаю — независимой автомобильной референс-платформы для немецкоязычного рынка с англоязычной редакцией под аудиторию экспатов — органический трафик просел сразу по нескольким векторам одновременно. Шаблонные страницы
AI-friendly и AI-first: как адаптировать ИТ-проекты под эру LLM
Привет, Хабр! Последние полгода стало модно создавать новые и переводить старые проекты на рельсы AI-First (или AI-Friendly) стандарта. Уже появляются проекты, которые декларируются как «designed for AI to write». Например, AIR
785 статей. 26 доменов. Для агентов, не людей
Live: https://happyin.space/ Repo: https://github.com/AnastasiyaW/knowledge-space (MIT)Когда агент пишет код в пустом проекте, он тратит первые 30-40% токенов на понимание того, что происходит вокруг. Не на работу - на ориентацию. README рассказывает мотивацию, туториал ведёт за руку, API-reference описывает параметры. Ни один из этих форматов не отвечает на вопрос, ради которого агент и пришёл: “вот задача, какой паттерн скопировать и где здесь грабли?”
