Справочник
Глоссарий GEO
12 терминов, которые встречаются при разговоре о продвижении бренда в ответах нейросетей — без жаргона и без вымышленных примеров. Каждое определение можно проверить самостоятельно.
GEO (Generative Engine Optimization)
Оптимизация присутствия бренда в ответах генеративных ИИ-моделей, а не в ссылочной выдаче поисковика.
GEO — направление, которое занимается тем, чтобы языковая модель называла бренд в своём ответе на запрос пользователя. В отличие от SEO, здесь нет страницы результатов со ссылками: пользователь получает готовый связный ответ, и либо бренд в нём упомянут, либо нет. Единица оптимизации — не позиция в выдаче, а вероятность быть процитированным.
SEO (Search Engine Optimization)
Оптимизация сайта под классическую поисковую выдачу — Google, Яндекс — за позицию ссылки в списке результатов.
SEO работает с алгоритмом ранжирования ссылок: чем выше сайт в выдаче, тем больше кликов он получает. Метрики — позиции по запросам, органический трафик, показатель кликабельности. Управляющий фактор — то, как поисковая система индексирует и ранжирует страницы, а не то, как языковая модель пересказывает их содержание.
AI Overviews
Блок сгенерированного ИИ-ответа, который Google показывает прямо над обычной поисковой выдачей.
AI Overviews — функция Google, которая генерирует краткий ответ на запрос на основе нескольких источников и показывает его до списка ссылок. Пользователь часто не долистывает до классической выдачи, если ответ в AI Overviews его устроил, поэтому попадание в число процитированных там источников напрямую влияет на видимость бренда.
Генеративный поисковик (generative engine)
Система, которая отвечает на запрос пользователя связным текстом, сгенерированным моделью, а не списком ссылок.
К генеративным поисковикам относят ChatGPT с веб-поиском, Perplexity, Google AI Overviews, Яндекс Нейро и похожие продукты. Общий признак — модель формулирует ответ сама, опираясь на найденные источники, и решает, какие из них назвать явно, а какие использовать без атрибуции.
LLM (большая языковая модель)
Модель, обученная на больших объёмах текста и способная генерировать связные ответы на естественном языке.
ChatGPT, Claude, Gemini, GigaChat, Яндекс Нейро — всё это интерфейсы поверх LLM. Модель не «ищет» в привычном смысле: она либо отвечает на основе того, что запомнила при обучении, либо, если подключён веб-поиск, дополняет ответ актуальными источниками — и именно во втором случае решается, какие сайты процитировать.
RAG (Retrieval-Augmented Generation)
Техника, при которой модель перед ответом ищет актуальные источники в интернете или базе знаний, а не полагается только на память.
RAG — то, что стоит за веб-поиском в ChatGPT, Perplexity и похожих продуктах: модель формирует запрос, получает набор документов, а затем генерирует ответ на их основе, иногда явно ссылаясь на источники. Доступность сайта для этого этапа поиска — техническое условие, без которого модель физически не может процитировать бренд, даже если он этого заслуживает по содержанию.
llms.txt
Текстовый файл в корне сайта со структурированным описанием компании — по аналогии с robots.txt, но для ИИ-краулеров.
Формат предложен как способ дать языковым моделям краткое, машиночитаемое описание того, чем занимается сайт, без необходимости разбирать вёрстку страницы. Стандарт не универсально поддержан всеми моделями, но издержки на его создание минимальны, а потенциальная польза — исключить ситуацию, когда модель неверно поняла профиль компании.
ИИ-краулеры
Боты, которые обходят сайты для обучения моделей или для ответа на запрос пользователя в реальном времени — GPTBot, ClaudeBot, PerplexityBot и другие.
Часть краулеров (например GPTBot) собирает данные для обучения будущих версий моделей — эффект от индексации проявится нескоро. Другие (например PerplexityBot, OAI-SearchBot) обращаются к сайту в момент ответа на конкретный запрос пользователя — если такой краулер заблокирован в robots.txt, модель физически не может прочитать страницу прямо сейчас, вне зависимости от качества её содержания.
Бесклик-поиск (zero-click search)
Ситуация, когда пользователь получает ответ на свой запрос, не переходя ни на один сайт.
Классический пример — блок с прямым ответом в поисковой выдаче. Генеративные ответы ИИ усиливают эту тенденцию: развёрнутый связный ответ модели снижает необходимость открывать источники по отдельности. Для бренда это означает, что упоминание в самом ответе становится ценнее клика, которого может не случиться вообще.
Концентрация цитирований
Степень, в которой цитирования в ответах ИИ сосредоточены на небольшом числе источников, а не распределены равномерно.
По данным RankScope (2026), в Google AI Overviews топ-5 доменов по каждой категории забирают 38% всех цитирований, топ-10 — 54%. Это означает, что рынок цитирований устроен иначе, чем классическая органическая выдача с длинным хвостом: попадание в узкий список источников, которые модель считает авторитетными, определяет почти половину видимости в категории.
Структурированные данные (Schema.org)
Разметка страницы в машиночитаемом формате, которая явно называет, что есть что: организация, услуга, цена, вопрос-ответ.
Schema.org — общепринятый словарь для такой разметки. Она не гарантирует цитирование, но снимает с модели (или поискового робота) работу по угадыванию структуры контента: вместо того чтобы понимать из текста, что цена услуги — 95 000 ₽, модель может прочитать это напрямую из тега Offer.
Как Citato применяет эти термины
Полная методика измерения доли цитирований, список отслеживаемых моделей и разбор технической готовности сайта — на странице «Методология измерения». Там же — открытые тарифы и бесплатный мини-аудит по 10 промптам.