GEO вместо SEO: как стать брендом, который ChatGPT советует покупателю

Берлин, IFA 2026. Компания Winseed, которая делает инфраструктуру для ИИ-маркетинга, привезла на выставку проект ONE QUESTION AT IFA и опросила 50 брендов и руководителей из мира потребительской электроники. Вопрос был ровно один: как стать тем брендом, которого ассистент называет в ответе.

Ещё недавно тема звучала технически: как попасть в ответы нейросети, что положить в разметку, чем кормить краулер. На IFA вопрос сформулировали иначе: как стать брендом, который ИИ рекомендует. Разница принципиальная. Первое это метрика отдела SEO. Второе это маркетинговый выбор, за который отвечает тот, кто отвечает за бренд целиком.

Причина в том, что меняется путь к покупке. Человек идёт не в поисковик, а к ассистенту, и формулирует не запрос, а задачу:

• какой робот-пылесос взять в квартиру, где живёт кот
• какой бренд умного дома не бросит устройство через два года
• что из бытовой техники в Европе сейчас реально инновационное
• кто вообще лидирует в потребительском ИИ

В такой постановке первая страница выдачи никого не интересует: у ответа нет страниц. Есть два-три названия и причина, по которой они там оказались.

Термин уже устоялся: generative engine optimization, или GEO. Задача не в том, чтобы перехитрить модель, а в том, чтобы она верно поняла, кто вы, и нашла подтверждения вашим словам за пределами вашего же сайта. Разница с SEO видна по результату. В SEO результат это позиция, её можно посмотреть. В GEO результат это упоминание в ответе: назвали вас или конкурента, с какой формулировкой и на каком основании.

Вместе с термином появился и класс сервисов, которые это измеряют: brandfound, Profound, Peec AI, Otterly.AI. Устроены они похоже: задают ассистентам сотни типовых вопросов покупателя, записывают, кого те называют в ответе, и разбирают, из каких источников рекомендация собрана. Так «нас рекомендуют» перестаёт быть ощущением и превращается в цифру, которую видно неделя к неделе.

Смысл замера простой. Без него любая правка позиционирования остаётся верой в лучшее. С ним видно конкретное: в каких сценариях вас не называют вообще, где вас путают с соседней категорией и какой источник подсунул модели формулировку, которой вы про себя никогда не говорили.

Поисковик сортирует страницы. Языковая модель собирает ответ из разрозненных сигналов: что компания пишет о себе, как её товар описан у ретейлера, что о ней сообщили журналисты, как категорию объясняют независимые эксперты, что говорят в отзывах и насколько всё это друг другу не противоречит.

Отсюда вывод, неприятный для привычной отчётности. Можно иметь отличный трафик из поиска и быть невидимым в ответе ассистента. Можно выкупить весь медийный инвентарь в категории и не попасть в рекомендацию. Можно выпускать сотни материалов в месяц и оставить машину в неведении о том, что компания делает лучше всех. Проблема уже не в охвате, а в интерпретации.

1. Понимает ли она, кто вы: одна и та же компания видна во всех десяти источниках или каждый раз разная
2. Есть ли у неё основания вам верить: заявленные преимущества подтверждены кем-то, кроме вашего пресс-релиза
3. Есть ли причина рекомендовать именно вас, когда задан конкретный сценарий, а не абстрактная категория

• Позиционирование перестаёт быть слайдом для внутреннего употребления: если оно размыто, размытым его увидит и модель
• Единообразие описаний у ретейлеров и маркетплейсов становится задачей бренда, а не подрядчика по контенту
• Независимые подтверждения (тесты, обзоры, экспертные материалы) весят больше, чем ещё один рекламный охват
• Объём контента перестаёт работать сам по себе: сто разнонаправленных текстов хуже десяти согласованных
• Метрика смещается с «нас нашли» на «нас назвали в ответе», и её нужно чем-то замерять

1. Собрать список реальных вопросов, с которыми к ассистенту приходит ваш покупатель, и посмотреть, кого он называет в ответе
2. Проверить, совпадает ли ваше описание категории и преимуществ на сайте, у ретейлеров и в отраслевых публикациях
3. Найти утверждения, которые нечем подтвердить снаружи, и либо подтвердить, либо убрать
4. Закрепить за брендом одну область компетенции и повторять её последовательно, а не менять от кампании к кампании
5. Замерять результат регулярно: попадание в ответ меняется вместе с моделями и источниками

После выставки Winseed обещает первую волну данных своего исследования, включая рейтинг тридцати технологических брендов, которые ИИ рекомендует чаще других: где они выигрывают и какие сигналы усиливают их шансы попасть в ответ.

Формулировка вопроса для маркетинга меняется окончательно. Не «видны ли мы», а «когда у ИИ спрашивают, что купить, кого он называет и почему». Подробности о самой выставке: IFA Berlin.