GEO-аналитика: как проверить, рекомендуют ли ваш бренд ChatGPT и Gemini
Содержание:
- Шаг 1. Определите темы и запросы, ценные для бизнеса
- Шаг 2. Проверьте AI Overview и генеративную видимость в Google
- Шаг 3. Соберите реальные ИИ-запросы и создайте библиотеку
- Шаг 4. Проверьте ChatGPT и Gemini по одинаковому набору запросов
- Шаг 5. Проверьте, превращается ли ИИ-видимость в трафик и заявки
- Шаг 6. Превратите выявленные пробелы в конкретные задачи
- Шаг 7. Повторите замер и оцените результат
- Вывод

Пользователь может найти компанию через Google, но всё чаще выбор начинается иначе. Он спрашивает ChatGPT или Gemini, какой продукт подойдёт для его задачи, просит сравнить бренды, назвать альтернативы или порекомендовать поставщика — и получает готовый ответ ещё до перехода на сайт.
GEO-аналитика — помогает определить, присутствует ли ваш бренд в таких ответах, с какими темами его связывают системы искусственного интеллекта, кого они рекомендуют вместо вас и превращается ли эта видимость в трафик и заявки. Для этого недостаточно просто несколько раз спросить ChatGPT о компании: нужен повторяемый процесс с проверенными темами, библиотекой ИИ-запросов и фиксацией результатов.
Термин AI-аналитика шире и может иметь разные значения. В общем смысле так часто называют анализ данных с использованием искусственного интеллекта.
AI Visibility — это уровень присутствия бренда, сайта, продукта или контента в ответах систем искусственного интеллекта. Он показывает, насколько часто бренд упоминается, рекомендуется или используется как источник в ChatGPT, Gemini, Google AI Mode, AI Overviews, Perplexity и других системах.
В этом руководстве пройдём весь цикл от поискового спроса до технического задания на внедрение. Для работы понадобятся Google Search Console, GA4, сервис анализа поисковых запросов вроде Serpstat и, по возможности, инструмент исследования или мониторинга ИИ-запросов.
Шаг 1. Определите темы и запросы, ценные для бизнеса
Не начинайте с просьбы к ChatGPT «сгенерировать 100 запросов о нашем продукте». Модель создаст правдоподобные формулировки, но это ещё не означает, что реальные пользователи задают такие вопросы или что эти вопросы имеют коммерческую ценность.
Отправная точка — обычная семантика бизнеса. Возьмите запросы из GSC, семантического ядра, CRM и вопросов клиентов и проверьте их в Serpstat или другом SEO-сервисе: частотность, намерение пользователя, конкурентность и наличие AI Overview.
| Ниша | Исходная тема | Что нас интересует |
| Промышленность | мембранные насосы | выбор типа насоса, поставщики |
| SaaS | CRM для производства | выбор, сравнение платформ |
| Медицина | лазерная коррекция | процедура, клиника, врач |
| E-commerce | робот-пылесос | характеристики, модели, бренды |
На этом этапе не нужно собирать сотни ключей. Достаточно выделить примерно 5–10 тематических кластеров, связанных с продуктом, реальной проблемой клиента или выбором поставщика.
Затем оцените каждый кластер не только по частотности, но и по ценности для бизнеса. Запрос с небольшим спросом, но близкий к решению «кого выбрать» или «что купить», может быть для GEO значительно интереснее высокочастотного информационного запроса.
Здесь уместно показать скриншот Serpstat Keyword Research с колонками частотности, намерения и наличия AI Overview. Читатель должен видеть, что GEO-исследование начинается с проверенного спроса, а не с предположений о ChatGPT.
Шаг 2. Проверьте AI Overview и генеративную видимость в Google
AI Overview стоит анализировать отдельно, поскольку он связывает классический ключевой запрос с генеративным ответом Google. Для конкретного ключа нас интересует, появляется ли AI Overview, какие домены и URL он использует как источники и присутствует ли среди них наш сайт.
В Serpstat есть отдельные данные AI Overview с привязкой к поисковым запросам и источникам: URL, доменам, заголовкам и ссылкам внутри генеративного ответа. Это позволяет анализировать не только сам факт появления AIO, но и то, какие конкуренты и типы страниц получают цитирования.
Например, для запроса «CRM для производства» стоит зафиксировать три вещи: есть ли AI Overview, какие сайты он цитирует и совпадают ли эти сайты с обычным органическим топом. Если ваш конкурент регулярно попадает в источники AIO, а ваш сайт — нет, это уже конкретный пробел для дальнейшего анализа.
Второй уровень — собственный Google Search Console. Отдельный отчёт Generative AI Performance показывает показы сайта в AI Overviews и AI Mode, а также страницы, страны, устройства и динамику во времени. Google запустил этот отчёт для сайтов по всему миру в конце августа 2026 года.
При этом GSC пока не показывает отдельный срез по запросам в этом отчёте. Поэтому связка получается такой: Serpstat помогает анализировать AI Overview на уровне ключевого запроса, а GSC — видеть, какие страницы вашего сайта уже получают генеративную видимость в Google.
Для статьи здесь достаточно двух скриншотов: примера AI Overview в Serpstat с источниками и вкладки Pages в Generative AI Performance Search Console. Вместе они хорошо показывают разницу между анализом запроса и анализом собственного сайта.
Шаг 3. Соберите реальные ИИ-запросы и создайте библиотеку
Поисковый запрос и вопрос к ChatGPT часто выражают одинаковое намерение, но сформулированы по-разному. В Google пользователь может написать «CRM для производства», а в ChatGPT — «У нас производственная компания на 30 сотрудников и длинный цикл продаж. Какую CRM лучше выбрать?».
Здесь важно отделить реальные ИИ-запросы от контрольных запросов, которые мы создаём сами. Profound Prompt Volumes заявляет, что использует анонимизированные и агрегированные реальные взаимодействия пользователей с ChatGPT, Gemini, Claude и Perplexity, а Semrush Prompt Research предоставляет базу реальных ИИ-запросов, их темы, намерения и оценку спроса.
Именно такие сервисы помогают ответить на вопрос: «Что люди на самом деле спрашивают у ИИ?» При этом для конкретного длинного вопроса корректнее оценивать спрос на тематический кластер и намерение пользователя, а не абсолютную «частотность предложения».
Если Profound или Semrush недоступны, это не препятствует GEO-аналитике. Можно использовать GSC, Serpstat, вопросы клиентов и семантику конкурентов для определения тем, а затем создать контрольные ИИ-запросы, явно обозначив их в таблице как шаблонные, а не реальные.
Для контрольной библиотеки не нужно каждый раз придумывать формулировки с нуля. Большинство сценариев выбора можно построить на стандартных шаблонах, подставив категорию, задачу, бренд и конкурента.
| Намерение | Шаблон ИИ-запроса |
| Рекомендация | Какие {категория} стоит рассмотреть для {задача}? |
| Сравнение | {Бренд A} или {Бренд B} — что лучше для {задача}? |
| Альтернатива | Какие есть альтернативы {Бренд A} для {задача}? |
| Выбор | Какой {продукт} выбрать для {сценарий}? |
| Поставщик | Какие компании предлагают {услуга} в {регион}? |
| Соответствие | Подходит ли {Бренд A} для {тип клиента}? |
| Проблема | Что использовать, если {проблема}? |
| Локальный выбор | Где найти {услуга} в {город}? |
Например, имея ключевой кластер «CRM для производства» и конкурентов HubSpot и Pipedrive, мы автоматически получаем сценарии «HubSpot или Pipedrive для производственной компании?», «Какие есть альтернативы HubSpot для малого B2B?» или «Какую CRM выбрать производственному бизнесу с длинным циклом продаж?». Это хорошие контрольные вопросы, но их не нужно выдавать за запросы с подтверждённой частотностью.
Все найденные запросы стоит сохранять в отдельной таблице. Как минимум нужны тема, формулировка, тип запроса, источник, частотность в Google или оценка AI-спроса, наличие AI Overview, бренд, конкуренты, регион, ценность для бизнеса и приоритет.
Для иллюстрации этого шага уместен скриншот Profound или Semrush с реальными ИИ-запросами и отдельный скриншот листа «Библиотека запросов». Читатель сразу увидит разницу между источником данных о спросе и рабочей библиотекой для дальнейшего мониторинга.
Шаг 4. Проверьте ChatGPT и Gemini по одинаковому набору запросов
После очистки библиотеки оставьте примерно 30–50 приоритетных запросов. В ней должны быть не только информационные вопросы, но и сравнения, альтернативы, рекомендации и сценарии выбора — именно там ИИ сильнее всего влияет на решение пользователя.
Теперь одинаковые запросы проверяем в ChatGPT и Gemini. Для каждого ответа фиксируем не только факт упоминания бренда, но и то, рекомендуется ли он, есть ли ссылка на сайт, какая страница процитирована, какие конкуренты присутствуют и какие внешние источники использовала система.
Ручной проверки достаточно для первого небольшого аудита, но регулярный мониторинг удобнее автоматизировать. Serpstat LLM Brand Monitor позволяет отслеживать бренд и конкурентов в ChatGPT, Gemini, Claude, Perplexity и других моделях, а SE Visible поддерживает ChatGPT, Gemini, Google AI Overviews, AI Mode и Perplexity и показывает упоминания, цитируемые страницы и видимость конкурентов.
Результаты заносите в отдельный лист. Для базового замера достаточно рассчитать долю упоминаний, долю рекомендаций и долю ответов со ссылкой на сайт, но не воспринимайте эти значения как универсальный отраслевой норматив — это ваша собственная отправная точка.
Например, если бренд упомянут в 12 из 40 проверенных ответов, его доля упоминаний в контрольном наборе составляет 30%. Через месяц этот же набор можно проверить повторно и увидеть, изменилась ли ситуация.
В статье здесь стоит показать один и тот же запрос в ChatGPT и Gemini и выделить названия брендов, конкурентов и источники. Второй полезный скриншот — дашборд Serpstat LLM Brand Monitor или SE Visible, который показывает, как ручная проверка превращается в регулярный мониторинг.

Шаг 5. Проверьте, превращается ли ИИ-видимость в трафик и заявки
Упоминание бренда в ChatGPT имеет ценность только в контексте бизнеса. Поэтому следующий этап — проверить, переходят ли пользователи из ИИ на сайт и что они делают после перехода.
В мае 2026 года Google Analytics 4 добавил отдельный канал AI Assistant для трафика из распознанных ИИ-ассистентов, включая ChatGPT, Gemini и Claude. GA4 может автоматически присваивать таким переходам значение ai-assistant, что упрощает сравнение этого трафика с органическим поиском и другими каналами.
В отчёте стоит смотреть не только количество пользователей, но и целевые страницы, вовлечённые сеансы, ключевые действия, заявки и доход. Например, может оказаться, что пользователи из ChatGPT чаще всего попадают на сравнительную статью или кейс, а затем переходят к услуге.
При этом часть влияния ИИ останется невидимой для прямой атрибуции. Человек может увидеть бренд в ChatGPT, а через день найти его название в Google, поэтому для B2B, медицины и других ниш с более долгим циклом выбора полезно добавить в CRM или форму вопрос «Где вы впервые узнали о нас?».
Для этого шага достаточно одного скриншота GA4 → AI Assistant → целевые страницы и конверсии. Он хорошо переводит разговор с «видимости в ИИ» на реальный бизнес-результат.
Шаг 6. Превратите выявленные пробелы в конкретные задачи
После сбора данных нужно взять запросы, по которым конкурент присутствует, а ваш бренд — нет, и найти причину различий. Пробелы удобно разделять на технические, контентные и внешние, поскольку они требуют разных исполнителей и разных типов задач.
Технические проблемы нужно превращать в ТЗ для разработчика, а не оставлять в виде рекомендации «улучшить GEO». Минимальная структура такого задания:
URL → выявленная проблема → источник данных → конкретное изменение → критерий приёмки → что проверим после внедрения
Например, если важная страница закрыта для OAI-SearchBot, в ТЗ нужно указать конкретное правило robots.txt, которое следует изменить, и способ проверки после релиза. OpenAI прямо разделяет OAI-SearchBot, который используется для поиска ChatGPT, и GPTBot, связанный с другими сценариями использования контента, поэтому эти правила не следует смешивать.
Если проблема связана с контентом, отдельную задачу получает SEO-специалист или редактор; если с внешними источниками — специалист по PR или линкбилдингу. То есть результат GEO-аудита — набор конкретных задач с ответственными за их выполнение.

Какие сигналы маркетологи считают самыми важными для AI Visibility
Выберите следующий шаг
💬 Кейс
Не знаете, с чего начать GEO?
Обсудите свой сайт с GEO-экспертом и определите приоритеты
📖 Руководство
GEO vs SEO: в чём разница?
Сравните продвижение в Google и видимость в ответах ИИ
🧮 Калькулятор
Сколько будет стоить SEO?
Оцените примерный бюджет для своего сайта.
Шаг 7. Повторите замер и оцените результат
После внедрения изменений нужно повторно проверить тот же контрольный набор запросов в тех же системах, для того же региона и языка. Если каждый месяц менять половину библиотеки, сравнивать результаты будет сложно, поэтому новые запросы лучше добавлять отдельно, не удаляя базовый набор.
В отчёте сравнивайте как минимум долю упоминаний, рекомендаций и цитирований, генеративные показы Google, переходы из AI Assistant и заявки. Для отдельных важных тем дополнительно стоит смотреть, изменился ли набор конкурентов и источников, на которые опираются ИИ-системы.
Оптимальный цикл для большинства проектов — базовый замер, внедрение 3–5 приоритетных изменений и повторная проверка примерно через месяц. Для крупных проектов или быстро меняющихся ниш мониторинг можно запускать чаще с помощью Serpstat, SE Visible, Semrush или другого специализированного сервиса.
Взгляд эксперта. Самая сложная часть GEO-аналитики сегодня — правильно определить, какие запросы вообще стоит отслеживать. Если библиотека состоит только из сгенерированных моделью вопросов без подтверждённого спроса или бизнес-логики, даже идеальный мониторинг может улучшать видимость там, где она не приносит ценности.
Вадим Рибалко, SEO-стратег, основатель Strategia
Поэтому я бы всегда сочетал два подхода: реальный спрос из GSC, Serpstat, Profound или Semrush и контрольные бизнес-сценарии вроде сравнения брендов, поиска альтернатив и выбора поставщика. Именно пересечение этих двух групп даёт наиболее полезную библиотеку для GEO.
Вывод
Для базовой GEO-аналитики не нужен один «волшебный» сервис. Её можно выстроить как последовательность:
Поисковые темы и частотность → AI Overview → реальные и контрольные ИИ-запросы → ChatGPT/Gemini → GA4 → пробелы → ТЗ → повторный замер.
Profound и Semrush значительно расширяют возможности исследования реального AI-спроса, а Serpstat и SE Ranking позволяют автоматизировать существенную часть мониторинга. Но сама методология остаётся одинаковой: сначала определить важные для бизнеса сценарии, а затем измерять, присутствует ли в них бренд.
FAQ
Да, поскольку AI Overview показывает генеративную видимость непосредственно для проверенных поисковых ключей и позволяет анализировать источники, которые Google использует в ответе. Это отдельный сигнал, который хорошо дополняет мониторинг ChatGPT и Gemini.
Обычно нет, поскольку одно намерение может выражаться десятками естественных формулировок. Практичнее работать с тематическим кластером, сценарием выбора и набором контрольных запросов, а не оптимизировать страницу под одно конкретное предложение.
Да, можно начать с GSC, Serpstat, семантики бизнеса, вопросов клиентов и контрольных ИИ-запросов, а результаты проверять вручную или через Serpstat/SE Ranking. Но без источника реальных AI-запросов нужно честно обозначать, где мы работаем с подтверждённым спросом, а где — с собственными контрольными гипотезами.
В Generative AI performance Google сейчас показывает страницы, страны, даты и устройства, но не отдельный список запросов. Поэтому данные GSC нужно дополнять исследованием запросов и собственной библиотекой контрольных вопросов.
Полного аналога Google Keyword Planner нет. Ahrefs использует моделируемую оценку спроса, тогда как Profound работает с выборкой реальных анонимизированных запросов и статистическим моделированием. Эти значения лучше использовать для определения приоритетов, а не как абсолютное количество всех запросов в ChatGPT.
Для ручного стартового анализа удобно использовать 30–50 контрольных запросов. Важнее охватить разные этапы выбора клиента, чем просто собрать как можно больший список.
