Generative Engine Optimization (GEO, «оптимизация под генеративные системы») — направление цифрового маркетинга, объединяющее методы адаптации веб-контента к поисковым и ответным интерфейсам на основе больших языковых моделей: ChatGPT, Perplexity, AI Overviews, Microsoft Copilot, Claude, «Яндекс Нейро». В отличие от классического SEO, нацеленного на позицию страницы в ранжированном списке результатов, GEO ставит целью включение материала в синтезированный ответ генеративной системы — в качестве источника, упоминания или цитаты.
Термин предложили Пранджал Аггарвал и соавторы в препринте 2023 года; в 2024 году работа вошла в труды 30-й конференции ACM SIGKDD Conference on Knowledge Discovery and Data Mining (KDD '24). В 2025 году аббревиатуру начали употреблять деловые и общественно-политические издания, включая Wired и New York Magazine.
Статус GEO как самостоятельной дисциплины оспаривается. В мае 2026 года Google в документации Search Central указала, что оптимизация под генеративный поиск остаётся обычным SEO, и перечислила ряд приёмов, продвигаемых под марками GEO и AEO, как ненужные.
Предпосылки
В мае 2024 года Google начала массовое внедрение AI Overviews — сводного ответа, который языковая модель формирует непосредственно в поисковой выдаче. В октябре 2024 года OpenAI открыла ChatGPT Search, соединив диалоговый интерфейс с доступом к веб-источникам в реальном времени. В 2025 году Google представила AI Mode — режим выдачи, в котором исходный запрос разбивается на подзапросы (query fan-out), по каждому выполняется отдельный поиск, а результаты сводятся в общий ответ.
В русскоязычном сегменте сходную функцию выполняет сервис «Нейро», запущенный Яндексом в апреле 2024 года на основе модели YandexGPT 3: система подбирает источники в поисковой выдаче, анализирует их и формирует сводный ответ со ссылками. В октябре 2024 года Нейро был интегрирован в основную поисковую выдачу.
Происхождение термина
Термин «Generative Engine Optimization» предложен в препринте 2023 года; его авторы — Пранджал Аггарвал (Индийский технологический институт в Дели), Вишвак Мурахари, Картик Нарасимхан и Амит Дешпанде (Принстонский университет), Танмай Раджпурохит (Технологический институт Джорджии) и Ашвин Калян (Институт Аллена по искусственному интеллекту). Авторы определили «генеративную систему» (generative engine) как сочетание языковой модели с механизмом поиска и предложили набор тестов GEO-bench из 10 000 запросов для измерения видимости контента в генеративных ответах.
За пределы профессиональной среды термин вышел в 2025 году. В августе 2025 года New York Magazine опубликовал материал «SEO Is Dead. Say Hello to GEO», связав распространение генеративного поиска с пересмотром стратегий продвижения у издателей и брендов. В октябре 2025 года Wired в статье «Forget SEO. Welcome to the World of Generative Engine Optimization» описал перенос этих практик в работу ритейлеров и крупных компаний. Search Engine Land относит GEO к устоявшимся обозначениям отрасли наряду с AEO (answer engine optimization).
Отличия от классического SEO
Традиционная поисковая оптимизация направлена на продвижение страницы в ранжированном списке результатов: её ключевые метрики — позиция в выдаче и показатель кликабельности, а итогом взаимодействия становится переход пользователя на сайт. GEO, напротив, нацелено на попадание материала в синтезированный ответ; критерием видимости здесь служит не позиция, а факт упоминания или цитирования, а пользователь получает ответ непосредственно в интерфейсе.
При этом GEO не отменяет значения базовых SEO-факторов. Генеративные функции Google, по описанию самой компании, опираются на её основной поисковый индекс и системы ранжирования и обращаются к нему через retrieval-augmented generation и query fan-out, поэтому техническая доступность страницы и качество контента сохраняют роль.
Описываемые методы
Аггарвал и соавторы протестировали девять способов переработки текста. Наибольший прирост по метрикам Position-Adjusted Word Count и Subjective Impression дали три приёма: добавление ссылок на авторитетные источники, включение прямых цитат и насыщение текста числовыми данными; авторы сообщают о росте видимости до 40 % относительно базового уровня. Search Engine Land дополняет этот перечень структурированием материала по отдельным подтемам, сравнительными обзорами, FAQ-блоками, регулярным обновлением и публикацией на площадках, которые генеративные системы используют как источники, — в отраслевых изданиях, на YouTube и Reddit.
Требование к машиночитаемости вытекает из устройства генеративных систем, извлекающих из внешних источников отдельные фрагменты текста. Разработчики «Нейро» описывают алгоритм так: тексты релевантных источников разбиваются на фрагменты по 256 токенов, из которых отбираются наиболее соответствующие запросу.
К инструментам GEO отраслевые публикации относят разметку Schema.org, описывающую тип содержимого страницы. Google, напротив, указывает, что для попадания в генеративные ответы её поисковой системы специальная разметка не требуется, а структурированные данные следует применять в рамках обычной SEO-стратегии.
Отдельное место занимают сигналы происхождения и надёжности материала, которые в отраслевой литературе связывают с концепцией E-E-A-T, используемой Google при оценке качества контента. Алиса Ли и Луэнн Синнамон в аудите генеративных поисковых систем (2024) установили, что такие системы интенсивно опираются на новостные и медийные источники, а их цитирование обнаруживает коммерческие и географические смещения. Чень и соавторы (2025) при сопоставлении AI-поиска и классической выдачи Google зафиксировали преимущественное обращение генеративных систем к сторонним авторитетным источникам перед материалами самих брендов, а также различия между ChatGPT, Perplexity, Gemini и Google по разнообразию доменов и свежести материалов.
Влияние на пользовательское поведение и трафик
Pew Research Center в 2025 году проанализировал 68 879 поисковых запросов 900 взрослых пользователей в США за март 2025 года и установил, что AI-сводка сопровождала около 18 % запросов в Google. На страницах с AI-сводкой пользователи переходили по обычным ссылкам в 8 % случаев против 15 % на страницах без неё; по ссылкам внутри самой сводки — в 1 % случаев. Доля запросов с AI-сводкой возрастала с длиной запроса: с 8 % для запросов из одного-двух слов до 53 % для запросов из десяти слов и более. Google назвал методологию исследования некорректной и не отражающей общий поисковый трафик.
Reuters Institute for the Study of Journalism (Оксфордский университет) в ежегодном отчёте о трендах журналистики на 2026 год отметил рост интереса издателей к адаптации под answer engine optimization и GEO как к части стратегии удержания аудитории. Search Engine Land описывает набор используемых в отрасли метрик видимости: частоту цитирования бренда в генеративных ответах, долю голоса (share of voice) относительно конкурентов и тональность упоминаний.
Критика
15 мая 2026 года Google опубликовала в документации Search Central руководство по оптимизации сайтов под генеративные функции поиска, в котором прямо назвала AEO и GEO частью обычного SEO, а не самостоятельными дисциплинами. В разделе о распространённых заблуждениях перечислены приёмы, которые, по утверждению компании, не влияют на попадание в генеративные ответы Google: создание файлов llms.txt и иной «специальной» машиночитаемой разметки, дробление текста на короткие фрагменты, переписывание материалов под языковые модели, искусственное наращивание упоминаний бренда и добавление особых типов структурированных данных. Как отмечает Search Engine Journal, документ сводит воедино позицию, которую сотрудники Google ранее высказывали на отраслевых конференциях, и адресован сложившемуся рынку услуг по «оптимизации под ИИ».
Отдельное направление критики связано с уязвимостью генеративных систем к манипуляции. Аунон Кумар и Химабинду Лаккараджу (2024) показали, что добавление на страницу товара специально подобранной текстовой последовательности заметно повышает вероятность того, что языковая модель поставит этот товар на первое место в рекомендации; авторы указывают на риск искажения рыночной конкуренции по мере переноса подобных приёмов из SEO в оптимизацию под ИИ-поиск.
См. также
Поисковая оптимизация Большая языковая модель Обзор от ИИ Schema.org ChatGPT Perplexity AI
Примечания
Ссылки
Aggarwal P. et al. GEO: Generative Engine Optimization — препринт работы, в которой предложен термин (arXiv). Optimizing your website for generative AI features on Google Search — руководство Google Search Central. Do people click on links in Google AI summaries? — исследование Pew Research Center о поведении пользователей при показе AI-сводок.
Категория:Поисковая оптимизация Категория:Интернет-маркетинг Категория:Искусственный интеллект