Geo ai продвижение пытается сделать так, чтобы нейросеть назвала ваш бренд, когда человек спрашивает её, к кому обратиться. Об этом много говорят и мало показывают на цифрах. Поэтому кейс на Хабре от Kokoc Performance (входит в Kokoc Group) интересен прежде всего замерами. Его автор, руководитель группы экспериментальных клиентов агентства, описывает проект для B2B-компании из корпоративного обучения: за два месяца видимость бренда в ответах шести нейросетей выросла с 0,83% до 42,79%.
Ниже конспект статьи для тех, кто хочет понять устройство проекта без чтения оригинала. Речь пойдёт о том, как агентство мерило видимость, по какому принципу отбирало запросы, какие тексты писало и где публиковало, что получилось по каждой системе и почему автор не связывает рост заявок с GEO напрямую.
Всё, что ниже, — данные и выводы самого агентства о собственном проекте. Независимой проверки цифр в материале нет, оценка вынесена в последний раздел.
Что такое GEO и какую задачу поставил клиент
Если коротко про расшифровку GEO-продвижения, автор определяет его как продвижение в генеративных поисковых системах. Это ответы Алисы в поиске Яндекса, Google AI Overview, ChatGPT, Perplexity и других ассистентов, которые собирают ответ сами, а не выдают список ссылок. Рядом в тексте упоминается AEO, и автор адресует кейс тем, кто занимается SEO, контентом, B2B-маркетингом, GEO и AEO.
Клиент проводит корпоративное обучение: переговоры повышенной сложности, B2B-продажи, развитие управленцев, стратегические сессии и фасилитацию. Рынок плотный. Moscow Business Academy, СКОЛКОВО, РШУ, ITC Group, LiCO, ЭКОПСИ Консалтинг и другие появлялись в ответах ИИ заметно чаще клиента, и от их уровня агентство отталкивалось.
Автор выделяет одну сложность ниши: одна и та же задача у разных заказчиков звучит по-разному. Один ищет тренинговую компанию, другой ищет «исполнителя по бизнес-обучению» или фасилитатора для команды управленцев.
Задачу сформулировали так: бренд должен появляться в нужном смысловом окружении, рядом с обучением персонала крупных компаний, переговорами и развитием топ-менеджмента. Число упоминаний само по себе целью не было. KPI на старте: минимум 30% видимости в ответах нейросетей за три месяца. Блог компании отложили на следующий этап, а ставку сделали на публикации на внешних площадках с высоким доверием.
Как измеряли видимость и выбирали промпты
Перед стартом провели технический аудит, и часть рекомендаций клиент внедрил. Потом агентство зафиксировало стартовую видимость по заранее утверждённому списку промптов, например «кто проводит стратегические сессии» или «лучшие тренинги по переговорам».
Замер устроен просто. По каждому промпту в каждой из шести систем проверяли, есть ли бренд в ответе: да или нет. Системы такие: Поиск с Алисой, Google AI Overview, ChatGPT, Perplexity, DeepSeek и Claude. Видимость считается как доля проверок «промпт × система», в которых компания присутствовала. Промптов 37, систем 6, значит, один замер — это 222 проверки. Эта доля и была главным KPI.
Промпты отбирали по нескольким признакам: ниша, ключевые услуги клиента, вопросы целевой аудитории, поисковый спрос, текущие ответы нейросетей и представленность в них конкурентов. В первую очередь брали запросы с условно-коммерческим интентом, то есть такие, где человек уже выбирает подрядчика.
37 промптов разбили на шесть кластеров, и под каждый промпт запланировали по три публикации:
| Кластер | Промптов | Публикаций |
|---|---|---|
| Корпоративное обучение и бизнес-тренинги | 10 | 30 |
| Переговоры | 7 | 21 |
| B2B-продажи, KAM и сложные сделки | 6 | 18 |
| Лидерство и управление | 6 | 18 |
| Стратегические сессии и фасилитация | 5 | 15 |
| Бизнес-тренеры и эксперты | 3 | 9 |
Как делали 111 статей: площадки, рейтинги, AI-агент
На этом блоке держится вся содержательная часть кейса. Автор описывает его как цепочку решений, принятых до первой публикации.
Матрица и площадки
Под каждый из 37 промптов придумали три разные темы: для VC.ru, для Дзена и для TenChat. Площадки выбирали по скорости и стабильности индексации, шансам выйти в топ по нужным запросам, доверию к домену, присутствию целевой аудитории, наличию нужных форматов и вероятности, что материал подхватят поисковые и генеративные системы. По словам автора, готовая матрица избавила от правок контент-плана на ходу, и это во многом помогло превысить KPI.
Формат под рекомендательный запрос
Промпты вида «кого выбрать», «посоветуй компанию», «какие программы лучшие» требуют сравнения, поэтому писали рейтинги, подборки, обзоры и статьи о критериях выбора. Копий одного текста на три площадки не делали. Один и тот же сценарий на одной площадке выходил рейтингом провайдеров, на другой подборкой для HR- и L&D-специалистов, на третьей гайдом по выбору подрядчика. Структуру всех статей строили под возможную структуру генеративного ответа.
Смысловые профили бренда
Единого описания компании не было. Для каждого кластера готовили свой фактологический профиль. В переговорах акцент ставили на сложные B2B-сделки, переговорную стратегию и управление расстановкой сил. В лидерстве писали о развитии управленцев и методологии LeadSmart. В стратсессиях речь шла о фасилитации и приведении сторон к общему решению.
Регламент рейтингов
Для рейтингов заранее прописали правила: как отбирать участников, по каким критериям сравнивать компании и экспертов, как их описывать, как проверять факты. Критерии применяли ко всем одинаково, описания брали только из открытых данных, а прямые сравнения участников между собой запретили. Автор считает, что благодаря этому позиционирование клиента держалось на проверяемых характеристиках.
Производство
Цикл выглядел так: запрос → тема под конкретную площадку → задание для AI-агента → черновик → ручная правка редактора. Затем фактчекинг, вычистка штампов и рекламных конструкций, приведение описаний участников к единому виду, адаптация под площадку и финальная вычитка. Автор называет схему гибридной: стратегию и тематическую архитектуру делает эксперт, AI ускоряет и масштабирует выпуск.
После публикации проверяли, проиндексировали ли статью Яндекс, Google и Bing, и если нет, принимали меры. Какие именно, в материале не сказано. С 4 июня по 5 августа 2026 года вышла 111 статей.
Результаты geo ai продвижения за два месяца
Базовый замер сделали 17 апреля 2026 года, активная работа шла с 4 июня по 5 августа. За это время совокупная видимость выросла с 0,83% до 42,79%, то есть на 41,96 п.п. Цель в 30% за три месяца перекрыли за два. «В 50 раз» из заголовка — это как раз отношение конечной цифры к стартовой.
К 5 августа рост был во всех шести системах:
| Система | Видимость на 5 августа |
|---|---|
| Поиск с Алисой | 75% |
| Perplexity | 67,57% |
| Google AI Overview | 56,76% |
| Claude | 35,14% |
| DeepSeek | 32,43% |
| ChatGPT | 8,11% |
Автор объясняет разрыв так: лучше всего сработали системы, которые опираются на актуальный веб-индекс и быстро подхватывают свежие материалы. ChatGPT, по его словам, слабее связан с русскоязычным UGC-контуром и обновляется по другому графику.
Всего бренд упомянули в ответах 95 раз, и все упоминания, по оценке агентства, были положительными. Среди компаний в мониторинге клиент вышел на второе место. До Moscow Business Academy не хватило 0,49 п.п., а СКОЛКОВО по тем же промптам клиент обошёл более чем вдвое. По части коммерческих запросов, где человек уже выбирает, у кого учиться, бренд появлялся в 80–100% ответов.
Автор сам делает оговорку, которую легко пропустить. Все 37 запросов подобраны под услуги клиента, поэтому сравнение с конкурентами описывает только эту нишу и ничего не говорит о доле рынка или узнаваемости. У бизнес-школ с широкой линейкой продуктов большая часть аудитории ищет другое и в эти запросы не попадает.
Почему заявки не посчитать по переходам
За тот же период клиент получил приток новых заявок, причём маркетинг в это время был сосредоточен в основном на GEO. Автор прямо пишет, что приписывать весь рост GEO было бы ошибкой.
Причина в пути пользователя. Человек спрашивает нейросеть, кто в Москве проводит лучшие тренинги по переговорам, видит клиента в списке, запоминает название и потом ищет его в поисковике. В аналитике визит запишется как брендовый трафик из Яндекса или Google, хотя первое знакомство случилось в нейросети. Даже когда ассистент даёт ссылки на источники, по ним кликают не все.
Отсюда позиция автора: прямые переходы из нейросетей не показывают влияние GEO на воронку. На этом этапе главная метрика — видимость в релевантных рекомендательных ответах. Чтобы оценить вклад канала в заявки, агентство собирается сопоставить рост видимости с брендовым спросом, брендовым органическим трафиком и числом обращений. Это запланировано на следующий этап, и в статье этих данных пока нет.
Коротко
- Видимость в нейросетях считали как долю проверок «промпт × система» с упоминанием бренда: 37 промптов в 6 системах, 222 проверки за замер.
- Основная работа шла до публикаций: отбор коммерческих промптов, кластеры, матрица «промпт → три темы → три площадки», отдельный профиль бренда под каждый кластер и регламент рейтингов.
- Тексты писал AI-агент по заданию, редактор правил черновики, затем шли фактчекинг и проверка индексации. За два месяца вышла 111 статья на VC.ru, Дзене и TenChat.
- Видимость выросла с 0,83% до 42,79%. Сильнее всего в системах с живым веб-индексом (Алиса — 75%), слабее всего в ChatGPT (8,11%).
- Сравнение с конкурентами верно только внутри выбранных 37 запросов, а связь с заявками агентство пока не доказывает.
Что из этого следует
Для тех, кто делает контент, в кейсе полезнее всего описание производства. Это конвейер с понятными этапами: AI-агент пишет черновик, человек отвечает за стратегию, факты и вычистку штампов. Сам автор связывает успех с подготовленной заранее стратегией, а объём публикаций ставит на второе место. Если вы думаете о geo seo продвижении у себя, начать стоит с того же: составить список запросов, по которым вас должны рекомендовать, и проверить вручную, кого нейросети называют сейчас.
Границы кейса тоже видны из самого материала. Набор промптов выбирало то же агентство, которое отчитывается о результате, поэтому цифры описывают успех на заданной им же выборке. Замер бинарный: он показывает, упомянут ли бренд, но не показывает, на каком месте и в каком контексте. Бюджет проекта и трудозатраты на 111 текстов в статье не названы, так что сравнить цену с другими каналами по материалу нельзя.
Отдельно стоит проверить у себя, в каких ассистентах сидит ваша аудитория. Разница между 75% в Алисе и 8,11% в ChatGPT говорит о том, что публикации на русскоязычных площадках работают в первую очередь на системы, которые читают свежий веб. Пока агентство не опубликовало сопоставление с брендовым трафиком и заявками, GEO-продвижение в этом кейсе измерено по видимости, а не по деньгам.
Источник: Уроки GEO-продвижения: как за 2 месяца увеличить видимость в нейросетях в 50 раз и обогнать СКОЛКОВО