Как Rating Up вырос с 0,0% до 6,5% AI-видимости за 2,5 месяца

Чтобы проверить эту механику на практике, мы решили провести полноценную GEO-работу на собственном сайте Rating Up. Нам было важно не просто увидеть рост, а зафиксировать его на реальной, неизменной выборке, с понятной методикой и верифицируемыми цифрами.
Результат: за 2,5 месяца проект вырос с 0,0% до 6,5% AI-видимости, а число AI-ответов с упоминанием бренда увеличилось с 0 до 40. Дополнительно сайт вошел в топ-3 по упоминаниям в Алисе AI.

Что такое GEO-продвижение и зачем оно нужно

GEO-продвижение — это работа над тем, чтобы сайт и бренд чаще появлялись в ответах генеративных систем. Речь не только о классическом SEO, где задача — вывести страницу в выдачу, но и о новом слое поиска, где ответ пользователю формирует нейросеть.
Чтобы сайт начал попадать в такие ответы, недостаточно просто написать несколько статей. Нужна системная база:

• технически понятный сайт;
• корректная структура контента;
• структурированные данные;
• страницы под прикладные пользовательские вопросы;
• внешние сигналы бренда;
• сильная экспертность и авторство.

Именно такую модель мы и тестировали на своем проекте.

Исходная точка: с чего стартовал проект

Работы по GEO для сайта Rating Up стартовали 26 января 2026 года. На старте проект практически не присутствовал в AI-ответах.
В качестве основного контура измерения мы использовали фиксированный мониторинг:

• 124 промпта;
• 5 нейросетей;
• 620 AI-ответов на каждый полный скан.

Это важно, потому что при неизменной выборке можно честно сравнивать динамику между месяцами.
На старте мы зафиксировали:

• 0,0% AI-видимости;
• 0 упоминаний бренда в AI-ответах.

Как мы считали AI-видимость

Чтобы не смешивать разные типы сигналов, мы использовали следующую логику.
AI-видимость — это доля AI-ответов с упоминанием бренда от общего числа ответов.
Упоминание — любой AI-ответ, где бренд присутствует в тексте или через ссылку на сайт.
Zero-click — упоминание бренда в тексте без ссылки.
Cited — ответ со ссылкой на сайт.
Если в одном ответе были и бренд, и ссылка, это все равно считалось как одно упоминание. При этом один и тот же промпт в разных нейросетях считался отдельно, потому что каждая связка “промпт + провайдер” — это отдельный AI-ответ.
Такая методика позволила нам смотреть не на ощущения, а на реальную динамику.

Что мы сделали для роста AI-видимости

1. Провели технический анализ сайта

Сначала мы не гнались за быстрыми упоминаниями, а выстроили фундамент. На первом этапе провели технический анализ сайта, подготовили ТЗ по оптимизации мобильной и десктопной версии, собрали рекомендации по структуре и контенту.
Логика была простой: если сайт технически слабый, хаотичный или плохо интерпретируется поисковыми системами, рассчитывать на устойчивое AI-присутствие бессмысленно.

2. Внедрили structured data и выстроили schema-архитектуру

Одним из ключевых шагов стала работа со Schema.org и JSON-LD. Мы выстроили единую логику структурированных данных для сайта и автоматизировали разметку для контентных разделов.
Отдельно были охвачены:

• /faq;
• /how-to;
• /blog;
• /geo;
• страница услуги /uslugi/geo.

Для новых материалов настроили автоматическую генерацию schema, чтобы не размечать каждую страницу вручную. Это особенно важно для сайтов, где регулярно публикуется новый контент.

3. Добавили новые форматы контента: FAQ, How-To и GEO-страницы

Следующим этапом мы начали расширять контентную структуру сайта. Основной акцент сделали не на общих статьях, а на форматах, которые лучше подходят под генеративный поиск:

• FAQ-страницы;
• How-To-страницы;
• GEO-материалы;
• прикладные страницы под узкие интенты.

Почему это сработало: нейросети гораздо лучше подхватывают страницы, которые прямо отвечают на конкретный вопрос, чем абстрактные или слишком общие тексты.

4. Усилили экспертность через авторство

В начале апреля мы добавили авторство в статьи и обновили авторский блок в микроразметке. Это усилило экспертный слой материалов и сделало контент более прозрачным с точки зрения поисковых систем и AI-сервисов.
Для проектов в тематиках репутации, SERM, ORM и GEO это особенно важно: нейросетям проще доверять материалам, у которых есть понятный экспертный субъект.

5. Развивали внешний контур бренда

Параллельно с on-site работами мы усиливали и off-site слой:

• размещали внешние статьи;
• обновляли список услуг на внешних площадках;
• усиливали карточки компании;
• публиковали новости на Яндекс Картах;
• начали отдельно отслеживать pickup внешних публикаций в AI-ответах.

Это важно, потому что GEO строится не только внутри сайта. Для генеративных систем бренд — это совокупность сигналов: собственный сайт, внешние публикации, карточки компаний, каталоги, видео и другие упоминания в сети.

Результаты GEO-продвижения за 2,5 месяца

На фиксированном контуре мониторинга динамика получилась очень понятной.
На старте:

• 0,0% видимости
• 0 упоминаний

По итогам февраля:

• 0,6% видимости
• 4 упоминания

По итогам марта:

• 4,5% видимости
• 28 упоминаний

Пик 17 марта:

• 6,3% видимости
• 39 упоминаний

По weekly-скану начала апреля:

• 6,5% видимости
• 40 упоминаний

Если свести это в одну линию, получаем:
0 → 4 → 28 → 40 упоминаний
0,0% → 0,6% → 4,5% → 6,5% видимости
Для собственного проекта это очень сильная динамика, потому что она получена не за счет смены методики, а на неизменной GEO-выборке.

Какой контент дал лучший результат

Один из самых важных выводов этого кейса: AI-видимость тянут не только и не столько классические коммерческие страницы.
Лучше всего начали работать:

• FAQ;
• How-To;
• узкие прикладные материалы;
• страницы под конкретные пользовательские сценарии.

То есть в реальности AI-системы охотнее подхватывают не “широкие” страницы услуг, а контент, который закрывает конкретный вопрос: как удалить отзыв, как отслеживать репутацию, как улучшить рейтинг, как работать с негативом в определенной нише и так далее.
Это важный практический вывод для бизнеса: если вы хотите расти в GEO, недостаточно просто оптимизировать главную страницу и услуги. Нужны отдельные контентные хабы под реальные интенты пользователей.

Что произошло с SEO-показателями параллельно

Хотя целью проекта был рост AI-видимости, классические поисковые метрики тоже начали двигаться вверх.
По Google Search Console:
в феврале было:

• 634 клика;
• 88 300 показов;
• средняя позиция 12,8;
• CTR 0,7%.

В марте стало:

• 690 кликов;
• 89 200 показов;
• средняя позиция 12,4;
• CTR 0,8%.

Это не главный KPI кейса, но важный supporting signal: GEO-работы не мешали SEO, а усиливали его.

Внешняя валидация: топ-3 по упоминаниям в Алисе AI

Отдельно для нас был важен не только собственный трекер, но и внешнее подтверждение результата. Его мы получили в Яндекс Вебмастере.
По данным инструмента “Видимость сайта в Алисе AI” сайт Rating Up вошел в топ-3 по упоминаниям в Алисе AI. Для нас это стало вторым уровнем валидации:

• Semantica показала рост на фиксированной GEO-выборке;
• Яндекс Вебмастер отдельно подтвердил усиление присутствия бренда в Алисе AI.

Такие сигналы особенно важны для публичного кейса, потому что они снимают вопрос “это рост только в вашем внутреннем мониторинге или реальное усиление присутствия”.

Что показал трекинг внешних публикаций

Дополнительно мы начали трекать внешний контент и медиаконтур бренда отдельно. В текущем срезе в мониторинге было 13 внешних единиц, из которых 3 уже фиксировались в AI-ответах и дали 10 найденных упоминаний.
Особенно интересно, что быстрее всего подхватываться начали не только статьи, но и медиаконтент — например, видео и внешние редакционные форматы. Это важный вывод на следующий этап: GEO-рост может идти не только через страницы сайта, но и через более широкий контентный контур бренда.

Почему этот кейс показателен

Для нас этот кейс ценен не просто цифрами. Он показал, что GEO-продвижение — это не один инструмент и не одна “секретная настройка”. Рост появляется тогда, когда вместе работают несколько слоев:

• техническая структура сайта;
• корректная schema-разметка;
• прикладной контент;
• экспертность и авторство;
• внешние статьи и сигналы;
• постоянный мониторинг AI-видимости.

Именно эта связка, а не один отдельный фактор, дала результат.

Что будем делать дальше

Следующий этап — расширение GEO-семантики и рост покрытия. Базовый мониторинг мы сохраняем фиксированным, чтобы не потерять сопоставимость данных, а дополнительно используем Яндекс Вебмастер как источник идей для расширения контент-плана и будущего пула промптов.
То есть дальше задача уже не в том, чтобы “появиться в AI”, а в том, чтобы системно увеличивать долю присутствия по новым темам, форматам и пользовательским сценариям.

Вывод

За первые 2,5 месяца GEO-работ сайт Rating Up прошел путь:

• от 0,0% до 6,5% AI-видимости;
• от 0 до 40 AI-ответов с упоминанием бренда;
• до топ-3 по упоминаниям в Алисе AI.

Но самое важное — этот результат получен системно. Не за счет разовой публикации, не за счет случайного всплеска и не за счет изменения методики подсчета. Основа роста — техподготовка, schema, FAQ/How-To/GEO-разделы, внешние публикации, усиление экспертности и постоянная аналитика.
Именно так, по нашему опыту, и выглядит рабочее GEO-продвижение сайта в 2026 году.

GEO-продвижение

Работа над тем, чтобы сайт и бренд чаще появлялись в ответах нейросетей и AI-поиска: ChatGPT, Perplexity, Google AI Overview, Алисе AI и других системах.

AI-видимость

Доля AI-ответов, в которых упоминается бренд, от общего числа отслеживаемых AI-ответов.

Упоминание

Любой AI-ответ, где бренд присутствует в тексте ответа или через ссылку на сайт.

Zero-click

Упоминание бренда в тексте AI-ответа без ссылки на сайт.

Cited / цитирование сайта

AI-ответ, в котором присутствует ссылка на сайт как на источник.

Share of Voice (SoV)

Доля присутствия сайта в AI-ответах относительно других сайтов в той же тематике или в рамках конкретного инструмента аналитики.

FAQ-страницы

Страницы с вопросами и ответами, которые помогают закрывать конкретные пользовательские интенты и часто хорошо подходят для AI-выдачи.

How-To-страницы

Пошаговые инструкции под прикладные запросы пользователей. Такой формат помогает нейросетям лучше понимать структуру ответа и источник информации.

Structured data / Schema.org

Структурированные данные, которые помогают поисковым системам и AI-сервисам точнее интерпретировать содержание страниц, их тип, автора, организацию и связи между сущностями.