Коротко о результате
За шесть месяцев AI-трафик на saby.ru вырос с 3 891 до 5 690 визитов в месяц, то есть на 46%. Количество созданных заявок с источником «ИИ-сервисы» выросло с 5 до 33 в месяц - в 6,6 раза. Но главным результатом стала не сама цифра, а управляемый процесс: от исследования ответа нейросети до конкретной страницы входа и заявки в CRM.
Этот кейс не про одну «правильную» правку текста. GEO стало частью производственного SEO-процесса: с единым стандартом, разделением ответственности, двумя уровнями измерения и ежемесячным backlog улучшений.
С какой проблемы начали
Мы уже видели Saby в ответах ChatGPT, Алисы и других сервисов, но не управляли этим присутствием. У команды не было общей методики: каждый SEO-специалист выбирал запросы, проверял ответы и ставил задачи по-своему.
Из-за этого результат было трудно повторить, доказать и масштабировать. Упоминания бренда не были связаны с переходами и CRM, а разрозненные наблюдения не превращались в понятный производственный цикл.
Цель сформулировали жестко: не просто попасть в AI-ответ, а понять, почему попали, повторить результат на других страницах и увидеть его в бизнес-аналитике.
Проект и главная метрика
Заказчиком и исполнителем была одна команда «Тензора»: четыре SEO-специалиста и один аналитик. Работали с saby.ru, поэтому не теряли время на согласование целей между агентством и клиентом и могли быстро связывать контентные гипотезы с данными продукта.
Главной метрикой выбрали созданную заявку. Видимость в AI-ответах и переходы из нейросервисов остались обязательными, но промежуточными сигналами. Это важное решение: visibility score сам по себе не показывает, приносит ли канал пользу бизнесу.
Одна методика для двух контуров нейропоиска
Мы разделили нейропоиск на два контура. Первый - ответы внутри поиска: Google AI Overviews, Яндекс Нейро и Алиса. Пользователь остается в привычной поисковой среде. Второй - отдельные LLM-сервисы: ChatGPT, Claude, Perplexity, Gemini, DeepSeek и другие, куда пользователь приходит сразу за ответом.
Поведение аудитории и набор источников в этих контурах различаются, но производственный процесс можно сделать единым: исследование, контент, разметка, публикация и измерение.
Шесть шагов GEO-цикла
1. Выбираем промпты
Для каждой темы брали два-три главных запроса и фиксировали ожидаемый ответ пользователя. Нам был нужен не бесконечный список формулировок, а компактный контрольный набор, который можно одинаково проверять каждый месяц.
2. Разбираем AI-ответы
Сравнивали формулировки, пересечения, упомянутые бренды и процитированные источники. Отдельно смотрели, какие страницы попадают в ответ: продуктовые лендинги, справка, карточки профиля, статьи или другие разделы.
3. Собираем структуру материала
Семантическое ядро и страницы конкурентов переводили в обязательные H2-H3 и вопросы. Получалась карта будущего ответа: интент, сущности, факты, структура и доказательства.
4. Готовим контент
Прямой ответ помещали в лид-абзац. Ниже раскрывали тему экспертно: условия, ограничения, примеры, FAQ и HowTo. Страница должна была хорошо отвечать человеку, а не выглядеть как текст, собранный только ради цитирования нейросетью.
5. Размечаем и публикуем
FAQ и HowTo передавали в верстку для Schema.org, проверяли итоговый HTML и соответствие разметки видимому содержанию. Для разных типов страниц применяли только уместные сущности: BreadcrumbList, WebPage или CollectionPage, Product, Offer, Service, Organization.
6. Измеряем и обновляем
После публикации возвращались к тем же промптам, проверяли новые ответы и источники, смотрели переходы по referrer и заявки в CRM. Новые вопросы и пробелы попадали в backlog, после чего цикл запускался снова.
Как разделили работу SEO и редактора
SEO-специалист отвечал за выбор контрольных промптов, разбор AI-ответов и источников, конкурентный анализ, обязательные заголовки, вопросы, тип разметки и контроль измерения.
Редактор отвечал за прямой ответ в лид-абзаце, экспертное раскрытие H2-H3, понятные FAQ и HowTo, фактуру, голос бренда и читаемость. Затем передавал структурированные блоки в верстку.
Точка приемки была общей: страница отвечает человеку, понятна поиску и нейросервисам, технически доступна и измеряется до заявки.
Как замкнули воронку до CRM
Внешний мониторинг показывал присутствие бренда по контрольным запросам. Внутренняя сквозная аналитика собирала переходы по referrer и сохраняла конкретную страницу входа. В CRM появился отдельный источник «ИИ-сервисы».
Получилась четырехступенчатая воронка:
- Видимость - бренд или страница появляются в AI-ответе.
- Переход - внутренняя аналитика фиксирует referrer и landing page.
- Заявка - CRM получает источник «ИИ-сервисы».
- Результат - можно сравнивать лиды и конверсию по сервисам и разделам.
Это позволило не ограничиваться двумя популярными сервисами. В августе аналитика зафиксировала переходы как минимум еще из восьми AI-referrer. Среди них Perplexity дал 489 визитов, Gemini - 180, Claude - 62, Copilot - 13. Также отслеживались DeepSeek, Mistral, Alice Pro, Blackbox и альтернативные ChatGPT-referrer.
Что показал трафик
С марта по август 2026 года AI-трафик вырос с 3 891 до 5 690 визитов в месяц. Август стал новым максимумом за весь период наблюдения. Внутри двух самых заметных источников ChatGPT вырос на 184%, Алиса - на 34%.
Еще важнее, что трафик распределялся по разным типам страниц. В августе Help получил 1 615 визитов, другие разделы - 1 603, карточки профиля - 1 164, статьи - 527, продуктовые лендинги - 400, главная - 201, каталог - 16.
Сам по себе общий рост выглядел хорошо, но бизнес-эффект оказался сосредоточен не там, где было больше всего визитов.
Почему 7% трафика дали 82% заявок
Продуктовые лендинги получили только 400 визитов - около 7% всего AI-трафика. При этом они принесли 27 из 33 заявок, то есть 82%, с конверсией 6,75%.
Для сравнения, 164 визита на tensor.ru дали 4 заявки и конверсию 2,44%. Статьи получили 527 визитов, но дали одну заявку с конверсией 0,19%. Остальные разделы собрали 4 599 визитов и только одну заявку - 0,02%.
Вывод оказался практическим: управлять нужно не только общим AI-трафиком, а долей коммерческих посадочных в нем. Информационные материалы помогают присутствию и доверию, но заявки концентрируются на страницах, где пользователь может сразу решить задачу.
Результат в CRM: 5 → 33 заявки
Количество созданных заявок из ИИ-сервисов выросло с 5 в феврале до 33 в августе: в марте было 5, в апреле - 11, в мае - 21, в июне - 18, в июле - 15.
В августе по 15 заявок пришло из ChatGPT и Яндекс Алисы, еще 3 - из Perplexity. 27 из 33 заявок пришли на продуктовые лендинги. Скриншот отчета CRM стал последним звеном доказательства: источник перестал быть гипотезой и появился в регулярной бизнес-отчетности.
Что закрепили как стандарт
Сильной стороной проекта стала управляемая система, а не одна удачная правка. Ее можно описать формулой «1 стандарт, 2 измерения, 1 цикл».
- Один стандарт для всей команды: требования к первому экрану, структуре, FAQ, HowTo, фактуре и Schema.
- Два измерения: внешняя AI-видимость показывает присутствие, внутренняя аналитика и CRM подтверждают переходы и заявки.
- Один ежемесячный цикл: проверить ответы, обновить backlog, доработать материал, снова измерить.
После внедрения чек-лист вошел в процесс каждого SEO-специалиста. Видимость, трафик и CRM стали проверяться ежемесячно. Следующий шаг - масштабировать подход на продуктовые кластеры и базу знаний, расширять долю коммерческих посадочных в AI-трафике и сохранять прозрачную атрибуцию.
Выводы
GEO работает как производственная дисциплина, когда его можно повторить и посчитать. Для этого недостаточно смотреть на упоминания бренда и позиции в отдельных сервисах.
Нужны единые требования к странице, контрольные промпты, техническая доступность, содержательная разметка, внутренняя аналитика по referrer, CRM-источник и регулярный backlog. Тогда AI-ответы превращаются из наблюдения в управляемый канал роста.