Как отличить рабочий AEO-инструмент от пустышки

AEO — это оптимизация для ответных систем, которая повышает вероятность появления и цитирования контента бренда в ИИ-ответах. GEO — это оптимизация для генеративных систем. Термин шире по контексту, но не является полным синонимом AEO.

В этой статье ИИ-видимостью называем присутствие бренда в ответах ИИ по заданному набору запросов. Это не позиция в поисковой выдаче и не доказательство цитирования сайта. Видимость не равна цитированию. Позиция по видимости не равна позиции по цитированию: упоминание бренда не равно цитированию вашего URL.

Бренд может часто появляться в ответах, но ссылки будут вести на агрегатор, Wikipedia или обзорный сайт. Поэтому сервис ИИ-видимости должен отслеживать цепочку цитирования: откуда ИИ берёт URL, когда упоминает бренд.

Важно разделить три объекта проверки:

• AEO-инструмент собирает замеры, фиксирует ответы моделей, группирует запросы и показывает динамику.
• AEO-услуга подрядчика включает аудит, контентную работу, размещение и контроль внедрений.
• Заявленный результат имеет смысл только вместе с названной метрикой, базовой точкой и периодом сравнения.

Видимость бренда, частота упоминаний и качество контекста — разные показатели. Первый уровень — присутствие: упоминает ли движок бренд вообще. Второй — место в ответе: бренд назван первым, вторым или вскользь. Третий — контекст и тональность: в какой формулировке он появляется. Например, модель может упомянуть бренд в 8 из 10 ответов — это присутствие, но назвать его первым только в 2 ответах — это место в ответе. Если в остальных ответах бренд назван дорогим или неподходящим для малого бизнеса, это уже контекст и тональность.

Сначала нужен фильтр по платформам: ChatGPT, Perplexity, Gemini, Google AI Overviews. Не усредняйте платформы в один балл, потому что они используют разные источники и механизмы поиска: общий показатель может скрыть рост в одной системе и падение в другой. Не смешивайте брендовые и небрендовые промпты в одном показателе видимости. Небрендовые запросы показывают, рекомендует ли ИИ бренд без подсказки. Брендовые — корректно ли модель описывает компанию, продукты и репутационный контекст. Информационные промпты отделяйте от коммерческой видимости, иначе получится ложная просадка.

Рабочий AEO-инструмент даёт воспроизводимый замер и связывает проблему с конкретным планом работ. Продвижение в AI-ответах работает, если контент бренда стабильно попадает в retrieval по целевым запросам и достаточно плотен по фактам для использования в ответе. Это нужно повторить на нескольких запросах и площадках. Один удачный скриншот в пятницу вечером ничего не доказывает.

Трекер показывает проблему, но не решает её, потому что не меняет страницы, технические настройки и внешние размещения, которые влияют на цитирование. Для каждого этапа плана нужны ответственный, срок и измеряемый результат. В этом разница между системой измерений и игрушкой с графиками.

Прозрачный мониторинг влияет на управляемость через повторяемый тест: LLM Share of Voice фиксируется на наборе стандартных запросов, а не определяется экспертным ощущением. Retrieval-аудит влияет на цитируемость через диагностику причин, по которым модель не выбирает страницу. Контентная экспертиза влияет на извлечение фрагмента через чёткие определения, H2-вопросы, списки и таблицы.

Команда вендора вместе с клиентом выбирает для первого замера несколько тематик и набор промптов для каждой. Один топик — одни конкуренты и одна стратегия. Иначе сравнение превращается в салат из запросов.

Подрядчик должен присылать регулярные срезы с датами замеров, списком промптов и сохранёнными скриншотами ответов моделей. Не просто отчёт о росте видимости. Подрядчик должен формулировать результат как изменение LLM Share of Voice и не обещать стопроцентного попадания в ответы моделей.

Признак пустышки — вендор не показывает метод измерения, не отслеживает долю цитирований и называет фиксированную цену до аудита. AEO-агентство без системы измерений не даёт прозрачности: нельзя понять, что поменялось, почему это произошло и относится ли динамика к работе подрядчика.

Красные флаги:

• Вендор показывает общую «видимость», но не разделяет упоминания бренда и цитирование URL сайта бренда.
• Если вам нужна оценка видимости сразу в нескольких популярных международных ответных системах, включите в замер ChatGPT, Claude, Gemini и Perplexity: они используют разные источники и механизмы поиска.
• Нет роста по целевым запросам в течение нескольких недель, но подрядчик не пересматривает гипотезу и набор работ.
• Методика не объясняет, почему модель выбирает одни страницы и пропускает другие.
• Если подрядчик называет фиксированную цену до аудита, он не учитывает объём технических, контентных и внешних работ; поэтому смета может не соответствовать задаче.
• Обещание звучит как «попадём в топ ChatGPT». Алгоритм LLM подрядчик не контролирует.

Само по себе качество текста не гарантирует цитирование. Проверьте:

• редактуру;
• соответствие интенту;
• доступность для краулеров;
• структуру ответа;
• авторитетность площадки.

Хорошо написанная страница может остаться незаметной для модели.

Шансы на цитирование повышает связка подходящей темы, доступной авторитетной площадки и структурированного ответа, потому что краулеру проще получить страницу, а модели — извлечь из неё прямой фрагмент. Страница с понятной редактурой, но без доступа для краулера, может не попасть в материалы, из которых модель извлекает ответ. Просто витрина.

До покупки запросите материалы, по которым проверку можно повторить без продавца рядом. Нужна не презентация с логотипами, а реальный отчёт с динамикой упоминаний по конкретным запросам.

Серьёзный подрядчик покажет, как тестирует запросы, какие модели охватывает и как фиксирует динамику. Один точный кейс в вашей нише полезнее десяти общих. Спросите о задаче, формате работ и связи между действием и результатом.

Отдельно согласуйте гарантии. Можно гарантировать аудит, план, регулярную отчётность и прозрачную методологию. Нельзя гарантировать фиксированную позицию в ChatGPT или Perplexity, как и рост лидов без учёта воронки клиента.

Проверка начинается с простого вопроса: может ли ИИ получить и извлечь нужный фрагмент со страницы? Briefing Test: «Процитировал бы агент эту страницу по этому промпту?»

Мини-алгоритм проверки:

1. Проверьте Gate 1 — Fetchable: страница индексируется, доступна Googlebot и нужным AI-краулерам, не закрыта paywall, авторизацией или техническими ограничениями. Отдельно проверьте правила для Google-Extended: они относятся к использованию контента Gemini, а не заменяют проверку индексирования в Google Search.
2. Проверьте второй этап — выбор страницы: заголовок и сниппет соответствуют интенту, а формат страницы подходит запросу — сравнение, обзор или определение.
3. Проверьте Gate 3 — Extractable: ответ не спрятан в аккордеонах, tab-панелях или картинках; тяжёлый JS не мешает рендеру; структура позволяет извлечь фрагмент.

Если страница не проходит первый этап проверки, остальные проверки бессмысленны. Диагностику начинают с Fetchable.

Agent-ready = Accessible + Structured + Answer-shaped. Accessible означает доступность для краулеров. Structured — заголовки, списки, таблицы и schema. Answer-shaped — прямой ответ вместо рекламной формулы. Например, статья с открытым HTML, вопросительным H2 и прямым ответом в первом абзаце проходит проверку. PDF за авторизацией с ответом только на изображении — нет.

Спросите подрядчика: «Как вы отличаете GEO от SEO?» Если подрядчик называет GEO и SEO одним и тем же, попросите показать различия в метриках, источниках и методике: без этого нельзя проверить, умеет ли он работать с ИИ-ответами, а не только с поисковой выдачей. Спросите и о разнице между RAG и fine-tuning в продвижении. Расплывчатое объяснение часто означает SEO в новой обёртке.

Где здесь человек? AI ускоряет анализ и производство контента, но стратегию и интерпретацию данных делает человек. Иначе кто объяснит, почему бренд всплыл в ответе рядом с конкурентом и в невыгодном контексте?

Обещание по ИИ-видимости можно считать правдоподобным, если его сравнивают с базой, конкурентами и целью на одинаковом наборе запросов. Сравнивать результат нужно не с ощущением, а с базой.

Было / стало показывает прирост. Конкурент показывает, хватает ли этого прироста на рынке. Цель показывает, стоит ли продолжать без пересмотра.

Никакой метод не даёт стопроцентной гарантии: нейросети — вероятностные системы. Например, подрядчик может гарантировать ежемесячный замер по фиксированным промптам, но не может гарантировать, что ChatGPT назовёт бренд первым в каждом ответе. Вы получаете зафиксированные в договоре аудит, план работ, регулярные замеры и сохранённые доказательства изменений; конкретные позиции в AI-выдаче не гарантируются. Это разумная логика для любого подрядчика.

Для рынка РФ AEO-инструмент должен учитывать русскоязычные запросы, локальные источники и отдельные модели. Для русскоязычных запросов проверяйте, учитывает ли вендор локальный контекст, источники и формулировки аудитории.

Проверьте четыре условия:

• Вендор включает Yandex Neuro / Alice в отчётность, если аудитория ищет в Яндексе. Попросите вендора показать, как VC.ru цитируется в ответах нужных русскоязычных моделей по вашим целевым запросам.
• Вендор оценивает GigaChat для B2B- и корпоративного сегмента. Если ваша B2B-аудитория пользуется сервисами Сбера, включите GigaChat в замер, потому что часть таких пользователей может получать ответы именно в этой экосистеме.
• Вендор объясняет, какие российские площадки учитывает. «Хабр», vc.ru, РБК и «Коммерсантъ» могут усиливать цитируемость в русскоязычных моделях.
• Считайте замеры ChatGPT, Perplexity, Claude и Gemini отдельно. Эти платформы могут использовать разные источники и механизмы поиска, поэтому динамика на одной из них не переносится автоматически на другую.

Рабочий интервал наблюдения — 7—14 дней; это экспертная оценка, а не гарантия: реальная скорость изменений зависит от конкретной площадки и частоты обновления её индекса. Первые измеримые сигналы — рост брендового трафика, появление в ответах нейросетей — обычно фиксируются через 2—4 месяца. Устойчивое присутствие формируется за 6—9 месяцев.