Как провести GEO-аудит сайта и бренда: методика, этапы и чек-лист

Такой аудит нужен не для получения ещё одного условного «балла». Его задача — понять, где именно бренд теряет видимость в AI-ответах и что можно изменить: доработать страницы сайта, уточнить информацию о компании, усилить внешние источники, исправить технические ошибки или закрыть темы, по которым нейросети чаще предлагают конкурентов.

Ниже разберём, как провести GEO-аудит сайта, какие данные для него нужны, чем упоминание отличается от цитирования, зачем проверять несколько AI-систем и как из результатов получить понятный план дальнейших действий.

Что такое GEO-аудит сайта и чем он отличается от SEO-аудита

GEO-аудит — это комплексная проверка присутствия сайта и бренда в генеративной выдаче и AI-ответах: ChatGPT, Алиса AI, Gemini, Perplexity, Google AI Overviews, Claude, DeepSeek и других системах.

Здесь анализируют не только сам сайт. Проверка охватывает несколько уровней:

• появляется ли бренд в ответах на целевые вопросы;
• указывают ли нейросети сайт компании среди источников;
• какие конкуренты называются по тем же запросам;
• какие сторонние сайты используют нейросети как источники;
• доступны ли важные страницы поисковым и AI-краулерам;
• насколько понятно на сайте представлены компания, услуги, продукты и ключевые факты;
• есть ли технические или контентные проблемы, которые стоит исправить.

Поэтому GEO-аудит сайта шире простой проверки позиций. Он отвечает на другой вопрос: что видит пользователь, когда вместо списка ссылок получает готовый ответ от нейросети.

GEO-аудит и SEO-аудит решают разные задачи

Классический SEO-аудит оценивает сайт с точки зрения поисковых систем: индексацию, структуру, техническое состояние, позиции, поисковый спрос, внутренние и внешние факторы.

GEO-аудит добавляет к этому генеративную выдачу. Здесь важно не только наличие страницы в поиске, но и то:

• названа ли компания в ответе;
• используется ли её сайт как источник;
• кого ещё AI-система включает в подборку;
• какие внешние ресурсы формируют информационное окружение бренда;
• отличается ли картина в разных нейросетях.

GEO не заменяет SEO. Если страница закрыта от индексации, возвращает ошибку или содержит противоречивую информацию, это остаётся проблемой независимо от того, анализируем мы Google или ChatGPT. Но и хорошие позиции в классической выдаче сами по себе не гарантируют заметности бренда в AI-ответах.

На практике эти направления дополняют друг друга: SEO отвечает за поисковую доступность и органический спрос, GEO — за присутствие бренда и сайта в генеративной среде.

Почему одного ответа нейросети недостаточно для GEO-аудита

Одна из самых частых ошибок — задать ChatGPT или другой системе один вопрос, получить ответ и сделать вывод:

«Нас нейросеть знает»

или, наоборот:

«Нас там вообще нет».

Один ответ почти ничего не говорит о видимости бренда в целом.

Результат зависит от формулировки вопроса, намерения пользователя, выбранной AI-системы, языка, даты проверки и конкурентного окружения.

В одном из наших аудитов локальной сервисной компании использовались 50 вопросов и восемь AI-систем — всего 400 ответов. Доля ответов, в которых бренд был назван прямо в тексте, в разных системах отличалась от 2% до 54%. Один случайный вопрос такую картину просто не показывает.

Поэтому GEO-аудит строится не вокруг одного «контрольного промпта», а вокруг набора вопросов, отражающих реальные сценарии выбора.

Например, пользователь может спрашивать:

• что известно о конкретной компании;
• кто оказывает нужную услугу;
• какие компании считаются сильными в категории;
• кого выбрать из нескольких подрядчиков;
• какие есть альтернативы;
• где заказать услугу.

Бренд может хорошо присутствовать в ответах на прямые вопросы о себе и почти исчезать в категорийных или сравнительных запросах. Для бизнеса это две совершенно разные ситуации.

Запросы лучше разделять по типу

В GEO-аудите удобно использовать как минимум четыре группы.

Брендовые запросы — пользователь уже знает компанию и спрашивает непосредственно о ней.

Например:

• что известно о компании;
• чем занимается бренд;
• какие услуги оказывает компания.

Категорийные запросы — название бренда отсутствует.

Например:

• кто проводит GEO-аудит сайта;
• какие компании управляют отелями;
• кто занимается пусконаладкой инженерных систем.

Сравнительные запросы:

• кто лучше;
• кого выбрать;
• чем отличаются компании;
• какие есть альтернативы.

Они особенно полезны для конкурентного анализа: показывают, с кем нейросеть ставит бренд рядом и кого предлагает вместо него.

Коммерческие запросы — вопросы с выраженным намерением выбрать исполнителя или заказать услугу.

Например:

• где заказать GEO-аудит;
• кто может провести аудит видимости бренда в нейросетях;
• какую компанию выбрать для конкретной задачи.

В одном из наших проектов информационные и коммерческие вопросы дали заметно разную долю упоминаний бренда. Это хороший пример того, почему запросы нельзя смешивать в одну общую массу без учёта пользовательского намерения.

При этом GEO-аудит измеряет видимость в AI-ответах, а не автоматически продажи или переходы на сайт. Если такие данные отдельно не собирались, приписывать аудитору влияние на заявки или выручку было бы неправильно. В исходных проектах, на которых основаны примеры этой статьи, трафик из AI-ответов и продажи не измерялись.

Методика GEO-аудита: что фиксируют до проверки

Чтобы результаты GEO-аудита можно было правильно интерпретировать и сравнивать позже, основные условия задают до начала сбора ответов.

Логика простая. Если сегодня проверить 50 вопросов в восьми системах, а через месяц взять уже 80 других вопросов и пять платформ, разница в цифрах ничего не скажет о реальном изменении видимости бренда: изменился сам способ проверки.

Поэтому заранее фиксируют несколько вещей.

Список запросов

Нужно сохранить точные формулировки вопросов и их типы: брендовые, категорийные, сравнительные, коммерческие.

Это особенно важно для повторной проверки. Сравнивать результаты имеет смысл только тогда, когда мы понимаем, что именно спрашивали в первый и второй раз.

Состав AI-систем (нейросети)

Нельзя проверить только ChatGPT и распространить вывод на весь AI-поиск.

В зависимости от рынка в аудит могут входить:

• ChatGPT;
• Gemini;
• Perplexity;
• Алиса AI;
• Claude;
• DeepSeek;
• GigaChat;
• другие нейросети.

Поиск (нейроблоки выдачи)

• Google AI Overviews;
• Поиск с Алисой.

Каждая из них может показывать бренд по-разному.

Что именно считается присутствием

До анализа нужно договориться о терминах.

Мы отдельно считаем:

• упоминание — название бренда присутствует в тексте ответа;
• цитирование — домен компании указан среди источников или ссылок;
• присутствие — бренд обнаружен хотя бы одним из этих способов.

Складывать упоминания и цитирования напрямую нельзя: один и тот же ответ может одновременно назвать компанию и сослаться на её сайт.

Конкурентное окружение

Нужно определить, с кем сравнивается бренд:

• с заранее выбранными прямыми конкурентами;
• со всеми компаниями, которые находят AI-системы;
• с отдельным сегментом рынка.

От этого зависит интерпретация сравнительных показателей, в том числе Share of Voice.

Дата и условия проверки

AI-выдача меняется, поэтому любой результат привязан к конкретному периоду.

Если аудит планируется повторять, исходный набор запросов и систем сохраняют. Это не позволяет автоматически доказать, что изменение вызвано проведёнными работами, но помогает хотя бы сравнивать результаты на близких условиях.

Правила обработки данных

Автоматический поиск бренда по сотням ответов полезен, но его недостаточно.

Название компании может:

• встречаться в нескольких написаниях;
• совпадать с обычным словом;
• появляться только частью наименования;
• присутствовать в домене, но отсутствовать в тексте;
• быть ошибочно засчитано или пропущено алгоритмом.

Поэтому результаты стоит проверять вручную.

В одном B2B-аудите автоматическая обработка не обнаружила ни одного текстового упоминания одного из отслеживаемых конкурентов. Ручная проверка нашла двадцать таких ответов. Причина была в формате исходной выгрузки, а не в поведении самой AI-системы. Этот пример хорошо показывает, зачем машинный подсчёт дополнять человеческой проверкой.

Этапы проведения GEO-аудита сайта

Когда список запросов, AI-системы и правила подсчёта определены, можно переходить к самой проверке.

На практике GEO-аудит удобно разделить на несколько последовательных этапов.

1. Собрать ответы AI-систем

Все выбранные вопросы проходят через все системы, включённые в аудит.

Если у нас 50 запросов и восемь платформ, получаем 400 ответов. Если 101 запрос и восемь платформ — 808.

Важно не отбирать только «красивые» или удачные ответы. Для анализа нужна вся выборка, иначе итог будет искажён.

2. Определить упоминания и цитирования

Для каждого ответа проверяют:

• назван ли бренд;
• указан ли сайт среди источников;
• присутствуют ли отслеживаемые конкуренты;
• какие внешние сайты использованы как источники.

Автоматический подсчёт экономит время, но финальные данные лучше проверять вручную, особенно там, где название бренда неоднозначно.

3. Сравнить результаты между системами и типами запросов

На этом этапе становится видно:

• где бренд присутствует стабильно;
• где почти не появляется;
• по каким вопросам чаще видны конкуренты;
• какие AI-системы используют сайт в качестве источника;
• какие темы дают самые большие расхождения.

4. Проверить сайт

Отдельно анализируют техническое состояние и структуру контента:

• доступность важных страниц;
• индексируемость;
• robots.txt;
• sitemap;
• canonical;
• структурированные данные;
• заголовки, таблицы и списки;
• понятность отдельных смысловых блоков;
• альтернативные описания изображений;
• фактическую согласованность информации о компании.

5. Сопоставить AI-видимость с сайтом, источниками и конкурентами

Именно здесь аудит превращается из набора цифр в рабочий документ.

Если бренд отсутствует по важной группе запросов, дальше ищут контекст:

• есть ли на сайте страница, хорошо отвечающая на эту тему;
• какие компании появляются вместо него;
• на какие источники ссылаются системы;
• достаточно ли понятна информация о компании;
• нет ли технической проблемы.

Важно: это помогает сформировать гипотезу и приоритет работ, но не доказывает внутреннюю логику конкретной модели.

Упоминание, цитирование и присутствие: чем отличаются метрики

Это один из ключевых моментов GEO-аудита.

Упоминание бренда, цитирование сайта и общее присутствие — не одно и то же.

На выборке из 400 ответов бренд был назван в 112 случаях, собственный домен процитирован в 131, а общее присутствие составило 150 ответов. При этом 93 ответа одновременно содержали и название бренда, и ссылку на сайт.

Именно поэтому нельзя просто сложить:

112 упоминаний + 131 цитирование.

Часть ответов входит сразу в обе группы.

Особенно интересны случаи, когда сайт используется как источник, но бренд в тексте не называется.

В одном из аудитов B2B-компании в гостиничном девелопменте из 808 ответов сайт был процитирован в 400, а название бренда прозвучало только в 71. В 330 случаях домен присутствовал среди источников, но имя компании в самом ответе не появилось.

Для бизнеса это важное различие.

При этом само наличие ссылки ещё не говорит, как именно модель использовала страницу. Мы фиксируем наблюдаемый факт — домен указан среди источников. Делать из него более сильный вывод без дополнительных данных не стоит.

Почему GEO-аудит нельзя свести к одному баллу

Желание получить одну цифру понятно.

Например:

GEO Score — 73 из 100.

С ней легко сравнивать периоды и конкурентов.

Проблема в том, что разные части GEO-аудита отвечают на разные вопросы.

Один балл не объясняет AI-видимость бренда. Сайт может цитироваться, но бренд при этом не называться; технически быть доступным краулерам, но не появляться в нужных ответах. Поэтому в GEO-аудите мы отдельно измеряем упоминания, цитирование, техническую доступность и конкурентные разрывы — и только затем собираем общую картину.

Артур Лалабекян
Основатель Oqra AI и AmiSEO

Хороший пример — доля голоса.

На одной и той же выборке она может быть посчитана относительно:

• всех компаний, встретившихся в ответах;
• только бренда и заранее выбранных конкурентов.

В одном из наших проектов эти два варианта дали 4,10% и 24,19%. Оба результата математически корректны — просто отвечают на разные вопросы.

Поэтому рядом с любой относительной метрикой должно быть понятно, что именно находится в знаменателе.

То же относится к технической оценке.

Сайт может иметь технические проблемы и при этом активно цитироваться AI-системами. Или, наоборот, быть технически аккуратным, но почти не появляться в ответах по важным категорийным запросам.

Поэтому сводный индекс можно использовать как вспомогательную величину внутри одной методики, но он не должен заменять анализ отдельных показателей.

Шесть ошибок, которые особенно искажают результат

Техническая часть GEO-аудита: доступ краулеров и индексирование

До этого речь шла о самих AI-ответах. Но полноценный GEO-аудит включает и технический аудит самого сайта под задачи AI-поиска.

Здесь полезно разделять три разных вопроса:

1. разрешён ли роботу доступ
2. приходил ли он на сайт
3. какие страницы сервер ему фактически отдавал

Эти вещи не равны друг другу.

robots.txt может разрешать обход, но это не означает, что конкретный AI-краулер регулярно приходит на сайт.

И наоборот: наличие визита в серверном логе ещё не доказывает, что страница потом была использована в генеративном ответе.

Что можно увидеть в реальных логах

В одном из наших проектов анализировалось четырёхдневное окно серверных логов.

За этот период были зафиксированы обращения 13 AI-краулеров, при этом ещё ряд разрешённых роботов в выбранном окне не появился. Это не означает, что они никогда не обходят сайт — речь только о конкретных четырёх днях наблюдения.

Такой анализ позволяет увидеть:

• какие боты реально обращались к серверу;
• какие URL они запрашивали;
• какие HTTP-коды получали;
• встречались ли редиректы и ошибки;
• заходили ли они в важные разделы сайта.

Например, если робот получает серию 404 или постоянно попадает на перенаправления, это уже конкретная техническая проблема.

Но из серверного лога нельзя сделать вывод:

«Именно поэтому нейросеть не назвала бренд».

Что ещё проверяют

В технический GEO-аудит обычно входят:

• HTTP-коды;
• robots.txt;
• sitemap;
• canonical;
• языковая разметка;
• индексируемость;
• доступность контента без выполнения сложных клиентских сценариев;
• структурированные данные;
• внутренние ссылки;
• структура страниц.

Этот слой во многом пересекается с техническим SEO-аудитом, и это нормально: генеративные системы не существуют отдельно от общего поискового и веб-контекста.

Schema.org и структура контента для AI-систем

Структурированные данные помогают явно описать сущности и типы контента на странице.

В GEO-аудите структуры сайта имеет смысл проверить:

• есть ли Organization;
• заполнено ли описание компании;
• указаны ли внешние профили через sameAs, если это уместно;
• корректно ли размечены статьи;
• используется ли BreadcrumbList;
• соответствует ли JSON-LD видимому содержимому страницы.

Важно не приписывать Schema.org лишнего.

Микроразметка сама по себе не является пропуском в AI-ответы, и у нас нет данных, позволяющих обещать рост видимости только после её внедрения.

Практический смысл другой: структурированные данные делают часть информации о странице и организации явной и машиночитаемой.

Например, если у компании есть официальные профили, но в Organization отсутствует sameAs, это не значит, что поисковая система «не сможет» связать их другими способами. Это означает только, что в самой разметке такая связь явно не задана.

FAQPage тоже не делает текст «видимым» или «невидимым»

Если на странице уже есть вопрос и ответ в обычном HTML, система может обработать этот контент и без FAQPage.

Разметка не создаёт сам текст — она описывает его структуру.

Поэтому проверять нужно обе вещи:

• есть ли на странице полезный контент;
• соответствует ли ему структурированное описание.

Насколько легко извлечь смысл со страницы

Отдельный вопрос — структура самого текста.

Страница может быть индексируемой и технически доступной, но содержать огромные блоки, где определение, условия, исключения и примеры смешаны в один абзац.

Для пользователя это неудобно. Для машинной обработки тоже полезнее, когда содержание логично разделено:

• понятные H2/H3;
• определения рядом с термином;
• списки;
• таблицы;
• самостоятельные абзацы;
• подписи к изображениям;
• конкретные факты с понятным контекстом.

При этом универсального доказанного порога «идеальный блок = 120 слов» нет. Такие числа могут использоваться как внутренний редакционный ориентир, но выдавать их за требование AI-систем было бы неправильно.

То же относится к изображениям.

Если у изображения нет alt, у него отсутствует текстовое альтернативное описание. Но утверждать, что из-за этого картинка «не существует для нейросети», нельзя: современные поисковые и мультимодальные системы работают не только с alt-текстом.

Экспертность бренда и внешние источники

Отдельный блок GEO-аудита — насколько понятно сайт объясняет:

• кто стоит за материалом;
• какая компания публикует информацию;
• откуда взялись данные;
• когда материал обновлялся;
• есть ли подтверждения информации за пределами самого сайта.

Эту группу часто связывают с концепцией E-E-A-T.

Здесь важно не перепутать полезную практику с доказанным фактором AI-видимости.

Мы не рассматриваем E-E-A-T как подтверждённый механизм попадания бренда в ответы нейросетей. Таких собственных данных у нас нет.

Но с точки зрения качества сайта имеет смысл проверить:

• Авторство. Понятно ли, кто подготовил материал и какой у него опыт в теме.
• Информацию об организации. Есть ли описание компании, контакты, реквизиты, понятная связь сайта с брендом.
• Происхождение данных. Если приводятся исследования, проценты и кейсы — указаны ли дата, выборка и контекст.
• Актуальность. Можно ли понять, когда материал был опубликован или обновлён.
• Внешние подтверждения. Встречается ли бренд только на собственном сайте или присутствует и в независимых источниках.

Это полезно и для человека, и для поисковых систем независимо от того, существует ли прямой причинный путь:

«добавили автора → выросла цитируемость».

Такого обещания GEO-аудит делать не должен.

Внешнее присутствие бренда

Собственного сайта недостаточно, чтобы понять всё информационное окружение компании.

Нейросети могут ссылаться на:

• отраслевые издания;
• каталоги;
• карты;
• агрегаторы;
• государственные ресурсы;
• партнёрские сайты;
• СМИ;
• профильные публикации.

Поэтому при аудите отдельно смотрят, где бренд представлен за пределами своих площадок.

В одном промышленном B2B-проекте среди сотен доменов, использованных AI-системами как источники, прямое внешнее присутствие самого бренда обнаруживалось лишь на небольшом числе площадок. Это не доказывает, что публикация на конкретном сайте автоматически улучшит AI-видимость. Но показывает очевидный разрыв: информационная среда ниши шире, чем внешнее присутствие компании.

Такой разрыв уже можно превращать в конкретную задачу: найти подходящие отраслевые и экспертные площадки, где бренд действительно имеет смысл представить.

Конкуренты и источники: где бренд теряет видимость

Один из самых полезных результатов GEO-аудита — не общий процент присутствия, а конкретные вопросы, где компания отсутствует, а конкурент уже появляется.

Особенно важны коммерческие и сравнительные запросы.

В одном из наших проектов было найдено 79 ответов на 39 из 42 коммерческих и транзакционных вопросов, где бренд отсутствовал, а один или несколько отслеживаемых конкурентов присутствовали.

Такой результат гораздо полезнее абстрактного:

«Видимость низкая».

Мы уже понимаем:

• какой вопрос задал пользователь;
• какая нейросеть дала ответ;
• кого назвали вместо бренда;
• что именно стоит разобрать дальше.

Это и есть конкурентный разрыв.

Он не доказывает, почему модель выбрала другую компанию. Зато показывает, где именно проходит потеря видимости.

Источники дают второй слой анализа

Дальше проверяют, на какие сайты AI-системы ссылаются в этих ответах.

В одном из проектов было найдено 733 домена-источника. Большая часть процитированных страниц не принадлежала ни самому клиенту, ни отслеживаемым конкурентам: среди источников были карты, каталоги, юридические и страховые ресурсы, локальные медиа и другие сайты.

Это важный вывод.

GEO-продвижение не сводится к доработке собственного сайта. Информационная картина может формироваться из большого внешнего окружения.

При этом разные проекты сильно отличаются.

Такой контраст полезен для аудита, но превращать его в универсальное правило нельзя: отрасли, сайты, объём контента и выборки разные.

Что входит в итоговый отчёт GEO-аудита

Хороший GEO-аудит должен заканчиваться не свалкой графиков и процентов, а понятной картой текущего положения и приоритетов.

Каждая рекомендация должна быть связана с конкретной находкой и исходными данными.

Обычно итоговый документ включает:

Короткий чек-лист GEO-аудита сайта

Перед завершением проверки полезно убедиться, что:

• список запросов покрывает основные пользовательские сценарии;
• проверено несколько релевантных AI-систем (нейросетей);
• упоминание, цитирование и присутствие считаются отдельно;
• результаты по платформам сохранены раздельно;
• автоматический учёт проверен вручную;
• ответы без бренда, но с конкурентами выделены отдельно;
• собран список внешних источников;
• проверены HTTP-коды и основные технические ограничения;
• разобраны robots.txt и индексируемость: без этого шага аудит доступности сайта для нейросетей неполон;
• проверены canonical, языковые атрибуты и структурированные данные там, где они должны использоваться;
• оценена структура основных страниц и качество фактической информации;
• у важных изображений есть корректные альтернативные описания;
• рекомендации связаны с конкретными находками;
• ограничения анализа явно указаны.

Если хотите заказать GEO-аудит для своего сайта и бренда, на странице услуги можно посмотреть состав работ и формат проведения.

Как выглядят реальные аудиты под генеративные ответы (GEO)

Ниже — фрагменты реальных аудитов сайта под нейросети из нескольких проектов. Они показывают, как выглядит результат работы на практике: сравнение видимости бренда в разных AI-системах, упоминания и цитирование, конкурентное окружение, источники ответов и результаты технической проверки сайта.

На примерах скрыты названия компаний, домены и другие данные, по которым можно определить клиента. При этом структура отчётов сохранена, поэтому можно оценить объём анализа и то, как отдельные данные собираются в общую картину.

Аудит сайта и бренда в рамках Generative Engine Optimization — это не одна таблица и не один итоговый балл. В реальном проекте он объединяет анализ AI-видимости, техническую проверку сайта, данные по конкурентам и источникам, а затем превращает их в список приоритетных действий.

Пример пакетаAI-видимость · технический аудит · рабочие таблицы

28 слайдов AI-видимости 14 слайдов технического аудита 3 XLSX с рабочими данными

Нажмите, чтобы узнать о таком аудите

Что получает заказчик

Состав конкретного проекта зависит от задачи, но GEO-аудит может включать:

• 
  PDF

  Отчёт по AI-видимости

  PDF с основными результатами, платформами, конкурентами, источниками и выводами.
• 
  PDF

  Технический GEO-аудит

  Отдельный документ с техническими находками и проверкой сайта.
• таблица
  XLSX

  Сырые данные

  Таблица с проверенными запросами и полученными ответами.
• таблица
  XLSX

  Реестр технических находок

  Что обнаружено, где находится проблема и какой у неё приоритет.
• таблица
  XLSX

  План работ

  Последовательность дальнейших действий после аудита.

В одном из реальных проектов основной отчёт занимал 28 слайдов, технический — 14, а подробные данные и план работ передавались отдельными таблицами.

Вопросы о GEO-аудите

Вывод

Хороший GEO-аудит сайта начинается не с попытки получить красивый общий балл, а с правильного вопроса:

как бренд представлен в тех AI-ответах, которые может увидеть потенциальный клиент?

Чтобы ответить на него, нужно посмотреть сразу несколько уровней:

• по каким запросам компанию называют;
• где её сайт используется как источник;
• где вместо бренда появляются конкуренты;
• какие внешние сайты формируют информационное окружение;
• доступны ли важные страницы краулерам;
• насколько понятно сайт описывает компанию, услуги и ключевые факты.

Упоминание, цитирование, конкурентное присутствие и техническое состояние нельзя заменить одной цифрой. Они показывают разные части одной картины.

Именно поэтому хороший GEO-аудит заканчивается не рейтингом «73 из 100», а конкретным набором приоритетов: какие страницы и темы требуют внимания, где находятся конкурентные пробелы, какие технические ошибки стоит исправить и какие гипотезы имеет смысл проверить после внедрения.

А дальше начинается уже не аудит, а работа с видимостью — контентом, сайтом, внешними источниками и повторными проверками результата.