«Формируется новая парадигма — ее определяет не PageRank, а языковые модели. Начинается второй акт истории поиска: генеративная поисковая оптимизация (Generative Engine Optimization, GEO)».
Раскрываем эту мысль в адаптированном переводе материала a16z.
Оригинал материала — .
***
Это конец поиска, каким мы его знали, но маркетологи чувствуют себя нормально. Более или менее.
Больше двадцати лет SEO было базовым инструментом для видимости в интернете. Вокруг него выросла целая индустрия: набивка ключевых слов, торговля ссылками, оптимизация контента, инструменты для аудита — и специалисты с агентствами, которые всем этим управляют. Но в 2025 году поиск начал от привычных браузеров к LLM-платформам. После анонса Apple о том, что AI-поисковики вроде Perplexity и Claude будут встроены в Safari, монополия Google на дистрибуцию . В фундаменте SEO-рынка объемом более $80 млрд появилась трещина.
Формируется новая парадигма — ее определяет не PageRank, а языковые модели. Начинается второй акт истории поиска: генеративная поисковая оптимизация (Generative Engine Optimization, GEO).
От ссылок к языковым моделям
Традиционный поиск был построен на ссылках. GEO строится на языке.
В эпоху SEO видимость означала высокую позицию на странице результатов. Ранжирование определялось индексацией сайтов по совпадению ключевых слов, глубине и широте контента, обратным ссылкам, вовлеченности пользователей и другим факторам. Сегодня, когда интерфейсом для поиска информации становятся LLM вроде GPT, Gemini и Claude, видимость означает присутствие непосредственно в ответе, а не высокую позицию в выдаче.
Вместе с форматом ответов меняется и то, как мы ищем. AI-поиск фрагментируется между платформами — Instagram, Amazon, Siri, — каждая из которых работает на своей модели и обслуживает свои пользовательские намерения. Запросы стали (в среднем 23 слова против 4), сессии — глубже (в среднем 6 минут), а ответы зависят от контекста и источников. В отличие от традиционного поиска, LLM запоминают, рассуждают и отвечают персонализированным синтезом из нескольких источников. Это фундаментально меняет и то, как контент находят, и то, как его нужно оптимизировать.
Традиционное SEO вознаграждает точность и повторяемость; генеративные движки отдают приоритет контенту, который хорошо структурирован, легко парсится и насыщен смыслом (а не просто ключевыми словами). Формулировки вроде «подводя итог» или списки с буллитами помогают LLM извлекать и воспроизводить содержание.
Стоит отметить и другое: рынок LLM принципиально отличается от рынка традиционного поиска по бизнес-модели и стимулам. Классические поисковики вроде Google монетизировали трафик через рекламу — пользователи платили данными и вниманием. Большинство LLM, напротив, работают по подписке и закрыты пейволлом. Этот структурный сдвиг влияет на то, как ссылаются на контент: у провайдеров моделей меньше мотивации показывать сторонние материалы, если только они не улучшают пользовательский опыт или не усиливают ценность продукта. Возможно, поверх LLM-интерфейсов со временем возникнет рекламный рынок, но его правила, стимулы и участники, скорее всего, будут сильно отличаться от традиционного поиска.
А пока один из формирующихся сигналов ценности в LLM-интерфейсах — объем исходящих кликов. ChatGPT, например, уже генерирует реферальный трафик на десятки тысяч доменов.
От позиций в выдаче к релевантности для модели
Дело больше не только в CTR — важна частота упоминаний: как часто ваш бренд или контент цитируется или используется как источник в ответах, сгенерированных моделью. В мире AI-ответов GEO означает оптимизацию под то, что модель выбирает в качестве референса, а не просто под факт или позицию появления в традиционной выдаче. Этот сдвиг перестраивает то, как мы определяем и измеряем видимость и эффективность бренда.
Уже появились платформы вроде , и , которые позволяют брендам анализировать, как они выглядят в AI-ответах, отслеживать тональность в выводах моделей и понимать, какие издатели формируют их поведение. Эти платформы дообучают модели так, чтобы те отражали релевантный для бренда язык запросов, стратегически внедряют топовые SEO-ключи и в масштабе прогоняют синтетические запросы. Результаты собираются в дашборды, которые помогают маркетинговым командам следить за видимостью, консистентностью сообщений и долей голоса относительно конкурентов.
Canada Goose использовала один из таких инструментов, чтобы понять, как LLM ссылаются на бренд — не только в контексте характеристик продукта вроде тепла или водонепроницаемости, но и с точки зрения узнаваемости как таковой. Главный вывод касался не того, как пользователи находят Canada Goose, а того, упоминает ли модель бренд спонтанно — индикатор спонтанной узнаваемости в эпоху AI.
Такой мониторинг становится не менее важным, чем традиционные SEO-дашборды. Brand Radar от теперь отслеживает упоминания брендов в AI Overviews, помогая компаниям понять, как их подают и запоминают генеративные движки. У тоже есть отдельный AI-набор инструментов: отслеживание восприятия бренда на генеративных платформах, оптимизация контента под AI-видимость, быстрая реакция на новые упоминания в ответах LLM. Это знак, что старые SEO-игроки адаптируются к эпохе GEO.
Мы наблюдаем рождение нового типа бренд-стратегии — учитывающей не только восприятие публикой, но и восприятие моделью. То, как вы закодированы в AI-слое, — новое конкурентное преимущество.
Разумеется, GEO пока на экспериментальной стадии — как когда-то SEO на раннем этапе. С каждым крупным обновлением модели мы рискуем заново учиться (или разучиваться) взаимодействовать с этими системами. Как обновления алгоритма Google в свое время заставляли компании судорожно бороться с колебаниями позиций, так и провайдеры LLM все еще настраивают правила, определяющие, что цитируют их модели. Формируются разные школы мысли: некоторые GEO-тактики уже понятны (например, попадание в документы-источники, на которые ссылаются LLM), а другие предположения носят скорее спекулятивный характер — скажем, отдают ли модели приоритет журналистскому контенту перед соцсетями и как меняются предпочтения при разных обучающих выборках.
***
***
Уроки эпохи SEO
Несмотря на масштаб, SEO так и не породило монопольного победителя. Инструменты для SEO и исследования ключевых слов — , , , — были успешны сами по себе, но ни один не захватил весь стек (или рос за счет поглощений, как Similarweb). Каждый занял свою нишу: анализ обратных ссылок, мониторинг трафика, аналитика ключевых слов или технический аудит.
SEO всегда было фрагментированным. Работа распределялась между агентствами, внутренними командами и фрилансерами. Данные были грязными, а позиции — предполагаемыми, а не подтвержденными. Ключи от алгоритма держал Google, но интерфейс не контролировал ни один вендор. Даже на пике крупнейшие SEO-игроки оставались поставщиками инструментов. У них не было ни вовлеченности пользователей, ни контроля над данными, ни сетевых эффектов, чтобы стать хабами, вокруг которых концентрируется SEO-активность. Кликстрим-данные — записи о ссылках, по которым пользователи переходят при навигации по сайтам, — пожалуй, самое прозрачное окно в реальное поведение пользователей. Но исторически доступ к ним был почти невозможен: они спрятаны у интернет-провайдеров, в SDK, браузерных расширениях и у брокеров данных. Поэтому строить точную, масштабируемую аналитику без глубокой инфраструктуры или привилегированного доступа было практически нереально.
GEO это меняет.
Как попасть в упоминания: появление GEO-инструментов
Это не просто смена инструментов — это платформенная возможность. Самые сильные GEO-компании не остановятся на измерениях. Они будут дообучать собственные модели на миллиардах неявных запросов из разных вертикалей. Они замкнут цикл — инсайт, креативный ввод, обратная связь, итерация — с помощью технологии, которая не просто наблюдает за поведением LLM, а формирует его. Они также найдут способ собирать кликстрим-данные и объединять собственные источники со сторонними.
Победители в GEO выйдут за рамки анализа бренда и дадут инфраструктуру для действия: генерацию кампаний в реальном времени, оптимизацию под память модели, ежедневные итерации вслед за изменениями в поведении LLM. Это будут операционные системы.
А это открывает возможность куда шире, чем видимость. Если GEO — это способ бренда обеспечить упоминание в AI-ответах, то это же и способ управлять своими постоянными отношениями с AI-слоем как таковым. GEO становится системой учета для взаимодействия с LLM: бренды отслеживают присутствие, эффективность и результаты на всех генеративных платформах. Кто владеет этим слоем — владеет и бюджетом, который за ним стоит.
В этом и есть монопольный потенциал: не просто поставлять инсайты, а стать каналом. Если SEO было децентрализованным рынком, живущим рядом с данными, то GEO может стать его противоположностью — централизованным, построенным на API и встроенным напрямую в рабочие процессы брендов. В конечном счете GEO само по себе — пожалуй, самый очевидный «клин», особенно на фоне сдвига в поисковом поведении, но по сути это клин в перформанс-маркетинг в целом. Те же бренд-гайдлайны и понимание пользовательских данных, которые питают GEO, могут питать и growth-маркетинг. Так строится большой бизнес: софтверный продукт тестирует несколько каналов, итерирует и оптимизирует их все. AI делает возможным .
Тайминг важен. Поиск только начинает меняться, но рекламные бюджеты перемещаются быстро — особенно там, где есть арбитраж. В 2000-х это был Google AdWords. В 2010-х — таргетинг Facebook. Сейчас, в 2025-м, это LLM и платформы, которые помогают брендам разобраться, как их контент поглощается моделями и на него ссылаются. Иначе говоря, GEO — это борьба за место в сознании модели.
В мире, где AI — входная дверь в коммерцию и поиск, вопрос для маркетологов звучит так: запомнит ли вас модель?
