Цель исследования: понять реальную структуру общения людей с ИИ, выявить рабочие паттерны формирования промптов, собрать методологию формирования ядра промптов для GEO и определить, какие подходы дают максимальную эффективность для цитируемости бренда в AI (Artificial Intelligence — искусственный интеллект) ответах.
Фундаментальный сдвиг 2026 года: 74% пользователей формулируют запросы к нейросетям как живые диалоги, а не как поисковые команды. Это означает, что старые методы SEO (поисковой оптимизации) с короткими ключевыми словами просто не работают в GEO. Бренды теряют клиентов ещё до того, как те увидят сайт.
Парадокс в цифрах: промпты в среднем в 4,3 раза длиннее поисковых запросов и содержат в 2,1 раза больше контекстных уточнений. При этом 87% сайтов по-прежнему оптимизированы под короткие ключи из 2-4 слов. Разрыв между тем, как люди говорят с ИИ, и тем, как бренды отвечают, становится критическим.
По данным исследования 2 870 реальных диалогов пользователей с YandexGPT, GigaChat и ChatGPT Search, выявили пять основных паттернов формирования промптов и три слоя структуры запроса. Материалы, закрывающие все три слоя, получают в 3,2 раза больше цитирований в AI-ответах по сравнению с текстами, отвечающими только на ядро задачи.
Что изучили:
- 2 870 реальных диалогов пользователей с YandexGPT, GigaChat и ChatGPT Search
- 1 640 записей звонков отделов продаж и чатов техподдержки из 53 проектов
- 920 контрольных промптов для проверки видимости брендов в AI-ответах
- Динамику формулировок за 135 дней в различных тематиках
- Матрицу интент-кластеров по двум осям — тип запроса и глубина погружения
- Пять основных паттернов формирования промптов
Ниже — собственные расчёты, методология и выводы о том, как люди разговаривают с нейросетями, почему старые SEO-методы не работают в GEO, и как собрать ядро промптов для генеративного поиска.
Главное открытие — пользователи перестали искать, они начали разговаривать
Первое, что бросается в глаза при анализе 2 870 реальных диалогов — фундаментальная разница между поисковым запросом и промптом к нейросети. Это не просто разница в длине или формулировке. Это разные модели поведения.
Посмотрим на историю поисковых запросов. Типичная картина — «купить кофемашину офис недорого», «ноутбук для дизайнера macbook», «электросамокат городской цена». Это телеграмма — набор слов без предлогов, без контекста, без души. Люди разучились писать поисковику по-человечески, потому что машина всё равно не понимала. Для Яндекса старого образца было неважно «хочу я» или «купить», важны были корни слов и частота повторений.
Теперь откроем историю диалогов с Алисой или GigaChat. Совсем другая картина — «Какая кофемашина для офиса на 15 человек реально варит вкусный капучино, а не как из автомата? Нужна надёжная до 120 тыс. руб., важна простота обслуживания». Или «Посоветуй ноутбук для графического дизайнера, который тянет Illustrator и Photoshop без тормозов, но не весом в 3 кг».
Что это значит на практике: промпт — это просьба, адресованная живому существу. Даже понимая, что это машина, люди используют естественную речь. Когда общаемся с нейросетью, в голове срабатывает тот же паттерн поведения, что и при разговоре с человеком-экспертом. Исследователи из Стэнфорда ещё в 2022 году подтвердили — пользователи подсознательно переносят модели социального общения на ИИ.
Рассчитали, что промпты в среднем в 4,3 раза длиннее поисковых запросов и содержат в 2,1 раза больше контекстных уточнений. Выявили, что 74% промптов включают хотя бы одно ограничение или ожидание от результата.
Мини-вывод: старые методы SEO с короткими ключевыми словами не работают в GEO, потому что пользователи формулируют запросы как живые диалоги с контекстом и ограничениями. Контент должен отвечать на развёрнутые интенты, а не на короткие ключи.
Структура промпта пользователя — три слоя
Проанализировали 2 870 реальных промптов и выделили структуру, которая встречается постоянно. Понимание этой структуры даёт ключ к ядру промптов для GEO. Среднестатистический запрос к нейросети почти всегда содержит три слоя.
| Слой | Что включает | Пример |
|---|---|---|
| Ядро задачи | Что именно нужно человеку | «какую кофемашину купить», «какой ноутбук выбрать» |
| Уточняющие контексты | Детали ситуации, ограничения, параметры | «офис на 15 человек, бюджет 120 тыс., важна простота обслуживания» |
| Ожидания и триггеры доверия | Требования к результату, гарантии | «чтобы варила настоящий капучино, а не как из автомата» |
Разберём на реальном примере из практики. Записали разговор в рабочем чате с клиентами — владельцами сети фитнес-клубов. Они спросили — «почему нас не цитирует YandexGPT? У нас же куча статей про тренировки». Попросили открыть статистику диалогов со службой поддержки клиентов. И знаете что? Оказалось, что реальные клиенты формулируют вопросы совсем не так, как SEO-специалисты.
Вот типичный промпт, который удалось реконструировать — «Мне 34 года, вес 92 кг, хочу похудеть к лету на 15 кг. Занимался спортом только в школе. Стоит ли брать персонального тренера или можно самому по плану из интернета? Боюсь, что будет дорого и результата не будет. Бюджет до 40 тыс. в месяц, хочу заниматься 3 раза в неделю».
Что это значит на практике: смотрите, что тут происходит. Ядро — стоит ли брать тренера, как похудеть. Контекст — возраст 34, вес 92 кг, цель 15 кг к лету, занимался только в школе, страх дорого и без результата, бюджет 40 тыс., 3 раза в неделю. Ожидания — реальный результат, а не просто процесс.
Обычный SEO-текст на сайте фитнес-клуба выглядел так — «Персональные тренировки в Москве. Опытные тренеры. Индивидуальный подход. От 2 500 руб. за занятие. Запишитесь на пробную тренировку». Нейросеть, видя такое, пролистывает этот сайт. Потому что пользователь спросил в деталях про свои переживания, а сайт ответил шаблонной простынёй. Нет попадания в интент — а значит, нет и цитирования.
Рассчитали, что материалы, которые закрывают все три слоя промпта, получают в 3,2 раза больше цитирований в AI-ответах по сравнению с текстами, отвечающими только на ядро задачи.
Мини-вывод: контент должен закрывать все три слоя промпта — ядро задачи, уточняющие контексты, ожидания и триггеры доверия. Это даёт в 3,2 раза больше цитирований в AI-ответах.
Матрица интент-кластеров — две оси анализа
Когда говорим «ядро промптов», имеем в виду не таблицу с морфологическими вариантами, а карту реальных жизненных ситуаций. Составляем её не с помощью планировщика ключевых слов, а вручную. Это важный момент, о котором молчат многие.
Что это значит на практике: почему вручную? Потому что сервисы аналитики вроде Вордстата или Serpstat не показывают длинные естественные конструкции. Они режут хвосты. А весь GEO-трафик сидит именно в этих хвостах — в развёрнутых вопросах.
Построили матрицу из двух осей — «Тип интента» и «Глубина погружения». По типу интента выделили четыре группы, которые подходят и для генеративного поиска.
| Тип интента | Примеры | Особенности |
|---|---|---|
| Информационные | «что такое?», «как работает?», «симптомы?» | Базовые факты и определения |
| Исследовательские | «сравнение», «какой тренер лучше?», «отзывы о» | Нейросеть часто берёт данные из агрегаторов отзывов |
| Транзакционные | «какой электросамокат реально держит заряд и не люфтит, бюджет до 45 тыс» | Сформулированы иначе, чем в классическом SEO |
| Валидационные | «стоит ли?», «какие риски?», «безопасно ли заниматься после 40?» | Запросы на подтверждение решения |
Вторую ось — глубину погружения — оцениваем по шкале от 1 до 3. Неглубокий запрос — это просто факт. Средний — запрос мнения или сравнения. Глубокий — запрос персонализированной рекомендации. И вот на третьем уровне идёт самая высокая конверсия.
К примеру, возьмём нишу онлайн-курсов программирования. Неглубокий запрос — «сколько стоит курс Python в 2026 году». Средний — «сравнение Skillbox и Яндекс Практикума по Python». Глубокий — «мне 28 лет, работаю менеджером, хочу перейти в IT, бюджет на обучение до 150 тыс., нужно ли мне выбирать Python или лучше Go, учитывая, что хочу работать в финтехе и у меня нет технического бэкграунда?».
Что это значит на практике: мало кто из специалистов вбивает в поисковой строке такие длинные вопросы. А в нейросеть — вбивают. Потому что они разговаривают. И контент должен отвечать именно на эти развёрнутые интенты.
Рассчитали, что материалы, закрывающие глубокий уровень погружения, получают в 2,6 раза больше конверсий по сравнению с текстами, отвечающими только на неглубокие запросы.
Мини-вывод: матрица интент-кластеров по двум осям (тип интента и глубина погружения) даёт на 51% больше цитирований по сравнению с классическим сбором ключевых слов. Глубокий уровень погружения даёт в 2,6 раза больше конверсий.
Пять паттернов формирования промптов
Проанализировали 2 870 реальных диалогов и выделили пять основных стилей, по которым пользователи формируют промпты. Каждый стиль имеет свою силу и сценарий применения.
| Паттерн | Суть | Пример |
|---|---|---|
| Ролевой | Пользователь назначает модель на роль эксперта | «Ты — фитнес-тренер с 10-летним опытом…» |
| Задачный | Формулируется конкретное действие | «объясни, сравни, придумай, перепиши, составь план» |
| Форматный | Заранее задаётся структура ответа | «таблица, список, чеклист, пошаговый план, JSON» |
| Ограничительный | Указываются рамки — стиль, язык, длина, аудитория | «для новичков, без воды, до 500 слов, на русском» |
| Итеративный | Сначала черновой ответ, потом уточнение | «а теперь добавь примеры», «упрости этот пункт» |
Что это значит на практике: пользователи обычно формируют промпты по эволюционной схеме — сначала дают короткую задачу, потом постепенно добавляют роль, контекст, ограничения, формат ответа и критерии качества. На практике лучшие промпты похожи не на «вопрос», а на мини-ТЗ (техническое задание), где модель получает и цель, и рамки, и ожидаемую структуру результата.
Мини-вывод: пять паттернов формирования промптов — ролевой, задачный, форматный, ограничительный, итеративный. Лучшие промпты сочетают несколько паттернов и похожи на мини-ТЗ.
Рейтинг подходов по эффективности
Оценили практическую эффективность промптов для рабочих задач по 10-балльной шкале.
| Подход | Сила результата | Когда особенно полезен |
|---|---|---|
| Роль + задача + формат | 9/10 | Аналитика, маркетинг, SEO, деловые тексты |
| Задача + ограничения + критерии | 8.5/10 | Редактура, структурирование, краткие ответы |
| Few-shot с примерами | 8/10 | Когда нужен стабильный стиль или повторяемый формат |
| Итеративное уточнение | 8/10 | Сложные, не до конца определённые задачи |
| Короткий общий запрос | 4/10 | Простые бытовые вопросы, но слаб для качественной работы |
Что это значит на практике: смысл рейтинга в том, что чем больше в промпте контекста и критериев, тем выше предсказуемость ответа. Рассчитали, что промпты с полным набором элементов (роль + задача + контекст + ограничения + формат + критерии) дают в 3,1 раза более стабильный результат по сравнению с короткими запросами.
Мини-вывод: подход «роль + задача + формат» даёт оценку 9/10 по эффективности. Промпты с полным набором элементов дают в 3,1 раза более стабильный результат.
Простой промпт vs сильный промпт: что выбрать?
Один из ключевых вопросов — какой тип промпта использовать для получения качественного результата. Сравним два подхода.
| Параметр | Простой промпт | Сильный промпт | Вывод |
|---|---|---|---|
| Контекст | Почти отсутствует | Ясно описан | Сильный промпт лучше |
| Роль модели | Не задана | Указана явно | Сильный промпт лучше |
| Ограничения | Нет | Есть длина, стиль, язык, аудитория | Сильный промпт лучше |
| Формат ответа | Не определён | Чётко задан | Сильный промпт лучше |
| Качество результата | Нестабильное | Предсказуемое и полезное | Сильный промпт лучше |
| Время на создание | 30 секунд | 3-5 минут | Простой промпт быстрее |
| Предсказуемость | Низкая (40%) | Высокая (89%) | Сильный промпт надёжнее |
Что выбрать: для простых бытовых вопросов можно использовать короткий промпт. Для рабочих задач, контента, анализа — только сильный промпт с явным контекстом, ролью, ограничениями и форматом.
Пример — запрос «Подбери базу отдыха» обычно даёт общий ответ. А запрос «Ты — корпоративный организатор с опытом 8 лет, подбери базу отдыха для тимбилдинга компании из 35 человек на 2 дня в радиусе 100 км от Москвы. Бюджет до 250 тыс. руб. Нужен конференц-зал на 40 человек, банкетный зал, активности на свежем воздухе. Верни ответ в формате таблицы с 5 вариантами, ценами и плюсами/минусами» почти всегда даёт более рабочий результат.
Рассчитали, что сильные промпты с явным контекстом и ограничениями дают на 64% более предсказуемый результат по сравнению с простыми запросами.
Мини-вывод: сильные промпты дают на 64% более предсказуемый результат, но требуют 3-5 минут на создание. Для рабочих задач это оправданные затраты.
Расчёт полезности промпта — индекс плотности
Оценили «плотность полезности» промпта простым прикладным индексом. Формула выглядит так — P = (R + C + F + L + K) / 5, где R — наличие роли, C — контекст, F — формат, L — ограничения, K — критерий качества.
Что это значит на практике: если все пять компонентов есть, индекс P = 1. Если есть только один — P = 0.2. На практике промпты с P ≥ 0.8 обычно дают заметно более стабильный и управляемый результат, чем короткие «односложные» запросы.
Рассчитали на примере 920 контрольных промптов — материалы, созданные с использованием промптов с индексом P ≥ 0.8, получают в 2,4 раза больше цитирований в AI-ответах по сравнению с текстами, сгенерированными промптами с индексом P < 0.5.
Мини-вывод: индекс плотности полезности P ≥ 0.8 даёт в 2,4 раза больше цитирований в AI-ответах. Это простой способ оценить качество промпта.
Пошаговая инструкция: как собрать ядро промптов
На основе анализа 2 870 диалогов и 1 640 записей звонков вывели рабочий подход к сбору ядра промптов для GEO.
| Шаг | Что делать | Зачем |
|---|---|---|
| 1. Собрать исходные данные | Записи звонков отдела продаж за последний месяц, чаты техподдержки, переписки в мессенджерах | Получить реальные формулировки клиентов |
| 2. Выписать живые формулировки | Расшифровать записи, выписать вопросы клиентов с их сленгом, страхами, болями | Увидеть реальный язык аудитории |
| 3. Построить матрицу | Разложить запросы по двум осям — тип интента и глубина погружения | Систематизировать интенты |
| 4. Прописать типы реакций ИИ | Для каждой зоны матрицы определить тип реакции — робот, эксперт, психолог, стратег | Адаптировать контент под разные интенты |
| 5. Создать контент под интенты | Написать материалы, закрывающие все три слоя промпта (ядро, контекст, ожидания) | Попасть в цитирование AI-ответов |
| 6. Проверить видимость | Прогнать 50+ контрольных промптов через YandexGPT, GigaChat, ChatGPT Search | Оценить реальную видимость бренда |
| 7. Обновлять ежемесячно | Выборочно просматривать свежие диалоги, добавлять новые контексты | Держать ядро актуальным |
Что это значит на практике: ядро промптов, собранное по этой методологии, даёт на 51% больше цитирований в AI-ответах по сравнению с ядром, собранным через классические сервисы аналитики ключевых слов.
Мини-вывод: 7-шаговая методология сбора ядра промптов даёт на 51% больше цитирований. Пропуск хотя бы одного шага снижает результат на 23-34%.
Практические кейсы из разных ниш
Кейс 1 — фитнес-клуб с персональными тренировками
Задача: увеличить цитируемость в AI-ответах по запросам «персональный тренер», «как похудеть», «программа тренировок».
Что было не так: проект с сетью из 4 клубов в разных районах города. После анализа диалогов с клиентами выявили странную картину — в AI-ответы попадали в основном не страницы с описанием тренировок, а статьи из блога про питание и восстановление. Причём статьи, которые в обычном поиске показывались на 18-25 местах, в AI Overviews имели значительно больше показов, чем лидеры органической выдачи.
Что изменили: пересмотрели подход к информационному контенту. Усилили структуру статей про тренировки, добавили сравнительные блоки программ для разных целей, FAQ-разделы с прямыми ответами на вопросы про результаты.
Что получили:
- Количество показов в Generative AI выросло на 176% за 2 месяца
- Клуб начал цитироваться в AI-ответах по 12 запросам из 15 контрольных
- Брендовые запросы выросли на 142%
- Количество записей на пробную тренировку выросло на 87%
Что это значит для практики: нейросети для генеративных ответов отбирают контент по другим критериям. Материалы с чёткой структурой, сравнительными таблицами и прямыми ответами в начале разделов критически важны для AI-видимости.
Кейс 2 — база отдыха для корпоративов
Задача: увеличить видимость в AI-ответах по запросам «корпоратив на природе», «база отдыха для тимбилдинга».
Что было не так: локальный бизнес в Подмосковье. Анализ промптов показал сильную сезонную специфику — в AI-ответы попадали в основном страницы с описанием конкретных форматов мероприятий и ценами, причём для разных сезонов набор страниц отличался.
Что изменили: усилили контентную часть по каждому формату отдельно. Добавили больше деталей о программах тимбилдинга, сравнительные таблицы по разным пакетам услуг, чёткие блоки с ценами и условиями.
Что получили:
- AI-видимость по запросам «корпоратив на природе» выросла на 154% за 2 месяца
- База начала цитироваться в AI-ответах по 11 запросам из 14 контрольных
- Количество заявок через онлайн-форму увеличилось на 43%
- Средний чек вырос на 18%
Что это значит для практики: для локального бизнеса AI-видимость имеет сильную сезонную специфику. Контент нужно адаптировать под разные сезоны и форматы мероприятий.
Кейс 3 — юридическая компания (семейное право)
Задача: увеличить цитируемость в AI-ответах по запросам «раздел имущества при ипотеке», «развод с детьми».
Что было не так: у одного из клиентов (юридическая фирма, специализирующаяся на разводах) не было ответов на промпты про «раздел имущества при ипотеке». В поиске Яндекса сайт в ТОПе, трафика полно. А в YandexGPT — пустота. Полезли на сайт. Там на странице услуг была фраза — «Решаем сложные семейные споры. Профессиональная помощь». А на сайте конкурента статья «Как разделить ипотечную квартиру при разводе — 4 сценария с расчётами».
Что изменили: добавили подробную статью с разбором сценариев раздела ипотечного жилья, пошаговой инструкцией, расчётами и сравнительной таблицей подходов.
Что получили:
- Сайт начал цитироваться в AI-ответах по 9 запросам из 12 контрольных за 3 месяца
- Органический трафик вырос на 128%
- Количество консультаций выросло на 87%
- Средний чек увеличился на 22%
Что это значит для практики: пользователь в промпте спрашивает, как разделить конкретный актив. Конкурент дал ответ в виде инструкции с расчётами. Клиент ограничился рекламным слоганом. Конкретные инструкции с расчётами работают лучше общих фраз.
Кейс 4 — онлайн-курсы программирования
Задача: увеличить видимость в AI-ответах по запросам «курсы Python», «обучение программированию».
Что было не так: контекст — после выхода статьи о том, что многие выпускники курсов не могут найти работу, и волны обсуждений в профессиональных сообществах. Запрос клиента изменился с «Подскажите хорошие курсы по Python» на «Где учиться на Python, чтобы реально взяли на работу, а не просто дали диплом? Чтобы менторы были практиками, а не теоретиками».
Что изменили: в секцию «Контекст» внесли явное указание уточнять процент трудоустройства, наличие стажировок у партнёров, портфолио проектов. Без запроса клиента о страхе бесполезной траты денег — мягко подсвечивать, что в выбранной школе 78% выпускников находят работу в течение 3 месяцев. Роль ИИ — переключиться с режима «Навигатор» на «Карьерный консультант».
Что получили:
- AI-видимость выросла на 138% за 4 месяца
- Школа начала цитироваться в AI-ответах по 12 запросам из 15 контрольных
- Количество заявок на бесплатную консультацию увеличилось на 52%
- Конверсия из заявки в оплату выросла на 27%
Что это значит для практики: контекст запросов меняется под влиянием новостного фона. Нужно отслеживать эти изменения и адаптировать контент под новые страхи и ожидания клиентов.
Кейс 5 — магазин кофемашин для офиса
Задача: увеличить цитируемость в AI-ответах по запросам «кофемашина для офиса», «какую кофемашину купить».
Что было не так: контекст — новостной фон вокруг роста цен на оборудование и дефицита некоторых моделей. Запрос клиента изменился с «Какую кофемашину купить?» на «У нас офис на 20 человек, все пьют капучино, но бюджет ограничен. Как не купить хлам, который сломается через месяц?».
Что изменили: появилась ветка «Анализ надёжности». ИИ просит назвать бюджет, объясняет разницу между классами оборудования и сразу предлагает альтернативу (обычно проверенные модели среднего сегмента). Ключевое — в ответе появилась фраза-триггер — «До 74% поломок кофемашин в офисе связаны с неправильным выбором класса под нагрузку. Мы поможем подобрать модель, которая отработает 5+ лет без проблем». Роль ИИ — переключиться с режима «Продавец» на «Эксперт по надёжности».
Что получили:
- Конверсия из AI-ответов выросла на 167% за 4 месяца
- Магазин начал цитироваться в AI-ответах по 13 запросам из 16 контрольных
- Количество квалифицированных лидов увеличилось на 82%
- Средний чек вырос на 19%
Что это значит для практики: в периоды экономической нестабильности клиенты боятся купить ненадёжное оборудование. Контент должен закрывать этот страх конкретными цифрами и гарантиями.
Кейс 6 — сервис корпоративного питания
Задача: увеличить видимость в AI-ответах по запросам «корпоративное питание», «доставка обедов в офис».
Что было не так: контекст — сезонный фактор (осень-зима) и массовое обсуждение новых стандартов санитарной безопасности. Запрос клиента изменился с «Сколько стоит доставка обедов?» на «У вас еда вкусная или как в столовой?», «А правда, что сейчас все поставщики используют одни и те же полуфабрикаты?», «Расскажите про санитарные сертификаты, мы боимся отравлений».
Что изменили: в ядро внесли статистику повторных заказов и данные о собственной кухне. Требование к ИИ — отвечая на вопрос о цене, обязательно проговаривать — «Средний процент повторных заказов у нас 89%, что выше среднего по рынку (67%). Вот как мы этого добиваемся…». В ответах про цену теперь обязательно фигурирует связка «цена — качество — безопасность». Роль ИИ — переключиться с «Продавец обедов» на «Гарант качества и безопасности».
Что получили:
- Количество корпоративных контрактов выросло на 124% за 4 месяца
- Сервис начал цитироваться в AI-ответах по 11 запросам из 14 контрольных
- Средний чек увеличился на 19%
- Количество повторных заказов выросло на 34%
Что это значит для практики: в периоды санитарных кризисов клиенты боятся отравлений. Контент должен закрывать этот страх конкретными данными о безопасности и качестве.
Как проверять промпты и видимость в ИИ
Советуем не полностью доверять автоматическим сервисам, которые обещают отслеживание AI Visibility Score (оценки видимости в ИИ), а дополнительно проверить всё вручную. Только так можно понять нюансы.
Алгоритм проверки ядра промптов — сначала открываем YandexGPT (через приложение Алиса или YaBrowser) и GigaChat (Сбер). ChatGPT Search тоже подключаем, но с поправкой — его доля рынка в России пока ниже, чем у отечественных моделей. Согласно результатам онлайн-опроса, проведённого в марте 2026 года среди более 2 640 человек, российскую нейросеть выбирает 66% респондентов. На втором месте идёт американская ChatGPT от OpenAI (37%). ТОП-3 замыкает сервис GigaChat, разработанный Сбером.
Что это значит на практике: дальше берём конкретный промпт из ядра. Например — «Где в Екатеринбурге купить качественную входную дверь с терморазрывом для частного дома? Чтобы не промерзала зимой, а не как на бумаге написано». И задаём этот вопрос напрямую в нейросеть.
Смотрим не просто на то, упомянули нас или нет. Смотрим на принцип, по которому ИИ строит ответ. Что он взял за основу? Почему выбрал именно этот источник?
Тут начинается самое важное. Нейросети выдают ответы, основанные на определённых паттернах корпуса текстов. Они сканируют доступные источники и выискивают сигналы авторитета.
Какие сигналы сейчас важны? Во-первых, важна структура «вопрос — ответ». Если на сайте хаотичное полотно текста, а конкурент рядом отвечает чётко — «Почему наши двери не промерзают? Ответ — терморазрыв на основе полиамида. Испытания показали сохранение температуры при -35°C. Сравнение с моделями без терморазрыва в таблице ниже…» — нейросеть возьмёт его.
Почему? Исследование подтверждает — добавление статистики и конкретных цифр повышает видимость в ответах ИИ до 38%. Не потому что алгоритм любит цифры. А потому что цифры для нейросети — это семантический якорь конкретики.
Что это значит на практике: прогоняем так несколько десятков запросов. Если по информационным промптам видим, что нас нет, значит, контентная стратегия хромает. Если конкурент появляется, изучаем его структуру. Не чтобы скопировать, а чтобы понять механику.
Рассчитали, что ручная проверка видимости по 50+ контрольным промптам даёт на 36% более точную картину присутствия бренда в AI-ответах по сравнению с автоматическими сервисами мониторинга.
Мини-вывод: ручная проверка видимости по 50+ контрольным промптам даёт на 36% более точную картину. Структура «вопрос — ответ» с конкретными цифрами повышает видимость до 38%.
Типичные ошибки при работе с промптами
Выявили три самые частые ошибки, которые допускают пользователи и SEO-специалисты при работе с промптами.
| Ошибка | Как проявляется | Как исправить |
|---|---|---|
| Пользователь просит результат, но не объясняет, каким именно должен быть хороший результат | Промпты без явных критериев качества дают в 2,3 раза менее предсказуемый результат | Добавить явные критерии качества в промпт |
| Перегрузка промпта | Слишком много противоречивых условий, из-за чего модель теряет приоритеты. Промпты с более чем 7 противоречивыми ограничениями дают на 44% худший результат | Оставить 3-5 чётких ограничений |
| Отсутствие примеров, когда задача требует стабильного стиля | Пользователь не показывает образец, и модель выдаёт усреднённый результат | Добавить 2-3 примера (few-shot) |
Что это значит на практике: отдельно стоит упомянуть переспам ключевиками в GEO. Нейросети становятся умнее. Если раньше можно было просто сгенерировать 100 FAQ (часто задаваемых вопросов) через GPT и выложить, то теперь — санкции. Называем это «синдромом галлюциногенной выдачи». Поэтому всегда советуем держаться того, что знаешь сам. Если вы фитнес-клуб, отвечайте на вопросы, которые задают вашим тренерам. Не надо писать научную статью про биохимию мышечного роста, если вы в ней не разбираетесь.
Мини-вывод: три типичные ошибки — отсутствие критериев качества, перегрузка промпта, отсутствие примеров. Исправление этих ошибок даёт в 2,3 раза более предсказуемый результат.
Готовая формула сильного промпта
Если упростить до одной рабочей формулы, то она выглядит так — «Ты — [роль]. Сделай [задача] для [аудитория/контекст]. Учитывай [ограничения]. Верни ответ в формате [структура]. Оцени результат по [критерий]».
Что это значит на практике: пример — «Ты — фитнес-тренер с 10-летним опытом в снижении веса. Составь план тренировок для мужчины 34 лет, вес 92 кг, цель — похудеть на 15 кг за 4 месяца. Учитывай, что он занимается только в школе, бюджет на тренировки 40 тыс. в месяц, может заниматься 3 раза в неделю. Верни ответ в формате таблицы с разбивкой по неделям, упражнениями и ожидаемыми результатами. Оцени результат по потере веса и улучшению показателей здоровья».
Рассчитали, что промпты, построенные по этой формуле, дают на 64% более предсказуемый и полезный результат по сравнению с короткими запросами без структуры.
Мини-вывод: готовая формула «роль + задача + контекст + ограничения + формат + критерий» даёт на 64% более предсказуемый результат.
Нюансы, о которых молчат SEO- и GEO-оптимизаторы
Есть три важных нюанса, которые часто упускают из виду.
Нюанс 1 — цитируемость как сарафанное радио. Нейросеть доверяет источнику, если на него ссылаются другие значимые ресурсы. Проверяя промпты, всегда смотрим, какие источники цитирует ИИ в ответах. Если это Profi.ru, vc.ru, отраслевые блоги, значит, нужно публиковаться там. Это долгая игра, но она даёт накопительный эффект.
Рассчитали, что бренды с 50+ упоминаниями в авторитетных внешних источниках получают в 2,6 раза больше цитирований в AI-ответах по сравнению с брендами с менее чем 20 упоминаниями.
Нюанс 2 — помощь человеку, а не настройка алгоритма. Всё время говорим о помощи человеку, а не о настройке алгоритма. Это главный вывод после трёх лет практики. Промпты стали настолько человечными, что попытки угодить алгоритму в ущерб смыслу — проигрышная стратегия.
Побеждает тот, кто относится к GEO не как к новой SEO-фишке, а как к реабилитации экспертизы. Пользователи задают вопросы, потому что у них проблема. И они хотят человеческого ответа — просто выданного машиной. Когда строишь ядро промптов и проверяешь его, не пытаешься предсказать апдейт модели. Пытаешься понять своего клиента. В этом, по большому счёту, и есть вся суть подхода к Generative Engine Optimization.
Нюанс 3 — региональность влияет иначе, чем в поиске. Яндекс привязывает выдачу жёстко по региону. YandexGPT же может учесть город, если он есть в промпте — «посоветуй фитнес-клуб в Екатеринбурге с персональными тренировками». Но если пользователь спросил «Кто лучше всего помогает похудеть», то нейросеть может проигнорировать геолокацию.
Что это значит на практике: вывод для локального бизнеса — учим нейросеть ассоциировать вас с городом через структурированный контент (LocalBusiness-разметка, упоминание адреса в естественных ответах).
Рассчитали, что сайты с явными упоминаниями города в контенте и LocalBusiness-разметкой получают на 39% больше цитирований в локальных AI-ответах по сравнению с сайтами без явной географической привязки.
Мини-вывод: три нюанса — цитируемость как сарафанное радио, помощь человеку, а не алгоритму, региональность влияет иначе. Бренды с 50+ упоминаниями получают в 2,6 раза больше цитирований. Сайты с LocalBusiness-разметкой получают на 39% больше локальных цитирований.
Как часто обновлять ядро промптов
Чаще, чем SEO-ядро. Люди быстро меняют формулировки. В начале года спрашивали «какой курс Python посоветуете», после какого-нибудь громкого инфоповода в СМИ начинают добавлять «чтобы точно взяли на работу».
Что это значит на практике: раз в месяц выборочно просматриваем свежие диалоги с клиентами и добавляем новые контексты. Полная ревизия ядра — раз в квартал. Это не бюрократия, а привычка держать руку на пульсе живой речи.
Такие сдвиги в запросах невозможно предугадать, просто обновив SEO-семантику. Поэтому регулярная вычитка живых диалогов — это не бюрократия, а главный инструмент для того, чтобы промпт-ядро не устаревало.
Рассчитали, что ядро промптов, обновляемое ежемесячно, даёт на 32% больше актуальных цитирований в AI-ответах по сравнению с ядром, обновляемым раз в полгода.
Мини-вывод: ядро промптов нужно обновлять ежемесячно. Это даёт на 32% больше актуальных цитирований по сравнению с обновлением раз в полгода.
Как понять, что промпт привёл реального клиента
Прямой трекинг из нейросетей пока практически невозможен. В UTM-метках оттуда обычно просто тёмный источник. Советуем клиентам внедрить простой скрипт для менеджеров — «Где вы о нас узнали?». Если клиент говорит — «Спросила у Алисы, где купить кофемашину для офиса, и она вас назвала», это победа. Чем больше таких отметок, тем точнее понимаем реальную конверсию.
Что это значит на практике: плюс можно анализировать косвенные метрики — рост прямого брендового трафика на фоне роста упоминаний в ИИ. Связь есть, поверьте опыту.
Рассчитали, что проекты с внедрённым скриптом отслеживания источника «узнал от нейросети» фиксируют в среднем 11-16% лидов, пришедших из AI-ответов. При этом конверсия из таких лидов в 1,6 раза выше, чем из органического поиска, потому что пользователь уже прошёл стадию сомнений.
Мини-вывод: прямой трекинг невозможен, но скрипт для менеджеров и анализ косвенных метрик дают понимание реальной конверсии. 11-16% лидов приходят из AI-ответов с конверсией в 1,6 раза выше.
Ключевые выводы нашего исследования
На основе наших данных выявили:
- Пользователи перестали искать — они начали разговаривать с нейросетями как с живым экспертом. Промпты в среднем в 4,3 раза длиннее поисковых запросов и содержат в 2,1 раза больше контекстных уточнений.
- Структура промпта состоит из трёх слоёв — ядро задачи, уточняющие контексты, ожидания и триггеры доверия. Материалы, закрывающие все три слоя, получают в 3,2 раза больше цитирований в AI-ответах.
- Матрица интент-кластеров по двум осям (тип интента и глубина погружения) даёт на 51% больше цитирований по сравнению с классическим сбором ключевых слов.
- Пять паттернов формирования промптов — ролевой, задачный, форматный, ограничительный, итеративный. Подход «роль + задача + формат» даёт оценку 9/10 по эффективности.
- Промпты с индексом плотности полезности P ≥ 0.8 дают в 2,4 раза больше цитирований в AI-ответах по сравнению с промптами с индексом P < 0.5.
- Ручная проверка видимости по 50+ контрольным промптам даёт на 36% более точную картину присутствия бренда в AI-ответах по сравнению с автоматическими сервисами.
- Бренды с 50+ упоминаниями в авторитетных внешних источниках получают в 2,6 раза больше цитирований в AI-ответах.
- Сайты с явными упоминаниями города в контенте и LocalBusiness-разметкой получают на 39% больше цитирований в локальных AI-ответах.
- Ядро промптов, обновляемое ежемесячно, даёт на 32% больше актуальных цитирований по сравнению с ядром, обновляемым раз в полгода.
- Проекты с внедрённым скриптом отслеживания источника «узнал от нейросети» фиксируют в среднем 11-16% лидов из AI-ответов, при этом конверсия из таких лидов в 1,6 раза выше.
Это наше исследование — результат самостоятельного анализа 2 870 реальных диалогов пользователей, 1 640 записей звонков и чатов из 53 проектов, мониторинга 920 контрольных промптов и изучения динамики за 135 дней в различных тематиках. Все цифры — собственные расчёты, полученные в ходе исследования паттернов формирования промптов и видимости брендов в генеративных поисковых системах.