Как генеративная оптимизация (GEO) переписывает правила поиска
Привет! Меня зовут Саша Журавлёв — я фаундер и управляющий партнёр венчурного фонда Mento VC. Мы инвестируем в технологические стартапы на ранних стадиях — преимущественно в США, Великобритании и Европе.
В Mento VC мы постоянно отслеживаем новые технологические сдвиги, и когда видим тенденцию, способную радикально изменить рынок, стараемся сразу делиться ею с русскоязычным сообществом. Generative Engine Optimization — именно такой случай. Мы перевели для вас статью Зэка Коэна и Симы Амбл — партнёров венчурной фирмы Andreessen Horowitz (a16z), одного из крупнейших и самых влиятельных фондов Кремниевой долины, — чтобы вы могли оценить масштаб перемен и использовать их в свою пользу уже сегодня.
Оригинал можно прочитать по ссылке
Конец привычного поиска — и маркетологи, кажется, не против. В каком-то смысле.
Больше двадцати лет SEO было стандартной стратегией онлайн-видимости. Оно породило целую индустрию: «набиватели» ключевых слов, торговцы бэклинками, оптимизаторы контента, инструменты аудита — и легионы специалистов и агентств. Но в 2025-м поиск смещается из классических браузеров к платформам LLM. После объявления Apple о встраивании нативных AI-поисковиков вроде Perplexity и Claude прямо в Safari монополия Google на дистрибуцию оказалась под вопросом. Основание рынка SEO стоимостью свыше 80 млрд $ дало трещину.
Появляется новая парадигма, основанная не на PageRank, а на языковых моделях. Мы входим во второе действие поиска — Generative Engine Optimization (GEO
От ссылок — к языковым моделям
Традиционный поиск держался на ссылках. GEO опирается на язык.
В эпоху SEO видимость означала высокую позицию в выдаче. Ранжирование строилось на индексации сайтов по совпадению ключевых слов, глубине и ширине контента, числу бэклинков, метрикам вовлечённости и т. д. Сегодня, когда LLM-ы вроде GPT-4o, Gemini и Claude становятся интерфейсом поиска, видимость = появиться прямо в готовом ответе, а не «подняться» в списке ссылок.
По мере того как меняется формат ответов, меняется и сам процесс поиска. AI-нативный поиск расползается по разным платформам — Instagram, Amazon, Siri — каждая со своей моделью и пользовательскими задачами. Запросы длиннее (в среднем 23 слова против 4), сессии глубже (около 6 минут), а ответы различаются по контексту и источникам. В отличие от классического поиска, LLM-ы помнят диалог, рассуждают и выдают персонализированную синтезированную информацию из множества источников. Это радикально меняет путь обнаружения контента и требования к его оптимизации.
Традиционное SEO вознаграждало точность и повторяемость; генеративные движки предпочитают материалы, которые хорошо структурированы, легко «сканируются» и насыщены смыслом, а не просто ключевыми словами. Фразы вроде «в итоге» или использование буллет-списков помогают LLM эффективно извлекать и пересказывать содержание.
Важно и то, что рынок LLM принципиально отличается от рынка классического поиска по бизнес-модели и стимулам. Google монетизировал трафик рекламой: пользователи расплачивались данными и вниманием. Большинство же LLM-ов — платные, по подписке. Поэтому у провайдеров моделей меньше мотивации выводить сторонний контент, если он не усиливает опыт пользователя или ценность продукта. Рынок рекламы на LLM-интерфейсах, возможно, появится, но его правила и участники будут иными.
Пока же одним из зарождающихся индикаторов ценности LLM-интерфейсов стал объём исходящих кликов: например, ChatGPT уже перенаправляет трафик на десятки тысяч разных доменов.
От рейтингов — к релевантности для модели
Теперь важны не CTR, а reference rate: как часто модель цитирует ваш бренд или контент в своих ответах. В мире генеративных выводов GEO означает оптимизацию под то, что модель решит сослаться, а не под то, где вы покажетесь в традиционном поиске. Этот сдвиг заново определяет, как измерять узнаваемость и эффективность бренда.
Уже появились новые платформы — Profound, Goodie, Daydream — которые позволяют брендам анализировать, как они звучат в ответах ИИ, отслеживать тональность и понимать, какие издатели формируют «поведение» модели. Эти сервисы тонко настраивают модели, «подсовывая» им релевантные бренд-триггеры, масштабно запускают синтетические запросы и собирают результаты в дашборды, где маркетологи видят видимость, консистентность сообщений и долю голоса.
Canada Goose воспользовалась таким инструментом, чтобы узнать, как LLM-ы упоминают бренд — не только с точки зрения характеристик («тёплая», «непромокаемая»), но и узнаваемости как таковой. Выводы были о том, упоминает ли модель бренд вообще — то есть об уровне «неподсказанной» (unaided) осведомлённости в эпоху ИИ.
Подобный мониторинг становится столь же важным, как когда-то SEO-панели. Ahrefs Brand Radar теперь отслеживает упоминания в AI Overviews, а Semrush запустил AI-набор инструментов, помогающий брендам измерять восприятие на генеративных платформах и быстро реагировать на новые упоминания. Legacy-игроки адаптируются к эре GEO.
Мы видим рождение новой бренд-стратегии: она учитывает не только восприятие в обществе, но и то, как бренд «записан» в памяти модели. То, как вы закодированы в AI-слое, — новое конкурентное преимущество.
Разумеется, GEO пока в экспериментальной фазе — как когда-то зарождалось SEO. С каждым крупным обновлением модели нам приходится заново учиться (а иногда и разучиваться) правильному взаимодействию с этими системами. Подобно тому, как обновления алгоритма Google заставляли компании лихорадочно спасать проседающие позиции, провайдеры LLM всё ещё подкручивают правила, определяющие, что их модели цитируют. Формируется несколько школ мысли: одни приёмы GEO уже хорошо понятны (например, упоминание в исходных документах, на которые ссылаются модели), другие пока спекулятивны — к примеру, отдают ли модели приоритет журналистским материалам над соцмедиа, или как preferences меняются с разными обучающими датасетами.
Уроки эры SEO
Несмотря на масштабы, SEO так и не породило монополиста. Инструменты вроде Semrush, Ahrefs, Moz и Similarweb были успешны, но ни один не охватил полный стек (хотя Similarweb и рос за счёт поглощений). Каждый занял нишу: анализ бэклинков, мониторинг трафика, исследование ключевых слов, технические аудиты.
SEO всегда было фрагментированным. Работу делили агентства, внутренняя команда и фрилансеры. Данные были шумными, позиции — лишь косвенными оценками. Алгоритмические ключи держал Google, но интерфейс не контролировал ни один вендор. Даже на пике самые крупные SEO-игроки оставались «поставщиками инструментов»: у них не было достаточной вовлечённости пользователей, контроля данных или сетевых эффектов, чтобы стать центром всей SEO-активности.
Clickstream-данные — записи о том, на какие ссылки реально кликают пользователи, — пожалуй, самое прозрачное окно в реальное поведение аудитории. Исторически этот слой был почти недоступен: заблокирован у провайдеров интернета, в SDK, браузерных расширениях и дата-брокерах. Без глубокой инфраструктуры или особого доступа построить точные масштабируемые инсайты было почти невозможно.
Как попасть в упоминания: рождение GEO-инструментов
Это не просто сдвиг «ещё один тул в стек» — это шанс создать целую платформу. Самые амбициозные компании GEO не остановятся на измерении. Они будут дообучать собственные модели, впитывая миллиарды имплицитных запросов в разных вертикалях. Они закроют петлю insight → креатив → фидбек → итерация, имея уникальную технологию, которая не только наблюдает за поведением LLM, но и формирует его.
Кто найдёт способ захватить clickstream-данные и объединить их с первичными и сторонними источниками, тот построит полноценную инфраструктуру: генерацию кампаний в реальном времени, оптимизацию «памяти» модели и ежедневные итерации по мере изменения поведения LLM.
Это открывает куда более обширную возможность, чем простая видимость.
Если GEO помогает бренду оказаться в ответах ИИ, то одновременно он управляет постоянными отношениями с самим AI-слоем. GEO превращается в «систему учёта» взаимодействий с LLM: здесь бренд отслеживает своё присутствие, эффективность и бизнес-результаты на генеративных платформах. Кто владеет этим слоем — владеет и рекламным бюджетом, который за ним следует.
Именно в этом кроется «монополистический» потенциал: не просто давать инсайты, а стать самим каналом. Если SEO был децентрализованным рынком вокруг данных, то GEO может стать его противоположностью — централизованным, API-драйвовым, встроенным прямо в рабочие процессы маркетологов. По сути, GEO — самый очевидный «клин», чтобы войти в меняющийся поисковый ландшафт, но на деле это входная точка во всю performance-экосистему: те же бренд-гайдлайны и пользовательские данные, которые питают GEO, могут питать и growth-маркетинг. Так строится крупный бизнес, когда софт-платформа тестирует сразу несколько каналов, итеративно оптимизирует их — и делает это автономно при помощи ИИ.
Время решает всё. Поиск только начинает смещаться, но рекламные деньги двигаются быстро, особенно если чувствуют арбитраж. В 2000-х это был Google AdWords, в 2010-х — таргетинг Facebook. В 2025-м — LLM-ы и платформы, помогающие брендам понять, как их контент «съедается» и упоминается моделями. Иными словами, GEO — это соревнование за место в памяти модели.
В мире, где ИИ — главный «вход» в коммерцию и открытие нового, главный вопрос для маркетологов звучит так: Запомнит ли вас модель?
Если хотите быть на передовой AI-экономики и венчурных инвестиций, присоединяйтесь к Mento VC. Мы предлагаем:
- инвестиции в pre-seed/seed (через фонд или deal-by-deal);
- доступ к закрытому deal-flow ведущих AI-стартапов;
- регулярные инсайты о технологиях и венчуре;
- коммьюнити инвесторов-предпринимателей.
Эта ценность подтверждена цифрами: за 18 месяцев 90 % наших портфельных компаний привлекли Sequoia, a16z, 8VC и Index, а половина превысила $3 M ARR. Среди них — Tella, Artisan, ClerkChat, FinalRound, AvatarOS и другие.
Пишите Кате, Head of Operations Mento VC @katiatatulova, чтобы узнать больше про фонд или deal by deal.
Подписывайтесь на мой Telegram-канал «Саша Журавлёв | Mento VC», чтобы не пропустить свежие материалы об AI и венчуре.