📖Глоссарий GEO и AEO: 30 терминов, которые появились за два года

За два года вокруг оптимизации под AI-поиск наросло много слов. Часть из них — рабочие термины с внятным содержанием, часть — маркетинговые ярлыки, придуманные, чтобы продавать старую услугу под новым названием.

Ниже — тридцать терминов, которые встречаются чаще всего, с определениями и, где это важно, с пометкой о том, насколько термин вообще осмыслен. Порядок — от общего к частному, а не по алфавиту: так понятнее, что из чего следует.

Общие понятия

1. GEO (Generative Engine Optimization) — оптимизация сайта под генеративные поисковые системы: ChatGPT Search, Perplexity, Google AI Overviews, Яндекс.Нейро. Цель — не позиция в списке ссылок, а попадание в текст сгенерированного ответа и в список источников под ним.

2. AEO (Answer Engine Optimization) — оптимизация под «машины ответов». Термин старше GEO: появился ещё во времена featured snippets и голосовых ассистентов, когда задача была попасть в блок быстрого ответа. Сейчас часто используется как синоним GEO. Разница, если её проводить: AEO — про извлечение готового ответа со страницы, GEO — про использование страницы как источника при генерации нового текста.

3. SEO — классическая поисковая оптимизация под ранжирование в списке ссылок. Важно: GEO не заменяет SEO. Большинство генеративных систем ищет источники теми же поисковыми индексами; страница, которую не находит поиск, не попадёт и в AI-ответ.

4. LLM (Large Language Model) — большая языковая модель. Модель, предсказывающая следующий фрагмент текста на основе предыдущего. Сама по себе не знает про ваш сайт ничего, кроме того, что попало в обучающие данные или что ей дали прочитать прямо сейчас.

5. AI-поиск (генеративный поиск) — поисковая система, отдающая связный текстовый ответ вместо (или поверх) списка ссылок. Внутри почти всегда сочетание классического поиска и языковой модели.

6. Zero-click search — поисковая сессия, в которой пользователь получил ответ и не перешёл ни на один сайт. Явление старше AI-поиска (featured snippets, блоки погоды и калькуляторы), но генеративные ответы резко его усилили. Практическое следствие: часть аудитории вы теперь не увидите в аналитике никогда, а видимость всё равно имеет ценность — как узнаваемость.

Как AI-поиск устроен внутри

7. RAG (Retrieval-Augmented Generation) — «генерация с подтягиванием источников». Схема, по которой работает почти весь AI-поиск: сначала система ищет релевантные документы, потом передаёт их модели вместе с вопросом, и модель формулирует ответ по этим документам, а не по памяти. Ключевой вывод для оптимизации: чтобы вас процитировали, надо сначала быть найденным на шаге retrieval.

8. Retrieval — этап поиска документов. Здесь работают привычные факторы: индексация, релевантность, авторитетность источника.

9. Grounding (заземление) — привязка ответа модели к конкретным источникам. Ответ «с гроундингом» опирается на найденные документы и содержит ссылки; ответ без него модель пишет по памяти, и он с большей вероятностью содержит выдумку.

10. Чанкинг (chunking) — нарезка страницы на фрагменты, которые система индексирует и передаёт модели по отдельности. Критично для практики: модель обычно получает не всю вашу страницу, а один-два фрагмента. Отсюда правило — каждый смысловой блок должен быть понятен в отрыве от остального текста.

11. Эмбеддинг (embedding) — числовое представление текста, по которому измеряется смысловая близость. Позволяет находить релевантный фрагмент, даже если в нём нет слов из запроса. Именно поэтому механическое вписывание ключевых слов под AI-поиск работает хуже, чем под классический.

12. Векторный поиск — поиск по близости эмбеддингов, а не по совпадению слов. Дополняет, а не заменяет полнотекстовый поиск.

13. Гибридный поиск — сочетание векторного и полнотекстового. То, что реально используется в большинстве продакшн-систем.

14. Контекстное окно — сколько текста модель может держать «перед глазами» за один раз. Ограничено, поэтому в ответ попадают не все найденные документы, а несколько лучших.

15. Галлюцинация — уверенно сформулированное утверждение модели, не соответствующее действительности. Для владельца сайта важен частный случай: модель приписывает вашему бренду то, чего нет (несуществующая услуга, неверная цена, чужой адрес). Лечится наличием однозначных машиночитаемых утверждений на сайте.

Файлы и техническая обвязка

16. llms.txt — текстовый файл в корне сайта с человекочитаемой картой содержимого: что это за сайт и куда смотреть. Предложенный, но не принятый официально стандарт. Ни один крупный поисковик не подтвердил, что читает его. Стоит копейки, вреда не несёт, гарантий не даёт. Подробный разбор.

17. robots.txt — файл управления доступом краулеров. Для GEO значим тем, что у AI-компаний появились собственные user-agent’ы, и разрешать/запрещать их надо осознанно. Справочник по AI-краулерам.

18. GPTBot / OAI-SearchBot / ChatGPT-User — три разных бота OpenAI с разными задачами: сбор данных для обучения, индексация для поиска, переход по ссылке в ответ на запрос пользователя. Закрыть первого и оставить двух остальных — распространённая осознанная стратегия.

19. ClaudeBot, PerplexityBot, Google-Extended, YandexAdditional — аналогичные боты других систем. Google-Extended — не краулер, а токен управления использованием контента в Gemini и AI Overviews.

20. Sitemap.xml — карта URL для поисковых роботов. К AI-поиску отношения не имеет напрямую, но влияет на полноту индексации, а значит — на шанс быть найденным на шаге retrieval. Разбор трёх файлов вместе.

21. Структурированные данные (Schema.org, JSON-LD) — машиночитаемая разметка фактов на странице. Для языковой модели — самый однозначный источник утверждений о вас. Что из неё реально работает.

Сущности и доверие

22. Entity (сущность) — объект, о котором система знает как о едином целом: компания, человек, продукт, место. Оптимизация под сущности — это работа над тем, чтобы разрозненные упоминания склеились в один объект.

23. Entity linking — связывание упоминаний с конкретной сущностью. Технически на сайте выражается через @id в JSON-LD и sameAs на внешние профили.

24. Knowledge graph (граф знаний) — база связанных сущностей и фактов о них. Есть у Google, есть у Яндекса, у языковых моделей роль графа частично выполняют обучающие данные.

25. Brand mentions (упоминания бренда) — упоминания названия без ссылки. Для классического SEO — слабый сигнал, для GEO — один из основных: модель видит текст, а не только ссылочный граф. Про то, где их набирать в рунете.

26. E-E-A-T — Experience, Expertise, Authoritativeness, Trustworthiness. Рамка оценки качества из руководства асессоров Google. Не фактор ранжирования в буквальном смысле — набор критериев, под которые подгоняются реальные факторы. Для GEO значима, потому что «кто это написал и почему ему верить» — вопрос, который решает и языковая модель.

27. Авторство — явное указание, кто написал текст, с проверяемой личностью за этим именем. Один из немногих способов отличить экспертный текст от сгенерированного в промышленных масштабах.

Рабочие метрики и практики

28. Citation rate (доля цитирования) — как часто ваш сайт оказывается в источниках AI-ответа по интересующему набору запросов. Единственная честная метрика GEO. Считается только вручную или скриптом: официальной аналитики цитирования не даёт никто.

29. Share of voice в AI-выдаче — доля запросов из вашего набора, где вас упомянули, относительно конкурентов. Практический способ мерить — фиксированный список из 20–50 вопросов, прогоняемый раз в месяц по нескольким системам с записью результатов.

30. AI-слоп (AI slop) — массово сгенерированный текст без оригинального содержания. Термин из 2024-го, к 2026-му — рабочая категория: такие тексты плохо ранжируются и почти не цитируются, потому что не добавляют ничего к тому, что модель и так «знает». Практический вывод: в мире, где генерация текста стоит ноль, ценность имеет только то, чего в модели нет, — свои данные, свой опыт, свои измерения.

Три термина, которых стоит избегать

Не потому, что они неправильные, а потому, что за ними обычно ничего нет.

«Оптимизация под ChatGPT» — как отдельная услуга не существует. ChatGPT Search ищет источники поисковым индексом; работа сводится к индексируемости, ясности и авторитетности. Это те же действия, что и для остальных систем.

«Попадание в базу знаний нейросети» — обучающие данные модели формируются на её стороне, повлиять на попадание в них извне нельзя, а обновляются они редко. Всё, на что можно влиять, — это шаг retrieval, то есть быть найденным сейчас.

«Гарантия цитирования» — гарантий нет ни у кого. Ответы генеративных систем недетерминированы: один и тот же вопрос в разные дни даёт разные источники. Можно повышать вероятность, нельзя обещать факт.

Итог

Половина терминологии GEO — новые слова для старых практик: индексируемость, ясность формулировок, авторитетность источника, структура документа. Действительно новое — три вещи: чанкинг (страницу читают кусками), retrieval (сначала найти, потом процитировать) и сущности (вас должны опознать как единый объект, а не как набор страниц).

Если из тридцати терминов запоминать три — эти.