🛠️Лендинг за вечер, готовый к AI-выдаче: вайб-кодинг вместо конструктора

Почти каждый лендинг, который я открываю в 2026, собран на конструкторе — Тильда, Битрикс24, Craftum, реже WordPress с готовой темой. Это нормально: конструктор даёт красивую страницу за день и не требует разработчика. Проблема в другом. Когда я прогоняю такой лендинг через наш чекер AI-выдачи, выясняется, что для ChatGPT Search, Perplexity и Яндекс.Нейро его как будто не существует — модель либо не находит бренд, либо описывает его чужими словами, либо путает с конкурентом.

Причина не в дизайне. Причина в том, что конструкторы оптимизированы под то, чтобы страница красиво выглядела для человека, и почти никак — под то, чтобы её машиночитаемо понял AI-поисковик. А в 2026 второе уже не опция: всё больше людей ищут подрядчика не в Google, а спрашивая «посоветуй студию, которая делает X» у ChatGPT или Нейро.

В этой статье — почему типовой лендинг невидим для AI, что мы делаем иначе, и сколько это стоит.

Что видит AI-поисковик, когда открывает типовой лендинг

Возьмём средний лендинг «студии/эксперта/услуги», собранный на конструкторе. Пройдёмся по нему так, как это делает модель — она не смотрит на картинки и анимации, она читает HTML и структурированные данные.

• Organization schema — нет. Конструктор её не ставит по умолчанию. Значит, модель вынуждена собирать идентичность бренда из текста на глаз — и делает это с ошибками. Кто вы, чем занимаетесь, как связаться — всё это модель угадывает.
• Первый абзац — «мы команда профессионалов». Конструкторные шаблоны почти всегда начинаются с обезличенного слогана. Для модели это бесполезная цитата: нет бренда, нет специфики. Она либо перепишет по-своему, либо процитирует конкурента, у которого первый экран написан конкретнее.
• H1 — это картинка или <div>, а не текст. В визуальных конструкторах заголовок часто рендерится как элемент дизайна, а не семантический <h1>. Модель не понимает, что это заголовок страницы.
• llms.txt — нет. Конструктор не умеет отдавать файл-карту для AI-моделей. ChatGPT при первом визите на домен пытается его подтянуть — и получает 404.
• Контакты внутри картинки-баннера. Email и телефон часто зашиты в изображение или в JS без открытого текста. На вопрос «как связаться с X» модель отвечает «не знаю их контактов».

Ни один из этих пунктов не виден человеку. Лендинг выглядит отлично. Но для AI-поисковика он — безымянная страница, которую тяжело процитировать. Полный разбор этих сигналов у нас есть в отдельном GEO-чек-листе перед запуском лендинга — там 12 проверяемых пунктов.

Почему «допилить потом» дороже, чем заложить сразу

Логичное возражение: ну поставим schema и llms.txt позже, когда дойдут руки. На практике «позже» стоит дороже по двум причинам.

Во-первых, на конструкторе это часто технически неудобно. Вставить произвольный JSON-LD в Тильду можно, но через костыли (блок «HTML-код»), и при каждом редактировании дизайна есть шанс его потерять. llms.txt в корне домена конструктор может вообще не дать положить.

Во-вторых — и это важнее — модели формируют мнение о сайте при первой встрече. Когда ваш лендинг впервые появляется в выдаче AI-поисковика, то, как модель его описала в первый раз, влияет на все последующие ответы. Если в первую неделю Perplexity закешировал вас как «непонятный сайт, специализация неясна» — переучивать модель потом долго и трудно. GEO гораздо дешевле заложить до релиза, чем догонять после.

Что мы делаем иначе: вайб-кодинг под GEO

Мы не пользуемся конструктором. Мы собираем одностраничник кодом — но не «по-старому», с ручной вёрсткой за неделю, а через связку Claude + Astro + Tailwind. Это то, что сейчас называют вайб-кодингом: разработчик описывает, что нужно, AI-ассистент генерирует чистый компонентный код, человек правит и держит архитектуру. За счёт этого скорость сборки — как у конструктора (вечер-два), а контроль над разметкой — как у ручной разработки.

Что это даёт для GEO конкретно:

• Organization + Person + WebSite schema зашиты в шаблон с первого коммита, связаны через @id. Модель сразу видит машиночитаемую идентичность бренда.
• Первый абзац по формуле «Бренд — категория — отличие». Не «мы делаем сайты», а «Студия X — GEO-оптимизация лендингов под AI-поиск». Самодостаточная цитата, которую модель может вставить в ответ.
• Семантический HTML. Один <h1>, осмысленные <h2>, alt у ключевых картинок — не «logo», а полное описание.
• llms.txt в корне — карта сайта для AI-моделей, заполненная до конца.
• robots.txt пускает AI-краулеры — GPTBot, OAI-SearchBot, ChatGPT-User, PerplexityBot, YandexAdditional. Многие сайты режут их «по инерции» и остаются невидимыми.
• Sitemap генерируется на лету при билде — всегда актуальный, без мёртвых URL.

Astro тут не случаен: он отдаёт статический HTML (быстрый, отлично индексируется), а не тяжёлый JS-бандл, который AI-краулеру приходится исполнять. Tailwind — чтобы дизайн был современным без раздувания стилей. Claude — чтобы это собиралось за вечер, а не за неделю.

Сравнение по GEO-пунктам: конструктор vs наш лендинг

Один и тот же гипотетический лендинг услуги, собранный двумя способами. Прогнал бы оба через 12 пунктов GEO-чек-листа — картина примерно такая:

Пункт	Типовой конструктор	Наш лендинг
Organization schema с @id	✗ нет	✓ есть
sameAs с реальными аккаунтами	✗ нет	✓ есть
Person schema (если есть фронтмен)	✗ нет	✓ есть
Самодостаточный первый абзац	✗ слоган	✓ по формуле
Семантический <h1>/<h2>	~ частично	✓ есть
alt у ключевых картинок	✗ «logo»	✓ полные
llms.txt в корне	✗ нет	✓ есть
robots.txt пускает AI-ботов	~ как повезёт	✓ проверено
Машиночитаемые контакты	✗ в картинке	✓ текст + schema
Актуальный sitemap	~ есть	✓ генерируется
Консистентное имя бренда в 5+ местах	~ частично	✓ есть
Ответ 200 для GPTBot	~ не проверяют	✓ проверено

Разница не в «красивее». Разница в том, что второй лендинг AI-поисковик может прочитать, идентифицировать и процитировать с первого дня, а первый — нет.

Сколько это стоит

Честно про деньги, потому что это первый вопрос.

• Визитка (одна страница, о себе/услуге, форма связи, вся GEO-разметка в комплекте) — от 15 000 ₽.
• Одностраничник (несколько экранов, услуги/кейсы/FAQ, интеграция форм и аналитики, Метрика + цели, GEO-разметка) — от 30 000 ₽.

Что входит в обоих случаях: сборка на Astro + Tailwind, полный набор GEO-сигналов (schema, llms.txt, семантика, robots/sitemap), базовая настройка Яндекс.Метрики, деплой на ваш домен. Что не входит: копирайтинг больших текстов, фотосъёмка, ведение после запуска — это отдельно.

Для сравнения: типовой лендинг на Тильде с подпиской выходит дешевле в моменте, но GEO-слепой. Если ваша аудитория ищет подрядчика через AI-поиск — эта экономия оборачивается тем, что вас там просто не видно.

Когда конструктор всё-таки ок

Не буду говорить, что конструкторы зло — это было бы нечестно. Тильда отлично подходит, если:

• вам нужна страница на один разовый ивент, которую не жалко;
• ваша аудитория вообще не пересекается с AI-поиском (например, вы гоните трафик только из таргета в соцсетях на форму);
• бюджет — ноль, и лендинг нужен «чтобы был».

Но если вы студия, эксперт, локальный бизнес или B2B-услуга, и вам важно, чтобы вас находили и рекомендовали в 2026 — GEO-разметку дешевле заложить сразу, а не переклеивать на живой странице через полгода.

Как это проверить у себя

Если у вас уже есть лендинг — не обязательно ничего заказывать, чтобы понять, видит ли вас AI. Откройте ChatGPT Search или Яндекс.Нейро и спросите про вашу компанию так, как спросил бы клиент: «что за студия X, чем занимаются, как связаться». Если модель отвечает уверенно, называет вас правильно и даёт контакты — у вас всё в порядке с GEO. Если путается, описывает обтекаемо или уводит на конкурента — вы нашли, над чем работать.

А если решите собирать лендинг с нуля — напишите нам, посчитаем под вашу задачу.

---

Автор: Денис Б., seodb.tech — SEO / GEO / AI-поиск. Смежные разборы: GEO-чек-лист перед запуском лендинга · ChatGPT Search — 4 шага, чтобы модель начала цитировать сайт · llms.txt — минимум.