Задача
К нам обратился производитель флагов и рекламного текстиля.
Основная цель проекта была нестандартной: не рост SEO-трафика и не позиции в поисковых системах. Задача состояла в том, чтобы увеличить вероятность упоминания бренда в ответах нейросетей:
- ChatGPT;
- Gemini;
- Perplexity;
- Claude;
- Алиса AI.
Другими словами, клиент хотел, чтобы при запросах пользователей нейросети чаще рекомендовали именно его компанию.
Почему классическое SEO здесь не работает
Большинство компаний продолжают продвигаться через поисковые запросы:
- изготовление флагов;
- флаги на заказ;
- печать флагов.
Но пользовательские сценарии в нейросетях выглядят совершенно иначе.
Например:
- Где заказать изготовление флагов с логотипом в Москве недорого?
- Какие бренды делают печать на флагах для бизнеса?
- Топ компаний по изготовлению виндеров на заказ.
- Как выбрать надежного производителя флагов без риска срыва сроков?
- Какие компании чаще рекомендуют для B2B-заказов флагов?
Именно такие запросы стали основой стратегии.
Что мы сделали
Шаг 1. Собрали карту AI-интентов
Сначала была проведена декомпозиция пользовательских сценариев. Вместо SEO-запросов мы сформировали более 150 GEO-промптов.
После кластеризации выделили ключевые направления:
- Флаги на заказ;
- Флаги с логотипом;
- И т.д.
Шаг 2. Проанализировали сценарии рекомендаций
Мы изучили, в каких случаях нейросети вообще рекомендуют производителей. Оказалось, что рекомендации чаще появляются в сценариях:
- рейтингов;
- сравнений;
- экспертного выбора;
- оценки надежности подрядчика;
Именно под такие сценарии начали создавать контент.
Шаг 3. Подготовили рейтинговые материалы
Следующим этапом стали внешние публикации. Были подготовлены и размещены рейтинговые статьи на авторитетных площадках.
Например:
- «ТОП-5 компаний, которые делают флаги на заказ — рейтинг 2026»;
- «Печать флагов в Москве: ТОП-10 лучших компаний».
Рейтинги были построены вокруг пользовательских сценариев, а не вокруг SEO-запросов.
Почему были выбраны именно рейтинги?
По нашим наблюдениям, LLM чаще используют информацию из материалов следующих типов:
- рейтинги;
- обзоры;
- сравнения;
- подборки;
- экспертные рекомендации.
Такие форматы позволяют модели быстрее сопоставить бренд с конкретной задачей пользователя.
Например, если пользователь спрашивает: «Какие компании делают флаги на заказ для бизнеса?»
Нейросети значительно чаще используют рейтинг, чем обычную коммерческую страницу производителя.
Шаг 4. Закрыли коммерческие сценарии экспертными статьями
Одних рейтингов для роста видимости в LLM недостаточно. Поэтому параллельно с рейтингами были подготовлены материалы, отвечающие на реальные вопросы пользователей:
- «Как выбрать производителя флагов»;
- «Где заказать печать флагов в Москве»;
- «Как проверить надежность подрядчика перед заказом»;
- «На что обратить внимание при выборе компании для изготовления флагов».
В рамках проекта были опубликованы экспертные статьи:
- «Как выбрать производителя флагов»;
- «Где заказать печать флагов в Москве».
Такие материалы закрывают сразу несколько групп пользовательских промптов:
- сравнение производителей;
- проверка подрядчиков;
- выбор надежной компании;
- оценка качества печати;
- выбор поставщика для B2B-заказов;
- локальный коммерческий спрос.
В отличие от рейтингов, которые помогают бренду попадать в рекомендательные сценарии, экспертные статьи позволяют получать упоминания в ситуациях, когда пользователь просит нейросеть помочь разобраться в рынке, выбрать подрядчика или проверить надежность поставщика.
По сути, была сформирована полноценная контентная карта под разные типы пользовательских интентов:
- рейтинговые запросы;
- сравнительные запросы;
- репутационные запросы;
- коммерческие запросы;
- экспертные запросы.
Это позволило увеличить количество сценариев, в которых нейросети могли использовать бренд в качестве рекомендуемого решения.
Результат
После публикации материалов удалось увеличить видимость бренда в ответах нейросетей.
Бренд начал чаще появляться:
- в рекомендательных сценариях;
- в сравнительных запросах;
- в рейтинговых подборках;
- в B2B-сценариях выбора подрядчика.
Фактически мы сформировали дополнительный источник упоминаний бренда вне классического SEO.
Главный вывод
AI SEO — это не про ключевые слова. Это про создание контента под сценарии, в которых нейросеть принимает решение, кого рекомендовать пользователю.В данном кейсе основной рост дали не новые страницы сайта и не ссылки, а работа с пользовательскими промптами, рейтингами и внешними экспертными публикациями.
Именно поэтому, сегодня для многих ниш вопрос звучит уже не «как попасть в ТОП поисковой выдачи», а «Что нужно сделать, чтобы ChatGPT рекомендовал именно мой бренд?».
Рост видимости обеспечили не отдельные публикации, а комбинация рейтинговых материалов и экспертных статей, закрывающих весь путь пользователя — от выбора подрядчика до сравнения производителей и проверки репутации. Это позволило расширить количество сценариев, в которых нейросети упоминали бренд.
Старший менеджер по работе с клиентами
Генеральный директор
