Советы по GEO не работают: эксперимент на 73 страницах

Чей это эксперимент и как он устроен

Автор эксперимента - Игорь Новиков, результаты опубликованы 17 августа 2026 года со скриптами и данными в открытом доступе. Дальше в статье я разбираю его находки, а не выдаю их за собственную проверку - это чужая работа, интересная именно тем, что она проверяемая: методология и данные открыты, а не спрятаны за громким заголовком

Схема эксперимента простая. Новиков задал 20 вопросов шести нейросетям - ChatGPT, Claude, Perplexity, Gemini, GigaChat и российской Алисе - и каждый вопрос повторил трижды, чтобы отсеять случайность одного ответа. Из всех полученных ответов он собрал список страниц, на которые нейросети либо сослались напрямую, либо процитировали дословно. Таких страниц набралось 73

Дальше он разделил их на две группы: 34 страницы упомянули две и больше моделей сразу (кросс-модельные, самые «сильные» с точки зрения цитируемости), а 39 страниц упомянула только одна модель по одному разу. Сравнение этих двух групп между собой и показывает, какой признак реально отличает часто цитируемую страницу от случайно попавшей в ответ один раз

Статистику Новиков считал точным тестом Фишера - методом, который сравнивает доли на небольших выборках без завышения значимости. Для 73 страниц это честный выбор: слишком маленький набор данных, чтобы применять методы, рассчитанные на тысячи наблюдений

Семь советов, которые проверка не подтвердила

Вот список советов по GEO, которые чаще всего встречаются в популярных разборах - и цифры, которые Новиков получил для каждого при сравнении часто цитируемых страниц с редко цитируемыми:

Итог по всем семи пунктам одной фразой: ни один из этих советов не отличил страницы, которые нейросети процитировали несколько раз, от страниц, которые попали в ответ один раз случайно. Формально страница может выполнять все семь условий и всё равно ни разу не попасть в ответ ИИ, а может не выполнять ни одного - и попасть туда шесть раз подряд

Если ты уже вложил время в разметку и чистые адреса, это не значит, что работа прошла зря: она нужна для обычного поиска и для того, чтобы боты вообще могли прочитать страницу технически - просто на решение «процитировать именно тебя» она не влияет напрямую. Это тот же класс различия, что разбирает гайд про техническую GEO-настройку сайта: там показано, как открыть сайт для ботов, здесь - что открытие ещё не гарантирует цитирование

Почему кросс-модельность страницы важнее одной цитаты

Новиков разделил 73 страницы на две группы не случайно: разница между «процитировали два-три раза разные системы» и «процитировали один раз одна система» - это разница между устойчивым сигналом и случайным совпадением. Страница, которую выбрали сразу и ChatGPT, и Gemini, и Perplexity, скорее всего действительно несёт что-то ценное для ответа на вопрос - три независимых алгоритма отбора пришли к одному решению. Страница, которую упомянула только одна модель один раз, может быть случайным совпадением конкретного запроса и конкретного дня

Практический вывод из этого разделения: если хочется понять, работает ли твоя страница на цитируемость, одного упоминания в одном чате недостаточно для вывода. Стоит проверить несколько систем на несколько формулировок одного и того же вопроса - ровно так, как это делал сам эксперимент

Как распределились результаты по шести системам

Донор не публикует разбивку результатов по каждой отдельной нейросети из шести - ChatGPT, Claude, Perplexity, Gemini, GigaChat и Алисе - а только общий итог по всем шести вместе. Это честное ограничение самого эксперимента: у семи проверенных советов недостаточно данных, чтобы разложить результат на шесть отдельных систем и сохранить статистическую значимость на каждой - выборка в 73 страницы для этого слишком мала

Это не делает общий вывод неверным - тест Фишера на объединённых данных остаётся корректным методом. Но если тебе интересно, работает ли конкретно Gemini иначе, чем остальные пять, отдельного ответа на этот вопрос в разборе донора нет, и выдумывать его не стоит - честнее признать границу эксперимента, чем присочинить цифру, которой не было в исходных данных

Единственный совет, который сработал: видимая подпись автора

Из всех проверенных признаков ровно один показал статистически значимую разницу между группами: явное указание автора рядом с текстом. Среди 34 кросс-модельных страниц подпись автора стояла на всех страницах без исключения, среди 39 разовых - на 82% из них. При такой небольшой выборке это заметная разница, и точный тест Фишера её подтвердил

Из этого Новиков выводит практический вывод: попадание страницы в один авторитетный чужой список или обзор может дать больше цитирований, чем полгода работы над технической разметкой собственного сайта. Иначе говоря, машина чаще выбирает материал, за которым стоит понятный человек с именем, а не безликий текст без подписи, даже если у безликого текста идеальная техническая настройка

Что подтвердили независимые исследования с гораздо большей выборкой

Один эксперимент на 73 страницах - хорошая отправная точка, но не финальное доказательство: слишком маленькая выборка, чтобы полностью доверять цифрам напрямую. Дальше - что из этих семи выводов подтвердили другие, независимые от Новикова исследования, часто на выборках на порядки больше

Сильнее всего подтвердился вывод про Schema-разметку. Ahrefs 11 мая 2026 года протестировал 1885 страниц, на которые добавили служебную разметку-объяснение, и сравнил их цитируемость в Google AI Overviews, режиме AI Mode и ChatGPT до и после добавления. Результат - ни в одной из трёх систем значимого прироста не случилось, а в Google AI Overviews цитируемость даже немного просела. Причина, которую называет это исследование: боты читают видимый текст страницы в момент сборки ответа, а служебную разметку, спрятанную в коде страницы, в этот момент не открывают вообще. Выборка в 1885 страниц против 73 у Новикова делает этот вывод самым надёжным пунктом всей статьи. Если для своих страниц ты используешь готовый SEO-скилл для Клода, проверь, не тратит ли он время именно на разметку в ущерб содержанию - по этим данным приоритет стоит расставить в обратную сторону

Второй подтверждённый пункт - свежая дата публикации. Несколько независимых разборов 2026 года сходятся: смена одной только даты без реального изменения текста не поднимает цитируемость, а иногда работает в минус - выглядит как манипуляция, а не как обновление. Работает не дата сама по себе, а содержательное обновление: новые цифры, переписанный раздел, добавленный факт. Тот же вывод про бесполезность голого объёма без содержания показывает и разбор формулы плотного текста для нейросетей - две независимые друг от друга работы совпали в одном месте, а это усиливает доверие к выводу больше, чем любая из них по отдельности

Третий и самый убедительный пункт - видимая подпись автора, и здесь независимые данные оказались даже сильнее, чем показал сам эксперимент Новикова. Одно исследование зафиксировало: после внедрения видимых подписей на 123 страницах блога краулинг Googlebot вырос на 11,7 процентных пункта, а цитирования через инструменты Bing выросли на 109%. Другое показало прирост цитируемости на 28% у именной цитаты эксперта против обезличенной подписи «команда». Третье нашло, что структурированные данные автора встречаются почти в десять раз чаще на страницах, которые цитирует ИИ, чем в среднем по вебу. Три разных замера, три разных выборки - и все три указывают в ту же сторону, что и находка Новикова на 73 страницах

Что осталось спорным: ключевое слово в заголовке

Не всё в списке из семи пунктов подтвердилось или опроверглось однозначно, и честный разбор эксперимента обязан назвать эту границу прямо, а не спрятать её ради красивого вывода

Ключевое слово в заголовке и главном подзаголовке страницы - здесь данные противоречат друг другу. Одно исследование нашло слабую отрицательную связь между наличием заголовка и позицией в обычном поиске, другое - положительную. Для решения «процитировать именно эту страницу» отдельного крупного замера, независимого от эксперимента Новикова, найти не удалось: заголовок остаётся одним из многих сигналов, которые нейросеть учитывает при сборке ответа, но прямой причинности «вставил ключевое слово - вырос шанс на цитату» никто не подтвердил на большой выборке

Что осталось спорным: чистый адрес страницы

Чистый адрес страницы без лишних параметров - по этому пункту отдельного независимого исследования не нашлось вообще, ни подтверждающего, ни опровергающего. Вывод Новикова здесь остаётся единственной точкой данных, и относиться к нему стоит соответственно - как к наблюдению на небольшой выборке, а не как к проверенному факту

Как проверить любой будущий совет по GEO самому

Дальше советы по GEO появятся снова - тема новая, и желающих обобщить один удачный случай в универсальное правило меньше не станет. Четыре шага, которые стоит пройти по любому новому совету до того, как менять из-за него свой сайт

Шаг 1. Спроси, на какой выборке это проверено - один удачный пример - не эксперимент, а 73 страницы Новикова или 1885 страниц Ahrefs - уже эксперимент с цифрой, которой можно доверять

Шаг 2. Спроси, на скольких системах проверено - вывод, полученный на одной нейросети, может быть особенностью именно её алгоритма отбора, а не общим правилом для всех систем сразу. У Новикова проверка сразу на шести системах - это сильная сторона его работы даже при небольшой выборке страниц

Шаг 3. Спроси, есть ли независимое подтверждение - когда два-три источника на разных данных приходят к одному выводу, доверять стоит куда больше, чем единственному упоминанию. Именно так подтвердился вывод про подпись автора: не один эксперимент, а несколько разных замеров совпали в одной точке

Шаг 4. Проверь имя автора на своих страницах - открой любую свою статью и посмотри, стоит ли рядом с текстом настоящее имя, а не только редакция или команда. Это единственный из всех разобранных признаков, который подтвердился и на малой, и на больших выборках сразу

Если для проверки нового совета удобнее спросить нейросеть напрямую, а не искать источники руками, для этого пригодится точная формулировка запроса - короткие точные промпты экономят время именно на таких проверочных вопросах, а не только на генерации текста

Как эти два разбора укладываются в общую картину GEO

На сайте уже есть статья про техническую настройку - три двери GEO - и статья про формулу текста - что цитируют нейросети. Эта статья добавляет третий угол: какие из популярных советов по содержанию страницы (не по технике, не по формуле письма) подтверждаются экспериментами, а какие - нет

Три статьи закрывают три разных вопроса читателя, и ни одна не повторяет выводы другой - там, где они пересекаются (например, бесполезность голого объёма текста), это подтверждение одного факта из двух независимых источников, а не повтор одной и той же мысли дважды

Все три статьи собраны одним и тем же [конвейером на Claude Code](/guide-claude-code/): один и тот же набор проверок качества прогоняется на каждой, поэтому три разных предмета не расходятся по формату и по глубине факт-чека

У меня на сайте 624 опубликованные страницы (терминал-вывод команды подсчёта, 5 сентября 2026), и собственный инструмент проверки качества текста, который я прогоняю на каждой из них, устроен по тому же принципу: не «страница выглядит убедительно», а «сколько конкретных, проверяемых условий она закрывает»

Полный набор проверок этого инструмента прошёл 381 из 381 теста при собственном самотесте (прогон 5 сентября 2026) - значит логика, которую он применяет к каждой моей статье, работает без единого сбоя, а не держится на честном слове

Что делать вместо разметки и даты

Если технические советы почти не работают, а видимая подпись автора - единственный подтверждённый сигнал, практический вывод простой: время, которое обычно уходит на подгонку дат и добавление служебной разметки, стоит потратить на две вещи, которые действительно на что-то влияют

Первое - имя рядом с текстом, а не «редакция сайта» или вообще ничего. Это самое дешёвое действие из всей статьи: не нужно ничего программировать, достаточно подписать материал настоящим именем и, если есть возможность, коротко сказать, кто ты и почему разбираешься в теме

Второе - содержание, а не форма. Если совет по GEO сводится к «поменяй что-то техническое на странице, а текст не трогай», это ровно тот тип совета, который эксперимент Новикова и независимые исследования выше не подтвердили. Плотный, конкретный текст с фактами - другая, куда более рабочая история, и она разобрана отдельно в гайде про формулу текста, который цитируют нейросети: там показано, из чего вообще состоит абзац, который нейросеть может процитировать напрямую

Если текст на твоём сайте писала нейросеть без правки, для читателя это отдельная проблема, не связанная с цитируемостью напрямую - независимые детекторы ИИ-текста снижают доверие к странице у самих людей, даже когда формально всё в порядке. Убрать типовые обороты и штампы, по которым текст легко узнать как написанный нейросетью, стоит для живого читателя, а плотность фактов из соседнего гайда - для машины, которая собирает ответ. Обе задачи решаются на одном черновике, но разными проходами

Твой набор бесплатных инструментов

Что ещё почитать про GEO и продвижение через нейросети

• Как попасть в ответы нейросетей: 3 двери GEO - техническая настройка сайта: открытость для ботов, разметка, файл-каталог, отвечает на другой вопрос, чем эта статья
• Текст, который цитируют нейросети: формула из 4 частей - если советы по настройке страницы не работают, то что работает - плотность фактов в самом тексте
• ПРОДУКТ: как сделать, чтобы ChatGPT и Claude советовали ваш продукт - если задача шире одной статьи, а нужен целый продукт, который рекомендуют нейросети
• Как сделать, чтобы нейросети советовали тебя клиентам - персональная рекомендация эксперта, а не техническая настройка текста
• 200 готовых идей контента - если после этой статьи нужен план тем, а не разбор одного эксперимента
• Контент и продвижение на ИИ: разборы и гайды - если тема продвижения через нейросети интересна шире одной статьи

Источники

Все источники проверены прямым запросом 5 сентября 2026 года; факт-чек донора и цифры проверены минимум двумя независимыми источниками каждая, где независимая проверка была физически доступна

• Princeton GEO paper: GEO: Generative Engine Optimization (arXiv 2311.09735) - более раннее и по-другому устроенное исследование того же явления, разбор приёмов письма текста
• Собственная страница исследования на Princeton Collaborate - официальная карточка публикации ACM SIGKDD 2024
• Независимая критика методологии Princeton GEO paper - устаревшая модель теста, лабораторная среда, относительность процентов
• Разбор исследования Ahrefs: 1885 страниц с добавленной Schema-разметкой - нулевой прирост цитируемости в трёх системах
• Исследование про свежесть даты публикации и видимость в ИИ-поиске - смена даты без содержания не работает
• Кейс-стади про видимые подписи авторов и рост цитируемости - прирост краулинга и цитирований после внедрения подписей
• Исследование про H1-теги и позиции в поиске - противоречивые данные о влиянии ключевого слова в заголовке

Памятка: что реально влияет на цитируемость

Пять строк по итогам разбора эксперимента и независимой проверки

Частые вопросы