Коротко
Два месяца, четыре аудита живого сайта, ТЗ на 20 задач — и каталог на 1900 страниц вырос с 58 до 79 баллов из 100 по готовности к ИИ-поиску. Ни одной строчки клиентского кода я не написал: каждую волну внедряли их собственные разработчики по моему ТЗ. Диагностическую половину этого кейса я уже публиковал — кашу в выдаче и её причины. Это половина про лечение: что уехало в прод в каждой волне, как волна двигала балл, что GEO-балл честно значит и не значит и какая часть работы ещё открыта.
Кейс, часть 2 из 2 — результаты
Часть 1, диагноз: почему ИИ путал товары этого каталога →Это вторая половина истории. Первую — каталог, где выдача склеивала заголовок одного товара, картинку второго и описание третьего — я разобрал в отдельной статье. Там был диагноз. Здесь лечение: что меняли, в каком порядке и что это дало в цифрах.
Клиент тот же: европейский производитель складского оборудования с интернет-магазином при собственном производстве. Колёса, тележки, штабелёры, стеллажи — каталог на 1900 с лишним страниц. Название и домен не назову — NDA.
Одно условие сделало проект необычным, и в итоге оно же — самое полезное в нём: я не трогал код клиента. Мои артефакты — аудиты и ТЗ, где каждая задача записана как проблема, решение, точное место и команда проверки. Всё внедряли их штатные разработчики. Так что этот кейс заодно отвечает на вопрос, который мне задают постоянно: «а наши сами смогут?» Смогут. Ниже видно, как это выглядит.
И ещё одно до цифр. Балл, который я буду называть — моя методология аудита: шесть категорий, проверенных против требований пяти ИИ-платформ. Это не отраслевой стандарт, потому что отраслевого стандарта не существует. Ниже есть отдельный блок про то, что это число значит и чего не значит: пусть лучше прозвучит скромнее, чем как магия.
Как измерялось
Четыре аудита живого сайта: базовый в мае (58), контрольные в середине июня (68), в конце июня (72) и в июле (79). Каждый — руками по исходному коду страниц: что реально получает бот, а не что рисует браузер. После каждой волны правок я перепроверял те же страницы теми же командами из ТЗ, и клиенту уходил следующий список по приоритетам.
Волна первая: открыть дверь и назвать себя (58 → 68)
Базовый аудит нашёл 22 проблемы. Набор тот же, что я вижу на большинстве каталогов: ИИ-краулеры не пущены, машиночитаемого описания компании нет, карточки без Product-разметки, статьи без авторов и дат. Для человека сайт работал нормально. Для бота это был склад с выключенным светом.
Первая волна — фундамент. robots.txt переписан так, чтобы явно пускать десять ИИ-краулеров: GPTBot, ClaudeBot, PerplexityBot, OAI-SearchBot и остальных. llms.txt с описанием компании, всех десяти веток каталога и каждой статьи. Разметка LocalBusiness, WebSite и Organization с реквизитами и соцпрофилями, хлебные крошки на всех шаблонах, один title и один canonical на страницу.
Дальше сам каталог: Product и Offer с ценой и наличием. К первому контрольному аудиту разметка стояла примерно на 86% карточек — проверено на четырнадцати карточках по всем десяти веткам, а не на двух возле главной. Категории получили FAQ-блоки: 36 живых пар вопрос-ответ, видимых людям и размеченных для машин.
Итог: 58 → 68. Технический фундамент вырос с шестидесяти с небольшим до 84, структурированные данные — с примерно 50 до 82. Десять баллов — вот сколько стоит просто пустить ботов и назвать себя на сайте, где не было ни того ни другого.
Волна вторая: авторы, даты, кэш (68 → 72)
Второй аудит указал на контентный слой. Шестнадцать статей — гайды по выбору, инструкции по обслуживанию — и все до одной анонимны для машины: ни автора, ни даты, ни Article-разметки. Для ИИ, решающего, доверять ли странице, это отсутствующая подпись.
Волна принесла Article-разметку и видимого автора на каждой статье — живого сотрудника с настоящей должностью, а не «админа». Починили и даты, причём не только на статьях: в sitemap стояли отметки последнего изменения 1968 и 1977 года. Машина читает это буквально — страница не менялась пятьдесят лет. После правки честные даты появились на всех 1994 URL.
В ту же волну включился edge-кэш, и страницы стали отдаваться быстро и стабильно. А параллельно шло расследование каши в выдаче: у перемешанных заголовков и картинок оказалось два независимых источника — вариации-близнецы и слетевшие при смене рендеринга метаданные. Этот диагноз стал отдельным ТЗ и отдельной статьёй — той самой первой половиной кейса.
Итог: 68 → 72. Скромно, и это честно: главная проблема была диагностирована, но ещё не вылечена.
Волна третья: закрыть регрессии (72 → 79)
Третья волна — расплата за диагноз, в хорошем смысле. Разработчики клиента вернули каждой странице её собственный head: у статей снова свои заголовки, описания и превью-картинки, плюс один видимый заголовок и машиночитаемая дата. Категории получили свои превью — конец истории «колёса вместо тележки» в сниппете.
Вариации-близнецы растащили наполовину: у каждого размера теперь свой title и своя фотография. Каша в выдаче ослабла. Тела карточек всё ещё совпадают на 94,5% — об этом честно ниже.
А ещё команда вышла за рамки ТЗ: шесть из шести security-заголовков там, где в базовом аудите был ноль, и ItemList товарной сетки в серверном HTML там, где раньше он существовал только в JavaScript. Когда штатная команда начинает делать сверх ТЗ — это и есть признак, что метод передался.
Итог: 72 → 79 из 100 в июльском аудите. Двадцать один балл за два месяца, и каждый проверяется в исходном коде страниц.
Что такое GEO-балл — и чем он не является
58 и 79 — это моя методология аудита: шесть категорий (технический фундамент, структурированные данные, контент и E-E-A-T, цитируемость, авторитет бренда, охват платформ), проверенные против пяти ИИ-платформ. Официального GEO-балла не существует. Каждый, кто называет вам число, применяет собственный чек-лист; честная версия — сказать об этом вслух.
Балл меряет готовность, а не славу: может ли ИИ дойти до сайта, прочитать его, разобрать факты и приписать их правильной сущности. Цитирует ли ИИ на самом деле — отдельное измерение: фиксированная матрица покупательских вопросов, прогоняемая ежемесячно через ChatGPT, Perplexity и Gemini. Так я меряю собственный сайт. На каталоге в 1900 страниц слой готовности должен был идти первым: бессмысленно мерить цитируемость, пока краулеры заперты снаружи.
И 100 — не цель. Реалистичный потолок этого каталога — около 84: оставшиеся баллы держит не разметка, а сам контент. Об этом следующий блок.
Что ещё открыто
Тела вариаций всё ещё совпадают на 94,5%. Разные заголовки, разные фото, одинаковый смысл — так что кластеризация, породившая исходную кашу, ослаблена, но не снята. Лекарство — примерно 1900 по-настоящему разных описаний, и руками их никто не напишет. Это следующая фаза, и она контентная, а не разметочная.
На сайте нет отзывов покупателей — значит, нет и честного AggregateRating, одного из сильных сигналов доверия для ИИ. А у второго, старого домена битый SSL-сертификат, из-за которого рвётся цепочка редиректов.
Перечисляю это сам по простой причине: кейсу, в котором починили всё, верить нельзя. В протоколе стоит 79, а не 100 — вот ровно этих баллов там и не хватает.
Как был устроен проект
Пять шагов по кругу, пока список не кончился. Ни один не требует пускать внешнего консультанта в репозиторий.
Базовый аудит живого сайта: исходный код страниц, доступ ботов, разметка, рендеринг, сигналы контента. На выходе — отчёт с баллом и 22 проблемы.
ТЗ, а не советы: 20 задач в трёх блоках, каждая записана как проблема, решение, точное место и команда проверки, которую запустит любой разработчик.
К ТЗ — готовые материалы: robots.txt, llms.txt, шаблоны JSON-LD под каждый тип страниц, FAQ-блоки. Внедрение начинается в тот же день.
Команда клиента внедряет. Я в код не захожу вообще.
Контрольный аудит после волны: те же страницы, те же команды. Подтверждённое вычёркивается, регрессии уходят в начало следующего списка.
Четыре таких круга — весь кейс. Никакого скрытого волшебного шага между аудитами нет.
Что из этого переносится на любой каталог
Слой готовности в GEO — это работа по спецификации. Её можно записать настолько точно, что внедрит собственная команда, не пуская консультанта в репозиторий — этот кейс тому доказательство. Если в предложении по GEO нет точного списка задач, об этом стоит спросить.
Эффект приходит с задержкой. Правка метаданных занимает дни, а увидеть её в выдаче — одна-три недели на волну: кэши должны истечь, краулеры — вернуться. Проект по каталогу планируется в месяцах, а замеры делаются между волнами, иначе припишете эффект не той правке.
И у технического слоя есть потолок. Этот каталог он поднял с 58 до 79 и остановился там, где начинается контент: почти одинаковые карточки будут путать машины при любой чистоте разметки, потому что разметка контент описывает, а не заменяет.
После четвёртого аудита клиент написал отзыв. Одна строчка из него: «Знает своё дело и не навязывает лишних услуг». На рынке, где GEO продают как магию, я бы предпочёл, чтобы меня цитировали именно этой фразой, а не баллами.
Посмотрите, что ИИ реально читает на вашем сайте
Прогоню по вашему сайту тот же базовый аудит: заходят ли ИИ-краулеры, что они получают, какие страницы склеиваются между собой и что чинить первым. Разбор с баллом и списком по приоритетам — тем же методом, что в этом кейсе. Без впаривания.
Клиент под NDA: описываю нишу и устройство работы без названия компании и домена. Все цифры — из четырёх реальных аудитов живого сайта; слова клиента процитированы из письменного отзыва после проекта. Баллы — моя методология аудита, а не отраслевой стандарт.
