Советы по GEO не работают: эксперимент на 73 страницах и что реально влияет на цитируемость (2026)

Семь советов по GEO, которые сегодня повторяют все, включая наши собственные материалы, проверили на реальных данных: 73 страницы, которые нейросети действительно поставили в источники, разобрали по признакам и сравнили две группы. Ни один из семи советов не отличил страницы, которые цитируют разные модели, от страниц, которые цитировали один раз случайно. Статистически значимым оказался только один признак, которого в чек-листах нет: видимая подпись автора.

Эксперимент поставил Игорь Новиков и выложил его 17 августа 2026 года со скриптами и цифрами. Ниже разберём, как именно он считал, что показала каждая из семи проверок, почему разрыв в процентах ещё ничего не доказывает, и что из этого стоит менять на своём сайте, а что оставить как есть.

Коротко: пять слов, без которых дальше не понять

• GEO - оптимизация под генеративный поиск, попытка сделать так, чтобы нейросеть назвала тебя в своём ответе.
• sources_cited - блок источников, который модель отдаёт вместе с ответом: список адресов, откуда она взяла факты.
• Кросс-модельная страница - та, которую в источники поставили минимум две разные нейросети. Считаем её сильной.
• p-значение - вероятность увидеть такой же разрыв между группами чисто случайно. Порог обычно 0,05: выше - находки нет.
• Поправка Бонферрони - ужесточение порога, когда проверок много. Семь проверок подряд превращают 0,05 в 0,007.

Как был поставлен эксперимент

Автор прогнал шесть нейросетей: ChatGPT, Claude, Perplexity, Gemini, GigaChat и Алису AI. По 20 запросов на каждую, каждый запрос по три раза, чтобы отсеять случайный разброс ответов. Тема узкая: выбор подрядчика по продвижению в нейросетях.

Из ответов он вытащил блоки источников и собрал почти две сотни адресов. До разбора дожили 73 страницы. Часть ссылок пришлось выбросить: Gemini отдаёт источники через собственный редирект vertexaisearch.cloud.google.com, и настоящий адрес из такой ссылки не достать.

Дальше 73 страницы разложили на две кучи:

• 34 кросс-модельные страницы - их процитировали минимум две разные модели. Если у страницы есть что-то, что нравится генеративному поиску, оно должно быть здесь.
• 39 разовых страниц - каждую упомянули ровно один раз. Контрольная группа: сюда попадают в том числе по случайности.

Каждую страницу скачали, разобрали HTML питоновским скриптом и проверили по признакам из чек-листов. Разницу между группами считали точным тестом Фишера через scipy.stats.fisher_exact. Это правильный выбор для маленьких выборок с долями, где обычный хи-квадрат врёт.

Семь советов и что с ними стало

Вот вся картина одной таблицей. Слева - доля страниц с признаком в сильной группе, справа - в контрольной, дальше p-значение.

Совет	Кросс-модельные (34)	Разовые (39)	p	Различает?
Ключ в начале h1	94%	82%	0,162	нет
Ключ в начале title	97%	87%	0,206	нет
Свежая дата публикации	59%	51%	0,638	нет
Блок вопросов и ответов	76%	79%	0,784	нет
Разметка Schema.org	85%	69%	0,165	нет
Чистый адрес без параметров	100%	92%	0,243	нет
Объём и структура текста	медианы почти равны	медианы почти равны	не считался	нет
Видимый автор	100%	82%	0,013	да

Разберём то, что заслуживает отдельного взгляда.

Блок вопросов и ответов: у контрольной группы его даже больше

Самый громкий совет последних двух лет: добавь FAQ, и нейросеть выдернет оттуда готовый ответ. В замере блок вопросов и ответов оказался у 76% сильных страниц и у 79% разовых. Разрыв идёт в обратную сторону, p = 0,784, что означает полное отсутствие сигнала.

Логика тут понятная. FAQ помогает модели вытащить ответ со страницы, когда она уже на страницу пришла. На то, придёт она или нет, он не влияет. Это разные задачи, а в чек-листах их давно склеили в одну.

Объём и структура: длиннее не значит цитируемее

Здесь автор даже не стал считать тест, потому что медианы разошлись в пользу контрольной группы.

Подзаголовков h2-h4: 14,5 против 15. Пунктов в списках: 65,5 против 78. Таблица есть у 21% сильных страниц и у 31% разовых. Длина title: 85,5 знака против 75.

По всем этим метрикам разовые страницы либо равны сильным, либо слегка их обгоняют. Совет «пиши длиннее, дроби подзаголовками, добавь таблицу» в этой выборке не нашёл подтверждения вообще.

Разметка Schema.org: цифра молчит, а типы говорят

Сам факт разметки: 85% против 69%, p = 0,165. Находки нет. Но внутри есть наблюдение, которое автор аккуратно помечает как качественное, без статистики.

Сильные страницы чаще размечены как материал с автором: типы Article и Person, по 12 упоминаний каждого. Разовые страницы чаще размечены как карточка организации: Organization встретился 15 раз, WebPage - 7 раз.

Это перекликается с единственной сработавшей проверкой, и мы к ней сейчас перейдём.

Почему разрыв в процентах сам по себе ничего не значит

Посмотри на строку про Schema.org ещё раз: 85% против 69%. Шестнадцать процентных пунктов, красиво звучит в докладе. И p = 0,165, то есть такой разрыв на выборке в 34 и 39 страниц вылезает случайно примерно в одном случае из шести.

А строка про автора выглядит скромнее: 100% против 82%, восемнадцать пунктов. Почти та же ширина разрыва, а p = 0,013.

Именно так рождается большинство статей про GEO: кто-то посмотрел на две доли, увидел разницу в десять пунктов, объявил находкой и написал совет. Дальше совет расходится по блогам, обрастает уверенностью и через год выглядит как аксиома.

Единственный признак, который различил группы: видимый автор

Скрипт искал четыре формы подписи: атрибут itemprop="author", поле author в JSON-LD, rel="author" и просто слово «автор» в тексте рядом с именем.

34 из 34 против 32 из 39. Ни одна страница из сильной группы не обошлась без подписи.

Соблазн понятен: сейчас же добавить подпись на все страницы и ждать роста цитируемости. Но связь тут может быть обратной. Материалы с живым автором - это чаще редакционные обзоры и экспертные разборы, и модели берут их охотнее по содержанию. Подпись в таком случае оказывается спутником качества, причиной её считать рано.

Сам Новиков предлагает единственный корректный способ разрубить этот узел: взять набор страниц без подписи, добавить её на половину из них, больше ничего не менять и через несколько недель сравнить частоту цитирования. Пока такого теста нет, добавление подписи стоит считать разумной гигиеной с неизвестным эффектом.

Что реально попадает в источники: чужие обзоры

Самое полезное наблюдение эксперимента живёт за пределами семи проверок.

Чаще всего в кросс-модельной группе оказывались рейтинги и обзорные материалы. Сайты самих компаний, про которые спрашивали, попадали в источники единично: моделям был нужен текст про рынок этих компаний целиком. Одна страница с рейтингом на dtf.ru собрала 27 упоминаний у четырёх моделей.

Когда человек спрашивает «кого выбрать», модель ищет текст, который уже сравнивает варианты между собой. Страница продавца на такой вопрос по определению не отвечает: она про одного участника рынка и заведомо пристрастна.

Отсюда же понятно, почему разметка Person и связывание страниц в одну сущность имеют смысл: они помогают модели понять, что ты за эксперт, когда она уже читает чужой текст с твоим именем. Как это настроить руками, разбирали в гайде про GEO-оптимизацию сайта по шагам.

Так GEO вообще не работает?

Работает, но не так, как обещают чек-листы. Смотри на цифры внимательнее: ключ в заголовке есть у 94% сильных страниц, чистый адрес у 100%, разметка у 85%.

Признак, который есть почти у всех страниц в источниках, не может объяснить, почему из них выбирают одних. Зато его отсутствие почти наверняка выкинет тебя из выборки ещё до того, как начнётся конкуренция.

Гигиена стоит один вечер и держится годами. Дальше начинается работа с содержанием: чтобы модель выбрала тебя из выборки равных, нужен текст, который отвечает на вопрос плотнее соседнего. Про это у нас есть отдельный разбор - текст, который цитируют нейросети, там как раз про плотность и воду.

Как повторить такой замер на своём сайте

Ценность эксперимента даже не в выводах. Главное тут сама процедура: она повторяется руками за один вечер, и на своих данных цифры будут честнее любой чужой статьи.

Разбор HTML можно не писать самому: попроси Claude собрать скрипт, который скачает список адресов и вытащит по ним title, h1, наличие JSON-LD и подпись автора. На это уходит один запрос и пара минут. Если хочешь такой же слепок конкретно по своему имени, есть готовая процедура в гайде что нейросети говорят о тебе по имени.

Работает ли это из России

Замер полностью повторяется с российского IP, но не во всех движках одинаково.

Алиса AI и GigaChat открываются напрямую, регистрация по российскому номеру, оплата рублёвой картой. Их обязательно держать в выборке: для русскоязычных коммерческих запросов они дают источники, которых нет у западных моделей.

ChatGPT, Claude, Perplexity и Gemini для стабильной работы требуют VPN. Без него ты будешь ловить блокировки посреди прогона, а часть ответов приедет без блока источников. Возьми рабочий VPN и держи его включённым весь замер, иначе половина строк в таблице окажется мусором.

Бесплатных режимов для замера хватает. Perplexity в бесплатном тарифе показывает источники к каждому ответу, ChatGPT ищет в интернете без подписки, у Gemini поиск тоже открыт. Если всё же нужен платный тариф, прямая оплата зарубежной картой из России не проходит, и вопрос решается через сервис оплаты подписок (реферальная ссылка: тебе тот же прайс, мне небольшой процент). Ориентир по ценам на август 2026: Perplexity Pro и ChatGPT Plus стоят по $20 в месяц, это примерно 1900-2100 рублей по курсу с комиссией посредника.

Отдельно про Perplexity: он даёт самый удобный для разбора формат источников, каждый ответ идёт со списком ссылок и номерами прямо в тексте. Как его завести из России, разбирали в гайде Perplexity в России.

Где эксперимент может врать

Честный разбор требует назвать слабые места, и автор называет их сам.

Выборка крошечная. 34 страницы против 39. На таких числах тест Фишера ловит только очень крупные эффекты. Если совет даёт прирост в пять процентных пунктов, замер его просто не увидит, и отсутствие находки не равно отсутствию эффекта.

Ниша одна. Запросы про выбор подрядчика по продвижению в нейросетях. В медицине, праве или ремонте квартир расклад может быть другим: там модели заметно осторожнее с источниками.

HTML без JavaScript. Всё, что рисуется скриптами после загрузки, для скрипта невидимо. Часть страниц могла получить «нет автора» несправедливо.

Признаки ищутся по шаблонам. Слово «автор» рядом с именем скрипт засчитает и там, где это подпись к чужой цитате.

Нет причинности. Даже сработавший признак показывает только связь. Механизма за ней может не быть вовсе. Добавление подписи на страницу не обязано поднять цитируемость.

Порог не пройден по строгому счёту. Семь проверок без поправки на множественность, а по Бонферрони нужно p ниже 0,007.

Что делать со своими текстами прямо сейчас

Три вещи по убыванию отдачи.

Первое: попади в чужие обзоры. Найди рейтинги и подборки по своей теме, которые уже цитируются моделями, и попробуй в них зайти. Комментарий эксперта, участие в сравнении, упоминание кейса. Одна такая страница даёт больше, чем десять твоих собственных.

Второе: подпиши материалы именем. Автор, фото, короткая строка про опыт, разметка Person и Article вместо голого Organization. Стоит это полчаса и совпадает с единственным сработавшим признаком, даже если механизм не доказан.

Третье: не трать вечера на добивание чек-листа. Если у тебя уже есть чистые адреса, заголовки с ключом и базовая разметка, дальнейшая шлифовка этих пунктов по цифрам эксперимента ничего не добавит. Освободившееся время лучше уходит в содержание текста.

И ещё одно, поверх всего: перепроверяй советы по GEO, включая наши. Тема молодая, воспроизводимых замеров в ней мало, и любой уверенный список из семи пунктов имеет шанс оказаться пересказом чужого пересказа.

Чек-лист: что у тебя теперь есть

• Понимание, что семь ходовых советов по GEO не подтвердились на выборке из 73 реально цитируемых страниц.
• Умение читать такие таблицы: сначала p-значение и размер выборки, потом разрыв в процентах.
• Знание единственного признака с p = 0,013 и понимание, почему это ещё не механизм.
• Готовая четырёхшаговая процедура замера цитируемости на своих запросах.
• Понимание, что рейтинги и обзоры на чужих площадках дают больше источников, чем сайт компании.
• Список из шести ограничений, по которым можно проверять любое похожее исследование.

По материалам исследования Игоря Новикова: https://habr.com/ru/articles/1073462/