AI SEO і GEO без міфів: що справді працює

До відповідей ChatGPT, Gemini, Perplexity і AI Overview марка потрапляє переважно двома дорогами, які перетинаються, а AI SEO - це робота над обома:

1. Через пошук. Модель під час відповіді шукає в мережі й цитує частину знайдених сторінок. Тут діє те саме, що в SEO: доступ для роботів, індекс, видимість за ключовим словом і його варіантами та фрагменти, які відповідають на запитання без решти сторінки. Результат видно, як і в SEO, через тижні або місяці.
2. Через пам'ять моделі. Модель відповідає з того, чого навчилася до завершення тренування, і ця пам'ять впливає також на те, кого вона називає, коли шукає в мережі. Тут важить те, що про марку написали інші, та один послідовний опис марки в багатьох джерелах. Темпу змін у пам'яті я не вимірював, тож у горизонті кварталу нічого тут не обіцяю.

Більшість «хитрощів GEO» не має доказів, а частину з них я перевірив на власних даних. Файл llms.txt і структуровані дані не мають доказів, що дають цитування. Більше заголовків не підняло сторінки до топ-3 у моєму тесті. Тест, чи позиція за підзапитами передбачає цитування краще, ніж позиція за основним ключовим словом, нічого не вирішив, а мій перший висновок із нього спростувала перехресна перевірка. Докази до кожного з цих речень наведено нижче.

Що таке AI SEO і як його називають?

AI SEO - це робота над тим, щоб марка з'являлася у відповідях, які генерує AI: в AI Overview і режимі ШІ в Google, у ChatGPT, Gemini, Perplexity і Copilot. Ця сама робота має кілька назв, а відмінності між ними здебільшого маркетингові:

Назва GEO має наукове джерело, а фундамент усієї цієї роботи той самий, що в SEO. GEO походить із наукової праці з листопада 2023 року, прийнятої на конференцію KDD 2024. Її автори, Pranjal Aggarwal зі співавторами, показали на власному тестовому наборі, що зміни в тексті можуть збільшити видимість джерела у генеративних відповідях навіть на 40% (arXiv). Google пише в документації, що оптимізація під генеративний пошук - це й далі SEO (Google Search Central). Cyrus Shepard із Zyppy відповідає схоже на запитання, чи потрібна компанії окрема стратегія GEO:

Люди теж не мають однієї назви для цієї роботи, і це видно в результатах Google. Запитання «Jak nazywa się pozycjonowanie w AI?» з'являється в розділі «Люди також запитують» у польських результатах, його відповідники - в результатах із Німеччини, Іспанії та Фінляндії, а англійське «What is AI SEO called now?» - у результатах із США, Швеції та Сінгапуру. Запитання про різницю між GEO (або LLMO) і SEO з'являється на 9 із 27 перевірених ринків, від Бразилії до Японії.

Назва, що домінує, залежить від ринку. В Японії 72% із близько 16 730 пошуків на місяць у цій темі - це LLMO, а саме ключове слово «llmo» має близько 12 100 пошуків, більше, ніж «ai seo» у США (близько 6 600). У Німеччині й Франції домінує GEO (64% і 66%), у Південній Кореї 83%. У Польщі 58% із близько 2 265 пошуків на місяць - це AI SEO разом із ключовим словом «ai seo» та польськими описами («pozycjonowanie ai», «pozycjonowanie w ai»), а GEO - 32%. У США AI SEO і GEO йдуть пліч-о-пліч: 42% і 39% із близько 25 400 пошуків на місяць, а в Іспанії нічия (44% і 44%). У Чехії в даних немає попиту на жодну з назв.

Ключове слово «ai seo» неоднозначне, тож частку AI SEO розглядаю як верхню межу. За «ai seo» Google показує поряд із текстами про AI SEO також AI-інструменти й посібники про те, як робити SEO за допомогою AI: у США це понад половина результатів у топ-10, у Данії щонайменше 6 із 8. Проте AI Overview за цим ключовим словом у США й Данії описує AI SEO як оптимізацію під відповіді AI, тож Google вважає його назвою цієї роботи. Без цього одного ключового слова GEO веде на 25 із 26 ринків мого блогу, а в Японії залишається LLMO. У Польщі однозначні польські описи («pozycjonowanie ai», «pozycjonowanie w ai») мають разом близько 580 пошуків на місяць, а GEO близько 725. Інструментам AI для SEO присвячу окремий текст.

Саме ключове слово «aeo» не рахую, бо в Польщі воно означає передусім митний сертифікат, а в США частина результатів - це біржові котирування мережі одягу American Eagle. За «aeo» у польському Google три з чотирьох перших результатів - сторінки міністерства фінансів. Ключові слова з повною назвою, наприклад «answer engine optimization», рахую в серії «Інші».

Кожна мовна версія цього тексту вживає назву, яку шукають люди на відповідному ринку. Японська говорить про LLMO, німецька й французька про GEO, а польська про «pozycjonowanie w AI» та AI SEO. Попит в Україні малий: усі ці назви разом мають там 255 пошуків на місяць (дані з 17 жовтня 2026), тож ця версія вживає AI SEO та GEO поряд.

Як AI вибирає джерела відповіді?

Модель відповідає з пошуку або з пам'яті, і від цього залежить, що ви взагалі можете змінити. Коли вона шукає в мережі, розбиває запитання на кілька запитів, отримує результати, добирає з них фрагменти й частину цитує. Google називає це в документації «query fan-out»: система надсилає багато пов'язаних пошуків за підтемами та з різних джерел (Google Search Central). Коли модель не шукає, вона відповідає з того, чого навчилася під час тренування, і тоді позиція сторінки в Google нічого не змінює.

Ці дороги перетинаються, бо пам'ять моделі впливає й на відповідь, під час якої модель шукала в мережі. Dan Petrovic із Dejan пише, що згадка марки в тексті відповіді спирається передусім на попередні знання моделі, а окрема сторінка майже не зрушує її (Dejan, 07.07.2026). Тому обидві дороги вимірюю окремо, але працюю над ними паралельно.

Як часто модель шукає в мережі, залежить від моделі: у моєму тесті від 10 до 94 ключових слів із 94. Я перевірив це через програмний інтерфейс (API) на 94 ключових словах із проєктів, які веду, англійською та польською, в ніч із 3 на 4 жовтня 2026 і вранці вдруге. У тексті про SEO-стратегію я описав той самий ефект на п'яти практичних запитаннях, тут він на більшому наборі.

• 93 із 94Стільки разів Gemini 2.5 Flash звернувся до пошуку в першому прогоні (у другому 94 із 94).Мій тест через API, 3-4.10.2026
• 71 із 94Стільки разів шукав Gemini 3.5 Flash (у другому прогоні 69 із 94).Мій тест через API, 3-4.10.2026
• 25 із 84Стільки разів шукав Gemini 3.1 Pro (10 викликів завершилися помилкою ліміту; у другому прогоні 32 із 94).Мій тест через API, 3-4.10.2026
• 10 із 94Стільки разів шукав Gemini 3.8 Flash (у другому прогоні 15 із 94). Для решти ключових слів він відповідав із пам'яті.Мій тест через API, 3-4.10.2026

У цій конфігурації новіші версії Gemini Flash шукали рідше, але Gemini 3.1 Pro до цього зразка не пасує. Pro має старіший номер версії, ніж 3.5 Flash, а шукав рідше за нього. Це одна родина моделей і одна конфігурація API, а не застосунок Gemini, який бачить користувач, тож числа розглядаю як сигнал, а не правило. Їх, однак, досить, щоб за кожного вимірювання перевіряти, на скількох запитаннях модель узагалі шукає.

Пам'ять моделей про нову польську марку виявилася дірявою, а частина моделей вигадувала її опис. У тому самому проєкті близько 500 відповідей на запитання про марки, для яких працюю, наосліп оцінювала окрема модель. Одна з нових польських марок у цьому наборі була невідома всім перевіреним моделям, а у 9 із 12 відповідей про неї опис був вигаданий. Частка вигадок залежала від моделі: від 5% до 77% відповідей про всі марки. Відповіді оцінювала одна модель-суддя, тож різниці нижче близько 10 відсоткових пунктів розглядаю як шум.

Той самий домен може бути видимим на одній дорозі й невидимим на іншій. Один із сайтів цитувався в режимі ШІ Google за 10 із 13 пар ключових слів, а у відповідях моделей без пошуку не з'явився жодного разу (0 із 13). Це один домен і 13 пар, тож це ілюстрація, а не правило.

Споріднене явище видно в дослідженні більшого масштабу. Dan Petrovic переказує дослідження Google Research на 13 моделях і 2 150 фактах з Вікіпедії: провідні з цих моделей, як-от Gemini 3 Pro і GPT-5, мають у вагах 95-98% цих знань, але не здатні відтворити 26-34% з них (Dejan, 17.08.2026). Це енциклопедичні факти, а не знання про марки, але висновок для марки схожий: наявність інформації в даних тренування не гарантує, що модель її скаже.

Як потрапити у відповіді AI через пошук?

На дорозі через пошук діє те саме, що в SEO, з однією відмінністю. Google пише, що для потрапляння до AI Overview і режиму ШІ сторінка має бути в індексі та мати змогу з'явитися в результатах із фрагментом тексту, а додаткових технічних вимог немає (Google Search Central). Відмінність у тому, що модель ставить одразу кілька запитів, тож сторінка, видима лише за одним основним ключовим словом, має менше нагод бути процитованою, ніж сторінка, видима й за його варіантами. ChatGPT має при цьому власного пошукового робота (про нього нижче), тож видимість у Google не переноситься на нього напряму.

Доступ для роботів AI

Роботи AI-пошуку можуть бути заблоковані без відома власника сайту. Файрвол або налаштування в мережі доставки вмісту (CDN) може їх блокувати, часто лише після перевищення порогу кількості запитів, тож один тест нічого не покаже. Перевіряю серію запитів з назвами роботів Google, OpenAI, Perplexity і Anthropic та порівнюю відповідь сервера з тією, яку отримує звичайний браузер.

Блокування тренування моделей - це інше рішення, ніж блокування пошуку. OpenAI розділяє ці ролі: GPTBot збирає вміст, який може потрапити в тренування моделей, а OAI-SearchBot визначає присутність у результатах пошуку ChatGPT. OpenAI пише, що сайти, які заблокують OAI-SearchBot, не показуватимуться у відповідях пошуку ChatGPT, а блокування GPTBot цього не змінює (OpenAI). Так само Google-Extended керує використанням вмісту моделями Gemini, але за словами Google не впливає ні на присутність, ні на позицію в пошуку (Google Search Central). Хто блокує всіх роботів AI одним перемикачем, може втратити присутність у пошуку ChatGPT, якої зовсім не хотів віддавати.

Позиція за ключовим словом і підзапити

Не знаю, чи вища позиція збільшує шанс на цитування, бо мої дані цього не вирішують. У тексті про SEO-стратегію, у розділі про гіпотези, я описав статтю, яку за п'ятьма дуже близькими ключовими словами цитував AI Overview лише за одним, і то за тим, де вона стояла найнижче. Підзапити складає модель, і вони можуть бути різними в кожній відповіді, тож не існує одного сталого списку «підзапитів для ключового слова X». У моєму наборі з 94 ключових слів модель згенерувала за один прогін 493 різні підзапити, у середньому понад п'ять на ключове слово.

Я перевірив, чи позиція за підзапитами передбачає цитування краще, ніж позиція за основним ключовим словом, і мій перший результат не пережив перевірки. На парах ключове слово-сторінка з проєктів, які веду, я записав правило, перш ніж порахував результат. Мірою була площа під ROC-кривою (AUC), тобто те, наскільки добре сигнал розділяє цитовані й нецитовані сторінки (0,5 - рівень підкидання монети, 1 - розділення без помилок). Підзапити мали виграти, якщо їхня площа буде більшою щонайменше на 0,10. На 29 парах, відкладених для тесту AI Overview, різниця склала 0,44, тобто тест «пройдено».

Перехресна перевірка показала, що я порівняв два вимірювання різної точності. Рецензент, який перерахував усе з нуля, відтворив мої числа до цифри, але помітив, що позицію за основним ключовим словом я взяв з одного завантаження результатів Google, а цитування з п'яти. Після підрахунку позиції з тих самих п'яти завантажень різниця впала до 0,04, з довірчим інтервалом від -0,28 до +0,36. Тож я не показав, що підзапити кращі за позицію, ані що гірші. Обидва сигнали щось кажуть, тому працюю на обох.

Позиція з одного завантаження з DataForSEO виявилася жеребкуванням одного з кількох варіантів результатів. Коли я завантажив ті самі 94 ключові слова тричі з інтервалом близько години, два завантаження того самого ключового слова мали в медіані мало спільних адрес у топ-10: індекс Жаккара, тобто міра узгодженості двох множин від 0 до 1, склав 0,14-0,15. Частина варіантів, імовірно, - це результати, яких людина в браузері не бачить, бо за 5 ключовими словами браузер збігався з одним із них. AI Overview був при цьому стабільним: його наявність збігалася між завантаженнями в 97-99%. Тому позицію з цього інструмента рахую сьогодні як частку з близько 10 завантажень, надісланих одночасно. Інші інструменти так не перевіряв.

Фрагменти, які відповідають самостійно

Модель зазвичай користується не всією сторінкою, а фрагментами, які відповідають на її запит. Тому пишу так, щоб кожен фрагмент можна було зрозуміти без решти сторінки: відповідь у першому реченні під заголовком, конкретні числа зі знаменником і датою, назви замість «це» і «той». Кожен абзац у цьому тексті починається з речення з висновком саме з цієї причини. Це добра практика письма, яка допомагає й людям, а не окрема техніка під AI.

Це не означає, що треба рубати вміст на дрібні шматки чи множити заголовки. Google прямо пише, що немає вимоги ділити вміст на дрібні фрагменти, щоб AI краще його розумів (Google Search Central). Я також перевірив, чи більше заголовків допомагає потрапити до топ-3. На 632 сторінках із топ-10 за 119 запитами англійською з ніші програмного забезпечення для бізнесу (США, 26 вересня 2026) відношення шансів склало 0,95 (довірчий інтервал 95%: 0,81-1,12), а з урахуванням довжини тексту 1,00. Частка сторінок у топ-3 була майже однаковою в трьох групах від найменшої до найбільшої кількості заголовків: 32%, 34% і 32%. Це той самий тест, про який пишу в тексті про SEO-стратегію: одна ніша й один день вимірювання. Але цього досить, щоб я не додавав заголовків заради кращої позиції: заголовок має казати, про що фрагмент під ним.

Польські запитання, англійські підзапити

У моєму наборі частина підзапитів до польських запитань була англійською. 81 із 277 підзапитів, згенерованих до польських ключових слів, не мали ознак польської мови. Наприклад, польське запитання про рейтинг товарів в одній категорії перетворилося на англійський запит із роком у назві. Це груба евристика на одному наборі, але її досить, щоб для польської марки я перевіряв і те, що кажуть про неї англомовні джерела.

Як потрапити в пам'ять моделі?

Пам'ять моделі не змінити лише власним сайтом: важить те, що про вас пишуть інші. Модель вчиться на великих збірках текстів, зібраних до завершення тренування. Якщо про марку пише здебільшого вона сама, а чужі джерела застарілі чи суперечливі, модель повторить застарілий чи суперечливий образ. Вимірювання того, як швидко пам'ять моделей оновлюється, я не маю. Припускаю, що лише в наступних версіях, тож у горизонті кварталу нічого тут не обіцяю.

На власній марці бачу обидва джерела помилок одночасно. Gemini описував мене з роботодавцем кількарічної давності в теперішньому часі, а rogala.pro як сайт «у розробці». Два описи, які моделі повторювали про мене найчастіше, походять дослівно з мого біографічного запису в галузевому сервісі, який високо показується в Google за моїм прізвищем. Цього роботодавця як теперішнього не подає при цьому жодна з 26 сторінок, які я перевірив у результатах за моїм ім'ям і прізвищем, тож ця помилка, імовірно, сидить у пам'яті моделі. Перевірю це тими самими запитаннями, коли біографію оновлять.

Що модель пам'ятає про марку, можна перевірити самостійно, без інструментів видимості в AI. Поставте запитання про марку без доступу до пошуку, найнадійніше через API без інструмента пошуку. Запитайте, чим марка займається, для кого і відколи діє, кожне запитання тричі. Потім порівняйте відповіді з фактами й запишіть окремо, що актуальне, що застаріле, а що вигадане.

Згадки без послідовного визначення марки повторюють старий опис, тож починаю з ідентичності. Моя черговість:

• одне визначення марки, те саме на сайті, у профілях і в біографіях на чужих сайтах;
• структуровані дані з ідентифікаторами, які я перевірив уручну;
• записи в базах знань, як-от Wikidata, лише там, де є джерела, які їх підтвердять;
• і лише після цього згадки та публікації в місцях, які редагує хтось інший.

Ідентифікатор треба відкрити й прочитати, перш ніж він потрапить у код сторінки. 5 жовтня 2026 року я помітив, що ідентифікатор Knowledge Graph, який від попереднього дня стояв у структурованих даних rogala.pro, веде до панелі актора з тим самим ім'ям і прізвищем. Приблизно добу мій сайт заявляв пошуковим системам, що я актор. Перевірка займає хвилину: адреса google.com/search?kgmid= із дописаним ідентифікатором показує, кому він насправді належить.

Wikidata не купить місця, на яке немає джерел. Wikidata вимагає джерел для інформації про живих людей, тож не можна заявити в ній спеціалізацію, про яку ніхто, крім вас, не писав. Тому у себе я почав із публікацій у місцях, які редагують інші, а не із запису в базі.

Що в AI SEO працює, а що міф?

Твердження про GEO ділю за силою доказів. «Задокументовано» підтверджує документація пошукової системи, а «мій вимір» - це результат однієї конфігурації, який я повторюю. «Спростовано» і «не показано» - це те, що я перевірив на власних даних і що не пережило перевірки або нічого не вирішило. «Без доказу» - це популярні поради, за якими не стоїть вимір, а подекуди стоїть протилежний доказ.

Немає доказів, що файл llms.txt і версії сторінок у Markdown допомагають потрапити у відповіді AI. Google пише, що для присутності в його пошуку не треба створювати нових файлів для машин, текстових файлів для AI, розмітки чи Markdown (Google Search Central). Коли в липні 2026 я перевірив 10 доменів зі свого портфоліо, жоден не віддавав агентам AI версії в Markdown. На rogala.pro кожна сторінка має з 8 жовтня версію в Markdown і файл llms.txt, а до 8 листопада вимірюю в логах сервера, чи хтось їх завантажує. У Польщі ключове слово «llms txt» має близько 720 пошуків на місяць, тож цю тему опишу окремо.

Структуровані дані описують марку пошуковій системі, але немає доказів, що вони дають цитування. Google пише, що структуровані дані не обов'язкові в генеративному пошуку і що немає спеціальної розмітки schema.org, яку треба додати (Google Search Central). Matt Buxbaum із Seer Interactive проаналізував 8 500 ключових слів з AI Overview і 6 354 сторінки, які здобули в них перше цитування: schema та сигнали E-E-A-T найслабше пов'язувалися з перемогою, а сторінки з найбільшою кількістю розмітки FAQ і HowTo виглядали приблизно в 10 разів гірше (Seer Interactive, 28.05.2026). Це кореляція, тож не знаю, чи розмітка шкодить, але ці дані не читаю як доказ користі. Структуровані дані застосовую для опису сутностей (хто, що, де, з якими ідентифікаторами), бо для цього вони й існують. Власного тесту їхнього впливу на відповіді AI ще не закінчив.

Згадка й цитування - це дві різні речі, і багато звітів їх плутає. Petrovic розділяє три події: сторінку, яку система отримала як матеріал для відповіді, цитування, тобто сторінку, показану як джерело, і згадку, тобто назву марки в тексті відповіді, яку користувач читає й запам'ятовує (Dejan, 07.07.2026). Марку можна процитувати без згадки в тексті й згадати без цитування сторінки. Тому ці дві речі вимірюю окремо й не додаю в один «показник видимості в AI».

Як перевірити, чи AI SEO працює?

Без точки відліку не приписати ефекту жодній зміні, тож записую її перед першою правкою. До точки відліку входять запитання, записані дослівно, назви й версії моделей, дата й ринок. Запитання складаю з даних про попит та із Search Console, а більшість із них не містить назви марки, бо назва в запитанні сама підказує моделі відповідь. Набір запитань із двох діапазонів позицій описую в тексті про SEO-стратегію.

П'ять речей вимірюю окремо, бо кожна може піти в різний бік:

1. Згадку марки в тексті відповіді.
2. Цитування сторінки як джерела.
3. Те, чи модель узагалі шукала в мережі, тобто пошук і пам'ять окремо.
4. Трафік з AI-асистентів в аналітиці, який завжди є нижньою межею, бо частина заходів приходить без інформації про джерело.
5. Трафік з Google за той самий період, щоб зміна під AI не відбулася коштом звичайних результатів.

Відповіді чатів випадкові, тож одне запитання ставлю тричі одночасно. AI Overview стабільний, і для нього досить одного завантаження. Число з інструмента видимості в AI завжди читаю разом зі знаменником: це частка в моєму наборі запитань, а не «частка ринку AI», якої ніхто не знає.

Що я роблю на власному сайті і чого ще не знаю?

Про AI в пошуку говорю публічно з 2016 року, а власної марки у відповідях AI ще не маю, і з цього почався мій експеримент. Точка відліку з 26 липня 2026: rogala.pro не мала жодного цитування на жодній із 7 поверхонь AI, перевірених в Ahrefs для Польщі, а в 6 перевірках на трьох платформах, у запитаннях без мого прізвища, жодна модель мене не назвала. На запитання про мене за прізвищем модель повторювала опис кількарічної давності. Це одне вимірювання і без ChatGPT, бо інструмент, яким я збирав відповіді, не повернув для нього результатів, тож розглядаю його як стартову точку, а не доказ.

Черговість робіт випливає з даних: спершу ідентичність, потім охоплення. Я впорядкував одне визначення в профілях (на LinkedIn у 30 мовних версіях), перевірив ідентифікатори в структурованих даних (звідси провал з актором), поставив сайт і блог 27 мовами з версіями в Markdown. Охоплення, тобто публікації та згадки в чужих медіа, приходить лише після цього.

Ще не знаю, чи це працює. Перше повторне вимірювання відповідей AI я запланував з 1 листопада 2026, а результат вимірювання файлів Markdown буде після 8 листопада. Результати допишу до цього тексту, навіть якщо вони вийдуть нульовими.

Найчастіші запитання про AI SEO

З чого почати?

Перші три кроки нічого не коштують, крім часу. Перевірте, чи роботи AI-пошуку отримують ваш сайт. Поставте тричі одночасно кілька запитань, які ставлять ваші клієнти, без назви вашої марки, і запишіть, кого називають, а кого цитують. Прочитайте, що про вашу марку кажуть результати Google на саму її назву, бо тими самими джерелами користуються моделі. Якщо результат вас здивує, це добра тема для консультації.