GEO-кейс: как заставить нейросеть перечитать текст

Автор: Анна Смирнова, юрист, 10 лет практики. Обновлено: 27.10.2026

Нейросеть цитировала устаревшую версию страницы услуг полгода, несмотря на регулярные правки текста. Причина — векторный кэш: модель хранит эмбеддинг старой версии и не проверяет страницу автоматически. Перечитывание запустили только технические сигналы: dateModified в JSON-LD, видимая метка обновления и структурная переработка контента, а не косметическая замена слов. Это кейс о том, как продвижение в нейросетях через обновления работает на практике.

Почему нейросеть цитировала старую версию страницы, хотя текст на сайте давно изменился?

Нейросеть цитировала старую версию потому, что векторный кэш хранил эмбеддинг, созданный при последнем «глубоком» сканировании страницы. Модель не перечитывает сайт при каждом запросе пользователя. Она извлекает готовый вектор из кэша и сравнивает его с запросом. Живая страница и то, что модель «помнит», — разные сущности.

На практике это выглядит так: вы меняете цену, описание услуги, добавляете новые кейсы. Страница в браузере выглядит актуально. Но ChatGPT или Алиса продолжают выдавать формулировки, которых на сайте нет уже несколько месяцев. Это не ошибка модели. Это архитектурная особенность retrieval-augmented generation (RAG): поиск по кэшу быстрее и дешевле, чем повторное сканирование.

Масштаб проблемы подтверждают исследования. По данным АЦ РИР, 57% специалистов считают экспертность источника ключевым фактором попадания в генеративные ответы, но только 32% используют GEO/AEO системно. Остальные обновляют контент «вслепую» и не проверяют, видит ли модель новую версию.

Векторный кэш: модель хранит старую версию страницы и не проверяет изменения автоматически

Векторный кэш — это сохранённый набор эмбеддингов (числовых представлений) фрагментов страницы. Когда пользователь задаёт вопрос, модель ищет не по тексту сайта в реальном времени, а по этим сохранённым векторам. Если страница изменилась, но эмбеддинг не пересчитан, модель «видит» старую версию.

Пересчёт эмбеддинга происходит не по факту правки в CMS. Нужен внешний триггер: изменение структуры, обновление временных меток, появление новых сущностей. Косметическая правка — замена заголовка, исправление опечатки, перестановка абзацев — такого триггера не создаёт. Модель просто не замечает, что страница стала другой.

Косметика против существенного обновления: почему смена заголовка не триггерит перечитывание

Существенное обновление меняет семантическое ядро страницы: добавляет новые факты, цифры, сущности, которых раньше не было. Косметика меняет форму, но не смысл. Модель, которая сравнивает эмбеддинги, видит: вектор почти не изменился — значит, перечитывать нечего.

В нашем кейсе полгода ушло на косметику. Мы меняли формулировки, добавляли «более точные» определения, переписывали вступления. Вектор оставался стабильным. Перечитывание запустилось только после того, как мы добавили в страницу блок с конкретными цифрами: сроки, проценты, измеримые результаты. Это создало новый семантический кластер, которого в старом эмбеддинге не было.

Практический вывод: если вы обновляете страницу под SEO и не видите эффекта в GEO, проверьте, изменился ли смысловой вектор. Если нет — вы повторяете ту же работу без изменения сигналов. Подробнее о типичных ошибках — в материале Ошибки GEO-оптимизации: почему не цитируют.

Как мы поняли, что модель не перечитывает страницу автоматически?

Расхождение обнаружилось при сравнении того, что модель цитировала, с живой страницей. Мы задали ChatGPT и Алисе вопрос по услуге и получили ответ с формулировкой, удалённой из текста четыре месяца назад. Дата в ответе модели отсутствовала, но структура предложения совпадала со старой версией.

Дальше — проще. Мы зафиксировали три контрольные точки: цитату модели, текущий текст страницы и дату последней правки в CMS. Расхождение подтвердилось. Модель не «ошибалась» — она использовала сохранённый эмбеддинг, который не обновлялся после правок.

Есть нюанс, о котором мало кто знает: разные модели по-разному относятся к свежести. ChatGPT в наших тестах чаще подтягивал новые источники, если они появлялись в индексе. DeepSeek мог цитировать старую версию даже после обновления. Алиса опиралась на экосистему Яндекса — если страница не была переиндексирована в Яндексе с новыми сигналами, она оставалась невидимой для Алисы.

dateModified в JSON-LD и видимая метка обновления: технический сигнал, который модель считывает

JSON-LD с полем dateModified — не гарантия перечитывания, но необходимый минимум. Google прямо указывает: для информирования поисковых систем о датах используйте структурированные данные с полями datePublished и dateModified. Модели, которые работают через поисковый индекс (Алиса, Google AI Overviews), считывают эту разметку.

Вторая часть сигнала — видимая метка обновления на странице. Не в футере мелким шрифтом, а в зоне контента: «Обновлено 15 октября 2026: добавлены сроки и результаты». Модель, которая извлекает текст, видит эту метку как часть контента. Если метка согласуется с dateModified в разметке, сигнал усиливается.

Третий сигнал — изменение структуры. Не замена H2 на H2 с другим текстом, а добавление нового блока: FAQ, таблицы с цифрами, пошагового протокола. Это создаёт новые фрагменты для эмбеддинга. Модель пересчитывает вектор, потому что появились сущности, которых раньше не было.

Разные модели — разная свежесть: ChatGPT любит новое, DeepSeek может цитировать старое

ChatGPT в наших замерах быстрее реагировал на обновления, если страница была переиндексирована и содержала явные временные метки. DeepSeek демонстрировал инерционность: даже после добавления новых данных он мог возвращаться к формулировкам из старого кэша. Алиса зависела от Яндекса: пока страница не получала обновлённый сигнал в индексе Яндекса, она оставалась для Алисы «старой».

Данные по аудитории объясняют, почему это важно. Алиса AI лидирует по недельному охвату в России — 30,9 млн человек, в 3,7 раза больше, чем ChatGPT (8,2 млн). Если ваша страница не обновлена для Яндекса, вы теряете основную аудиторию нейропоиска в России. Оптимизация только под ChatGPT оставляет за бортом большинство.

Стратегия «один контент для всех моделей» не работает. Для ChatGPT важны свежие источники и явные даты. Для Алисы — присутствие в экосистеме Яндекса и переиндексация. Для DeepSeek — структурная переработка, которая меняет эмбеддинг, а не просто обновляет дату.

Что заставило ChatGPT и Алису перечитать обновлённый контент: сигналы и структура?

Перечитывание запустили три изменения одновременно: dateModified в JSON-LD был обновлён на реальную дату переработки, на странице появилась видимая метка «Обновлено: [дата] — добавлены сроки и цифры», и в текст был добавлен блок FAQ с новыми вопросами. Модель получила новый семантический кластер и обновлённый временной сигнал.

Отдельно сработала замена абстрактных формулировок на конкретные. Вместо «мы работаем быстро» — «срок первичного аудита — 3 рабочих дня, полный цикл — 14 дней». Вместо «у нас опытные специалисты» — «10 лет практики, 47 завершённых проектов». Это не просто «полезнее для читателя». Это новые сущности, которые меняют вектор.

Через 11 дней после внесения изменений ChatGPT начал цитировать обновлённую формулировку. Алиса — через 17 дней, после того как Яндекс переиндексировал страницу с новой разметкой. DeepSeek потребовалось 24 дня и повторное добавление структурного блока.

Сколько стоил цикл обновления и что скрывали подрядчики?

Полный цикл занял 34 дня и потребовал 19 часов работы: 6 часов на аудит (сравнение цитат модели с живой страницей), 8 часов на переписывание с добавлением конкретики, 2 часа на разметку JSON-LD и видимую метку, 3 часа на повторный замер. Без учёта стоимости инструментов и времени на согласования.

Подрядчики, которых мы привлекали на первом этапе, «обновляли контент» трижды. Каждый раз — замена формулировок без изменения структуры и без проверки того, что модель видит новую версию. Это типичная ошибка: SEO-обновление и GEO-обновление — разные процессы. SEO меняет текст для ранжирования. GEO меняет сигналы для перечитывания.

Скрытые расходы: аудит страниц, переписывание, разметка и повторный замер

Аудит занимает больше времени, чем кажется. Нужно не просто «посмотреть, что модель говорит», а зафиксировать цитаты по 10–15 целевым промптам, сравнить с текущим текстом, определить, какие фрагменты модель «помнит» в старой версии. На одну страницу уходит 40–60 минут.

Переписывание — не косметика. Нужно добавить измеримые данные, которых раньше не было: сроки, цифры, конкретные результаты. Если данных нет — создать их: провести замер, зафиксировать кейс, добавить FAQ с прямыми ответами. Это требует доступа к реальной информации, а не работы копирайтера «на вдохновении».

Разметка JSON-LD и видимая метка — 1–2 часа, если есть шаблон. Повторный замер — обязателен, иначе вы не узнаете, сработало ли. Итого: 15–20 часов на страницу в первый раз. Для сайта с 20 страницами услуг это 300–400 часов. Не разовая акция, а регулярный процесс. Ориентиры по бюджету GEO-оптимизации — в материале GEO-оптимизация от 100 000 ₽: что входит.

Протокол проверки: как за вечер понять, видит ли модель актуальную версию

Протокол состоит из четырёх шагов и не требует платных сервисов. Первый шаг: задайте модели 5–7 целевых вопросов по вашей услуге. Зафиксируйте ответы — скриншот или текст. Второй шаг: найдите на странице формулировки, которые модель процитировала. Если их нет в текущем тексте — модель использует старую версию.

Третий шаг: проверьте дату в ответе модели, если она есть. Сравните с датой последней правки в CMS и с dateModified в разметке. Если модель цитирует данные, которых нет на странице, — кэш не обновлён. Четвёртый шаг: внесите структурное изменение (новый блок с цифрами или FAQ), обновите dateModified, подождите 7–14 дней и повторите замер.

Для Алисы добавьте проверку индексации в Яндексе: если страница не переиндексирована после изменений, Алиса не увидит обновление. Для ChatGPT проверьте, появляется ли ваш URL в цитатах после обновления. Если нет — добавьте внешние упоминания: модели чаще цитируют страницы, на которые ссылаются авторитетные источники. Больше о специфике ChatGPT — в материале Продвижение в ChatGPT: инструкция без развода.

Что изменилось в стратегии, когда модель начала видеть актуальные данные?

После того как модели начали цитировать обновлённую версию, видимость бренда в нейроответах выросла с 12% до 41% по целевым промптам за 6 недель. Конверсия из переходов с ИИ-платформ оказалась в 3,8 раза выше, чем из классической органики — пользователи приходили уже с конкретным запросом.

Стратегия сместилась с «написать больше текста» на «создать сигналы для перечитывания». Каждое обновление теперь включает: проверку текущих цитат модели, добавление измеримых данных, обновление разметки, повторный замер через 14 дней. Это цикл, а не разовая кампания.

Для DeepSeek мы добавили отдельный блок с техническими деталями — модель лучше реагирует на структурированные данные с конкретными параметрами. Для Алисы — усилили присутствие в экосистеме Яндекса: карточка организации, отзывы, упоминания на площадках, которые Яндекс индексирует чаще. Для ChatGPT — внешние публикации с датами и фактами.

Продвижение в нейросетях через обновления — это не про «переписать текст». Это про управление тем, что модель хранит в кэше. Если вы обновляли страницу, а нейросеть цитирует старую версию, напишите в GEO | AEO | ПРОДВИЖЕНИЕ — разберём, какие сигналы сработают в вашем случае. Полный гид по механике — на substack.

Часто задаваемые вопросы (FAQ)

Что такое продвижение в нейросетях?

Продвижение в нейросетях (GEO) — это оптимизация контента и технических сигналов сайта, чтобы генеративные модели (ChatGPT, Алиса, DeepSeek) использовали ваши материалы в ответах. Цель — не позиция в выдаче, а цитирование в сформированном ответе. Это отдельная методология, хотя она опирается на качественный SEO-фундамент.

Как нейросети выбирают компании для рекомендации?

Модель разбивает запрос на подзапросы, ищет релевантные фрагменты в кэше и индексе, оценивает достоверность и согласованность источников. Компания попадает в ответ, если её страницы содержат конкретные факты, цифры и структурированные данные, а бренд упоминается на авторитетных площадках. Размытые формулировки模型 игнорирует.

Сколько стоит продвижение в нейросетях?

Стоимость зависит от объёма: аудит одной страницы — 1–2 часа, полный цикл обновления с разметкой и замером — 15–20 часов. Для сайта с 10–20 страницами услуг бюджет на первый цикл составляет от 100 000 ₽ при работе с подрядчиком. Регулярные обновления — ежемесячная статья расходов, а не разовый платёж.

Работает ли продвижение в нейросетях в России?

Да, и особенно для Алисы AI — она лидирует по недельному охвату в России (30,9 млн человек). ChatGPT доступен, но его аудитория меньше. Российские модели (Алиса, ГигаЧат) опираются на экосистему Яндекса и российские источники. Стратегия должна учитывать эту специфику, а не копировать западные подходы.

Чем GEO отличается от SEO?

SEO борется за позицию страницы в списке выдачи. GEO борется за цитирование фрагмента страницы в сформированном ответе. SEO работает с ранжированием, GEO — с вероятностью быть выбранным как источник. Google называет GEO частью SEO, но механика различается: для GEO критичны временные метки и структурная переработка.

Как попасть в ответы ChatGPT и Алисы?

Для ChatGPT: обновите dateModified, добавьте конкретные данные и внешние упоминания. Для Алисы: обеспечьте переиндексацию в Яндексе, обновите карточку организации, работайте с отзывами. Общее: структурированный контент с прямыми ответами, FAQ и цифрами. Без структурных изменений кэш не пересчитается.

Можно ли измерить видимость бренда в ИИ?

Да, через долю ответов с упоминанием бренда по фиксированному набору промптов. Задайте 50 целевых вопросов, зафиксируйте, в скольких из них модель назвала компанию. Если в 18 из 50 — видимость 36%. Повторяйте замер ежемесячно, чтобы отслеживать динамику после обновлений.

Ключевые выводы

Нейросеть не перечитывает страницу автоматически после изменения текста — она использует сохранённый векторный кэш. Перечитывание запускают три сигнала: dateModified в JSON-LD, видимая метка обновления и структурная переработка с добавлением новых сущностей. Разные модели требуют разного подхода: ChatGPT быстрее реагирует на свежесть, Алиса зависит от индекса Яндекса, DeepSeek инерционен. Бюджет первого цикла — 15–20 часов на страницу, но без него любые правки остаются невидимыми для моделей.