3 апреля 2026 г.5 мин чтения

Кейс: как вырасти с 0% до 46% AI-видимости за 10 дней

Разбор кейса GEO Scout: как бренд с нулевой видимостью в Яндексе с Алисой получил 46% AI-видимости за 10 дней за счёт экспертного контента, FAQ, JSON-LD и ежедневного мониторинга.

Владислав Пучков

Основатель GEO Scout, эксперт по GEO-оптимизации

Эта статья опирается на публично описанный кейс, опубликованный на Sostav 31 марта 2026 года, но здесь мы разбираем его шире: не как короткую историю успеха, а как повторяемую модель внедрения.

Исходная ситуация

На старте GEO Scout проверил собственную видимость по нишевым запросам в Яндексе с Алисой и обнаружил неприятную картину:

• бренд не упоминался в профильных ответах
• конкуренты уже попадали в рекомендации
• домен почти не использовался AI как первоисточник

То есть проблема была не в слабом CTR и не в SEO-позициях, а в том, что в момент выбора бренда AI просто не включал GEO Scout в короткий список.

Это классический сценарий AI dark funnel. Пользователь принимает решение ещё до посещения сайта. Подробнее — в статье тёмная воронка AI.

Что именно было сделано

1. Быстрый аудит текущего разрыва

Сначала была сделана базовая диагностика:

• какие промпты реально формируют ответы в нише
• какие конкуренты появляются чаще всего
• какие источники цитирует Алиса
• каких страниц и тематик не хватает на собственном сайте

Это позволило перейти от абстрактной задачи “стать видимее” к конкретному backlog.

2. Контентный спринт на 105 экспертных материалов

За 12 дней был создан большой контентный слой: 105 экспертных статей.

Но важен не сам объём, а структура этого слоя:

• базовые статьи-определения
• how-to материалы
• сравнения и рейтинги
• отраслевые статьи
• исследования и метрики

Именно тематический охват создаёт для AI сигнал, что бренд не просто упоминает термин, а владеет всей предметной областью.

Подробнее про такую логику — в статье контент-стратегия для GEO с нуля.

3. Каждая статья проектировалась как citable asset

Материалы писались не как SEO-тексты “под ключевики”, а как источники, которые AI может цитировать.

Для этого в статьи закладывались:

• чёткие определения
• числа и факты
• сравнительные таблицы
• краткие выводы в первых абзацах
• FAQ-секции

Такие блоки работают лучше абстрактных рассуждений, потому что AI проще встроить их в ответ. Подробно об этом — в статье какой контент AI цитирует чаще.

4. FAQ и JSON-LD как машиночитаемый слой

На материалах использовались:

• FAQPage
• BlogPosting
• BreadcrumbList

Это помогло AI-системе не только прочитать текст, но и точнее извлекать структуру страницы, вопросы, ответы и контекст.

5. Ежедневный мониторинг, а не проверка “на глаз”

Ключевой дисциплиной был не просто запуск контента, а ежедневное измерение:

• появился ли бренд в ответах
• на какой позиции
• цитирует ли AI домен напрямую
• по каким промптам есть сдвиг, а где его нет

Без этого кейс превратился бы в набор публикаций без управляемого feedback loop.

Результат

По данным, опубликованным в кейсе:

• AI-видимость выросла с 0% до 46%
• Share of Voice достиг 21.9%
• Share of Citation составил 54.5%
• рост за первую неделю составил x11
• к 30 марта 2026 года Алиса давала ссылку на geoscout.pro в 24 из 51 ответа
• средняя позиция бренда в ответах находилась в диапазоне 1.7–2.1

Это важный набор метрик, потому что он показывает две вещи сразу:

1. бренд стали чаще упоминать
2. бренд стали чаще цитировать как источник

Разница между этими уровнями критична. Упоминание говорит о присутствии, цитирование — об авторитетности. Подробнее — в статье cited sources в AI.

Почему кейс сработал так быстро

Причина 1: у ниши был явный контентный дефицит

Когда в нише мало качественных AI-citable материалов, скорость роста выше. Не нужно “выигрывать у всех”, достаточно быстро закрыть самый заметный контентный пробел.

Причина 2: Яндекс с Алисой быстро реагирует на доступный и структурированный веб-контент

Для AI-систем, завязанных на актуальный веб-слой, качественная публикационная активность может давать эффект значительно быстрее, чем в классическом SEO.

Причина 3: был охвачен не один запрос, а кластер

Если бренд пишет одну статью “что такое GEO”, AI не считает это устойчивым сигналом. Но когда появляются определения, how-to, сравнения, рейтинги и кейсы, формируется полноценное semantic field.

Что в этом кейсе нельзя понять неправильно

Было бы ошибкой сделать из этого вывода три неверные интерпретации.

Неверный вывод 1: достаточно просто залить 100 статей

Нет. Важны не объём и скорость сами по себе, а:

• качество factual blocks
• структура тем
• FAQ и schema
• приоритизация по промптам

Неверный вывод 2: GEO всегда растёт за 10 дней

Нет. Скорость зависит от:

• AI-провайдера
• ниши
• исходного уровня видимости
• доступности сайта для AI-ботов

Неверный вывод 3: кейс применим только к медиа-нишам

Нет. Логика переносится в разные типы бизнеса:

• SaaS: docs, integrations, comparisons
• e-commerce: categories, product cards, buying guides
• услуги: кейсы, FAQ, About, отраслевые страницы

Как повторить эту логику у себя

Минимальный повторяемый фреймворк:

1. Зафиксировать baseline по 20-50 промптам
2. Найти источники, которые уже цитирует AI в вашей нише
3. Закрыть пробелы в 4 контентных форматах:
   • definitions
   • how-to
   • comparisons
   • proof / cases
4. Добавить FAQ и schema на ключевые материалы
5. Измерять эффект ежедневно или еженедельно

Главный вывод для маркетологов

Этот кейс важен не тем, что показывает красивый рост. Он важен тем, что демонстрирует новую маркетинговую механику:

экспертный блог становится инфраструктурой видимости в AI, а не просто каналом органического трафика.

Если бренд системно создаёт citable контент и отслеживает его влияние на AI-ответы, он начинает влиять на shortlists, которые AI выдаёт пользователю. А это уже не медийная метрика, а влияние на реальный выбор.