GEO-продвижение интернет-магазина: как продвигать e-commerce в ИИ-поиске

Спойлер: продвижение в ИИ e-commerce — это далеко не только тексты

Мы используем нейросети для поиска товаров, и будем это делать все чаще. Просим ChatGPT подобрать робот-пылесос для квартиры с кошкой, сравнить несколько кофемашин, найти ноутбук в определенном бюджете с доставкой в наш город.

Сейчас мало просто добавить товар в каталог. Нужно, чтобы ИИ смог его найти, понять и сопоставить с запросом — тогда у магазина больше шансов попасть в ответ нейросети. Цена, наличие, характеристики, варианты доставки, отзывы — всё это превращается в данные, которыми должны воспользоваться не только покупатели, но и AI-системы.

Но GEO в e-Commerce выходит за рамки работы с контентом: нужны и техническая оптимизация, и работа с микроразметкой и товарными фидами, и качество самого каталога. Вот об этом и поговорим предметно в статье.

GEO (Generative Engine Optimization) — термин, которым обозначают оптимизацию присутствия сайта, бренда и его контента в ответах генеративных поисковых систем и ИИ-сервисов. Но у Google и OpenAI нет единого официального стандарта «GEO-оптимизации».

В официальной документации Google указано, что для AI Overviews (ИИ-сводки в поисковой выдаче) и AI Mode (отдельного диалогового режима поиска с ИИ) продолжают действовать базовые принципы SEO. Специальной разметки или дополнительных технических требований для попадания в эти форматы не предусмотрено. Аналогично, Яндекс формирует ответы Поиска с Нейро на основе найденных источников, уделяя внимание качеству и структуре информации.

Поэтому GEO-продвижение e-Сommerce-проекта разумнее рассматривать не как отдельную дисциплину, хотя seo-специалисты уже выделили это в отдельную услугу, а как надстройку (или пристройку :) к SEO-стратегии с учетом особенностей генеративного поиска.

ChatGPT, Google и Яндекс работают по-разному: у каждого свои технологии и источники данных.

AI Overviews и AI Mode работают на базе Google Search. Если запрос сложный, система может сделать несколько связанных поисков по разным темам и источникам, а затем собрать результаты в один ответ.

Яндекс описывает похожий сценарий для Нейро: сложный вопрос может быть разделен на несколько частей. Система ищет информацию, изучает источники и формирует ответ со ссылками.

Например, запрос «ноутбук до 100 тысяч рублей» для ИИ — не просто поиск товаров дешевле указанной суммы. ИИ может учитывать диагональ экрана, автономность, производительность, нужные программы и наличие товара в конкретном регионе.

Поэтому для GEO важно давать данные, которые помогают ответить на такие уточняющие запросы.

Чем больше полезных, точных и актуальных данных, тем проще поиску и ИИ понять товар и подобрать его под конкретный запрос.

Источником может быть не только текст карточки товара. Используются страницы сайта, структурированная разметка, товарные фиды, данные из Google Merchant Center, Яндекс Товаров и Яндекс Директа.

Google рекомендует интернет-магазинам одновременно использовать разметку товаров и Google Merchant Center (недоступен в России). Разметка помогает системе лучше понимать содержимое страницы, а Merchant Center позволяет напрямую передавать Google актуальные данные о товарах.

У Яндекса похожий подход: он рекомендует размечать товарные страницы по стандарту Schema.org и передавать каталог через фиды в Яндекс Товары. Так Яндекс получает актуальные данные о товарах как со страниц сайта, так и напрямую из фида.

У OpenAI тоже есть система передачи товарных каталогов. Продавцы могут передавать данные о товарах напрямую, чтобы информация о них в ChatGPT была точнее и актуальнее. Но такая возможность ограничена по рынкам и для России практически неприменима.

Для нейросетей, поисковиков и товарных сервисов особенно полезны точные и понятные данные о товаре:

• название и бренд;
• категория и описание;
• GTIN, SKU и другие идентификаторы;
• характеристики и варианты товара;
• размер, цвет, материал;
• изображения;
• цена и валюта;
• наличие;
• доставка и возврат;
• рейтинг и отзывы.

Google и Яндекс используют данные о товарах и их характеристиках в поиске и товарных сервисах. А Google уже отдельно показывает магазинам, какие характеристики товаров покупатели чаще упоминают в разговорных запросах к ИИ.

Выбор подходящего товара и выбор продавца — две разные задачи. Даже если ChatGPT определил конкретную модель, которая лучше соответствует запросу пользователя, еще предстоит решить, у какого продавца ее целесообразнее приобрести.

При ранжировании продавцов ChatGPT может учитывать наличие товара, цену, качество предложения, а также статус продавца — например, является ли он производителем или основным поставщиком этого товара. Поэтому магазин с самой низкой ценой не обязательно окажется на первом месте.

Отсюда следует важный практический вывод. Если один и тот же товар продают 10 магазинов — хорошо оформленной и оптимизированной карточки недостаточно. Продавцу необходимо передавать проверяемые сведения о своих преимуществах:

• фактическое наличие и количество товара;
• стоимость и сроки доставки;
  условия и сроки возврата;
• продолжительность гарантии;
• возможность самовывоза;
• способы оплаты и другие значимые условия покупки.

Конкуренция в этом случае идет уже не только за соответствие карточки запросу пользователя, но и за качество самого предложения продавца.

SEO — это фундамент для видимости в AI. Если поисковая система не может нормально получить страницу, понять содержание или сопоставить с запросом, добавление специальных «текстов для нейросетей» проблему не решит.

Разница проявляется прежде всего в интентах (намерениях). Обычный запрос «купить робот-пылесос» легко сопоставить с категорией. В AI-поиске пользователь может спросить: «Какой робот-пылесос подойдет для квартиры 80 м² с кошкой, коврами и высоким порогом между комнатами?» И что нас с этим делать?

Интернет-магазину необходимо оптимизировать не только страницы под товарные названия, но и под сценарии выбора (ограничения, сравнения и характеристики). Мы стали использовать термин «сценарные страницы» — это страницы, которые создаются под конкретную задачу покупателя.

Например: «роботы-пылесосы для квартиры с животными», «ноутбуки для работы с 3D до 150 тысяч рублей» или «холодильники для маленькой кухни шириной до 60 см». Такие страницы помогают собрать в одном месте информацию, необходимую для конкретного сценария выбора.

Вы спросите: чем сценарная страница отличается от пресловутой теговой? Те же ягоды — вид сбоку

Теговая страница обычно строится вокруг 1-2 свойств товара: «ноутбуки 16 ГБ», «белые двухкамерные холодильники».

Сценарная страница строится вокруг задачи покупателя и может объединять сразу несколько характеристик. Например, «роботы-пылесосы для квартиры с кошкой и коврами» — здесь важны не только наличие определенной функции, но и мощность всасывания, работа с шерстью, высота порогов и другие параметры.

При этом сценарная страница не обязательно должна быть отдельным типом страницы в структуре сайта. Ее можно сделать на базе теговой, если добавить правильную выборку товаров, объяснение критериев выбора, характеристики и ответы на вопросы пользователя.

В первую очередь стоит выбирать сценарии, где есть поисковый спрос или понятная потребность покупателя, подходящий ассортимент и достаточно данных для полезного ответа.

А что делать, если спроса нет? Здесь пока поле для экспериментов.

Но создавать отдельную страницу под каждый возможный сценарий выбора не вижу смысла. Пользовательские запросы к нейросетям могут включать десятки комбинаций характеристик, ограничений и пожеланий, далеко не все из которых имеют поисковый спрос.

Поэтому решение о создании сценарной страницы стоит принимать с учетом не только частотности запросов, но и реальной потребности покупателей, ширины ассортимента и коммерческой ценности сценария.

Если спрос есть, сценарная страница может стать полноценной SEO-посадочной. Если спрос небольшой, но задача покупателя понятна, её можно раскрыть в существующей категории, подборке или статье о выборе товара.

В конечном счёте задача GEO — не создать страницу под каждый возможный вопрос нейросети, а сделать информацию о товарах доступной и пригодной для формирования ответов на самые разные покупательские запросы.

Хорошая карточка должна одновременно отвечать покупателю и передавать машине однозначные данные.

1. Сделайте характеристики фактическими

Уберите рекламные описания. Вместо «мощный и невероятно удобный пылесос» нужны конкретные параметры: мощность, масса, размеры, тип фильтра, объем контейнера, комплектация.

Добавляйте информацию о совместимости, ограничениях и сценариях применения, если она действительно помогает выбрать товар. Так карточка способна отвечать на разговорные запросы по свойствам.

2. Поддерживайте актуальные цену и наличие

Цена и наличие должны совпадать на странице, в structured data и товарных источниках.

На странице:

То есть:

В данном случае JSON-LD размещен непосредственно в исходном HTML страницы:

Для Google это особенно важно: поисковик предупреждает, что если разметка Product создается динамически с помощью JavaScript, робот Google может реже и менее точно считывать данные о товарах. Это особенно критично для информации, которая часто меняется, например цены и наличия товара. Поэтому рекомендуется размещать структурированные данные Product непосредственно в исходном HTML-коде страницы

3. Используйте Product structured data

Для товарной страницы базовой связкой служат Product и Offer. В зависимости от данных магазина могут использоваться AggregateRating, Review, Brand, сведения о доставке и MerchantReturnPolicy.

Для вариантов товара Google поддерживает ProductGroup, hasVariant, variesBy и productGroupID. Каждый вариант рекомендуется однозначно идентифицировать, например через SKU или GTIN.

На странице https://www.vseinstrumenti.ru/product/pylesos-karcher-vc-3-erp-eu-i-1-198-053-0-10987052/ используется базовая для товара связка Product + Offer, дополненная брендом и рейтингом:

И хотя, как заявляют поисковые системы, микроразметку не следует считать способом GEO продвижения, structured data дает поисковой системе стандартизированное описание сущностей и возможность странице участвовать в расширенных форматах поисковой выдачи.

Яндекс также поддерживает товарную разметку Product, Offer, AggregateOffer и OfferCatalog для получения информации о товарах.

4. Добавляйте отзывы ради информации, а не разметки

Отзывы полезны в первую очередь тем, что показывают реальный опыт покупателей. По ним можно понять, насколько товар долговечный и удобный, какие проблемы встречаются и какие есть особенности при использовании.

ChatGPT может делать сводки по отзывам с открытых сайтов. Но это не значит, что чем больше отзывов, тем выше страница будет показываться в ответах ИИ. Такой прямой зависимости никто не подтверждал.


FAQ тоже имеет смысл добавлять только тогда, когда вопросы и ответы реально помогают покупателю. Доказательств, что разметка FAQPage Schema сама по себе повышает вероятность того, что ИИ сошлется на страницу, нет.

Для GEO интернет-магазина особенно важны товарные фиды. Google получает данные о товарах через Merchant Center, OpenAI поддерживает структурированные товарные фиды, а Яндекс использует YML-фиды.

Через Merchant Center можно передавать название товара, цену, наличие, изображения, характеристики и другие данные, а информацию дополнять разметкой structured data на самой странице. AI Performance Insights также позволяет смотреть, какие характеристики товаров и запросы покупателей связаны с их показами в AI Mode и AI Overviews.

У Яндекса похожий принцип. Информацию о товарах он может получать после обхода и обработки страниц магазина, но для большого каталога лучше дополнительно передавать YML-фид. В нем можно явно указать товары, цены, наличие, категории, изображения, характеристики и другие данные. Это снижает зависимость от того, насколько правильно робот сам распознает информацию на странице, и помогает поддерживать товарные данные актуальными.

Поэтому GEO интернет-магазина нельзя строить только на текстах. Если в каталоге тысячи SKU, намного важнее нормально передавать структуру каталога, характеристики, цены, наличие, варианты товаров и своевременно обновлять эти данные. Еще один текст на 2000 символов не исправит ситуацию, если в фиде старая цена, нет характеристик или товар числится в наличии, хотя его давно нельзя купить.

По сути, для интернет-магазина фид становится отдельным слоем оптимизации. Фид передает точные товарные данные в структурированном виде. Лучше всего это работает, когда информация на странице, в разметке и в фиде совпадает и регулярно обновляется.

Внешние обзоры, публикации, отзывы и обсуждения могут давать AI дополнительную информацию о товаре и продавце. Особенно хорошо это видно на примере review summaries ChatGPT, для которых OpenAI может использовать отзывы с публичных сайтов.

Однако утверждение «упоминания бренда — фактор ранжирования GEO» доказанным считать нельзя. Публичной универсальной формулы такого типа платформы не публиковали.

Поэтому работа с репутацией имеет смысл не ради искусственного количества mentions, а ради появления независимых и проверяемых сведений: обзоров, опыта эксплуатации, тестов, сравнений, отзывов о продавце.

То же относится к E-E-A-T. Google не называет E-E-A-T отдельным измеримым ranking factor. Для интернет-магазина полезнее переводить абстрактное «доверие» в конкретику: кто продавец, как с ним связаться, как работают доставка, возврат, гарантия и поддержка.

ChatGPT Search и Shopping способны показывать товары, цены, изображения, продавцов, отзывы и ссылки для покупки. Для веб-видимости OpenAI использует отдельный поисковый crawler OAI-SearchBot; его можно разрешать независимо от GPTBot, который связан с обучением моделей.

Google использует AI Overviews и AI Mode, причем обычные SEO-рекомендации остаются применимыми и для этих поверхностей. Для ecommerce дополнительно важна инфраструктура Merchant Center.

Яндекс Нейро анализирует материалы из поиска и формирует ответ со ссылками на источники, а для товарных представлений Яндекс принимает структурированные данные и YML-фиды.

Gemini и Perplexity также участвуют в AI-поиске и выборе товаров, но переносить на них без проверки конкретные правила ChatGPT или Google нельзя. У каждой системы собственные источники, механизмы retrieval и продуктовые интерфейсы.

Причину стоит искать последовательно, а не начинать с переписывания текста.

1. База: проверьте доступность. Индексируются ли карточки и категории, не заблокирован ли нужный crawler, доступна ли основная информация без проблемного клиентского рендеринга.
2. Проверьте товарные данные. Есть ли название, бренд, идентификаторы, характеристики, цена, наличие, изображения и варианты.
3. Сверьте источники. Страница, structured data и feed не должны сообщать противоречащие друг другу цены или наличие.
4. Проверьте интенты. Карточка может отлично ранжироваться по модели товара, но ничего не сообщать о сценариях, по которым покупатель просит AI подобрать продукт.
5. Проверьте продавца. Доставка, возврат, гарантия и другие коммерческие условия должны быть понятными и актуальными.
6. Изучите внешнюю информацию. Для оценки продукта или продавца AI может обращаться не только к вашему сайту.

Если технических проблем нет, отсутствие рекомендации само по себе не доказывает наличие «GEO-фильтра». Другие товары могут просто лучше соответствовать конкретному запросу.

Для первичного аудита достаточно проверить четыре уровня.

1. Технический: индексируемость, robots.txt, canonical, sitemap, серверную доступность основного контента и доступ нужных поисковых роботов.
2. Товарный: Product/Offer markup, идентификаторы, характеристики, варианты, изображения, актуальные price и availability.
3. Коммерческий: доставка, возврат, гарантия, контакты, сведения о продавце и реальные конкурентные преимущества.
4. Интентный: категории, сравнения, buying guides и карточки должны закрывать реальные вопросы покупателей — «для кого подходит», «чем отличается», «с чем совместим», «какие ограничения».

После изменений измеряйте не один случайный ответ нейросети, а стабильный набор запросов. Для Google при наличии доступа можно использовать AI Performance Insights Merchant Center; для остальных систем — повторяемый мониторинг одних и тех же покупательских сценариев.

Главный принцип GEO для e-commerce поэтому довольно приземленный: товар должен быть доступен системе, однозначно описан, актуален и подходить под интент покупателя. А магазин должен давать AI достаточно проверяемых данных, чтобы отличить его предложение от десятков продавцов того же SKU.

Именно поэтому сильное продвижение в ИИ e-commerce начинается не с магической длины абзацев и не с llms.txt, а с технически доступного сайта, качественных product data, фидов, корректной разметки, полезных страниц выбора и реальных преимуществ продавца.