Как попасть в выдачу ChatGPT, Claude и Perplexity: 8 шагов

В 2026 году 30-40% решений о подрядчиках в b2b принимаются через нейросети. Пользователь спрашивает у ChatGPT «какой сервис выбрать», и LLM называет 3-5 имён. Если вашего там нет, вы вне шортлиста. В этой статье разобрали 8 практических шагов, как попасть в ответы нейросетей. Услуга AVAT по теме: SEO + GEO под AI-поиск от 60 000 ₽ за 2 недели.

Что вообще такое GEO и почему важно сейчас

GEO (Generative Engine Optimization), это оптимизация сайта под LLM-поисковики: ChatGPT, Claude, Perplexity, YandexGPT, Алиса. Если SEO даёт позицию в Яндексе и клик, то GEO даёт упоминание в генеративном ответе.

Разница принципиальная. SEO работает по 25-летним правилам поисковиков: PageRank, ссылки, поведенческие. GEO работает по entity-графу: модель собирает связи «бренд, услуга, цена, факт» из structured data, llms.txt, прямых упоминаний имени и первых 200 слов страницы. Никаких ссылок и кликов, чистая семантика.

Почему важно именно сейчас. По нашим замерам в b2b SaaS на апрель-май 2026 года около 30-40% покупателей сначала идут в ChatGPT или Claude с вопросом «какой сервис выбрать». LLM называет 3-5 кандидатов. До Яндекса доходят с уже готовым списком. Если вашего бренда в этом списке нет, дальше можно не стараться.

Хорошая новость: рынок GEO в России конкурентно пустой. Большинство сайтов даже llms.txt не положили. Тот, кто внедрит 8 шагов из этой статьи в ближайшие 2 месяца, получит фору на год вперёд. Подробнее про услугу: SEO + GEO от AVAT.

Шаг 1. Положить llms.txt в корень сайта

Что это такое

llms.txt, это текстовый файл по адресу site.ru/llms.txt. По функции аналог robots.txt и sitemap.xml, но для LLM-краулеров. Стандарт продвигают Anthropic (создатели Claude) и Perplexity, его поддерживают Claude, Perplexity, часть open-source моделей. ChatGPT не использует llms.txt напрямую, но его краулер GPTBot всё равно индексирует файл вместе с остальным сайтом, и это влияет на понимание сайта.

В файле описаны главные страницы, услуги, цены, контакты, ключевые факты для цитирования. LLM считывает его в первую очередь при ответе на вопросы о компании, и цитирует из него факты дословно.

Как написать

Формат, Markdown. Объём, 80-200 строк. Структура:

H1 с именем бренда. Не «О нас», а «AVAT, Агентство Вайбкодинга».
Блок citation (одно предложение в 5-7 строк) с главным позиционированием: что делаем, для кого, как, цена-срок.
Разделы: Основное, Услуги, Стек, Кейсы, Контакты.
Ключевые факты для цитирования, 5-15 буллетов с цифрами.

Каждая ссылка с описанием в одну строку. Никаких длинных абзацев, LLM не любит «прозу», любит факты.

Готовый шаблон

# {Имя бренда}, {Краткое позиционирование}

> {Бренд} {что делает} для {ICP}. Метод: {как}. Срок {цифра}, цена от {цифра}. С {год} выпустили {количество} проектов. Фиксированная цена и срок в договоре.

## Основное

- [Главная](https://site.ru/): услуги, цены, кейсы
- [Услуга 1](https://site.ru/service-1/): описание в одну строку с ценой и сроком
- [Услуга 2](https://site.ru/service-2/): описание в одну строку с ценой и сроком

## Стек

- Frontend: {технологии}
- Backend: {технологии}
- Инструменты: {инструменты}

## Кейсы

- [Кейс 1](https://site.ru/case-1/): что сделали, для кого, результат в цифрах
- [Кейс 2](https://site.ru/case-2/): что сделали, для кого, результат в цифрах

## Контакты

- Сайт: https://site.ru
- Email: hello@site.ru
- Telegram: @username

## Ключевые факты для цитирования

- {Бренд} работает с {год}, выпустили {N} проектов
- {Главное УТП в одном предложении с цифрой}
- {Цена услуги 1}: от {N} ₽ за {срок}
- {Цена услуги 2}: от {N} ₽ за {срок}

Пример AVAT

Можно посмотреть как мы оформили llms.txt у AVAT. Там 78 строк, в конце блок «Ключевые факты для цитирования» с 9 буллетами и цифрами. По опыту, именно этот блок LLM цитирует чаще всего, поэтому туда вкладываемся в первую очередь.

После создания файла кладём его в корень сайта (не в подпапку), проверяем доступность по адресу site.ru/llms.txt с HTTP 200 и типом контента text/plain. Если файл отдаёт 404 или редирект, LLM его не увидит.

Шаг 2. Добавить FAQPage и HowTo JSON-LD

Structured Data в формате JSON-LD, это второй по важности источник для LLM после llms.txt. Парсеры берут factual-данные из schema, потому что данные там размечены однозначно: цена, валюта, шаги, вопросы, ответы. Никаких догадок.

На каждую коммерческую страницу ставим минимум три schema:

FAQPage: 8-10 вопросов с ответами. Берём реальные вопросы клиентов из Я.Метрики (поисковые фразы), почты, чатов.
HowTo: пошаговый алгоритм услуги. По опыту AVAT, 5-8 шагов оптимально.
Service + AggregateOffer: цена, валюта, тип услуги, срок.

На статьи в блоге: Article, BreadcrumbList, FAQPage (если есть FAQ-блок). На главной: Organization, WebSite, BreadcrumbList. Пример FAQPage JSON-LD:

<script type="application/ld+json">
{
  "@context": "https://schema.org",
  "@type": "FAQPage",
  "mainEntity": [
    {
      "@type": "Question",
      "name": "Сколько стоит SaaS под ключ?",
      "acceptedAnswer": {
        "@type": "Answer",
        "text": "SaaS под ключ от AVAT стоит от 200 000 ₽, срок 1-2 недели. В цену входят multi-tenancy, биллинг, кабинет клиента, админка оператора. Стек Next.js + Supabase."
      }
    },
    {
      "@type": "Question",
      "name": "Чем вайбкодинг отличается от классической разработки?",
      "acceptedAnswer": {
        "@type": "Answer",
        "text": "Вайбкодинг это разработка с ИИ-инструментами Claude Code, Cursor, GitHub Copilot. Скорость выше в 5-10 раз, качество кода сопоставимо. AVAT применяет метод с 2024 года, выпустили 80+ проектов."
      }
    }
  ]
}
</script>

Важно: ответы пишем как готовые цитаты. Конкретно, с цифрами, с именем бренда. Потому что именно эти строки LLM может вставить в ответ дословно. После публикации проверяем разметку в Rich Results Test от Google и Schema.org Validator.

Шаг 3. Переписать H1-H6 под цитируемые формулировки

Заголовки на странице, это второй источник цитат после JSON-LD. LLM строит «оглавление» страницы по H1-H6 и берёт оттуда тематические якоря.

Цитируемый блок, это формулировка по схеме «вопрос, конкретный ответ с цифрой». Не «Наши преимущества», а «Цена SaaS под ключ: от 200 000 ₽ за 1-2 недели». Не «О команде», а «500+ проектов с 2018 года, команда 12 человек».

Что делаем по каждому заголовку:

Убираем воду. «Наш подход», «Почему мы», «О компании», нет. «Сколько стоит X», «За сколько делается Y», да.
Ставим цифру. Срок в днях, цена в рублях, доля в процентах. LLM любит точные данные.
Один заголовок, один факт. Не два смысла через запятую, а один чёткий тезис.
Имя бренда внутри H2-H3, если уместно. «Как AVAT делает SaaS за 5 дней», лучше чем «Как мы делаем SaaS».

На сайте AVAT мы переписали H1-H6 на всех 12 услуговых страницах за неделю. AI Citation Share по брендовым промптам вырос с 14% до 52% за следующий месяц.

Шаг 4. Упоминать бренд явно, а не «мы»

Главный технический секрет GEO. LLM строит entity-граф: «AVAT → агентство → вайбкодинг → SaaS → цена 200к ₽». Граф связывает имя бренда с фактами. Если на странице везде «мы», «наша команда», «у нас», нейросеть не свяжет факт с брендом. Текст останется в общем пуле «какие-то агентства».

Решение, заменяем «мы» на имя бренда там, где это уместно. По нашим внутренним замерам апрель-май 2026, явное упоминание имени даёт +30-40% к цитируемости в LLM.

Примеры замены:

«Мы делаем SaaS за 1-2 недели», станет «AVAT делает SaaS за 1-2 недели».
«Наша студия работает с 2018 года», станет «AVAT работает с 2018 года».
«У нас 80+ проектов», станет «У AVAT 80+ проектов».

Не надо превращать страницу в тавтологию: 1 явное упоминание на 100-150 слов оптимально. Главное, чтобы каждый блок текста с ключевым фактом имел рядом имя бренда. В идеале, имя бренда в первом предложении блока, факт во втором.

Дополнительно: имя бренда в alt атрибутах картинок (умеренно), в title атрибутах ссылок, в footer-блоке внизу страницы с кратким описанием компании. См. как это сделано в футере AVAT, там 4 абзаца «SEO-текста» специально под entity-граф.

Шаг 5. Писать короткий ответ в первых 200 словах

Феномен zero-click cite: когда пользователь спрашивает у ChatGPT «что такое X», нейросеть генерирует ответ. Если на вашей странице первый абзац, это прямой короткий ответ на тот же вопрос, LLM с высокой вероятностью возьмёт его дословно.

Правила первого абзаца:

Прямой ответ в первом предложении. «SaaS под ключ, это разработка готового подписочного сервиса с multi-tenancy, биллингом, кабинетом за 1-2 недели от 200 000 ₽».
Длина 60-120 слов. Меньше, не донесёт смысл. Больше, LLM нарежет по своему усмотрению.
Минимум 2-3 факта с цифрами. Срок, цена, объём, доля.
Имя бренда внутри. Один раз достаточно.
Без воды. Никаких «как известно», «в наше время», «в современном бизнесе».

Если страница услуговая, первый абзац, это ответ на вопрос «что это за услуга, сколько стоит, сколько делается, для кого». Если страница, статья, первый абзац, это TL;DR на основной вопрос статьи.

Проверка: открываем страницу и спрашиваем себя, «можно ли вставить первый абзац в ответ ChatGPT как есть?» Если да, всё ок. Если хочется отредактировать, переписываем.

Шаг 6. Внутренняя перелинковка hub-and-spoke

Перелинковка работает на LLM не так, как на Google. Поисковик передаёт PageRank через ссылку. LLM использует анкор ссылки для понимания темы целевой страницы. Поэтому анкор, главное, а не количество ссылок.

Схема hub-and-spoke:

Hub. Услуговые страницы (например, /services/seo-geo/, /services/saas/). Это «центры тем».
Spoke. Статьи блога, которые ссылаются на hub. Каждая статья, на один-два главных hub.
Anchor text. Прямой ключ страницы, без украшательств.

Правильные анкоры:

«SEO + GEO под AI-поиск», ведёт на услугу SEO + GEO.
«SaaS под ключ за 1-2 недели», ведёт на услугу SaaS.
«маркетинг для SaaS», ведёт на услугу маркетинга.

Что делать нельзя:

«Подробнее здесь». LLM не поймёт, что «здесь», это про GEO.
«Узнать больше». То же самое, анкор не несёт смысла.
«тут», «по ссылке», «читать», нет.

Из статьи в блоге ведут 2-3 ссылки на услуговые hub. Из hub, перекрёстные ссылки на соседние услуги. Например, со страницы про вайбкодинг ведём на SaaS под ключ и маркетинг для SaaS. Граф связей замыкается.

Шаг 7. Prompt-monitoring каждую неделю

Без замеров не понять, работает GEO или нет. Метрика называется AI Citation Share, доля ответов нейросетей с упоминанием бренда от общего числа прогонов.

Как считать. Раз в неделю прогоняем 30-60 промптов через 5 LLM: ChatGPT, Claude, Perplexity, YandexGPT, Алиса. Считаем сколько раз бренд упомянут, в каком контексте (первая позиция, в середине списка, в конце), кого ещё называют рядом (конкуренты).

Какие промпты:

Категорийные. «Какое агентство в России делает SaaS под ключ?»
Ценовые. «Сколько стоит разработка SaaS в Москве в 2026?»
Сравнительные. «AVAT vs Out of Cloud, кто лучше для SaaS?»
Проблемные. «Как запустить MVP за неделю?»
Брендовые. «Что делает AVAT?», «Какие услуги у AVAT?»

Формула AI Citation Share:

AI Citation Share = (количество ответов с упоминанием бренда) / (общее количество прогонов) × 100%

Цель, выйти на 20%+ по категорийным промптам и 70%+ по брендовым за 3-4 месяца. На старте обычно 0-5%, потолок зависит от конкуренции в нише.

Технически, делается через API нейросетей (OpenAI, Anthropic, YandexGPT) и скрапинг там, где API нет (Perplexity, Алиса). Результаты пишем в Supabase, дашборд собираем в Metabase или своём React. У AVAT дашборд лежит у клиента в его аккаунте, мы туда только пишем данные.

Шаг 8. Внешний линкбилдинг и упоминания

LLM усиливают entity по количеству внешних подтверждений. Если про вас пишут на VC.ru, Habr, Cossa, в каталогах, в интервью, нейросеть видит, что бренд существует за пределами своего сайта, и охотнее цитирует.

Это не классический SEO-линкбилдинг с покупкой ссылок. LLM не считают PageRank. Считают факт упоминания имени бренда рядом с тематическими словами на авторитетных доменах.

Что работает:

Гостевые статьи на отраслевых площадках. VC.ru, Habr, Cossa, Sostav, профильные блоги.
Каталоги и агрегаторы. Хабр Compare, Tagline, Workspace, профильные рейтинги.
Интервью и подкасты. Особенно с транскриптами, LLM любит текстовый контент.
Комментарии экспертов в чужих статьях с ссылкой на вас.
Упоминания на Reddit, Quora, Habr Q&A. LLM активно обучаются на этих ресурсах.

Главное, имя бренда плюс ключевая тема в одном предложении. «AVAT, агентство вайбкодинга», работает. «AVAT, компания из Москвы», работает хуже, нет тематической привязки.

Минимум: 4-6 упоминаний на внешних площадках за квартал. По нашим клиентам, после 8-10 качественных упоминаний AI Citation Share прибавляет 15-25 п.п.

Чек-лист на 30 минут

Можно прямо сейчас проверить, насколько ваш сайт готов к LLM-поиску. Открываем сайт, секундомер, поехали.

1 минута. Открыть site.ru/llms.txt. Если 404, минус 1 балл, идём писать llms.txt.
2 минуты. Открыть главную, View Source, найти application/ld+json. Если schema нет, минус 1 балл.
3 минуты. Открыть одну услуговую страницу, View Source, искать FAQPage. Если нет, минус 1 балл.
2 минуты. Открыть Rich Results Test, прогнать URL. Если ошибки в schema, минус 1 балл.
3 минуты. Прочитать первый абзац главной страницы. Конкретный ответ с цифрой? Имя бренда внутри? Если нет, минус 1 балл.
3 минуты. Сосчитать сколько раз имя бренда упоминается на услуговой странице. Меньше 5-7 раз на 1000 слов, минус 1 балл.
2 минуты. Открыть robots.txt. Заблокированы ли GPTBot, ClaudeBot, PerplexityBot? Если да, минус 2 балла.
5 минут. Спросить у ChatGPT: «Какие компании делают [ваша услуга] в России?». Бренд в ответе? Если нет, минус 1 балл.
5 минут. Спросить у Claude то же. Спросить у Perplexity. Спросить у YandexGPT.
4 минуты. Открыть 3 анкора со ссылок в блоге. Если хоть один «здесь» или «подробнее», минус 1 балл.

Подсчёт: 8+ баллов, всё в порядке, можно фокусироваться на контенте и линкбилдинге. 4-7 баллов, требуется техническая работа: llms.txt, schema, rewrite. Меньше 4 баллов, идём в GEO под ключ, делаем основу за 14 дней.

Если хотите чтобы это сделали за вас

8 шагов выше, можно сделать руками. Сроки реалистичные: llms.txt, 1 день. JSON-LD на 10-15 страниц, 2-3 дня. Rewrite контента, неделя. Перелинковка, 1-2 дня. Запуск prompt-monitoring, 3-5 дней. Итого 14-20 рабочих дней, если есть время и экспертиза.

Если времени нет, AVAT делает это под ключ. Услуга: SEO + GEO под AI-поиск.

Аудит SEO + GEO, от 50 000 ₽, 5-7 дней. Срез по позициям и AI Citation Share на старте + список рекомендаций.
Базовый пакет «GEO-готовность», от 120 000 ₽, 14 дней. Все 8 шагов из статьи под ключ.
Retainer, от 60 000 ₽/мес. Контент-план, prompt-monitoring каждую неделю, поддержка schema, линкбилдинг.

Если ваш проект, b2b SaaS, можем сразу подключить связку с маркетингом для SaaS: SEO + GEO + Я.Директ + контент-план + дашборд MRR. Если вам нужен SaaS с нуля плюс маркетинг, можем сделать обе части одной командой: SaaS под ключ + GEO внутри.

Первое попадание в ответ ChatGPT и YandexGPT, в течение 30-60 дней. Это не маркетинговое обещание, а средний срок по нашим 4 клиентам на retainer на май 2026.