Продолжение GEO-исследования Siteonic
Один из главных вопросов GEO-оптимизации — какие элементы страницы действительно связаны с тем, что нейросеть выбирает ее в качестве источника ответа.
В первой части исследования мы проверили Title и URL и обнаружили заметную связь между формулировкой пользовательского запроса и страницами, которые используют OpenAI, Gemini, DeepSeek и Yandex GenSearch. Особенно сильной эта связь оказалась у Yandex, а OpenAI заметно чаще остальных выбирал страницы по смыслу, даже когда точного лексического совпадения было меньше.
Теперь мы пошли дальше и проверили два других элемента страницы: H1 и meta Description.
Главный вопрос исследования: насколько H1 и Description страниц, которые ИИ выбирает в качестве источников, связаны с исходным пользовательским запросом — и что важнее: Title, H1 или Description?
Короткий ответ: связь есть у всех трех элементов. Но после статистического контроля наиболее сильным и специфичным сигналом остается Title. Description идет следом, H1 — слабее. При этом буквальное повторение длинного запроса практически нигде не требуется.
Как мы проводили исследование
Исходная выборка состояла из 300 пользовательских запросов, максимально приближенных к реальным сценариям аудитории. Каждый запрос проверялся в четырех системах:
- OpenAI;
- Gemini;
- DeepSeek;
- Yandex GenSearch.
Всего исходная панель включала около 1200 ответов и несколько тысяч страниц-источников. Брендовые запросы из анализа исключались, чтобы название конкретной компании не создавало искусственно высокий процент совпадений.
Для продолжения исследования мы дополнительно собрали непосредственно с сайтов HTML Title, H1, meta Description, canonical и технические данные страницы.
Для анализа мы использовали подборку в 1785 наиболее часто используемых URL. Они покрывали примерно 70% всех небрендовых цитирований в исходной выборке.
После соединения данных с исходными ответами ИИ мы получили 4563 реальные пары: пользовательский запрос → ИИ → выбранный URL.
Это уже достаточно крупная выборка, чтобы увидеть устойчивые закономерности.
Что именно мы сравнивали
Для каждой реальной пары «запрос → выбранная страница» мы сравнивали текст запроса отдельно с H1 и Description. Использовались четыре уровня соответствия.
- Прямое совпадение слова. Проверяли, встречается ли хотя бы одно значимое слово запроса в том же виде.
- Совпадение по основе слова. Дополнительно учитывались разные словоформы: например, «подарок», «подарить», «подарочный».
- Два и три слова подряд. Проверяли точные последовательности из двух или трех значимых слов исходного запроса.
- Контроль со случайными запросами. Для каждой реальной пары «запрос A → страница X» создавался контроль «другой запрос B → та же страница X».
Для контроля использовались IDF-взвешенная лексическая релевантность и показатель AUC. Условно, 0,5 означает, что признак почти не отличает реальную пару от случайной; чем ближе значение к 1, тем сильнее специфическая связь страницы именно с тем запросом, для которого ее выбрал ИИ.
Результат №1. H1 действительно связан с пользовательским запросом
| Система | Прямое слово | По основе слова | 2 слова подряд | 3 слова подряд |
|---|---|---|---|---|
| OpenAI | 37,4% | 53,8% | 10,8% | 1,6% |
| Gemini | 53,8% | 74,3% | 18,0% | 3,5% |
| DeepSeek | 51,2% | 69,8% | 17,5% | 2,5% |
| Yandex GenSearch | 63,4% | 82,1% | 22,1% | 4,0% |
Связь хорошо видна во всех четырех системах. Особенно у Yandex GenSearch: 82,1% выбранных страниц содержали в H1 хотя бы одно слово, совпадающее с запросом по основе. У Gemini — 74,3%, у DeepSeek — 69,8%, у OpenAI — 53,8%.
То есть уже на уровне H1 сохраняется та же закономерность, которую мы увидели в первой части исследования: Yandex сильнее привязан к буквальной лексике страницы, OpenAI — слабее.
Но H1 оказался слабее Title
| Система | Title — совпадение по основе | H1 — совпадение по основе |
|---|---|---|
| OpenAI | 73,2% | 53,8% |
| Gemini | 90,0% | 74,3% |
| DeepSeek | 86,3% | 69,8% |
| Yandex GenSearch | 92,8% | 82,1% |
Разница заметна во всех системах. Поэтому распространенная гипотеза «для GEO H1 важнее Title» на наших данных не подтверждается.
Это не означает, что H1 неважен. Он явно связан с тематикой запросов, для которых страницу выбирает ИИ. Но Title показывает более сильную лексическую связь.
Результат №2. Description содержит слова запроса очень часто
| Система | Прямое слово | По основе слова | 2 слова подряд | 3 слова подряд |
|---|---|---|---|---|
| OpenAI | 60,8% | 76,1% | 17,7% | 2,3% |
| Gemini | 74,2% | 88,8% | 24,5% | 3,4% |
| DeepSeek | 69,8% | 86,9% | 25,2% | 2,7% |
| Yandex GenSearch | 80,2% | 93,5% | 27,8% | 5,5% |
На первый взгляд Description выглядит одним из самых сильных факторов. Например, у OpenAI совпадение по основе составляет 76,1%, у Yandex — 93,5%. В отдельных случаях это даже выше, чем у Title.
Но здесь важно не ошибиться в интерпретации: Description обычно существенно длиннее Title и H1, поэтому чисто статистически в нем выше вероятность встретить слова пользовательского запроса.
Что показал контроль со случайными запросами
Чтобы отделить реальную специфическую связь от эффекта длины текста, мы сравнили фактические пары со случайными и рассчитали AUC.
| Система | Title AUC | Description AUC | H1 AUC |
|---|---|---|---|
| OpenAI | 0,737 | 0,721 | 0,692 |
| Gemini | 0,848 | 0,821 | 0,797 |
| DeepSeek | 0,822 | 0,808 | 0,766 |
| Yandex GenSearch | 0,866 | 0,843 | 0,825 |
После статистического контроля порядок одинаков во всех четырех системах: Title → Description → H1.
Description действительно очень хорошо отражает тематику пользовательского запроса. Но после сравнения с контрольными запросами Title оказывается более специфичным сигналом. H1 также имеет выраженную связь, но она слабее.
Yandex снова оказался наиболее лексически ориентированной системой
Еще один важный результат — различия между ИИ практически полностью повторили первую часть исследования. По степени лексической связи снова получился порядок: Yandex → Gemini → DeepSeek → OpenAI.
Например, AUC Description составляет 0,843 у Yandex GenSearch, 0,821 у Gemini, 0,808 у DeepSeek и 0,721 у OpenAI.
Особенно важно, что эта закономерность теперь наблюдается не на одном факторе, а сразу на нескольких: URL, Title, H1 и Description. Это делает различия между системами более устойчивыми.
Нужно ли вставлять запрос пользователя в H1 и Description целиком
Судя по данным — нет. Точные последовательности из нескольких слов встречаются редко.
| Система | 3 слова подряд в H1 | 3 слова подряд в Description |
|---|---|---|
| OpenAI | 1,6% | 2,3% |
| Gemini | 3,5% | 3,4% |
| DeepSeek | 2,5% | 2,7% |
| Yandex GenSearch | 4,0% | 5,5% |
То есть модель «пользователь спрашивает длинной фразой → такую же фразу нужно буквально вставить в H1» данными не подтверждается.
Гораздо важнее, чтобы страница явно описывала продукт, категорию, аудиторию, сценарий использования, географию и задачу пользователя.
Что это значит для GEO-оптимизации
- Title остается одним из самых сильных элементов страницы. Из трех исследованных элементов именно он показывает наиболее сильную специфическую связь с пользовательским запросом.
- Description тоже важен. Он позволяет шире раскрыть продукт, категорию, аудиторию и пользовательский сценарий.
- H1 должен четко описывать тему страницы, но нет оснований превращать его в набор ключевых слов.
- Не нужно оптимизировать страницу под один exact-match запрос. Перспективнее работать с кластерами пользовательских сценариев и сущностей.
Например, одна сильная тематическая страница может одновременно быть релевантна запросам «куда сходить с девушкой», «идея свидания», «что подарить девушке», «романтический вечер вдвоем» и «сертификат для пары», если ее содержание действительно закрывает общий пользовательский сценарий.
Значит ли это, что Title, H1 и Description напрямую влияют на цитирование?
Здесь важно не выходить за пределы того, что позволяют доказать данные. Исследование показывает статистическую связь между формулировкой пользовательского запроса и Title, H1 и Description страниц, которые ИИ фактически выбирают как источники.
Но оно пока не позволяет строго утверждать: «если изменить H1, вероятность цитирования увеличится на X%». Для такого вывода нужен другой дизайн эксперимента — сравнение выбранных страниц с релевантными, но не выбранными.
Именно такие исследования мы планируем проводить дальше.
GEO — это не замена SEO и не просто SEO для нейросетей
Один из главных выводов наших исследований заключается в том, что противопоставлять SEO и GEO неправильно. Нейросети действительно умеют работать с семантикой и понимать смысл, но классические элементы страницы никуда не исчезают.
ИИ выбирают источники, в которых понятна тематика, явно обозначены ключевые сущности, Title соответствует содержанию, Description раскрывает контекст, H1 ясно объясняет тему, URL отражает категорию страницы, а основной контент действительно отвечает на пользовательский вопрос.
Задача GEO — не «набить страницу ключевыми словами для ChatGPT», а сделать компанию, продукт и контент максимально понятными для генеративных систем во всех точках, где ИИ принимает решение, кого упомянуть и на какой источник сослаться.
Почему мы проводим собственные GEO-исследования
В Siteonic мы рассматриваем GEO как отдельную аналитическую дисциплину, а не как набор предположений вокруг нейросетей. Рынок меняется слишком быстро, чтобы строить продвижение только на чужих статьях и универсальных рекомендациях.
Поэтому мы постоянно расширяем собственную исследовательскую базу:
- собираем реальные ответы различных ИИ-систем;
- анализируем источники, на которые они ссылаются;
- сравниваем OpenAI, Gemini, DeepSeek и Yandex;
- изучаем влияние структуры страниц и контента;
- проверяем, какие площадки чаще становятся источниками;
- анализируем пользовательские сценарии, по которым бренды появляются или не появляются в ответах ИИ;
- проверяем гипотезы на реальных данных.
Так мы постепенно формируем практическую методологию GEO-продвижения, основанную не на догадках, а на измеримых данных.
GEO-аудит и GEO-продвижение от Siteonic
Если вы хотите понять, как ваш бренд представлен в ответах ChatGPT, Gemini, DeepSeek, Yandex и других генеративных систем, мы можем провести комплексный GEO-аудит.
В рамках исследования мы анализируем:
- реальные запросы вашей целевой аудитории;
- присутствие бренда в ответах ИИ;
- позиции относительно конкурентов;
- сайты и площадки, на которые ссылаются нейросети;
- страницы вашего сайта, которые уже используются или потенциально могут использоваться как источники;
- Title, H1, Description, структуру и контент страниц;
- внешние источники и площадки, на которых бренду стоит присутствовать;
- сценарии, в которых ИИ рекомендует конкурентов, но не вашу компанию.
По результатам формируется конкретная стратегия GEO-продвижения: какие страницы создавать и дорабатывать, какие сущности усиливать, на каких внешних площадках размещаться и по каким пользовательским сценариям необходимо наращивать присутствие.
Мы можем как провести разовый GEO-аудит, так и взять на себя системное GEO-продвижение бренда.
Хотите понять, насколько ваш бизнес уже виден в ИИ и где находятся точки роста? Оставьте заявку на GEO-аудит Siteonic на siteonic.ru.
Итог исследования
На выборке из 1 785 наиболее часто используемых URL мы увидели устойчивую связь между пользовательским запросом и основными элементами источников, которые выбирают генеративные системы.
После статистического контроля порядок выглядит так: Title → Description → H1.
- все три элемента действительно связаны с запросом;
- Yandex сильнее остальных ориентирован на буквальную лексику;
- Gemini и DeepSeek занимают промежуточное положение;
- OpenAI заметно свободнее работает с формулировками;
- точное повторение длинных запросов не требуется;
- гораздо важнее правильные сущности, структура и однозначная тематика страницы.
Эффективная GEO-оптимизация — это не поиск одного «секретного фактора». Это системная работа над тем, чтобы по всему цифровому следу компании ИИ однозначно понимал, кто вы, что предлагаете, для кого это предназначено и в каких пользовательских сценариях ваш бренд должен появляться в ответе.