Кейс-исследование GEO-продвижения малого бизнеса в ответы нейросетей на рынке Лос-Анджелеса, США
Задача
Задача проекта: вывести локальную компанию в ответы языковых моделей ChatGPT, Perplexity, Gemini.
Клиент: местное предприятие по химчистке мебели в Лос-Анджелесе.
Язык сайта: английский
Рынок: высококонкурентный, представленный десятками аналогичных сервисов
Период исследования: апрель — середина июня 2026
Исходные условия проекта:
- ограниченный бюджет
- отсутствие технического специалиста
- нет никакой видимости в ИИ
- абсолютно новый сайт без истории продвижения, позиций в Google и накопленного SEO-веса.
Основной дефицит: невозможность технической доработки сайта (исправить ошибки, внедрить микроразметку, ускорить ответ бэкенда и тд). Это не моя специализация, а владелец самостоятельно мог только добавлять тексты в некоторые разделы и немного редактировать существующий контент.
Но у самого бизнеса были сильные стороны:
- рейтинг 5★ в Google Reviews, 40+ отзывов — новым был только сайт, а бизнес уже имел историю на рынке);
- актуальный Google Business Profile;
- присутствие в агрегаторах Yelp, Thumbtack, Angi — стало одним из главных активов для продвижения;
- профиль в Instagram.
и хорошие коммерческие преимущества:
- безопасные для людей и домашних животных средства;
- цена за чистку единицу мебели ниже среднерыночной на 10 долларов — очень сильное преимущество, близкое к «лучшая цена»;
- оценка стоимости по фотографии, без изменения в процессе фактического оказания услуг;
- быстрая сушка: мебелью можно пользоваться в тот же день.
Мой клиент не случайно задумался о сайте для бизнеса. В агломерации LA Metro с населением 13 млн. ИИ-сервисами регулярно пользуется 62%, в том числе для локального поиска. Это огромная аудитория, которая увеличивается с каждым месяцем.
На этом кейсе я одновременно провела мини исследование эмпирического характера и постаралась понять, выгодно ли вообще малому бизнесу проводить полное (и дорогое) SEO и GEO на дистанции 6-12 месяцев.
В силу насыщенности предложений, продвигаться в ИИ нужно было не по общим запросам, как «лучшая химчистка мебели в LA», а именно по преимуществам, которые закрывали реальные «боли» клиентов. Напр., «химчистка мебели с лучшей ценой, безопасные средства, оценить по фото» и тд.
Решение
При анализе конкурентов выяснилось, что рынок изобиловал как национальными сетевыми компаниями, так и местными поставщиками услуг. Некоторые — с хорошими позициями в поисковых результатах.
Еще выяснилось, что значительная часть сайтов использовала однообразные тексты, написанные ИИ, без редактирования человеком, без добавления уникальных данных и фактов. Тексты, написанные по примерно одинаковым промптам, для одной и той же географической зоны, одной и той же услуги — почти клоны.
По данным только около 12%-14% сайтов, цитируемых языковыми моделями, находятся в Топ-10 органической выдачи Google (Ahrefs, 2026). То есть, высокий рейтинг сайта в поиске не означает автоматическое попадание в ответы ИИ, а скорее повышает вероятность при условии, что контент хорошо структурирован и оптимизирован под нейросети. А если нет, как у наших конкурентов? — Появился небольшой шанс.
Фактор Perplexity
В отличие от ChatGPT и Gemini, которые в основном полагаются на Bing/Google с последующим переранжированием, LLM Perplexity — это ИИ-поисковая система с ответами, где поиск является центральной частью архитектуры, а не надстройкой. Краулер PerplexityBot быстрее, чем классические поисковики, реагирует на свежий и полный контент.
При одинаковых запросах пересечение цитируемых доменов между ChatGPT и Perplexity составляет всего 11%. (ZipTie.dev, 2026). Это означало, что можно попробовать появиться там, где конкуренция со стороны SEO-«силачей» ниже.
Стратегия «Cite Me» («Цитируй меня»)
Я предположила, что на фоне конкурентов, аутентичный и GEO-структурированный контент позволил бы установить «понятийный контакт» с моделью. На основе GBP, Google Reviews, Yelp, агрегаторов и Instagram можно было построить систему связанных и проверяемых фактов для LLM.
Так появилась стратегия «Cite Me», согласно которой сайт должен был сначала «заскочить» в Perplexity, затем (или параллельно) технически совершенствоваться и выполнять SEO. Но реализованы были только первые этапы. Например:
1. GEO-копирайтинг для коммерческих страниц. Подготовила тексты для основных разделов сайта. Включила сущности, фактологию и данные уникального опыта компании, спроектировала контент с учетом чанков и сниппетов для моделей.
Особое внимание уделила Главной странице. На ней сразу добавили блок Your Benefits, где УТП/преимущества были упакованы в легко считываемые списки и короткие абзацы.
2. Архитектура контента для AI-поиска. Точная иерархия H1–H3, каждый заголовок как ответ на запрос, формат Answer-First, короткие смысловые блоки, согласованные данные с GBP, Instagram, Yelp и Google Reviews.
3. Контент для блога. Изначально в разделе Blog уже присутствовали две-три небольшие статьи по чистке отдельных видов мебели. Вместо точечного редактирования каждой, я решила семантически собрать их все под одним «зонтичным» экспертным материалом. Написала статью-хаб «The Eternal Question of Furniture Cleaning», в которую включила сравнительные таблицы, практические рекомендации, уникальные данные из проф. опыта компании, разделы How To и FAQ.
Результат
За первый месяц удалось достичь:
- попадание в Top Recommendation ответов Perplexity;
- присутствие по группе коммерческих запросов;
- эпизодические появления в ChatGPT и Gemini (чего я вообще не ожидала);
- фрагменты с Главной страницы и из зонтичной статьи воспроизводились в рекомендациях Perplexity:
- для аргументации и построения ответа оркестратор цитировал преимущества компании;
- использование формулировок сайта в сравнительном анализе альтернатив.
Примеры. На скриншотах показано:
1) Попадание в блок Top Recommendation:
- на конструкт запроса «…a professional furniture... upholstery... cleaning company in Los Angeles…best prices» Perplexity ранжирует компанию Hollywood Steamers.
2) Сравнивает компании и рекомендует: «Contact Hollywood Steamers first for their 'best prices in LA market' claim».
От Perplexity сайт получил всплеск видимости. Но из-за того, что тех. ошибки не были исправлены, а SEO даже не начиналось, модель, естественно, стала снижать доверие.
Через полторы недели компания опустилась в ответах до блока «Альтернативы».
Еще через неделю — полностью исчезла. Не говоря уже о ChatGPT и Gemini.
Но как мы вообще смогли даже эпизодически появляться в них? Можно сказать, что секрет в вероятностной природе нейросетей: «взяли и выбрали просто так» :-) Реальный ответ: к качественному контенту, согласованному с независимыми внешними сигналами доверия, на короткое время добавился вес агрегаторов.
78% частных локальных поставщиков любых услуг почти не представлены в ИИ (5WPR, 2026). В подавляющем большинстве, в ответах нейросетей появляются одни и те же несколько сетевых компаний и разделы платформ-агрегаторов по каждому городу. Доминируют платформы. Yelp, Angi и Thumbtack совокупно собирают больше упоминаний, чем все сетевые сервисные компании вместе взятые. Малый бизнес в локальных услугах — одном из крупнейших сегментов потребительской экономики США — для ИИ-движков почти «невидимка».
Фактически, это кризис видимости в ИИ, который сектор местных услуг еще не осознаёт, и не понимает будущего экономического ущерба для себя. Зато платформы прекрасно понимают все перспективы. Не случайно Yelp заключил соглашение с Open AI, по условиям которого огромная база данных Yelp (отзывы, рейтинги, фото, детали бизнеса) напрямую встраивается в ответы ChatGPT на локальные запросы, а пользователь в ответе модели видит официальный брендинг Yelp и ссылки на профили локальных поставщиков.
Выводы по кейсу
Основными факторами первичного успеха стали:
• GEO-инертность конкурентов — ни одно МСП в нише клиента не проводило генеративную оптимизацию;
• правильно выбранная LLM;
• контентные стратегии;
• согласованность фактов с внешними источниками;
1) При наличии хорошего рейтинга в GBP, высоких отзывов, присутствии на платформах-агрегаторах, даже с новым и технически слабым сайтом у малого бизнеса есть шанс добиться первичной AI-видимости на короткое время за счет грамотного текстового инжиниринга.
2) Без технически качественного сайта, последовательного развития SEO на длинных дистанциях невозможно устойчиво закрепиться ни в одной модели.
Выводы по исследованию:
Для ИИ бренд – это сложная структура данных, а не просто сайт и отзывы. У нац. сетей и агрегаторов эта структура выстроена почти идеально. Домены агрегаторов обладают высоким трастом со стороны ИИ. Но платформы для нейросетей лишь один из факторов в локальных услугах.
SEO является «топливом» и дает накопительный эффект, стабильно поддерживая доверие к бренду. Возможно, маленькой компании это и не даст «сущностной силы», как у крупных компаний, но точно повысит шансы на рекомендации через агрегаторы.
Локальные бизнесы, которые работают в больших городах должны последовательно выполнять полный цикл. Те же, кто ограничится тактикой «здесь и сейчас» (сарафанным радио, реклама) рискуют потерять вообще всю аудиторию в будущем, а следовательно, и свой бизнес.
Презентация проекта
