редакции
Мы прогнали 75 промптов через четыре нейросети. Вот что они говорят о фитнес-клубах и как это изменить
Попробуйте прямо сейчас спросить у Алисы, какие фитнес-клубы есть в вашем городе. держим пари, она уверенно назовет три-четыре названия. Если вашего клуба среди них не окажется, вы об этом не узнаете. Ни Метрика, ни рекламный кабинет, ни отчет подрядчика, ни гадание на картах этого не покажут.
Мы решили разобраться, насколько велика эта слепая зона, и заодно понять, как устроено продвижение в AI-поиске на практике. Взяли сеть фитнес-клубов, работающую в нескольких регионах, и построили систему замеров: семьдесят пять типовых вопросов, четыре нейросети, контрольные точки с интервалом в месяц.
За месяц количество упоминаний выросло с сорока четырех до ста сорока одного. Втрое с небольшим.
Но интереснее оказался не сам рост, а то, насколько по-разному отреагировали разные модели. Разброс от плюс трех до плюс сорока семи при абсолютно одинаковой работе.
Как выдача перестала быть списком ссылок
Еще пару лет назад поисковая выдача выглядела предсказуемо: реклама сверху, органика ниже, задача бизнеса — подняться повыше. Механика была понятна всем, спорили только о методах.
Сейчас все чаще первым блоком идет ответ нейросети. Не перечень сайтов, а готовый текст: вот такие клубы есть в вашем районе, у этого бассейн и детские группы, а вот тот работает круглосуточно.
Принципиально важно, где именно этот блок находится. Он стоит выше рекламного. То есть формирует представление человека раньше, чем до него доберется любое платное объявление.
При этом источник данных для такого ответа — не рекламный бюджет. Модель собирает то, что смогла найти в открытом доступе: сайт, карточки в геосервисах, отзывы, публикации, упоминания в других материалах. Дальше она это пересказывает своими словами.
И вот здесь возникает развилка. Если информации достаточно и она структурирована — модель процитирует вас корректно. Если данных мало — достроит картину из обрывков. Перепутает услуги, назовет устаревший адрес или просто не упомянет вас там, где вы по всем признакам должны быть.
Проблема в том, что заметить это самостоятельно почти невозможно. Отсутствие в AI-выдаче не отражается ни в одной привычной метрике.
Почему GEO-продвижение не работает без SEO
Прежде чем перейти к цифрам, стоит проговорить одну вещь, которая обычно теряется в разговорах про AI-оптимизацию.
GEO-продвижение — работа с видимостью в нейросетях — это не самостоятельный канал, который можно включить отдельно. Это надстройка над обычным SEO, и она работает только на качественном фундаменте.
Логика простая. Нейросеть не придумывает информацию с нуля, она берет то, что уже проиндексировано и доступно. Если сайт технически неисправен, страницы отдают ошибки, метаданные не заполнены, а контента по теме нет — модели просто нечего цитировать. Никакая специальная «оптимизация под ИИ» этого не исправит.
Поэтому GEO-оптимизация сайта всегда идёт на двух уровнях одновременно. Внизу — техническая готовность: индексация, позиции, ссылочный профиль, метаданные. Сверху — то, что делает контент цитируемым: структура ответов, форматы, семантическая разметка.
Отсюда следует еще один неудобный вывод: разделить трафик на «пришедший из поиска» и «пришедший из нейросетей» технически невозможно. Пользователь заходит на сайт, а не по каналу. Он может увидеть упоминание в ответе Алисы, через день загуглить название и прийти из органики. В аналитике это будет выглядеть как поисковый трафик.
Именно поэтому видимость в AI мы измеряем отдельным блоком, а не пытаемся присвоить ей часть визитов.
Как мы это считаем
Классическое SEO для фитнес-клуба меряется позициями: сайт на третьем месте по такому-то запросу. С нейросетями так не получится, модель не выдает нумерованный список, она рассказывает.
Пришлось строить собственную систему замеров.
Основа — семьдесят пять промптов. Это не ключевые слова из Вордстата, а живые формулировки, с которыми человек реально обращается к нейросети, когда ищет фитнес. Разница принципиальная: в поисковую строку вбивают «фитнес клуб москва цены», а у Алисы спрашивают «в каком районе Москвы есть фитнес-клуб с бассейном».
Список охватывает разные типы запросов. Есть общие по городам: какие клубы есть в Краснодаре, найти клуб в Перми, назови лучшие клубы Воронежа. Есть уточняющие: где работают круглосуточно, где есть бассейн, как добраться на метро. Есть проверочные — на конкретную сеть и конкретную локацию.
Каждый промпт прогоняется через четыре модели: ChatGPT, Алису, Gemini и DeepSeek. Выбор не случаен, у них разные источники данных, разная логика формирования ответа и разная аудитория.
По сути это мониторинг упоминаний бренда — только не в СМИ, а в ответах моделей. По каждому запросу фиксируем два параметра. Первый: попал ли сайт в ответ вообще. Второй: на какой позиции среди источников, если попал.
Второй параметр важнее, чем кажется на первый взгляд. Быть восьмым источником из тринадцати и вторым из трех — совершенно разные истории с точки зрения того, как модель вас процитирует и упомянет ли вообще в финальном тексте.
Сама таблица выглядит буднично: строки с вопросами, столбцы с датами замеров, галочки и дроби. Но именно она превращает разговор про AI-видимость из области ощущений в область измеримого.
Что показали замеры
Первый срез сделали в начале августа, второй — в начале сентября. Между ними шла работа над контентом и структурой данных.
Суммарно упоминания выросли с сорока четырех до ста сорока одного — цитируемость в AI выросла втрое с небольшим.
Здесь стоит сразу оговориться, чтобы не создавать ложного впечатления. Параллельно мы расширили сам мониторинг с пятнадцати промптов до семидесяти пяти, добавив запросы по городам присутствия и по темам блога. Часть прироста связана именно с этим расширением. Но динамика видна и по исходным запросам, которые замерялись оба раза.
Главное открытие: модели ведут себя по-разному
Мы ожидали более-менее равномерного роста. Получили картину, которая заставила пересмотреть подход.
Алиса прибавила больше всех — с пятнадцати упоминаний до шестидесяти двух. Плюс сорок семь.
Gemini вырос с двенадцати до сорока четырех. Плюс тридцать два.
ChatGPT — с семи до двадцати двух. Втрое, но от низкой базы.
DeepSeek практически не сдвинулся: с десяти до тринадцати. Плюс три.
Разброс от плюс трех до плюс сорока семи при одинаковых вводных — это не статистический шум. Это разная механика формирования ответа, разные источники данных и, вероятно, разная периодичность обновления индекса.
Отсюда следует практический вывод: работа с AI-видимостью — не одна задача, а несколько параллельных. То, что двигает Алису, может почти не влиять на DeepSeek.
И отдельно про приоритеты, потому что здесь легко ошибиться. В публичном поле громче всего обсуждают ChatGPT. Но для локального SEO в России важнее Алиса: она встроена в экосистему, которой люди пользуются ежедневно и, что критично, именно тогда, когда ищут что-то рядом с домом. Человек не открывает ChatGPT, чтобы найти зал в своем районе. Он спрашивает у Алисы.
Как попасть в ответы нейросети: что работает
Полную методику мы не раскрываем — это часть услуги. Но общий принцип объяснить можно, и он логичнее, чем кажется.
Нейросеть не индексирует сайт так, как это делает поисковик. Она ищет информацию, чтобы пересказать ее человеку. Значит, задача — сделать так, чтобы информация была структурированной, однозначной и удобной для цитирования.
По результатам мониторинга видно, какие форматы контента модели подхватывают охотнее. Устойчиво работают три.
Вопрос-ответ. Прямой вопрос и прямой ответ на него — ровно та структура, в которой нейросеть ищет информацию, когда ей задают вопрос. Совпадение формата с задачей.
Пошаговые инструкции. Хорошо считываются и часто цитируются целиком, без пересказа.
Короткие определения. Однозначные формулировки того, что представляет собой услуга, направление или формат. Чем меньше модели приходится интерпретировать, тем выше шанс, что она процитирует вас, а не додумает.
Общая логика во всех трех случаях одна: убрать необходимость интерпретации. Маркетинговый текст, который красиво звучит для человека, для модели часто оказывается набором расплывчатых утверждений, из которых нечего извлечь.
Трафика здесь нет!
Рост упоминаний в нейросетях не превращается напрямую в заявки. Это не перформанс-канал, у него нет CPL, и посчитать его вклад в выручку сегодня невозможно.
Зато можно повысить узнаваемость и авторитетность бренда в новой среде.
Работает примерно так. Человек спрашивает у Алисы про фитнес в своем районе. Слышит три названия, среди них ваше — с корректным описанием того, что у вас есть. Дальше он может открыть Карты, может зайти на сайт, а может просто запомнить название и вернуться к нему через неделю, когда созреет.
В аналитике этот путь будет выглядеть как органический или прямой заход. Но начался он с того, что нейросеть вас упомянула.
Игнорировать канал, который стоит в выдаче выше рекламы и растет каждый месяц, — стратегически рискованно. Даже если сегодня его нельзя посчитать в рублях.
Что можно сделать самостоятельно
Три вещи, доступные без подрядчика и бюджета.
1. Проверьте себя. Задайте четырем моделям по пять-семь вопросов, с которыми человек мог бы искать ваш клуб. Общие по городу, уточняющие по услугам, конкретные по району. Прочитайте ответы внимательно. Вы там есть? Что о вас говорят? Что додумали неверно?
2. Посмотрите на источники. Здесь продвижение фитнес-клуба в нейросетях упирается в базовые вещи: модель берет данные с сайта, из карточек в геосервисах, из отзывов и публикаций.
3. Начните с вопросов и ответов. Соберите реальные вопросы, которые каждый день задают на ресепшене, и ответьте на них на сайте. Прямо, коротко и без маркетинговых оборотов. Это самый быстрый способ дать нейросети готовый материал для цитирования.
Что дальше
Мониторинг продолжается, и мы будем публиковать динамику. Интересно, сохранится ли разрыв между моделями на дистанции в три месяца и сдвинется ли наконец DeepSeek.
Если хотите узнать, что нейросети говорят о вашем клубе — напишите нам. Проверим по вашим городам и покажем, что получилось.
Проверьте свой клуб
Если после этой статьи вы все-таки спросили у Алисы про фитнес в своем городе и не нашли себя — это поправимо.
Мы проверим, что нейросети говорят о вашем клубе. Прогоним запросы по вашим городам, покажем, где вы есть, где вас нет и кого называют вместо вас. Отдельно посмотрим, что именно модели о вас додумывают — иногда это самое интересное!
Аудит бесплатный первым трем написавшим, результат — таблица с ответами по каждому запросу и понимание, с чего начинать.
Мониторинг продолжаем и будем публиковать динамику. Интересно, сохранится ли разрыв между моделями месяца через три и сдвинется ли наконец DeepSeek.