📚 GEO и AEO 2026: продвижение в ответах ИИ на основе собственных исследований

Умеешь попадать в ответы ИИ-поиска Яндекса, Google и ChatGPT и отслеживать цитирование бренда с помощью агентов

Этот материал доступен участникам Клуба. Войдите или оформите доступ, чтобы читать целиком, открывать видео и комментировать.

Войти Вступить / купить доступ

Уроки (77)

1 Как работают ИИ-ответы в поиске Яндекса и Google: query fan-out и отбор фрагментов Продолжить → 2 Разбор двух AI-ответов Яндекса: как по списку цитируемых URL увидеть логику query fan-out → 3 Как проводились исследования: схема сбора данных и работа с агентом → 4 Влияние позиции в SERP на вероятность цитирования: учёт Query Fan-Out в Яндексе → 5 Кто забирает рынок цитирования в ИИ: доля крупнейших доменов в нише курсов и медицине → 6 Видимость URL в SERP и вероятность цитирования: выводы по данным → 7 Как повысить вероятность упоминания бренда в ИИ-ответе: цитируемые URL, высота места и число страниц → 8 Текстовая релевантность чанков для AEO: какие методы оценки работают лучше → 9 Плотность лемм из ключей в чанках и рецепт релевантного чанка → 10 Важен ли ответ на вопрос на первом экране страницы → 11 Сила бренда в цитировании ИИ: влияние через позиции в выдаче, а не напрямую → 12 Влияет ли сила бренда на цитирование: сравнение брендов на одних и тех же местах выдачи → 13 Актуальность и дата обновления материалов: SERP-фактор, а не отдельный фактор AI-цитирования → 14 Плотность раскрытия темы и объем контента: что показали данные → 15 Семантическая разметка и Schema: что показали данные о цитировании → 16 Паттерны цитирования YouTube и Reddit в AI-выдаче по нишам → 17 Лексика доверия, экспертизы и авторства в тексте: что показали данные по E-E-A-T → 18 Контент-кластеры и topical authority: проверка на ортодонтии → 19 Сущности или ключи: чем оптимизировать страницу под AI-поиск в Яндексе и Google → 20 Итоги исследований GEO и AEO: стратегия продвижения и что устарело в прошлогоднем курсе → 21 Как работает веб-поиск в ChatGPT: fan-out, фрагменты и управление хаосом → 22 Веса моделей: как проверить, что знает о вас нейросеть, и можно ли попасть в обучающую выборку → 23 Исследование индекса ChatGPT: свой индекс или выдача Google, Bing и Brave → 24 Эксперимент: попадёт ли в ответы ChatGPT сайт, закрытый от всех ботов, кроме Google и Яндекса → 25 Мониторинг визитов AI-ботов на сайт: как проверить индексацию в LLM через сервис Zrok.cloud → 26 Как добиться индексации сайта в Claude, ChatGPT и Perplexity: боты, Bing, Brave → 27 Итоги эксперимента: берёт ли ChatGPT страницы из индекса Google → 28 Позиция в Search Results как самый сильный фактор цитирования сайта в ChatGPT → 29 Повтор домена в fan-out: как покрытие подзапросов повышает вероятность цитирования → 30 Релевантность Title, h1 и сниппета как базовый фактор цитирования в AI-поиске → 31 Тематическая специализация домена как фактор цитирования в ChatGPT → 32 Структурированные данные: Schema.org и JSON-LD как поддержка для нейросетей → 33 Решение интента: почему страница, которая закрывает задачу пользователя, цитируется чаще → 34 Один лонгрид или несколько узких страниц: что чаще цитируют нейросети → 35 Свежесть контента (freshness): когда она влияет на цитирование, а когда нет → 36 Читаемость контента и экспертный тон как факторы цитирования → 37 Сила бренда и домена: влияет ли она на цитирование в ChatGPT → 38 Итоги теоретического модуля: как ChatGPT выбирает сайты для цитирования и что делать на практике → 39 Быстрый ручный путь к цитированию в GEO и AEO: обзор практического модуля → 40 Сбор семантики для AEO и два способа генерации промтов для GEO → 41 Кластеризация AI-семантики в темы для GEO-продвижения: промт и порядок работы с файлами → 42 Кластеризация AI-семантики в темы для GEO-продвижения: контент-план под внешние размещения → 43 Отбор площадок для внешних публикаций и контент-план по таблице самых цитируемых сайтов в AI → 44 Дополнительные площадки для публикаций в GEO: свои сайты, подборки и биржи ссылок → 45 Семантическое ТЗ: три задания в SEOMEAT и агент для адаптации под GEO → 46 Агент для массовой генерации рейтингов и статей под GEO: релевантный чанк с брендом и контент-план на 18 площадок → 47 Дожим рейтингов перед размещением: релевантные чанки, ключи и проверка текстов → 48 Индексация страниц с размещениями, усиление ссылками и работа с репутацией и экспертностью бренда в рейтингах → 49 Схема GEO-практики из 8 шагов: от сбора данных до внешних публикаций и репутации → 50 Обзор практического модуля и агента GEO Монстр → 51 Первый запуск агента GEO Монстр: контекст проекта, темы и выбор первого направления → 52 Метрики и проблемы GEO-аналитики, сравнение стоимости своего агента и сервисов → 53 Подключение API ключей Data for SEO, XMLRiver и FireCrawl в агента GEO-аналитики → 54 Нюансы работы с XMLRiver: потоки сбора и несколько аккаунтов → 55 Чем заменить Data For SEO: A-Parser, Apify и другие скрейперы → 56 Чем заменить FireCrawl: Scrapfly, Data for SEO, Apify, A-parser → 57 Поднимаем AEO дашборд: позиции в SERP, цитирование URL и упоминание бренда в ответах Яндекса и Google AI → 58 Генерация промптов для GEO-аналитики на основе живых баз промптов и фреймворка сценариев → 59 Дашборд GEO аналитики: цитирование URL, упоминание бренда в ответе, самые цитируемые бренды и URL → 60 Учет внешних размещений в аналитике GEO-агента: домены и URL под наблюдением → 61 Бренд-аналитика в дашборде GEO Монстра: упоминания брендов и именованные сущности → 62 Отчёт по тональности бренда в ответах нейросетей и как использовать его для правок страниц → 63 Fan out аналитика и сбор агентского семантического ядра → 64 GEO-технический аудит сайта через агента: доступность для ботов, рендер и семантическая вёрстка → 65 Свое микроисследование на базе анализа конкурентов: проверяем разметку, таблицы и FAQ → 66 Анализ конкурентов в GEO: за что нейросеть хвалит и ругает бренды → 67 Система генерации контента в GEO Монстре: схема конвейера, контекст OKF и проверки → 68 Создание контент-плана в GEO Монстре: отбор тем, типы контента и внешние размещения → 69 Метрики контент-плана: спрос, конверсия, сложность и приоритет тем → 70 ТЗ на тексты для SEOMEAT: подготовка импорта с типами страниц и укороченной семантикой → 71 Запуск генерации контента в GEO Монстре: статьи, коммерческие страницы и рейтинги → 72 Подытог по внешним размещениям: площадки, цены, рейтинги и внешние карточки → 73 Подытог по работе с репутацией бренда в ИИ: SERM, площадки, отзывы и служебные страницы → 74 Как пользоваться GEO_MONSTER_LITE: набор скиллов в ChatGPT-агенте без дашборда → 75 Портативная версия GEO Монстра: набор скиллов для всего цикла GEO → 76 Агент для продающего аудита сайта и две стратегии продажи GEO-услуг → 77 Идея курса по GEO и AEO: структура, подход к исследованиям и логика продвижения →

О курсе

Курс о продвижении сайтов и брендов в ответах ИИ: AEO для Google AI Overviews и Яндекс Алисы на поиске, GEO для ChatGPT. Он построен на исследованиях автора, и в каждом уроке видно, как проверялся тот или иной фактор. Сначала разбирается, как ИИ собирает ответ: query fan-out, позиция в выдаче, чанки и ключи, сила бренда, свежесть, Schema, E-E-A-T. Затем идёт модуль про ChatGPT: веб-поиск, индекс, индексация сайтов в LLM, структурированные данные, читаемость. Практический блок показывает сбор семантики и промтов, кластеризацию тем, выбор площадок для внешних публикаций, семантические ТЗ и работу с рейтингами. В завершение собирается полный цикл с AI-агентом «GEO Монстр»: подключение API, дашборды AEO и GEO, аналитика бренда и тональности, анализ конкурентов, контент-план и генерация текстов, аудит сайта. Курс подойдёт SEO-специалистам и тем, кто хочет понять логику продвижения в ИИ-поиске до начала практики.