GEO для e-commerce: видимость интернет-магазина в нейросетях

Как интернет-магазину попадать в ответы Алисы AI и Gemini AI Overview по транзакционным запросам: Schema Product/Offer, отзывы, FAQ по доставке, листинги Я.Маркета и управление UGC на маркетплейсах.

#GEO#E-commerce и интернет-магазины

TL;DR

  • Главные каналы для интернет-магазина — Алиса AI и Gemini AI Overview, потому что туда пользователи попадают по транзакционным запросам: «купить X», «доставка Y», «отзывы на Z», «X в наличии». По данным ВЦИОМ (2026), YandexGPT/Алиса AI занимают 23% рынка РФ.
  • Главный технический рычаг — связка Schema Product/Offer/AggregateRating с реальными отзывами, FAQPage по доставке/оплате/возврату и таблиц характеристик товаров: таблицы дают в 4.2 раза, а FAQ в 3.2 раза более высокую цитируемость (Profound, 2026).
  • Главный внешний рычаг — управление UGC на Я.Маркете, Wildberries и Ozon: отзывы покупателей с этих площадок попадают в retrieval Алисы AI и GigaChat, даже если товар продаётся и у вас.
  • Без транскриптов и alt-разметки видеообзоры и фото для нейросетей почти невидимы — модели опираются на текст.

Какие нейросети важны для интернет-магазина

Для e-commerce приоритет №1 — Алиса AI и Gemini AI Overview, потому что они отвечают на транзакционные запросы прямо в момент покупательского намерения. По данным ВЦИОМ (2026), в РФ YandexGPT/Алиса AI занимают 23% рынка, ChatGPT — 27%, DeepSeek — 20%, GigaChat — 15%. Но для магазина важна не только доля: Алиса встроена в Я.Браузер, Я.Поиск, Я.Маркет и колонки, а Gemini питает Google AI Overviews с охватом 1.5 млрд пользователей в месяц (Google, 2026).

Транзакционные запросы — «купить кофемашину X», «доставка дивана Y в Москву», «отзывы на пылесос Z», «X в наличии» — это нижняя часть воронки, где конверсия максимальна. Конверсия из AI-цитат в 23 раза выше, чем из обычной органики (Superlines, 2026), а качество трафика — в 4.4 раза. Для магазина это означает, что одно попадание в ответ Алисы по запросу «купить» стоит десятков органических кликов.

| Нейросеть | Доля РФ (ВЦИОМ, 2026) | Что цитирует для e-commerce | Главный рычаг | | --- | --- | --- | --- | | Алиса AI / YandexGPT | 23% | Карточки товаров, Я.Маркет, Я.Бизнес, Я.Карты, отзывы | Листинги Яндекс-экосистемы + Schema + UGC | | Gemini / Google AI Overviews | — (охват 1.5 млрд/мес) | Карточки с Schema, таблицы, FAQ, YouTube-обзоры | Schema Product/Offer + таблицы + транскрипты | | ChatGPT | 27% | Сводные обзоры, сравнения, Wikipedia-категории | Структурированные сравнения и обзоры | | GigaChat | 15% | Отзывы маркетплейсов, российские каталоги | UGC на Wildberries/Ozon/Я.Маркете |

Важно понимать различие: SEO борется за позицию в выдаче, GEO — за попадание в сам ответ. Пересечение топ-10 Google и списка цитируемых нейросетями источников упало с 70% до менее 20% за 18 месяцев (Brandlight, 2026). Высокие позиции карточки в Яндексе больше не гарантируют, что Алиса возьмёт именно её в ответ.

Какие источники цитирования критичны

Для интернет-магазина критичны три слоя источников: собственные карточки товаров с разметкой, листинги Яндекс-экосистемы и UGC на маркетплейсах. Нейросеть собирает ответ из всех трёх — поэтому работать нужно параллельно, а не выбирать один канал.

Первый слой — листинги Яндекс-экосистемы. Карточка организации в Я.Бизнесе, точки на Я.Картах (если есть офлайн-присутствие или пункты выдачи) и листинги на Я.Маркете — это то, что Алиса AI подмешивает в ответы по умолчанию. Я.Бизнес даёт магазину подтверждённый профиль с режимом работы, контактами и отзывами; Я.Маркет — товарные предложения с ценой и наличием, которые Алиса напрямую цитирует по запросам «купить» и «в наличии».

Второй слой — UGC на маркетплейсах. Я.Маркет, Wildberries и Ozon часто попадают в retrieval Алисы AI и GigaChat по запросам «отзывы на X». Это формально не в ваших руках, но влияет на видимость сильнее, чем кажется: модель может процитировать карточку маркетплейса вместо вашего сайта. Brand mentions без ссылок коррелируют с цитируемостью на уровне Spearman 0.664 против 0.2 у backlinks (Superlines, 2026) — отзывы и упоминания товара на сторонних площадках работают как сигнал доверия.

Третий слой — собственный сайт с правильной разметкой. Сюда модель приходит за деталями: точными характеристиками, условиями доставки, гарантией. Если карточка отдаёт Schema Product/Offer и таблицу характеристик, шанс цитирования резко растёт.

Технические требования

Технический фундамент для e-commerce — это server-side rendering карточек, открытый доступ для LLM-ботов, Schema Product/Offer/AggregateRating и FAQPage с answer-capsule-ответами. Без SSR модель видит пустую страницу: если каталог рендерится только в браузере на клиенте, для retrieval он не существует.

В robots.txt откройте доступ ботам, которые формируют AI-видимость: GPTBot, OAI-SearchBot, ChatGPT-User, ClaudeBot, Claude-SearchBot, PerplexityBot, Perplexity-User, Google-Extended, Googlebot, YandexBot. Блокировка любого из них вырезает соответствующий канал.

Разметка карточки товара — ядро GEO для магазина:

  • Product — название, бренд, GTIN/SKU, изображение, описание.
  • Offer (внутри Product) — цена, валюта, наличие (InStock/OutOfStock), условия доставки. Это то, что Алиса цитирует по запросу «в наличии» и «цена».
  • AggregateRating — агрегированный рейтинг и количество отзывов. Только реальные данные: расхождение с витриной — повод для понижения доверия.
  • Review — отдельные отзывы покупателей с автором и оценкой.
  • FAQPage — блок «доставка / оплата / возврат» с ответами по 40-75 слов. По Profound (2026), это повышает попадание в AI Overviews в 3.2 раза при citation rate 67%.

Отдельно — таблицы характеристик. При сравнительных запросах модели вытягивают данные именно из структурированных таблиц «параметр — значение», а не из сплошного описания. По Profound (2026), таблицы дают в 4.2 раза более высокую цитируемость. Делайте таблицу характеристик на каждой карточке и дублируйте ключевые атрибуты в Schema.

| Тип запроса | Что нужно на карточке | Канал, который подхватит | | --- | --- | --- | | «купить X», «X в наличии» | Schema Offer с ценой и наличием | Алиса AI, Gemini | | «доставка X», «как вернуть X» | FAQPage по доставке/оплате/возврату | Алиса AI, Gemini | | «отзывы на X» | AggregateRating + Review + UGC на маркетплейсах | Алиса AI, GigaChat | | «X или Y что лучше» | Таблица характеристик | Gemini, ChatGPT | | видеообзор X | Транскрипт + текстовое саммари + alt к превью | Gemini (YouTube), ChatGPT |

Мультимедиа без текста для нейросетей невидимо. Все фото товаров — с информативным alt (не «img_001», а «кофемашина X, вид спереди, чёрный корпус»). Все видеообзоры — с субтитрами, текстовым саммари обзора и alt к превью. YouTube и мультимодальный контент дают 23.3% цитирований в Google AI Overviews (Profound, 2026), но только при наличии текстовой дорожки — модель в момент ответа опирается на текст, а не на пиксели.

Свежесть тоже сигнал: обновляйте dateModified при смене цены, наличия и условий доставки. Для категорий с сезонностью устаревшая карточка теряет вес.

Управление UGC на маркетплейсах

Отзывы покупателей на Я.Маркете, Wildberries и Ozon — это внешний контент, который попадает в retrieval Алисы AI и GigaChat и формирует видимость вашего товара, даже если он продаётся и у вас. Игнорировать его нельзя: по сути это часть GEO-периметра, которым вы управляете лишь частично.

Что входит в работу с UGC: отвечайте на вопросы покупателей в карточках маркетплейсов (раздел «Вопросы»), реагируйте на негативные отзывы аргументированно (это влияет на тональность, которую модель транслирует), следите за тем, чтобы ключевые характеристики и условия в карточке маркетплейса совпадали с вашим сайтом. Расхождения — например, разная гарантия или комплектация — модель воспринимает как противоречие и может понизить обе карточки.

Для крупных e-commerce имеет смысл отдельная стратегия присутствия на маркетплейсах: единый tone of voice в ответах, регулярный сбор и стимулирование честных отзывов, мониторинг того, какую именно карточку (вашу или маркетплейса) цитирует Алиса по транзакционным запросам. Это можно отслеживать в мониторинге видимости — см. /methodology.

Чек-лист первых 90 дней

  1. Неделя 1-2 (фундамент). Проверьте SSR карточек товаров и категорий — модель должна видеть контент без JavaScript. Откройте LLM-ботов в robots.txt. Проверьте/создайте профиль в Я.Бизнесе, точки на Я.Картах, актуализируйте листинги на Я.Маркете.
  2. Неделя 2-3 (Schema). Внедрите Schema Product + Offer (цена, наличие, валюта) на всех карточках. Добавьте AggregateRating и Review с реальными агрегированными отзывами.
  3. Неделя 3-4 (FAQ и таблицы). Добавьте блок FAQPage по доставке, оплате и возврату с ответами на 40-75 слов. Сделайте таблицу характеристик «параметр — значение» на топовых карточках; дублируйте атрибуты в Schema.
  4. Неделя 4-6 (мультимедиа). Пропишите информативный alt ко всем фото товаров. К видеообзорам добавьте субтитры, текстовое саммари и alt к превью.
  5. Неделя 6-8 (UGC на маркетплейсах). Настройте ответы на вопросы и отзывы на Я.Маркете, Wildberries, Ozon. Синхронизируйте характеристики и условия между сайтом и карточками маркетплейсов.
  6. Неделя 8-10 (контент-обзоры). Опубликуйте 2-3 сравнительных материала («X или Y», «как выбрать X») с таблицами и FAQ — под запросы ChatGPT и Gemini.
  7. Неделя 10-12 (измерение). Запустите недельный мониторинг видимости по транзакционным запросам в Алисе AI и Gemini. Смотрите, какую карточку цитирует модель — вашу или маркетплейса — и закрывайте разрывы. Сверяйтесь с «Видимостью в Алисе AI» в Я.Вебмастере (запущена 7 апреля 2026).

Типичные ошибки e-commerce

  • Каталог рендерится только на клиенте. Если карточки и категории появляются лишь после исполнения JavaScript, для retrieval нейросетей их не существует. Нужен SSR или пререндер.
  • Фейковые или завышенные рейтинги в AggregateRating. Расхождение разметки с реальными отзывами на витрине и маркетплейсах — прямой повод для понижения доверия. Только реальные агрегированные данные.
  • Характеристики только в сплошном описании. Без таблицы «параметр — значение» товар проигрывает в сравнительных запросах: модель вытягивает данные из таблиц (в 4.2 раза выше цитируемость, Profound, 2026).
  • Видеообзоры без транскриптов. Видео без текстовой дорожки для нейросети почти невидимо — теряется крупный мультимодальный канал.
  • Игнорирование UGC на маркетплейсах. Отзывы на Wildberries и Ozon попадают в ответы Алисы AI и GigaChat. Если их не вести, видимость товара формируют чужие формулировки.
  • Расхождение условий между сайтом и маркетплейсом. Разная цена, гарантия или комплектация воспринимается моделью как противоречие и бьёт по обеим карточкам.
  • Устаревшие карточки. Не обновлённые цена, наличие и dateModified снижают вес, особенно в сезонных категориях.

GEO для интернет-магазина — это не разовая настройка, а связка карточек с разметкой, листингов Яндекс-экосистемы и управляемого UGC на маркетплейсах. Начните с фундамента: Schema Product/Offer, FAQ по доставке и таблицы характеристик дают самый быстрый эффект на транзакционных запросах.

Полная методология — в материале GEO-продвижение: полное руководство 2026. Смежные отрасли с другими акцентами: GEO для SaaS и GEO для B2B-услуг. Сгенерировать машиночитаемый файл для нейросетей помогут /tools/llms-txt и /tools/brand-check. Если хотите видеть, какую карточку — вашу или маркетплейса — цитирует Алиса AI по запросам «купить» и «отзывы», начните с мониторинга видимости.