Мы используем нейросети для поиска товаров, и будем это делать все чаще. Просим ChatGPT подобрать робот-пылесос для квартиры с кошкой, сравнить несколько кофемашин, найти ноутбук в определенном бюджете с доставкой в наш город.
Сейчас мало просто добавить товар в каталог. Нужно, чтобы ИИ смог его найти, понять и сопоставить с запросом — тогда у магазина больше шансов попасть в ответ нейросети. Цена, наличие, характеристики, варианты доставки, отзывы — всё это превращается в данные, которыми должны воспользоваться не только покупатели, но и AI-системы.
Но GEO в e-Commerce выходит за рамки работы с контентом: нужны и техническая оптимизация, и работа с микроразметкой и товарными фидами, и качество самого каталога. Вот об этом и поговорим предметно в статье.

GEO для интернет-магазина и что мы под этим подразумеваем

GEO (Generative Engine Optimization) — термин, которым обозначают оптимизацию присутствия сайта, бренда и его контента в ответах генеративных поисковых систем и ИИ-сервисов. Но у Google и OpenAI нет единого официального стандарта «GEO-оптимизации».
В официальной документации Google указано, что для AI Overviews (ИИ-сводки в поисковой выдаче) и AI Mode (отдельного диалогового режима поиска с ИИ) продолжают действовать базовые принципы SEO. Специальной разметки или дополнительных технических требований для попадания в эти форматы не предусмотрено. Аналогично, Яндекс формирует ответы Поиска с Нейро на основе найденных источников, уделяя внимание качеству и структуре информации.
Поэтому GEO-продвижение e-Сommerce-проекта разумнее рассматривать не как отдельную дисциплину, хотя seo-специалисты уже выделили это в отдельную услугу, а как надстройку (или пристройку :) к SEO-стратегии с учетом особенностей генеративного поиска.

Как AI-поиск находит и выбирает товары

ChatGPT, Google и Яндекс работают по-разному: у каждого свои технологии и источники данных.
AI Overviews и AI Mode работают на базе Google Search. Если запрос сложный, система может сделать несколько связанных поисков по разным темам и источникам, а затем собрать результаты в один ответ.
Яндекс описывает похожий сценарий для Нейро: сложный вопрос может быть разделен на несколько частей. Система ищет информацию, изучает источники и формирует ответ со ссылками.
Например, запрос «ноутбук до 100 тысяч рублей» для ИИ — не просто поиск товаров дешевле указанной суммы. ИИ может учитывать диагональ экрана, автономность, производительность, нужные программы и наличие товара в конкретном регионе.
Поэтому для GEO важно давать данные, которые помогают ответить на такие уточняющие запросы.
Чем больше полезных, точных и актуальных данных, тем проще поиску и ИИ понять товар и подобрать его под конкретный запрос.

Откуда AI получает данные о товарах

Источником может быть не только текст карточки товара. Используются страницы сайта, структурированная разметка, товарные фиды, данные из Google Merchant Center, Яндекс Товаров и Яндекс Директа.
Google рекомендует интернет-магазинам одновременно использовать разметку товаров и Google Merchant Center (недоступен в России). Разметка помогает системе лучше понимать содержимое страницы, а Merchant Center позволяет напрямую передавать Google актуальные данные о товарах.
У Яндекса похожий подход: он рекомендует размечать товарные страницы по стандарту Schema.org и передавать каталог через фиды в Яндекс Товары. Так Яндекс получает актуальные данные о товарах как со страниц сайта, так и напрямую из фида.
У OpenAI тоже есть система передачи товарных каталогов. Продавцы могут передавать данные о товарах напрямую, чтобы информация о них в ChatGPT была точнее и актуальнее. Но такая возможность ограничена по рынкам и для России практически неприменима.

Какие именно данные помогают ИИ понять товар

Для нейросетей, поисковиков и товарных сервисов особенно полезны точные и понятные данные о товаре:
  • название и бренд;
  • категория и описание;
  • GTIN, SKU и другие идентификаторы;
  • характеристики и варианты товара;
  • размер, цвет, материал;
  • изображения;
  • цена и валюта;
  • наличие;
  • доставка и возврат;
  • рейтинг и отзывы.
Google и Яндекс используют данные о товарах и их характеристиках в поиске и товарных сервисах. А Google уже отдельно показывает магазинам, какие характеристики товаров покупатели чаще упоминают в разговорных запросах к ИИ.

Как AI выбирает магазин

Выбор подходящего товара и выбор продавца — две разные задачи. Даже если ChatGPT определил конкретную модель, которая лучше соответствует запросу пользователя, еще предстоит решить, у какого продавца ее целесообразнее приобрести.
При ранжировании продавцов ChatGPT может учитывать наличие товара, цену, качество предложения, а также статус продавца — например, является ли он производителем или основным поставщиком этого товара. Поэтому магазин с самой низкой ценой не обязательно окажется на первом месте.
Отсюда следует важный практический вывод. Если один и тот же товар продают 10 магазинов — хорошо оформленной и оптимизированной карточки недостаточно. Продавцу необходимо передавать проверяемые сведения о своих преимуществах:
  • фактическое наличие и количество товара;
  • стоимость и сроки доставки;
  • условия и сроки возврата;
  • продолжительность гарантии;
  • возможность самовывоза;
  • способы оплаты и другие значимые условия покупки.
Конкуренция в этом случае идет уже не только за соответствие карточки запросу пользователя, но и за качество самого предложения продавца.

Чем GEO принципиально отличается от SEO

SEO — это фундамент для видимости в AI. Если поисковая система не может нормально получить страницу, понять содержание или сопоставить с запросом, добавление специальных «текстов для нейросетей» проблему не решит.
Разница проявляется прежде всего в интентах (намерениях). Обычный запрос «купить робот-пылесос» легко сопоставить с категорией. В AI-поиске пользователь может спросить: «Какой робот-пылесос подойдет для квартиры 80 м² с кошкой, коврами и высоким порогом между комнатами?» И что нас с этим делать?

Оптимизация магазина под нейросети

Интернет-магазину необходимо оптимизировать не только страницы под товарные названия, но и под сценарии выбора (ограничения, сравнения и характеристики). Мы стали использовать термин «сценарные страницы» — это страницы, которые создаются под конкретную задачу покупателя.
Например: «роботы-пылесосы для квартиры с животными», «ноутбуки для работы с 3D до 150 тысяч рублей» или «холодильники для маленькой кухни шириной до 60 см». Такие страницы помогают собрать в одном месте информацию, необходимую для конкретного сценария выбора.
Вы спросите: чем сценарная страница отличается от пресловутой теговой? Те же ягоды — вид сбоку
Теговая страница обычно строится вокруг 1-2 свойств товара: «ноутбуки 16 ГБ», «белые двухкамерные холодильники».
Сценарная страница строится вокруг задачи покупателя и может объединять сразу несколько характеристик. Например, «роботы-пылесосы для квартиры с кошкой и коврами» — здесь важны не только наличие определенной функции, но и мощность всасывания, работа с шерстью, высота порогов и другие параметры.
При этом сценарная страница не обязательно должна быть отдельным типом страницы в структуре сайта. Ее можно сделать на базе теговой, если добавить правильную выборку товаров, объяснение критериев выбора, характеристики и ответы на вопросы пользователя.
В первую очередь стоит выбирать сценарии, где есть поисковый спрос или понятная потребность покупателя, подходящий ассортимент и достаточно данных для полезного ответа.
А что делать, если спроса нет? Здесь пока поле для экспериментов.
Но создавать отдельную страницу под каждый возможный сценарий выбора не вижу смысла. Пользовательские запросы к нейросетям могут включать десятки комбинаций характеристик, ограничений и пожеланий, далеко не все из которых имеют поисковый спрос.
Поэтому решение о создании сценарной страницы стоит принимать с учетом не только частотности запросов, но и реальной потребности покупателей, ширины ассортимента и коммерческой ценности сценария.
Если спрос есть, сценарная страница может стать полноценной SEO-посадочной. Если спрос небольшой, но задача покупателя понятна, её можно раскрыть в существующей категории, подборке или статье о выборе товара.
В конечном счёте задача GEO — не создать страницу под каждый возможный вопрос нейросети, а сделать информацию о товарах доступной и пригодной для формирования ответов на самые разные покупательские запросы.

Как оптимизировать карточку товара для AI Search

Хорошая карточка должна одновременно отвечать покупателю и передавать машине однозначные данные.
1. Сделайте характеристики фактическими
Уберите рекламные описания. Вместо «мощный и невероятно удобный пылесос» нужны конкретные параметры: мощность, масса, размеры, тип фильтра, объем контейнера, комплектация.
Добавляйте информацию о совместимости, ограничениях и сценариях применения, если она действительно помогает выбрать товар. Так карточка способна отвечать на разговорные запросы по свойствам.
2. Поддерживайте актуальные цену и наличие
Цена и наличие должны совпадать на странице, в structured data и товарных источниках.
На странице:
<p data-qa="price-now">11 390 ₽</p>
<p>&gt; 100 шт. есть на складе</p>
В Product structured data:
"offers": {
"@type": "Offer",
"availability": "https://schema.org/InStock",
"price": 11390,
"priceCurrency": "RUB"
}
То есть:
11 390 ₽ → "price": 11390
товар есть на складе → "availability": "InStock"
В данном случае JSON-LD размещен непосредственно в исходном HTML страницы:
<head>
...
<script type="application/ld+json">
{
"@context": "https://schema.org",
"@type": "Product",
...
}
</script>
Для Google это особенно важно: поисковик предупреждает, что если разметка Product создается динамически с помощью JavaScript, робот Google может реже и менее точно считывать данные о товарах. Это особенно критично для информации, которая часто меняется, например цены и наличия товара. Поэтому рекомендуется размещать структурированные данные Product непосредственно в исходном HTML-коде страницы
3. Используйте Product structured data
Для товарной страницы базовой связкой служат Product и Offer. В зависимости от данных магазина могут использоваться AggregateRating, Review, Brand, сведения о доставке и MerchantReturnPolicy.
Для вариантов товара Google поддерживает ProductGroup, hasVariant, variesBy и productGroupID. Каждый вариант рекомендуется однозначно идентифицировать, например через SKU или GTIN.
На странице https://www.vseinstrumenti.ru/product/pylesos-karcher-vc-3-erp-eu-i-1-198-053-0-10987052/ используется базовая для товара связка Product + Offer, дополненная брендом и рейтингом:
{
"@type": "Product",
"name": "Пылесос Karcher VC 3 (ERP) *EU-I 1.198-053.0",
"brand": {
"@type": "Brand",
"name": "Karcher"
},
"offers": {
"@type": "Offer",
"price": 11390,
"priceCurrency": "RUB",
"availability": "https://schema.org/InStock"
},
"aggregateRating": {
"@type": "AggregateRating",
"ratingValue": 4.9,
"reviewCount": 20
}
}
И хотя, как заявляют поисковые системы, микроразметку не следует считать способом GEO продвижения, structured data дает поисковой системе стандартизированное описание сущностей и возможность странице участвовать в расширенных форматах поисковой выдачи.
Яндекс также поддерживает товарную разметку Product, Offer, AggregateOffer и OfferCatalog для получения информации о товарах.

4. Добавляйте отзывы ради информации, а не разметки

Отзывы полезны в первую очередь тем, что показывают реальный опыт покупателей. По ним можно понять, насколько товар долговечный и удобный, какие проблемы встречаются и какие есть особенности при использовании.
ChatGPT может делать сводки по отзывам с открытых сайтов. Но это не значит, что чем больше отзывов, тем выше страница будет показываться в ответах ИИ. Такой прямой зависимости никто не подтверждал.
FAQ тоже имеет смысл добавлять только тогда, когда вопросы и ответы реально помогают покупателю. Доказательств, что разметка FAQPage Schema сама по себе повышает вероятность того, что ИИ сошлется на страницу, нет.

Товарные фиды для продвижения магазина

Для GEO интернет-магазина особенно важны товарные фиды. Google получает данные о товарах через Merchant Center, OpenAI поддерживает структурированные товарные фиды, а Яндекс использует YML-фиды.
Через Merchant Center можно передавать название товара, цену, наличие, изображения, характеристики и другие данные, а информацию дополнять разметкой structured data на самой странице. AI Performance Insights также позволяет смотреть, какие характеристики товаров и запросы покупателей связаны с их показами в AI Mode и AI Overviews.
У Яндекса похожий принцип. Информацию о товарах он может получать после обхода и обработки страниц магазина, но для большого каталога лучше дополнительно передавать YML-фид. В нем можно явно указать товары, цены, наличие, категории, изображения, характеристики и другие данные. Это снижает зависимость от того, насколько правильно робот сам распознает информацию на странице, и помогает поддерживать товарные данные актуальными.
Поэтому GEO интернет-магазина нельзя строить только на текстах. Если в каталоге тысячи SKU, намного важнее нормально передавать структуру каталога, характеристики, цены, наличие, варианты товаров и своевременно обновлять эти данные. Еще один текст на 2000 символов не исправит ситуацию, если в фиде старая цена, нет характеристик или товар числится в наличии, хотя его давно нельзя купить.
По сути, для интернет-магазина фид становится отдельным слоем оптимизации. Фид передает точные товарные данные в структурированном виде. Лучше всего это работает, когда информация на странице, в разметке и в фиде совпадает и регулярно обновляется.

Репутация бренда и внешние источники

Внешние обзоры, публикации, отзывы и обсуждения могут давать AI дополнительную информацию о товаре и продавце. Особенно хорошо это видно на примере review summaries ChatGPT, для которых OpenAI может использовать отзывы с публичных сайтов.
Однако утверждение «упоминания бренда — фактор ранжирования GEO» доказанным считать нельзя. Публичной универсальной формулы такого типа платформы не публиковали.
Поэтому работа с репутацией имеет смысл не ради искусственного количества mentions, а ради появления независимых и проверяемых сведений: обзоров, опыта эксплуатации, тестов, сравнений, отзывов о продавце.
То же относится к E-E-A-T. Google не называет E-E-A-T отдельным измеримым ranking factor. Для интернет-магазина полезнее переводить абстрактное «доверие» в конкретику: кто продавец, как с ним связаться, как работают доставка, возврат, гарантия и поддержка.

Какие AI-системы могут показывать товары магазина

ChatGPT Search и Shopping способны показывать товары, цены, изображения, продавцов, отзывы и ссылки для покупки. Для веб-видимости OpenAI использует отдельный поисковый crawler OAI-SearchBot; его можно разрешать независимо от GPTBot, который связан с обучением моделей.
Google использует AI Overviews и AI Mode, причем обычные SEO-рекомендации остаются применимыми и для этих поверхностей. Для ecommerce дополнительно важна инфраструктура Merchant Center.
Яндекс Нейро анализирует материалы из поиска и формирует ответ со ссылками на источники, а для товарных представлений Яндекс принимает структурированные данные и YML-фиды.
Gemini и Perplexity также участвуют в AI-поиске и выборе товаров, но переносить на них без проверки конкретные правила ChatGPT или Google нельзя. У каждой системы собственные источники, механизмы retrieval и продуктовые интерфейсы.

Почему ИИ может не рекомендовать товары вашего интернет-магазина

Причину стоит искать последовательно, а не начинать с переписывания текста.
  1. База: проверьте доступность. Индексируются ли карточки и категории, не заблокирован ли нужный crawler, доступна ли основная информация без проблемного клиентского рендеринга.
  2. Проверьте товарные данные. Есть ли название, бренд, идентификаторы, характеристики, цена, наличие, изображения и варианты.
  3. Сверьте источники. Страница, structured data и feed не должны сообщать противоречащие друг другу цены или наличие.
  4. Проверьте интенты. Карточка может отлично ранжироваться по модели товара, но ничего не сообщать о сценариях, по которым покупатель просит AI подобрать продукт.
  5. Проверьте продавца. Доставка, возврат, гарантия и другие коммерческие условия должны быть понятными и актуальными.
  6. Изучите внешнюю информацию. Для оценки продукта или продавца AI может обращаться не только к вашему сайту.
Если технических проблем нет, отсутствие рекомендации само по себе не доказывает наличие «GEO-фильтра». Другие товары могут просто лучше соответствовать конкретному запросу.

Чек-лист GEO-готовности интернет-магазина

Для первичного аудита достаточно проверить четыре уровня.
  1. Технический: индексируемость, robots.txt, canonical, sitemap, серверную доступность основного контента и доступ нужных поисковых роботов.
  2. Товарный: Product/Offer markup, идентификаторы, характеристики, варианты, изображения, актуальные price и availability.
  3. Коммерческий: доставка, возврат, гарантия, контакты, сведения о продавце и реальные конкурентные преимущества.
  4. Интентный: категории, сравнения, buying guides и карточки должны закрывать реальные вопросы покупателей — «для кого подходит», «чем отличается», «с чем совместим», «какие ограничения».
После изменений измеряйте не один случайный ответ нейросети, а стабильный набор запросов. Для Google при наличии доступа можно использовать AI Performance Insights Merchant Center; для остальных систем — повторяемый мониторинг одних и тех же покупательских сценариев.

Частые вопросы о GEO для интернет-магазина

Главный принцип GEO для e-commerce поэтому довольно приземленный: товар должен быть доступен системе, однозначно описан, актуален и подходить под интент покупателя. А магазин должен давать AI достаточно проверяемых данных, чтобы отличить его предложение от десятков продавцов того же SKU.
Именно поэтому сильное продвижение в ИИ e-commerce начинается не с магической длины абзацев и не с llms.txt, а с технически доступного сайта, качественных product data, фидов, корректной разметки, полезных страниц выбора и реальных преимуществ продавца.
Почему мы

Наши специалисты по GEO-продвижению

Карина Григорьева
SEO-эксперт, консультант по поисковому продвижению
В SEO с 2007 года, с 2023 года — партнёр «Горячего Ветра».

В GEO-продвижении отвечает за анализ конкурентов, SEO-стратегию и оптимизацию коммерческих сайтов для нейросетей.
Виктория Майбах
SEO-специалист, редактор, линкбилдер
SEO-специалист, редактор, линкбилдер С 2018 года работает с контентом, с 2021 — в SEO, с 2022 — в линкбилдинге.

Отвечает за GEO-контент, экспертные публикации и внешние упоминания бренда.
Получить консультацию
Хочу обсудить GEO для интернет-магазина