AI SEO чекліст: 6 блоків для видимості бренду в ChatGPT та AI Overviews

Чому «GEO-хаки» не працюють: що Google офіційно сказав 15 травня 2026

15 травня 2026 року Google опублікував офіційний гайд з оптимізації під генеративний AI-пошук — і одним документом закрив дворічну дискусію. Формулювання пряме: оптимізація під генеративний AI-пошук — це оптимізація пошукового досвіду, тобто досі SEO. AEO і GEO — не нові професії, а нові назви роботи, яку технічно сильні команди робили завжди.

Найцінніша частина гайду — список того, що можна ігнорувати. Google прямо називає зайвими: файл llms.txt, «спеціальну» розмітку для AI та чанкінг — штучне дроблення тексту під фрагменти. Системи розуміють кілька тем на одній сторінці й самі дістають релевантний шматок.

Факт.

Половина «GEO-послуг» на ринку продає саме ці три пункти. З нашого досвіду, найшвидший спосіб відрізнити практика від продавця хайпу — спитати про llms.txt: якщо він у комерційній пропозиції на першому місці, перед вами друге. Застереження теж чесне: позиція Google стосується Google. ChatGPT і Perplexity працюють на власних індексах і зважують сигнали інакше — для них частина пунктів нижче має навіть більшу вагу.

Присутність бренду: чому половина вашого AI SEO — не на вашому сайті

Найважливіша частина видимості в AI-відповідях розташована не на вашому домені. Коли ChatGPT рекомендує магазин, платформу чи підрядника, він синтезує відповідь зі згадок: добірки «Top X», галузеві каталоги, Reddit і профільні спільноти, медіа. Сайт — лише одне з джерел.

Хто взагалі сказав, що видимість бренду живе на вашому домені?

AI-пошук — не вітрина, а сомельє: він не показує гостю всю винну карту, а наливає один келих. І наливає те, про що чув із десятка незалежних джерел. Перші два блоки чекліста працюють саме з цим:

• Аудит згадок: поставте ChatGPT, Perplexity і Gemini 10–15 реальних запитів ваших клієнтів і зафіксуйте, кого вони рекомендують. Це базова точка відліку — без неї решта чекліста повисає в повітрі, бо ви не знаєте, від чого міряти прогрес.
• Потрапляння в галузеві добірки «Top X» і «Best X» — звідти моделі беруть рекомендації.
• Wikipedia, Wikidata і Knowledge Panel: якщо сутність бренду не описана, AI складно відрізнити вас від тезки.
• Власні дані й дослідження — джерела з унікальною інформацією моделі пріоритезують.

Окремий пласт — посилальний профіль. Цінність посилання змістилася: важлива не вага домену сама по собі, а входження в мережу джерел, яким модель довіряє. Тому нарощування посилальної маси з трастових галузевих майданчиків тепер працює двічі: на класичне ранжування і на ймовірність згадки в AI-відповіді.

Бізнес-вимір питання. За даними Amsive (шестимісячний аналіз 54 сайтів у GA4), конверсія сесій з LLM-джерел — 4,87% проти 4,6% в органіки: AI-трафік уже продає нарівні з пошуком. Для e-commerce це означає, що фід, категорійні сторінки і бренд мають бути видимі асистентам так само, як Shopping-кампаніям, — інакше ROAS каналу, якого ви не бачите у звітах, дістається конкуренту. Для CMO у B2B рахунок інший: один пропущений шорт-лист в AI-відповіді — це MQL, який навіть не дійшов до воронки. З нашої практики, компанії спершу помічають не падіння трафіку, а «нізвідки» виниклі угоди конкурентів.

Інсайт: за нашими спостереженнями з аналізу AI-видачі, у ніші приблизно 30 доменів збирають близько двох третин цитувань. AI-системи консервативніші за Google — вони повертаються до перевірених джерел. Тому метрика номер один — не кількість цитат, а citation reach: скільки різних запитів приводять саме до вас.

Контент, який AI цитує: позиція відповіді, обсяг і структура

Цитується не сторінка — цитується фрагмент. За нашими спостереженнями, пік цитувань припадає на контент у перших 10–20% сторінки: моделі беруть відповідь там, де її дано одразу, без розгону. Звідси правило answer-first: пряма відповідь — у першому абзаці секції, деталі — після.

Обсяг при цьому не помер. Матеріали від 10 000 знаків у нашій аналітиці цитуються помітно частіше за короткі замітки — не через довжину як таку, а тому що лонгрід закриває більше підзапитів. Працює зв’язка: глибока сторінка плюс миттєва відповідь на початку кожної секції. Що перевіряти у власному контенті:

Про чанкінг окремо: у розборі Search Engine Journal наведено позицію інженерів Google, які прямо радять не дробити текст штучно — системи самі знаходять релевантний фрагмент на цілісній сторінці. Третій шар — спільнота: реальні запитання клієнтів живуть у сейлз-дзвінках, тікетах підтримки і блоці People Also Ask, і кожне з них — кандидат на окрему секцію. А далі починається найцікавіше — і воно вже не в Search Console…

Згадки бренду в живих обговореннях — Reddit, профільні групи, LinkedIn-коментарі — моделі зважують як сигнал реального досвіду. Накрутити це дешево не вийде: неприродні вкиди читаються і людьми, і алгоритмами. Це гра в довгу, але саме вона набиває траст, який потім конвертується в цитування.

Кого пускати, кого блокувати: training-боти проти search-ботів

Найдорожча помилка в технічці AI SEO — закрити всіх AI-ботів одним правилом. У robots.txt це різні сутності з різними наслідками. GPTBot і Google-Extended збирають дані для навчання моделей. ChatGPT-User і OAI-SearchBot приходять, коли жива людина просить асистента знайти відповідь просто зараз. Закрили других разом із першими — і власноруч вирізали себе з AI-видачі.

Перевірте.

З нашої практики: на одному з проєктів, які ми аудитуємо, ChatGPT-User ходить по сайту приблизно у 3,5 раза частіше за реального Googlebot. Це вже не екзотика, а повноцінний канал — який або працює на вас, або ні.

Чесно: універсальної формули «що блокувати» немає. Ми самі двічі переглядали підхід до власного robots.txt — баланс між захистом контенту від навчання моделей і відкритістю для AI-пошуку кожен бізнес визначає сам. Але search-боти майже завжди мають лишатися відкритими. І ще нюанс, який бачимо в логах постійно: значна частина запитів з User-Agent «Googlebot» — підробки, і без фільтрації за офіційними IP-діапазонами Google аналіз краулінгу дає хибні висновки. Перевірка реальної поведінки ботів у серверних логах — стандартна частина SEO-просування, а не окрема екзотична послуга.

Технічна доступність: чому AI прощає менше, ніж Google

Налаштували robots.txt. Відкрили search-ботам. Тиждень — у відповідях тиша. Ось тут і починається справжня робота: рендеринг, швидкість, чистота коду. Googlebot уміє виконувати JavaScript і чекати — більшість AI-краулерів ні. Вони читають сирий HTML, і якщо ключовий контент чи кнопки домальовуються скриптами, для них цього не існує. Дірки в технічці, які класичний пошук пробачав роками, AI-пошук карає одразу.

• CDN і захист (Cloudflare тощо) не ріжуть AI-ботів — у дефолтних налаштуваннях це трапляється частіше, ніж здається.
• Актуальний sitemap, здорові Core Web Vitals, мінімум битих сторінок.
• Весь ключовий контент присутній у сирому HTML, без JS-залежності.
• Для e-commerce — товарний фід: структуровані дані товару б’ють краулінг за швидкістю і точністю.

Якщо сайт історично «важкий», часто дешевше закласти AI-доступність на етапі розробки сайту зі швидким чистим кодом, ніж нескінченно латати рендеринг. Це правило працює у 80% випадків. У решти 20% вистачає точкових фіксів — контекст вирішує.

Моніторинг: citation reach замість позицій

Позиції більше не описують реальність: асистент може процитувати сторінку з п’ятого екрана видачі, якщо фрагмент точніший. Тому контур моніторингу інший — де і як часто бренд згадується в AI-відповідях, яка частка голосу проти конкурентів, які типи джерел тягнуть видимість у вашій ніші. Без цього контуру бюджет на контент зливається наосліп: ви робите сторінки, але не знаєте, чи бере їх хоч одна модель.

Практичний мінімум — щомісячний цикл: фіксований пул із 20–30 реальних запитів клієнтів, прогін по ChatGPT, Perplexity і Gemini, таблиця «хто згаданий і з яким джерелом». Плюс розкопати аналітику в GA4: окремий канал під LLM-реферали, щоб бачити сесії та конверсії з AI окремо від органіки і контекстної реклами. Моделі оновлюються — те, що працювало три місяці тому, може вже не працювати. Реверс-інжиніринг чужих цитувань — найшвидший спосіб знайти контент-гепи: подивіться, звідки AI тягне відповіді у ніші, чого з цього немає у вас, і закрийте.

У статті я показав головний біль: бренд або є у відповіді, або його не існує для клієнта. В ADS Group цю проблему вирішують у зв’язці: аналіз серверних логів і реальної поведінки AI-ботів, технічна доступність, контент під цитування. З 2011 року, для e-commerce і B2B в Україні та Європі. Деталі — в банері нижче.