**Версия:** 2026-07-19  
**Формат:** большой практический справочник + evidence ledger + экспериментальный backlog  


> **COLLIDER.CLUB** — закрытый клуб инноваторов, фаундеров и предпринимателей, сфокусированный на информационном преимуществе, новых технологиях и практиках из высокомаржинальных ниш. 

В этом документе клуб используется как контекст для исследовательских и продуктовых сценариев: где уместно, добавлены идеи, как превращать GEO-наблюдения в воспроизводимые эксперименты внутри клубной сети.

---

## Как читать этот документ

Это не сборник «секретных хаков». Здесь намеренно смешаны три разных слоя, но они **жестко размечены по доказательности**:

1. **Установленные факты** — официальная документация поисковых/AI-платформ.
2. **Исследовательские результаты** — академические работы и крупные воспроизводимые измерения.
3. **Полевые наблюдения** — кейсы практиков, корреляции, единичные эксперименты и тактики из собранного корпуса.
4. **Неподтвержденные гипотезы / gray-black практики** — могут быть интересны как attack surface или идея теста, но не должны трактоваться как устройство алгоритма.

### Главная оговорка

В GEO особенно легко перепутать **citation**, **retrieval**, **ranking**, **brand mention** и **реальное влияние на ответ**. Современная исследовательская литература предлагает рассматривать их как разные этапы. Цитирование URL само по себе еще не означает, что система использовала его факты в финальном ответе; а улучшение поведения внутри уже заданного контекста не доказывает рост органической обнаруживаемости. См. [S14](#s14), [S17](#s17), [S20](#s20).

---

## Система тегов

Каждая карточка размечается по нескольким независимым осям.

- `#country/...` — география: `global`, `US`, `UK`, `DE`, `FR`, `CA`, `AU`, `NZ`, `EU`, и т.д.
- `#engine/...` — движок: `google-ai`, `chatgpt`, `perplexity`, `gemini`, `claude`, `bing-copilot`, `multi-engine`.
- `#task/...` — задача: `discoverability`, `indexing`, `citation`, `entity`, `content`, `measurement`, `local`, `product-discovery`, `reputation`.
- `#technique/...` — механизм: `query-fanout`, `entity-graph`, `structured-data`, `digital-pr`, `ugc`, `programmatic-seo`, `feeds`, `internal-linking`, `original-data`, `comparison`, `multimodal`, `agentic`.
- `#asset/...` — тип поверхности: owned / earned / social / UGC / profile / feed / dataset. В карточках этот тег добавляется вручную там, где он особенно важен.
- `#vertical/...` — вертикаль: e-commerce, local services, SaaS, iGaming, finance, crypto, media, cross-vertical.
- `#evidence/...` — доказательность: `official`, `research`, `observed`, `field-report`, `unverified`.
- `#risk/...` — устойчивость и риск: `white`, `gray`, `gray-or-black`, `black/high-risk`.
- `#funnel/...` — стадия: awareness / consideration / transaction / retention.

**Рекомендуемый формат поиска по файлу:**  
`#country/DE #engine/chatgpt #task/citation` или `#vertical/ecommerce #technique/feeds #evidence/official`.

---

## Executive summary: 20 тезисов, которые выдерживают проверку лучше остальных

1. **GEO не отменяет SEO.** Для Google AI Overviews и AI Mode базовая доступность, индексируемость, качество и Search ranking systems остаются фундаментом. [S01](#s01), [S02](#s02).
2. **Google официально подтверждает query fan-out:** модель может запускать несколько связанных подзапросов по подтемам и источникам. Это расширяет поверхность, на которой контент может быть найден. [S01](#s01), [S02](#s02).
3. **Но делать отдельную страницу под каждую воображаемую fan-out вариацию — плохая идея:** Google прямо предупреждает о scaled content abuse и советует создавать полезный контент, а не страницы ради манипуляции AI search. [S02](#s02), [S03](#s03), [S04](#s04).
4. **Для Google не нужен специальный `llms.txt` или «AI schema».** Google прямо пишет, что не использует `llms.txt` как специальный сигнал и не требует особой разметки для AI features. [S02](#s02).
5. **Для ChatGPT технический доступ отделен по роботам.** `OAI-SearchBot` отвечает за появление сайтов в поисковых результатах ChatGPT; его роль отличается от других OpenAI crawlers. [S09](#s09).
6. **Perplexity также документирует отдельного поискового краулера — `PerplexityBot`.** [S11](#s11).
7. **GEO — стохастическая система.** Один и тот же промпт, его перефразировка, дата запуска и состояние поиска могут дать разные источники. Измерять один раз недостаточно. [S14](#s14), [S20](#s20).
8. **Citation ≠ influence.** Нужны раздельные метрики: был ли URL найден, процитирован, использованы ли его факты, насколько заметен бренд, был ли клик/конверсия. [S17](#s17).
9. **Исходная GEO-paper показала, что citations/statistics/authoritative quotations могут менять visibility в экспериментальном контексте**, но это не следует интерпретировать как гарантированный рост органической discoverability. [S13](#s13), критика и рамки — [S14](#s14).
10. **Topical relevance и положение информации в доступном контексте стабильно важнее декоративного форматирования** в контролируемых GEO-экспериментах. [S19](#s19).
11. **AI engines отличаются по source mix.** Исследования находят заметные различия между Google, ChatGPT, Perplexity, Gemini/Claude в доле brand-owned, earned и social источников. [S15](#s15), [S16](#s16).
12. **Earned media имеет повышенную стратегическую ценность:** независимые обзоры, отраслевые медиа, экспертные сравнения и данные могут влиять на machine-perceived authority сильнее, чем самореклама бренда. Это исследовательский тренд, а не универсальный закон. [S15](#s15).
13. **Structured data полезна, но не является магическим GEO-фактором.** Она помогает системам понимать сущности и делает страницы eligible для специальных Search experiences; Google отдельно говорит не переоценивать ее как AI-хак. [S02](#s02), [S05](#s05).
14. **В e-commerce product data layer критичен.** Merchant Center feeds + Product/Offer/ProductGroup дают поисковой системе более управляемые и свежие данные о товарах. [S06](#s06), [S26](#s26), [S31](#s31).
15. **В local search фактическая согласованность сущности важнее «магической плотности».** Адрес, часы, категория, контакты и профиль бизнеса должны быть корректны и согласованы с сайтом и другими источниками.
16. **UGC и first-hand experience — отдельный тип источника.** Google поддерживает разметку DiscussionForumPosting/ProfilePage, что подтверждает ценность корректной идентификации дискуссий и авторов, но не гарантирует ранжирование. [S23](#s23), [S28](#s28).
17. **Свежесть — проблема discovery, а не гарантия ranking.** IndexNow и другие механизмы могут ускорять обнаружение изменений, но не гарантируют индексацию или цитирование. [S22](#s22).
18. **Bing уже выделяет AI visibility в отдельный измеримый слой.** В 2026 Bing Webmaster Tools запустил AI Performance с citations, cited pages и grounding queries. [S21](#s21).
19. **Adversarial GEO реально существует как класс атак.** Академические работы показывают, что preference manipulation / prompt-injection-подобный контент способен влиять на рекомендации LLM-систем. Это одновременно техника риска и причина строить защиту бренда. [S18](#s18).
20. **Самый устойчивый moat — Information Gain:** собственные данные, эксперименты, экспертные свидетельства, методики, первичные документы и четкая фактическая структура. Commodity AI-текст легко копируется; уникальные данные — нет.


## Реестр подтверждающих источников

<a id="s01"></a>**S01 — Google Search Central — AI features and your website**  
Тип: `#evidence/official`  
https://developers.google.com/search/docs/appearance/ai-features

<a id="s02"></a>**S02 — Google Search Central — Optimizing your website for generative AI features**  
Тип: `#evidence/official`  
https://developers.google.com/search/docs/fundamentals/ai-optimization-guide

<a id="s03"></a>**S03 — Google Search Central — Guidance on generative AI content**  
Тип: `#evidence/official`  
https://developers.google.com/search/docs/fundamentals/using-gen-ai-content

<a id="s04"></a>**S04 — Google Search Central — Spam policies**  
Тип: `#evidence/official`  
https://developers.google.com/search/docs/essentials/spam-policies

<a id="s05"></a>**S05 — Google Search Central — Introduction to structured data**  
Тип: `#evidence/official`  
https://developers.google.com/search/docs/appearance/structured-data/intro-structured-data

<a id="s06"></a>**S06 — Google Search Central — Share product data with Google / Merchant Center**  
Тип: `#evidence/official`  
https://developers.google.com/search/docs/specialty/ecommerce/share-your-product-data-with-google

<a id="s07"></a>**S07 — Google Search Central — Canonicalization and duplicate URLs**  
Тип: `#evidence/official`  
https://developers.google.com/search/docs/crawling-indexing/consolidate-duplicate-urls

<a id="s08"></a>**S08 — Google Search Central — robots.txt introduction**  
Тип: `#evidence/official`  
https://developers.google.com/search/docs/crawling-indexing/robots/intro

<a id="s09"></a>**S09 — OpenAI — Overview of OpenAI crawlers**  
Тип: `#evidence/official`  
https://developers.openai.com/api/docs/bots

<a id="s10"></a>**S10 — OpenAI — Publishers and Developers FAQ**  
Тип: `#evidence/official`  
https://help.openai.com/en/articles/12627856-publishers-and-developers-faq

<a id="s11"></a>**S11 — Perplexity — Perplexity crawlers**  
Тип: `#evidence/official`  
https://docs.perplexity.ai/docs/resources/perplexity-crawlers

<a id="s12"></a>**S12 — Perplexity — Search API overview**  
Тип: `#evidence/official`  
https://docs.perplexity.ai/docs/search/quickstart

<a id="s13"></a>**S13 — Aggarwal et al. — GEO: Generative Engine Optimization (KDD 2024)**  
Тип: `#evidence/research`  
https://arxiv.org/abs/2311.09735

<a id="s14"></a>**S14 — Martinez — Critical Survey of GEO, 2023–2026**  
Тип: `#evidence/research`  
https://arxiv.org/abs/2607.14035

<a id="s15"></a>**S15 — Chen et al. — Generative Engine Optimization: How to Dominate AI Search**  
Тип: `#evidence/research`  
https://arxiv.org/abs/2509.08919

<a id="s16"></a>**S16 — Source Coverage and Citation Bias in LLM-based vs Traditional Search**  
Тип: `#evidence/research`  
https://arxiv.org/abs/2512.09483

<a id="s17"></a>**S17 — From Citation Selection to Citation Absorption**  
Тип: `#evidence/research`  
https://arxiv.org/abs/2604.25707

<a id="s18"></a>**S18 — Adversarial SEO for LLMs / Preference Manipulation Attacks**  
Тип: `#evidence/research`  
https://arxiv.org/abs/2406.18382

<a id="s19"></a>**S19 — What Gets Cited: Competitive GEO in AI Answer Engines**  
Тип: `#evidence/research`  
https://arxiv.org/abs/2605.25517

<a id="s20"></a>**S20 — Don’t Measure Once: Measuring Visibility in AI Search**  
Тип: `#evidence/research`  
https://arxiv.org/abs/2604.07585

<a id="s21"></a>**S21 — Bing Webmaster — AI Performance dashboard**  
Тип: `#evidence/official`  
https://blogs.bing.com/webmaster/February-2026/Introducing-AI-Performance-in-Bing-Webmaster-Tools-Public-Preview

<a id="s22"></a>**S22 — IndexNow — official documentation**  
Тип: `#evidence/official`  
https://www.indexnow.org/

<a id="s23"></a>**S23 — Google Search Central — DiscussionForumPosting structured data**  
Тип: `#evidence/official`  
https://developers.google.com/search/docs/appearance/structured-data/discussion-forum

<a id="s24"></a>**S24 — Google Search Central — Localized versions / hreflang**  
Тип: `#evidence/official`  
https://developers.google.com/search/docs/specialty/international/localized-versions

<a id="s25"></a>**S25 — Pinterest GEO — production-scale VLM and agent framework**  
Тип: `#evidence/research`  
https://arxiv.org/abs/2602.02961

<a id="s26"></a>**S26 — Google Search Central — Product variants / ProductGroup**  
Тип: `#evidence/official`  
https://developers.google.com/search/docs/appearance/structured-data/product-variants

<a id="s27"></a>**S27 — Google Search Central — Preferred Sources**  
Тип: `#evidence/official`  
https://developers.google.com/search/docs/appearance/preferred-sources

<a id="s28"></a>**S28 — Google Search Central — ProfilePage structured data**  
Тип: `#evidence/official`  
https://developers.google.com/search/docs/appearance/structured-data/profile-page

<a id="s29"></a>**S29 — Google Search Central — Ranking systems guide**  
Тип: `#evidence/official`  
https://developers.google.com/search/docs/appearance/ranking-systems-guide

<a id="s30"></a>**S30 — Google Search Central — Redirects and Google Search**  
Тип: `#evidence/official`  
https://developers.google.com/search/docs/crawling-indexing/301-redirects

<a id="s31"></a>**S31 — Google Search Central — Product structured data**  
Тип: `#evidence/official`  
https://developers.google.com/search/docs/appearance/structured-data/product

<a id="s32"></a>**S32 — Google Search Central — Discussion and forum markup**  
Тип: `#evidence/official`  
https://developers.google.com/search/docs/appearance/structured-data/discussion-forum


---

# PART I. Модель GEO как системы

# PART I. Модель GEO как системы

## 1. Не «ранг», а pipeline

Практически полезно моделировать AI visibility как цепочку:

`доступность → crawl/discovery → index/search corpus → retrieval → reranking/context allocation → citation selection → citation absorption → brand prominence → click/action → memory/personalization`

Ошибки GEO-команд часто происходят из-за попытки оптимизировать последний этап, когда сломан первый. Например, можно бесконечно переписывать FAQ «под ChatGPT», но `OAI-SearchBot` не может забрать страницу; или пытаться поднять цитирование Google AI Mode у URL, который нестабилен в индексе.

### Минимальная система метрик

| Слой | Что измерять | Пример KPI |
|---|---|---|
| Discoverability | видит ли движок страницу/сущность | crawler hits, index coverage |
| Retrieval | появляется ли URL среди найденных источников | retrieval share |
| Citation | отображается ли URL как источник | citation rate |
| Absorption | использованы ли конкретные факты/формулировки | fact adoption rate |
| Brand | упомянут ли бренд и в каком контексте | mention share, recommendation share |
| Prominence | где стоит бренд в ответе | first mention, top-3 share |
| Traffic | есть ли переход | AI referral sessions |
| Economics | есть ли бизнес-эффект | leads, revenue, assisted conversions |
| Stability | повторяемость | variance across runs/paraphrases/days |

**Правило:** нельзя сводить GEO к одной метрике «сколько раз нас процитировали».

## 2. Query fan-out меняет объект оптимизации

В классическом SEO запрос часто моделируется как одна строка → SERP. В AI Mode/AI Overviews исходный вопрос может раскладываться на набор связанных поисков. Поэтому оптимизируется не только keyword, а **пространство подзадач**:

- определение;
- ограничения пользователя;
- сравнение;
- цена;
- совместимость;
- география;
- альтернативы;
- риски;
- доказательства;
- отзывы/first-hand experience;
- свежие изменения.

Но здесь есть важное ограничение: query fan-out не оправдывает массовую генерацию отдельных тонких страниц. Лучше строить coherent topic system и закрывать подзадачи там, где это естественно для пользователя. [S02](#s02).

## 3. Source graph важнее списка «SEO-факторов»

Для AI search полезно думать о бренде как о графе утверждений:

`Entity → Attribute → Value → Evidence → Independent corroboration`

Пример:

`Компания X → обслуживает рынок Германии → с 2022 → официальный сайт + реестр + отраслевое медиа + отзывы клиентов`

Сильная GEO-архитектура не просто повторяет claim на 50 сайтах. Она создает **несколько независимых типов подтверждения**: owned data, product/profile data, earned media, UGC, публичные datasets, документы и экспертов.

## 4. Engine-specific GEO обязателен

Не существует одного «AI ranking». У движков различаются:

- собственные или партнерские search indexes;
- правила запуска web search;
- crawlers;
- скорость обновления;
- количество цитат;
- склонность к earned media;
- чувствительность к формулировке;
- локализация;
- personalization;
- интерфейсные ограничения.

Следовательно, benchmark должен быть минимум multi-engine и multi-run.


> **COLLIDER.CLUB lens:** закрытый клуб инноваторов, фаундеров и предпринимателей может использовать этот раздел как карту экспериментов: не спорить о терминах GEO, а ставить измеримые тесты на реальных проектах.