GEO-продвижение в туризме: как вывести бренд в ChatGPT и Алису | видимость в ответах ИИ х3 раза

Заказчик

АО «Донинтурфлот» — оператор премиальных речных круизов по России с более чем 30-летней историей и выраженной сезонностью спроса.

Задача

Повысить присутствие бренда в рекомендательных ответах ИИ и встроить компанию в сценарии выбора речного круиза еще до перехода пользователя на сайт.

Генеративный поиск постепенно меняет привычную модель принятия решения. Пользователь не всегда начинает путь с классической поисковой выдачи: часть вопросов он задает ChatGPT, Алисе, Perplexity, Gemini и другим нейросетям, получает готовый ответ с рекомендациями и только после этого решает, какие компании изучать подробнее.

Для бизнеса возникает новая задача: недостаточно занимать хорошие позиции в традиционном поиске. Важно, чтобы бренд мог попасть в ответ нейросети именно тогда, когда человек сравнивает варианты и формулирует будущий выбор.

На примере АО «Донинтурфлот» рассказываем, как мы выстроили GEO-продвижение туристического проекта и менее чем за три месяца увеличили среднюю видимость бренда в AI с 4,8% до 13,9%.

Вводная часть: задача и точка А проекта

«Донинтурфлот» более 30 лет организует премиальные речные круизы по России. Основная аудитория компании — обеспеченные путешественники старше 40 лет. Для бизнеса характерна высокая лояльность постоянных клиентов, но одновременно выраженная сезонность: речная навигация продолжается примерно с конца апреля до конца октября.

С компанией мы уже сотрудничали по SEO. В декабре 2025 года появился новый комплекс задач: поддержать переезд на новый сайт, провести техническую работу со старым ресурсом, улучшить его поисковое состояние и дополнить классическое продвижение новым направлением — GEO, то есть оптимизацией присутствия бренда в генеративном поиске.

Для туристической отрасли такая задача особенно актуальна. Покупка круиза редко происходит после одного контакта. Человек сначала выясняет, чем речной круиз отличается от других видов отдыха, выбирает маршрут, сравнивает теплоходы, продолжительность путешествия, набор услуг и стоимость. Затем появляются более конкретные вопросы: что входит в цену, что взять с собой, подойдет ли такой отдых семье, можно ли оплатить поездку частями.

Раньше значительная часть этого пути проходила непосредственно в поисковиках и на сайтах компаний. Теперь некоторые этапы переходят в нейросеть: пользователь формулирует вопрос обычным разговорным языком и сразу получает обобщенный ответ.

Поэтому перед нами стояла задача не просто добиться единичного попадания сайта в AI-выдачу, а встроить «Донинтурфлот» в сам процесс выбора путешествия.

Основными целями стали:

— увеличить упоминаемость бренда в релевантных ответах ИИ;

— сформировать присутствие в информационных, брендовых и коммерческих сценариях;

— создать дополнительные точки контакта до прямого перехода пользователя на сайт;

— научиться регулярно измерять динамику AI-видимости и сравнивать ее с конкурентами.

Пошаговая стратегия GEO-оптимизации

Вместо попытки оптимизировать сайт под набор разрозненных формулировок мы начали с Customer Journey Map. Это позволило связать продвижение с реальными этапами принятия решения и понять, какие вопросы человек может задавать нейросети до бронирования.

Этап 1. Разобрали путь клиента и сформировали пул промптов

Команда заказчика описала основные сценарии, по которым разные сегменты аудитории приходят к покупке речного круиза. Мы разложили эти сценарии на этапы и выделили точки, где пользователю требуется дополнительная информация.

После этого собрали промпты двух основных типов.

Информационные запросы относились к ранним этапам выбора: пользователь еще не определился с конкретным продуктом и хочет разобраться в теме.

Коммерческие промпты были ближе к покупке и отражали сравнение вариантов, условий и конкретных предложений.

Каждый промпт проходил дополнительную проверку непосредственно в AI-сервисах. Мы сравнивали формулировки между системами, убирали слабые и малополезные варианты и оставляли вопросы, которые действительно соответствуют пользовательским интентам.

Затем пул разделили на кластеры и подинтенты. Такая структура стала одновременно основой для мониторинга и контент-плана.

На первом этапе в измерение вошли брендовые и информационные сценарии. Позже, когда проект перешел к следующей стадии, мы расширили мониторинг коммерческими запросами и связанными с ними информационными промптами.

Это важный методический момент. GEO нельзя оценивать только по одной неизменной группе запросов. По мере развития проекта зона анализа должна расширяться, иначе показатель будет отражать лишь ту часть пути клиента, которая уже хорошо оптимизирована.

Этап 2. Перестроили контент под генеративный поиск

Следующий слой работы касался самих страниц.

Мы использовали выводы исследований Лаборатории поисковой аналитики «Ашманов и партнеры» о том, как Алиса выбирает источники для генеративного ответа. Анализировали структуру материалов, заголовки, смысловые блоки и форматы подачи информации, которые помогают нейросети быстрее определить релевантность страницы.

Фактически задача заключалась в том, чтобы сделать контент удобным не только для человека и классической поисковой системы, но и для модели, которая должна извлечь из страницы понятный фрагмент и использовать его при формировании ответа.

Провели постраничный анализ текстов и метатегов. Проверили, насколько страницы действительно отвечают интентам, выявили материалы с небольшой полезностью и низкой уникальностью, нашли разделы с недостаточно раскрытыми сценариями.

Для коммерческих посадочных подготовили отдельные рекомендации. В заголовках и содержании страниц начали отражать реальные вопросы и критерии выбора пользователей.

Большое внимание уделили структуре. Для коммерческих страниц выстраивали понятную иерархию H2–H3, для объемных информационных материалов — H2–H4.

Дополнительно рекомендовали блоки FAQ и формат «вопрос — ответ». Для GEO это важно не из-за механической плотности ключевых слов, а потому, что четко сформулированные факты и самостоятельные смысловые блоки проще извлекать при работе генеративных систем и RAG-механизмов с источником.

Иными словами, мы повышали содержательную Fact Density: каждый раздел должен был давать конкретный ответ, а не заполнять страницу общими SEO-формулировками.

При этом работа не сводилась к попыткам искусственно влиять на эмбеддинг или насыщать текст ключевыми словами. Основным фактором оставалась полнота ответа на пользовательский интент.

Этап 3. Построили контент-план из реальных AI-сценариев

Пул промптов помог увидеть темы, которых на сайте не хватало.

На его основе сформировали план обновления существующих материалов и создания новых. Один из примеров — статья для пользователей, только начинающих выбирать речной круиз.

В основу материала вошли конкретные вопросы:

«Что нужно знать о речном круизе?»,

«Можно ли оплатить круиз по частям?»,

«Что входит в стоимость длительного круиза?»,

«Что взять с собой в путешествие дольше недели?».

Сначала материал разместили на внешней площадке — в Дзене, затем опубликовали в блоге самого «Донинтурфлота».

Впоследствии этот контент начал попадать в ответы Алисы.

Этот пример показателен еще и потому, что внешняя публикация может работать не как самостоятельная PR-активность, а как дополнительный источник информации о бренде. Для генеративной системы важны не только страницы собственного сайта, но и общая цитируемость и репутация сущности в доступных ей источниках.

При этом мы не ставили задачу механически увеличить количество внешних упоминаний. Для GEO важнее качество контекста, в котором появляется бренд, и соответствие публикации конкретному пользовательскому сценарию.

Этап 4. Связали информационный контент с коммерческими страницами

Один из рисков информационного продвижения — получить упоминаемость на раннем этапе воронки, но не связать ее с будущим коммерческим действием.

Поэтому мы рекомендовали перелинковку между статьями и посадочными страницами.

Если пользователь начинает с общего вопроса о круизах, на сайте должна существовать логичная последовательность дальнейших шагов: изучить формат отдыха → подобрать направление ? сравнить варианты ? перейти к конкретному предложению.

Такая архитектура полезна сразу в двух плоскостях. Она помогает человеку двигаться по сайту и одновременно формирует для поисковых и AI-систем более понятные связи между информационными и коммерческими сущностями.

Этап 5. Подготовили техническую основу для GEO

Хороший материал бесполезен, если его сложно обнаружить или обработать.

Поэтому параллельно проводили техническую оптимизацию.

Проверили сайт на ошибки и подготовили рекомендации по исправлению. Отдельно анализировали доступность контента для AI-ботов и условия индексации.

Сформировали llms.txt. Отметим, что влияние этого файла на попадание в генеративную выдачу пока нельзя считать однозначно доказанным фактором. Мы рассматриваем его как дополнительный технический элемент, а не как самостоятельный способ продвижения.

Кроме того, подготовили рекомендации по микроразметке. Структурированные данные помогают системам точнее определять тип и содержание представленной на странице информации.

Сайт также добавили в Bing Webmaster Tools. Для проекта это было важно не только с позиции классического поиска: экосистема Microsoft тесно связана с развитием генеративных продуктов и инструментов на базе AI.

Этап 6. Настроили постоянный мониторинг

GEO отличается от классического SEO еще и самой логикой измерения.

Поэтому для проекта сформировали отдельный пул целевых промптов и начали регулярно отслеживать видимость бренда.

Данные выводились в дашборд и анализировались отдельно по брендовым, информационным и коммерческим группам.

Такой подход позволил увидеть не только итоговый показатель, но и причины его изменения.

Результаты и динамика упоминаний: точка B

На старте средняя видимость «Донинтурфлота» в AI составляла 4,8%.

К февралю 2026 года показатель достиг 13,9%.

Таким образом, за период с декабря 2025 года по февраль 2026-го присутствие бренда в отслеживаемых генеративных ответах увеличилось почти втрое.

В Perplexity уже за первый месяц видимость выросла более чем в два раза.

С февраля мы также получили возможность отслеживать Gemini. В этой нейросети проект сразу показал хороший уровень присутствия, после чего динамика продолжила расти.

На момент оценки среди восьми отслеживаемых конкурентов сайт «Донинтурфлота» занимал третье место по AI-видимости.

По мере внедрения GEO-рекомендаций более устойчивую динамику стал показывать и трафик.

Выводы и практический чек-лист для бизнеса

Опыт «Донинтурфлота» показывает: чтобы попасть в рекомендации нейросети, недостаточно просто переписать SEO-тексты под ChatGPT или добавить FAQ.

Работу стоит начинать с реального пути клиента и вопросов, возникающих на разных стадиях выбора.

После этого необходимо:

— собрать и кластеризовать пользовательские промпты;

— проверить исходную выдачу и присутствие конкурентов;

— сопоставить каждый интент с подходящей страницей или новым материалом;

— повысить содержательность и структурированность контента;

— проработать коммерческие и информационные страницы как единую систему;

— обеспечить нормальную индексацию и техническую доступность источников;

— отслеживать упоминаемость и цитируемость отдельно по группам сценариев;

— не интерпретировать изменение общего показателя без анализа состава мониторинга.

Для «Донинтурфлота» GEO-продвижение стартовало еще в низкий сезон. Это позволило начать формировать присутствие бренда в новой поисковой среде до пикового периода спроса.

Работа продолжается: следующий фокус — более сложные коммерческие сценарии. Но уже первые этапы проекта подтвердили, что системная оптимизация под AI-поиск способна заметно изменить представленность бренда в генеративных ответах и создать дополнительные точки контакта с потенциальными клиентами еще до их перехода на сайт.

Перейти на сайт