🔍 Как нейросеть выбирает бренд: один вопрос → 16 запросов → сотня источников → 3 названия в ответе
В прошлом посте разобрали: когда модель идёт в поиск - начинается выбор брендов. Теперь разберём, как этот выбор устроен.
Первое, что ломает шаблон. Вы задали один вопрос - модель ищет не по нему.
Она берёт ваш запрос и разворачивает его в пачку под-запросов. Это называется query fan-out - «веер запросов». Спрашиваете «лучшая CRM для малого бизнеса» - а модель за кулисами генерит своё: «amoCRM цены 2026 Россия», «Битрикс24 тарифы 2026», «Bitrix24 цены базовый стандартный профессиональный рублей». Один ваш вопрос превращается в 15-16 запросов, которых вы никогда не видите.
Зачем. Модель хочет ответить полно. Она не знает заранее, что вам важно - цена, функции, отзывы - поэтому кидает веер во все стороны и собирает картину с разных углов.
Тут есть тихий нюанс. Модель знает про вас много - возраст, профессию, чем интересуетесь, что недавно спрашивали (всё лежит в памяти). И часто подмешивает это в под-запросы. Айтишнику 32 лет на «посоветуй ноутбук» она пойдёт искать не «лучший ноутбук 2026», а «лёгкий ноутбук для разработчика». То есть выбор брендов персонализируется ещё на этапе веера.
Дальше она сканирует источники. Не три-четыре - сотню. По примеру с CRM - 104 источника за один прогон.
И теперь главное про выбор. Из этой сотни в ответ попадают единицы. Примерно каждый пятый просканированный источник - остальное модель прочитала и выбросила. Узкое горлышко: сканируется много, до ответа доходит мало. Вот этот фильтр «сотня на входе → три бренда на выходе» и есть тот самый выбор.
По каким признакам она выбирает. Не случайно. Смотрит на цену, простоту, широту функционала, отзывы - и на то, на каких источниках бренд засветился. В CRM-нише, например, 80% цитат - официальные сайты брендов. Форумы модель сканирует, но не цитирует. Академические статьи не трогает вообще. В каждой нише свой набор источников, которым модель доверяет.
И ключевой сдвиг. Вы оптимизируете сайт под «лучшая CRM». А модель по этому запросу искала «Битрикс24 тарифы 2026» и цитировала официальные сайты. Вы готовились к одному вопросу - она задала другие и доверяла другим источникам. Не совпали - вас не выбрали. Даже если по исходному запросу вы идеальны.
В финальном посте - что со всем этим делать. И почему SEO и GEO теперь не конкуренты, а одна связка.
В прошлом посте разобрали: когда модель идёт в поиск - начинается выбор брендов. Теперь разберём, как этот выбор устроен.
Первое, что ломает шаблон. Вы задали один вопрос - модель ищет не по нему.
Она берёт ваш запрос и разворачивает его в пачку под-запросов. Это называется query fan-out - «веер запросов». Спрашиваете «лучшая CRM для малого бизнеса» - а модель за кулисами генерит своё: «amoCRM цены 2026 Россия», «Битрикс24 тарифы 2026», «Bitrix24 цены базовый стандартный профессиональный рублей». Один ваш вопрос превращается в 15-16 запросов, которых вы никогда не видите.
Зачем. Модель хочет ответить полно. Она не знает заранее, что вам важно - цена, функции, отзывы - поэтому кидает веер во все стороны и собирает картину с разных углов.
Тут есть тихий нюанс. Модель знает про вас много - возраст, профессию, чем интересуетесь, что недавно спрашивали (всё лежит в памяти). И часто подмешивает это в под-запросы. Айтишнику 32 лет на «посоветуй ноутбук» она пойдёт искать не «лучший ноутбук 2026», а «лёгкий ноутбук для разработчика». То есть выбор брендов персонализируется ещё на этапе веера.
Дальше она сканирует источники. Не три-четыре - сотню. По примеру с CRM - 104 источника за один прогон.
И теперь главное про выбор. Из этой сотни в ответ попадают единицы. Примерно каждый пятый просканированный источник - остальное модель прочитала и выбросила. Узкое горлышко: сканируется много, до ответа доходит мало. Вот этот фильтр «сотня на входе → три бренда на выходе» и есть тот самый выбор.
По каким признакам она выбирает. Не случайно. Смотрит на цену, простоту, широту функционала, отзывы - и на то, на каких источниках бренд засветился. В CRM-нише, например, 80% цитат - официальные сайты брендов. Форумы модель сканирует, но не цитирует. Академические статьи не трогает вообще. В каждой нише свой набор источников, которым модель доверяет.
И ключевой сдвиг. Вы оптимизируете сайт под «лучшая CRM». А модель по этому запросу искала «Битрикс24 тарифы 2026» и цитировала официальные сайты. Вы готовились к одному вопросу - она задала другие и доверяла другим источникам. Не совпали - вас не выбрали. Даже если по исходному запросу вы идеальны.
В финальном посте - что со всем этим делать. И почему SEO и GEO теперь не конкуренты, а одна связка.