Карточка товара с красивыми эпитетами вместо характеристик работает на конкурента: и человек, и нейросеть уходят туда, где есть цифры. Разбираем, что именно ищут в карточке AI-поиск и генеративные модели, чем отличаются AEO и GEO - и как перестроить карточку по шагам, не выдумывая товару лишних свойств.

Коротко: AEO и GEO - не два названия одного и того же и не замена SEO. AEO отвечает за то, чтобы вас процитировали в блоке готового ответа; GEO - за то, чтобы генеративная модель выбрала вас источником при формировании рекомендации. Для карточки товара это означает одно и то же требование с разных сторон: точное название, актуальная цена и наличие, полные характеристики, структурированные данные и ответы на реальные вопросы покупателей.
В видео к этой статье - история про сумку, которая продала конкурента, потому что в карточке были только эпитеты, а не размеры. Здесь - не пересказ, а разбор механики и полный маршрут действий: чем отличаются AEO и GEO, что физически проверяет нейросеть в карточке и как переписать её по шагам.
Оба термина выросли из SEO, но решают разные задачи.
AEO (Answer Engine Optimization) - оптимизация под системы прямых ответов: featured snippets в выдаче, блоки «Люди также спрашивают», голосовые ассистенты вроде Алисы. Механика простая: система ищет фрагмент текста, который дословно или почти дословно отвечает на конкретный вопрос, и показывает его без перехода на сайт. Выигрывает тот, у кого ответ сформулирован яснее и короче.
GEO (Generative Engine Optimization) - оптимизация под генеративные модели: YandexGPT, ChatGPT, GigaChat и подобные. Здесь модель не цитирует один фрагмент, а собирает ответ из нескольких источников и решает, какие товары вообще упомянуть. Побеждает не самая красивая формулировка, а самый структурированный и проверяемый набор фактов.
Разница на практике: AEO - про один точный ответ на один вопрос. GEO - про то, чтобы модель в принципе включила вас в список, когда сравнивает варианты для пользователя. Оба термина - надстройка над SEO, а не его замена: сайт по-прежнему должен нормально индексироваться, обновляться и получать реальные упоминания.
Генеративная модель не «понимает» товар так, как человек - она собирает структуру: заголовок, атрибуты, цену, наличие, отзывы, частоту и давность упоминаний в сети. Практики рынка формулируют требование к карточке жёстко: «ИИ ненавидит карточки с 3 характеристиками из 20 - это выглядит как "мы не знаем, что продаём"». Точного минимума никто не публикует, но логика понятна: чем ближе карточка к нижней границе, тем меньше у модели опорных точек, чтобы вообще счесть товар релевантным запросу.
Минимальный набор, без которого разговор об AEO/GEO не имеет смысла:
Дальше - предметные характеристики: размеры, вес, материал, совместимость, срок службы. Именно здесь чаще всего и живёт разрыв между «дерзкая, стильная» и тем, что нужно было спросить у карточки: влезет ли ноутбук, сколько это весит, из чего сшито.
Не список советов, а последовательность: каждый шаг опирается на результат предыдущего.
Шаг 1. Аудит текущих карточек. Возьмите 5-10 карточек и посчитайте для каждой две вещи: сколько предметных характеристик заполнено (из скольких вообще возможно для этой категории) и есть ли в тексте что-то, кроме эмоциональных эпитетов. Карточки, где характеристик меньше трети от возможного набора, - кандидаты на переписывание в первую очередь.
Шаг 2. Собрать вопросы там, где они уже есть. Не придумывайте, что могло бы интересовать покупателя, - откройте переписку: директ, чат маркетплейса, комментарии, обращения в поддержку. Вопросы, которые повторяются у разных людей, - это и есть недостающие поля карточки.
Шаг 3. Собрать эталонный набор характеристик по категории. Посмотрите карточки трёх конкурентов с наибольшим числом заполненных полей - не чтобы копировать формулировки, а чтобы понять, какой набор атрибутов считается полным именно для этого типа товара.
Шаг 4. Переписать текст - с ИИ, но по границе. Роль нейросети - сформулировать точнее и структурнее то, что у вас уже есть, а не дополнить недостающие данные правдоподобной догадкой. Рабочая формулировка задания для модели: «перепиши характеристики короче и понятнее, ничего не добавляя сверх списка».
Шаг 5. Структурированные данные - на своём сайте, нативные поля - на маркетплейсе. На собственном сайте это разметка Schema.org: тип Product с полями name, offers (price, priceCurrency, availability), плюс FAQPage для блока вопрос-ответ. Условно это выглядит так:
{
"@context": "https://schema.org",
"@type": "Product",
"name": "Сумка для ноутбука Model X, 15 дюймов, чёрная",
"offers": {
"@type": "Offer",
"price": "3990",
"priceCurrency": "RUB",
"availability": "https://schema.org/InStock"
}
}
На маркетплейсе (Ozon, Wildberries и подобных) Schema.org не применяется - площадка использует свою систему характеристик и фильтров. Логика та же: чем больше полей заполнено предметно, тем выше шанс попасть в фильтр покупателя и в подборку, которую соберёт встроенный ИИ-помощник площадки.
Шаг 6. Проверить на практике, а не поверить на слово. Задайте YandexGPT, ChatGPT или голосовому ассистенту вопрос так, как его задал бы покупатель: «сумка для ноутбука 15 дюймов до 4000 рублей». Если вашего товара нет в ответе, а у конкурента есть - сравните карточки напрямую.
Шаг 7. Не останавливаться после одного захода. Карточка без обновлений теряет позиции даже после идеальной переработки. Раз в квартал стоит повторять шаг 2 и шаг 6.
Дописать в карточку характеристику, которую вы не проверяли, - не безобидная деталь оформления. Это риск сразу с двух сторон: покупатель, получивший товар не по описанию, возвращает его и пишет отзыв, который потом читает та же нейросеть при следующем сравнении; а формально это ещё и недостоверная информация о товаре, которая уже касается законодательства о рекламе, а не только контент-стратегии. Граница простая: ИИ отвечает за формулировку и структуру, а не за факты. Источник фактов - всегда вы: спецификация производителя, собственные замеры, реальный склад.
Разбор выше - конкретно про карточку товара. Более широкий вопрос - как вообще сделать так, чтобы нейросети (включая Алису) упоминали ваш бизнес в ответах пользователям, - разбирала отдельно: «Как сделать так, чтобы про ваш бизнес рассказывала Алиса».
Нет. AEO отвечает за прямые ответы и голосовой поиск (featured snippets, «Люди также спрашивают»). GEO - за то, чтобы генеративная модель выбрала вас источником при сборке рекомендации. Требования к контенту во многом пересекаются, но механика разная.
Точного числа не существует. Ориентир - не приближаться к нижней границе: карточка с 3 характеристиками из 20 возможных для категории выглядит как «мы не знаем, что продаём» - и для покупателя, и для алгоритма.
Нет. На маркетплейсах своя система характеристик и фильтров, Schema.org там не применяется. Микроразметка актуальна только для собственного сайта.
Задайте нейросети вопрос так, как его сформулировал бы покупатель, и посмотрите, попадает ли ваш товар в ответ. Это прямая проверка, не требующая специальных инструментов.
Обсудим твою задачу и определим, с чего начать. Формат и условия - на странице консультации.
Разобрать мою задачу