# GEO на практике: 3 500 цитирований в Copilot и 25 кликов из Bing

> Кейс блога: что Copilot цитирует, по каким запросам и почему цитирования растут, а клики нет. Данные Bing AI Performance за 3 месяца и выводы для GEO.
> Author: Roman Belov · Published: 2026-11-06 · Source: https://futurecraft.pro/ru/blog/geo-copilot-case/

С 6 августа по 5 ноября 2026 года Microsoft Copilot и связанные AI-сервисы Bing сослались на страницы futurecraft.pro 3 536 раз. Обычный поиск Bing за тот же период привёл на сайт 25 кликов. Разница примерно в 140 раз, и на ней хорошо видно, чем GEO-оптимизация (generative engine optimization) отличается от SEO: GEO - это работа над тем, чтобы AI-ассистент брал страницу источником ответа, и измеряется она цитированиями, а не кликами.

Все цифры ниже взяты из Bing Webmaster Tools, снимок от 6 ноября 2026 года, окно «3 месяца». Отчёт AI Performance, откуда берутся цитирования, Bing пока помечает как BETA, а его данные как выборку из общей активности. Перед вами один сайт и один срез; на рынок эти цифры не обобщаются.

Статья о том, что именно Copilot цитирует на техническом блоге, по каким запросам, как отделить агентный «трафик» от людей, что было сделано на сайте и чего эти данные не доказывают. В конце есть чек-лист, чтобы повторить измерение на своём сайте.

## Откуда данные: отчёт AI Performance в Bing Webmaster Tools

Microsoft запустил AI Performance в Bing Webmaster Tools в феврале 2026 года как public preview ([анонс в блоге Bing Webmaster](https://blogs.bing.com/webmaster/February-2026/Introducing-AI-Performance-in-Bing-Webmaster-Tools-Public-Preview)). Отчёт показывает, как часто страницы сайта становятся источниками в ответах Microsoft Copilot, в AI-сводках Bing и у части партнёров. В срезе для этого кейса все три источника сведены в общие цифры.

| Что показывает отчёт | Чего в отчёте нет |
|---|---|
| Общее число цитирований за период и дневной ряд | Кликов и переходов из ответа на сайт |
| Среднее число цитируемых страниц в день | Места ссылки внутри ответа |
| Цитирования по каждому URL | Других сайтов, процитированных в том же ответе |
| Grounding queries: фразы, по которым AI искал материал | Полных данных: grounding queries даны выборкой |
| Метку интента и долю цитирований по запросу | Разбивки по Copilot, AI-сводкам Bing и партнёрам |

Цитирование в терминах Bing - это случай, когда страница показана источником в AI-ответе. Число цитирований не говорит ни о том, увидел ли ссылку человек, ни о том, перешёл ли он по ней. Поэтому сравнивать цитирования с кликами напрямую нельзя: это разные события. Цифры в статье стоят рядом, чтобы показать, насколько расходятся два канала; «конверсией» их отношение считать не стоит.

## Цифры: цитирования растут, клики стоят на месте

За 90 дней в отчёте 3 536 цитирований (интерфейс округляет до 3,5K), 81 страница с цитированиями, в среднем 9 цитируемых страниц в день и 41 grounding query в выборке.

| Месяц | Цитирований | Дней в окне | В среднем в день |
|---|---|---|---|
| Август (с 6-го) | 356 | 26 | ≈14 |
| Сентябрь | 972 | 30 | ≈32 |
| Октябрь | 2 028 | 31 | ≈65 |
| Ноябрь (1–5) | 180 | 5 | 36 |

От сентября к октябрю число цитирований выросло в 2,1 раза. Пик пришёлся на 4 октября (265 цитирований), но это единичный день: в начале октября обычный уровень был 60–110 в день. Первые пять дней ноября дают 36 в день, почти вдвое меньше октябрьского среднего. По пяти дням выборочных данных нельзя сказать, спад это, задержка обработки или шум.

Обычный веб-поиск Bing за то же окно выглядит иначе:

| Канал (окно 06.08–05.11.2026) | Значение | Предыдущий снимок (26.09.2026, 3 месяца) |
|---|---|---|
| Цитирования в AI Performance | 3 536 | 1,4K |
| Страниц с цитированиями | 81 | 67 |
| Клики из поиска Bing | 25 | 21 |
| Показы в поиске Bing | 2,9K | 5,5K |
| CTR в поиске Bing | 0,86% | нет данных |

Окна двух снимков перекрываются примерно на семь недель (август–сентябрь), поэтому это не чистое сравнение «период к периоду». Направление при этом видно: цитирования и число цитируемых страниц выросли, показы в веб-выдаче упали почти вдвое, клики остались на уровне двух десятков.

Одно из возможных объяснений: часть ответов пользователи получают в Copilot и не доходят до классической выдачи. Проверить эту гипотезу по данным Bing Webmaster Tools нельзя: кликов из Copilot отчёт не даёт, а падение показов может иметь и другие причины, от сезонности до изменений ранжирования.

## Какие страницы цитирует Copilot

Цитирования распределены неравномерно. На первую страницу приходится 26% от всех, на первые четыре 49%.

| Страница | Цитирований за 3 месяца |
|---|---|
| /blog/supabase-startup-guide/ | 910 |
| /blog/rest-api-design-ai/ | 329 |
| /blog/ai-agents-complete-guide/ | 299 |
| /blog/context-engineering-vs-rag/ | 193 |
| /ru/blog/how-to-create-ai-agent/ | 113 |
| /ru/blog/mcp-servers-explained/ | 87 |
| /blog/impact-frequency-matrix/ | 66 |
| /blog/ai-slop-code-review-methodology/ | 65 |
| /blog/prompt-library-template/ | 49 |
| /blog/safe-vs-priced-round/ | 45 |

Что общего у лидеров. Это длинные гайды: тексты EN-версий первых четырёх занимают от 2,5 до 5,7 тысячи слов. Каждый открывается блоком с определением термина и TL;DR. [Гайд по Supabase](https://futurecraft.pro/ru/blog/supabase-startup-guide/) начинается с раздела сравнения с Firebase, [Context Engineering vs RAG](https://futurecraft.pro/ru/blog/context-engineering-vs-rag/) построен на сравнении двух подходов и содержит decision framework, [REST API Design с помощью AI](https://futurecraft.pro/ru/blog/rest-api-design-ai/) собран из принципов, промптов и чек-листа. Таблиц много: в EN-версиях гайда по Supabase и статьи про context engineering десятки строк таблиц.

Русские страницы тоже в топе: [туториал по созданию AI-агента](https://futurecraft.pro/ru/blog/how-to-create-ai-agent/) (113) и [объяснение MCP-серверов](https://futurecraft.pro/ru/blog/mcp-servers-explained/) (87). Ниже в списке есть русские версии гайда по AI-агентам и [руководства по RAG](https://futurecraft.pro/ru/blog/rag-system-guide/).

Эти черты не объясняют выбор Copilot целиком. Блок с определением есть у 130 из 134 англоязычных статей блога, а FAQ-раздела нет у первой и третьей страницы топа. Структура, по-видимому, помогает странице попасть в ответ, но решает тема: гайд по Supabase цитируется почти втрое чаще, чем следующая страница.

### Markdown-версия как отдельный источник

В топ-50 по цитированиям попал адрес `/blog/prompt-library-template.md`. Это Markdown-версия статьи, которая цитируется отдельно от HTML-страницы. На сайте у каждой статьи есть такая версия для AI-агентов. В заголовках ответа для этих адресов стоят `X-Robots-Tag: noindex, follow` и `Link: rel="canonical"` на HTML-страницу (canonical добавлен в октябре). Как Copilot сводит две версии одной статьи и учитывает ли canonical для цитирований, отчёт не показывает. Практический вывод скромнее: если у страницы есть альтернативные версии, их цитирования надо складывать вручную.

## Grounding queries: как Copilot переписывает вопрос

Grounding queries - это фразы, которыми AI искал материал в индексе Bing перед тем, как сослаться на страницу. В отчёте рядом с каждой стоит число цитирований и доля (citation share). В обзорах отчёта эту метрику описывают как процент цитирований сайта от всех цитирований по данному запросу.

| Grounding query | Интент (метка Bing) | Цитирований | Доля сайта |
|---|---|---|---|
| Supabase evaluation database for startups | Informational | 276 | 40,59% |
| supavase | Others | 202 | 49,88% |
| api.dev AI-generated OpenAPI specifications efficiency | Research | 104 | 19,51% |
| Context engine vs RAG | Comparison | 90 | 19,03% |
| mcp server | Informational | 71 | 0,06% |
| enterprise AI prompt library essential components | Informational | 58 | 18,01% |
| как создать ии агента | Learn and Solve | 30 | 16,85% |
| best practices integrating multiple language model apis reliability failover | Research | 26 | 22,41% |
| tracking user feedback signals with llm traces in production | Research | 13 | 33,33% |

Большинство запросов в таблице не похожи на то, что человек набирает в поисковой строке. «Best practices integrating multiple language model apis reliability failover» похоже на вопрос, который ассистент переформулировал из диалога. Такие запросы длинные, с перечислением аспектов. По запросам с меткой Research доля сайта в выборке от 19 до 33%.

Не все запросы переписаны. «supavase» - опечатка, которая ушла в индекс как есть, и по ней у сайта почти половина цитирований. Метки интента («Research», «Learn and Solve») расставляет классификатор Bing, их стоит читать как подсказку.

Противоположный случай - запрос «mcp server»: 71 цитирование при доле 0,06%. Если доля считается от всех цитирований по запросу, то по этому запросу в выборке порядка сотни тысяч цитирований других источников. Это грубая оценка, но порядок понятен: в широком запросе на сайт приходится примерно одно цитирование из 1 700, а в узком исследовательском - от каждого второго до каждого пятого.

Вывод для контент-стратегии: точный ответ на длинный, конкретный вопрос даёт больше цитирований, чем попытка конкурировать за широкий термин. Это совпадает с тем, как устроена работа с long-tail в классическом SEO (подробнее про подбор таких тем в статье про [keyword research с AI](https://futurecraft.pro/ru/blog/keyword-research-ai/)), с одной поправкой: в GEO длинный хвост формулирует ассистент.

## Промпты агентов среди «ключевых слов» Bing

В отчёте Search Performance (обычный веб-поиск) среди запросов встречаются фразы, которые человек в поисковую строку не вводит. Несколько примеров в пересказе:

- приветствие и просьба представиться одним предложением, чтобы проверить подключение через MCP: 94 показа, средняя позиция 7,9;
- «слишком много вопросов» и просьба объяснить, как использовать LightRAG в роли контекст-провайдера;
- вопрос новичка в вайбкодинге о том, можно ли законно сделать сайт на Supabase в России.

Похоже на текст промптов, который AI-агенты и чат-ассистенты отправляют в Bing при поиске в вебе. Один такой «запрос» дал 94 показа из 2,9K за квартал, то есть около 3% всех показов. Живой человек эту выдачу, скорее всего, не видел.

Признаки агентного запроса в отчёте:

- обращение на «ты» и повелительное наклонение («представься», «расскажи»);
- приветствия, служебные фразы, реплики из середины диалога;
- длина в целое предложение или абзац, контекст о пользователе («я новичок»);
- стабильная позиция при нулевых кликах.

Такие запросы стоит исключать при расчёте CTR и при поиске тем: иначе показы завышены, а CTR занижен. Отдельно их можно собирать как сигнал того, какие вопросы агенты задают о вашей нише.

## Что было сделано на сайте (и чего это не доказывает)

Ниже перечислено только то, что проверяется по репозиторию блога. Даты указаны по истории коммитов; день выкатки на прод мог быть позже, а «март 2026 или раньше» означает, что мера есть уже в первом коммите репозитория.

| Мера | С какого момента | Что делает |
|---|---|---|
| Поля `definition`, `tldr`, `faq` во frontmatter | апрель 2026 | Блок определения и TL;DR в начале статьи, FAQ в конце, разметка FAQPage в JSON-LD |
| `llms.txt` | март 2026 или раньше, генерация из frontmatter с июля | Индекс статей для AI-систем; подробнее в [гайде по llms.txt](https://futurecraft.pro/ru/blog/llms-txt-guide/) |
| Markdown-версии страниц (`/blog/<slug>.md`) | июль 2026 | Чистый текст статьи для агентов; `noindex` и `canonical` на HTML в заголовках ответа |
| IndexNow при деплое | март 2026 или раньше | Уведомление Bing и Яндекса об обновлённых URL; механика описана в [статье про IndexNow и API Яндекс Вебмастера](https://futurecraft.pro/ru/blog/indexnow-yandex-webmaster-api/) |
| hreflang en/ru/x-default | март 2026 или раньше | Связывает EN- и RU-версии одной статьи |

Все эти меры работали ещё до начала окна наблюдения. Внутри окна добавились только заголовки для Markdown-версий: `noindex` (август) и canonical (октябрь). Новый контент рост тоже не объясняет: по дате во frontmatter в августе вышло 7 статей, в сентябре одна, в октябре ни одной. А цитирований в октябре было больше всего.

Поэтому данные кейса не позволяют сказать, что какая-то из мер привела к росту цитирований. Рост с 14 до 65 цитирований в день мог быть связан с изменениями на стороне Copilot, с ростом его использования или с тем, как Bing со временем переоценивает уже проиндексированные страницы. По данным сайта эти причины не различить.

Корректная формулировка: на сайте с этими мерами Copilot цитирует длинные структурированные страницы, и число цитирований за квартал выросло. Чтобы проверить влияние конкретной меры, нужен эксперимент: включить её на части страниц, оставить контрольную группу и смотреть цитирования по URL в течение нескольких месяцев.

## Как повторить измерение на своём сайте

1. Подтвердите сайт в Bing Webmaster Tools. Если сайт уже подтверждён в Google Search Console, его можно [импортировать оттуда](https://blogs.bing.com/webmaster/september-2019/Import-sites-from-Search-Console-to-Bing-Webmaster-Tools).
2. Откройте AI Performance, выберите окно в 3 месяца и выгрузите три среза: дневной ряд цитирований, цитирования по страницам, grounding queries.
3. Сохраните снимок с датой. Окно скользящее, через месяц те же цифры не восстановить. Для сравнения берите неперекрывающиеся периоды.
4. Снимите Search Performance за то же окно: клики, показы, CTR, топ страниц. Сравните, какие страницы сильны в одном канале и слабы в другом.
5. Сложите цитирования альтернативных версий страницы: HTML, `.md`, AMP, языковые версии.
6. Разметьте grounding queries по ширине: узкие исследовательские и широкие. Кроме числа цитирований, смотрите на долю сайта.
7. Отфильтруйте из Search Performance запросы-промпты по признакам выше и пересчитайте CTR.
8. Ведите журнал изменений сайта с датами (история коммитов подойдёт), чтобы сопоставлять их с дневным рядом, не делая выводов о причинности.

## Ограничения кейса

- Один сайт, одна ниша (технический блог про AI и разработку) и один срез на 6 ноября 2026 года.
- AI Performance работает как preview, grounding queries даны выборкой. Bing в анонсе пишет, что продолжит уточнять метрики по мере обработки данных, так что цифры за тот же период могут измениться.
- Метки интента расставлены классификатором Bing, их точность неизвестна.
- Отчёт не показывает кликов из Copilot, места ссылки в ответе и конкурентов в том же ответе.
- Сравнение с предыдущим снимком идёт по перекрывающимся окнам.
- Пик 4 октября и снижение в первые дни ноября по этим данным не объясняются.
- Доля цитирований интерпретирована по описанию отчёта; оценка для «mcp server» сделана арифметикой на выборочных данных.

## С чего начать

Первый шаг: подключить AI Performance и сохранить снимок с датой. Дальше полезнее всего три вещи: смотреть на страницы с высокой долей в узких запросах и писать больше материалов того же формата, исключать агентные запросы из отчётов по поиску и проверять гипотезы про llms.txt или разметку на контрольной группе страниц, а не по общему графику.