GEO на практике: 3 500 цитирований в Copilot и 25 кликов из Bing
Что такое GEO (generative engine optimization)?
GEO - работа над тем, чтобы AI-ассистенты (Microsoft Copilot, ChatGPT, Perplexity, AI-ответы поисковиков) брали страницы сайта источником ответа и ссылались на них. Результат GEO измеряется числом цитирований в ответах, а не позициями и кликами в обычной выдаче.
TL;DR
- -С 6 августа по 5 ноября 2026 года Copilot и AI-сервисы Bing сослались на futurecraft.pro 3 536 раз (81 страница), а обычный поиск Bing за тот же период дал 25 кликов при 2,9K показов.
- -Цитирования росли по месяцам: 356 в августе (с 6-го), 972 в сентябре, 2 028 в октябре; показы в веб-поиске Bing за сопоставимое окно снизились с 5,5K до 2,9K.
- -Половину цитирований собрали четыре длинных гайда с определениями, сравнениями и таблицами. Лидер - гайд по Supabase (910 цитирований, 26% от общего числа).
- -Доля сайта в цитированиях высока в узких и исследовательских grounding queries (13–50% в выборке) и близка к нулю в широких: по запросу «mcp server» доля 0,06%.
- -Отчёт AI Performance в Bing Webmaster Tools работает как preview, grounding queries в нём выборка, кликов из Copilot он не показывает; причинность «сделали X, и цитирования выросли» по этим данным не доказывается.
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). 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 начинается с раздела сравнения с Firebase, Context Engineering vs RAG построен на сравнении двух подходов и содержит decision framework, REST API Design с помощью 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 (113) и объяснение MCP-серверов (87). Ниже в списке есть русские версии гайда по AI-агентам и руководства по RAG.
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), 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 |
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 |
| 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
- Подтвердите сайт в Bing Webmaster Tools. Если сайт уже подтверждён в Google Search Console, его можно импортировать оттуда.
- Откройте AI Performance, выберите окно в 3 месяца и выгрузите три среза: дневной ряд цитирований, цитирования по страницам, grounding queries.
- Сохраните снимок с датой. Окно скользящее, через месяц те же цифры не восстановить. Для сравнения берите неперекрывающиеся периоды.
- Снимите Search Performance за то же окно: клики, показы, CTR, топ страниц. Сравните, какие страницы сильны в одном канале и слабы в другом.
- Сложите цитирования альтернативных версий страницы: HTML,
.md, AMP, языковые версии. - Разметьте grounding queries по ширине: узкие исследовательские и широкие. Кроме числа цитирований, смотрите на долю сайта.
- Отфильтруйте из Search Performance запросы-промпты по признакам выше и пересчитайте CTR.
- 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.