Кейс: как GEO/AEO привело 30+ заявок в месяц из AI-поиска

Коротко: к нам обратился клиент из ниши ремонта техники: сеть сервисных центров получала заявки из поиска и карт, но почти не появлялась в ответах нейросетей. Мы собрали GEO/AEO-контур: переписали посадочные страницы под ответы, усилили экспертность бренда, разметили частые вопросы и выстроили систему проверки в ChatGPT, Алисе и Gemini. За 8 недель бренд стал появляться примерно в 11 из 20 контрольных AI-сценариев, а обращения с формулировками «вас посоветовала нейросеть» выросли с 1–2 до 30+ в месяц.

Для бизнеса это новый слой спроса. Человек больше не всегда идёт в классический поиск и не открывает 10 вкладок. Он спрашивает: «куда отдать ноутбук в ремонт», «какой сервис выбрать рядом», «кто чинит технику с гарантией», «посоветуй компанию для срочного ремонта». Если в ответе нет вашего бренда, клиент уходит к тем, кого нейросеть назвала первой.

В этом кейсе показываем, как мы в Эпоха ИИ подошли к задаче не как к «магическому SEO для ChatGPT», а как к нормальной системе видимости: понятные сущности, ответы на коммерческие вопросы, доказательства доверия, связка сайта и контента, регулярная проверка выдачи в ответных системах.

1. Кто клиент и что было до

Клиент — сеть сервисных центров по ремонту бытовой и цифровой техники в крупном городе: 9 точек, 40+ сотрудников, поток заявок из поиска, карт, Авито и рекомендаций. Основные услуги — ремонт смартфонов, ноутбуков, телевизоров, мелкой техники и выезд мастера.

До проекта у клиента была понятная проблема: классическое SEO работало, но часть спроса начала уходить в нейросети. Менеджеры стали слышать от клиентов новые фразы: «мне вас подсказал AI», «я спросил у Алисы», «ChatGPT посоветовал проверить несколько сервисов». Но в большинстве таких ответов появлялись конкуренты, агрегаторы или старые справочники.

Мы начали с контрольного среза. Взяли 20 коммерческих сценариев, которые похожи на реальные вопросы клиентов:

• «где починить ноутбук рядом со мной»;
• «посоветуй сервис по ремонту телевизора с гарантией»;
• «куда обратиться, если телефон не заряжается»;
• «какой сервисный центр выбрать в городе»;
• «кто быстро чинит технику и не навязывает лишние услуги».

Проверяли ответы в нескольких системах: ChatGPT, Алиса AI, Gemini и поисковые ответы с AI-блоками. Смысл был не в том, чтобы поймать один красивый скриншот, а в том, чтобы понять повторяемость. Если бренд всплывает один раз из двадцати, это не канал продаж. Это случайность.

На старте картина была такой:

Главная боль была не в том, что «нейросеть не любит бренд». Нейросетям было просто не за что уверенно зацепиться. На сайте были услуги, цены «от», адреса и стандартные тексты. Но не хватало ответов на вопросы, по которым AI выбирает, кого рекомендовать: кому подходит сервис, какие гарантии, какие районы закрываются, как проходит диагностика, что делать при срочном ремонте, когда лучше не чинить устройство, чем сервис отличается от агрегатора.

2. Что мы внедрили

Мы внедрили GEO/AEO-контур вокруг сайта и контента клиента. Задача была простой: сделать так, чтобы нейросетям было легче понять, кому подходит сервис, по каким запросам его можно рекомендовать и какие доказательства доверия есть у бренда.

Сначала мы собрали карту AI-запросов. В классическом SEO бизнес часто смотрит на «ремонт ноутбуков цена» или «сервисный центр адрес». В ответных системах запросы длиннее и ближе к живому разговору: «куда обратиться, если ноутбук выключается при зарядке», «как выбрать сервис, чтобы не развели на лишний ремонт», «где починить телевизор с выездом мастера». Поэтому мы разделили запросы на 4 группы:

1. Выбор подрядчика — «какой сервис выбрать», «кого посоветуешь», «куда обратиться».
2. Симптомы поломки — «не включается», «греется», «нет изображения», «не заряжается».
3. Сравнение вариантов — «ремонтировать или купить новый», «сервис или частный мастер».
4. Локальные сценарии — район, срочность, выезд, гарантия, тип техники.

Дальше мы переписали ключевые страницы в формате answer-first. Не «мы оказываем широкий спектр услуг», а короткий ответ на вопрос клиента в первых строках: что можно починить, сколько обычно занимает диагностика, когда нужен выезд, что входит в гарантию. Для AI это критично: ответная система забирает не красивые слоганы, а ясные фрагменты, которые можно вставить в рекомендацию.

Мы добавили на сайт 28 новых FAQ-ответов. Каждый отвечал на реальный коммерческий вопрос, а не на абстрактное «почему выбирают нас». Например:

• можно ли вызвать мастера в день обращения;
• что делать, если после ремонта проблема вернулась;
• какие признаки говорят, что ремонт уже невыгоден;
• как проходит диагностика ноутбука;
• чем сервисный центр отличается от частного мастера;
• какие данные нужно сохранить перед ремонтом.

Отдельный блок — сущность бренда. Нейросеть должна понимать, что компания не просто набор страниц, а конкретный бизнес: название, услуги, адреса, районы, каналы связи, гарантии, отзывы, специализация. Мы привели эти данные к одному виду на сайте и в публичных профилях, убрали расхождения в формулировках и усилили страницы, где бренд описывался как сервисная сеть, а не как случайная мастерская.

Параллельно мы подключили ИИ-продажника в Telegram и виджет на сайте. Это не заменяло GEO, но закрывало вторую часть воронки: если человек пришёл из AI-ответа, он не должен ждать 15–20 минут. ИИ отвечал примерно за 5 секунд, уточнял тип техники, симптом, район, срочность и передавал заявку менеджеру с готовым саммари. Для CRM использовали amoCRM: в сделку попадали ФИО, услуга, канал, источник и краткое содержание диалога.

Что сделали по шагам:

• собрали 20 контрольных AI-сценариев и зафиксировали стартовую видимость;
• переписали 14 коммерческих страниц под AEO-ответы;
• добавили 28 FAQ-блоков по реальным вопросам клиентов;
• усилили страницы услуг связками «симптом → решение → срок → гарантия → следующий шаг»;
• привели брендовые данные к одному виду на сайте и внешних профилях;
• настроили регулярную проверку ChatGPT, Алисы AI и Gemini по тем же сценариям;
• подключили ИИ-продажника к сайту и Telegram, чтобы не терять новые обращения.

Мы не добавляли клиенту новую рекламу и не меняли оффер. Это важно для чистоты кейса. Рост пришёл из двух мест: бренд стал чаще попадать в ответы нейросетей, а входящие обращения начали быстрее обрабатываться.

3. Результат: до → после

Через 8 недель мы сделали повторный срез по тем же 20 сценариям. Проверяли не один удачный запрос, а повторяемость по группе коммерческих вопросов. Результат стал заметен уже после первой волны правок, но стабильная картина появилась ближе к концу второго месяца.

Самый важный показатель — не количество новых текстов и не число FAQ. Бизнесу нужны заявки. Поэтому мы отдельно смотрели, сколько людей в диалоге прямо говорили, что нашли компанию через нейросеть или AI-поиск. До проекта таких обращений почти не было: 1–2 в месяц, и их сложно было считать каналом. После внедрения клиент начал получать 30+ таких обращений в месяц.

Второй эффект — качество первого контакта. Человек, который приходит из AI-ответа, часто уже прогрет: он спросил систему, сравнил варианты и пришёл с конкретной проблемой. Но если ему отвечают через 20 минут, он успевает написать ещё в 2–3 сервиса. После подключения ИИ-продажника первый ответ занимал несколько секунд. Это помогло не только принять заявку, но и сразу собрать вводные: модель техники, симптом, район, срочность, удобный способ связи.

Третий эффект — снижение хаоса в аналитике. Раньше менеджеры записывали источник как «сайт», «мессенджер» или вообще не заполняли поле. После настройки amoCRM появился отдельный источник для AI-обращений и саммари диалога. Руководитель увидел, какие вопросы чаще приводят к заявке, какие услуги всплывают в AI-канале и где стоит усилить контент.

Почему результат получился? Нейросети чаще рекомендуют источники, по которым можно собрать уверенный ответ. У клиента появились страницы, где прямо сказано: что ремонтируют, в каких случаях берутся за работу, какие гарантии, как проходит диагностика, что делать при срочной поломке. Вместо общей витрины сайт стал базой ответов.

Дополнительно помогла связка с ИИ-продажником. Мы уже показывали похожую механику в кейсе про первую линию продаж: когда ответ сокращается с 2–4 часов до 3–8 секунд, растёт число квалифицированных лидов и снижается нагрузка на команду. Подробнее об этом можно прочитать в статье Как ИИ-продажник заменил первую линию отдела продаж. В этом проекте логика была той же: AI приводит клиента, AI быстро принимает его в диалоге, менеджер подключается к уже собранной заявке.

4. Сколько стоит запуск

Запуск такого контура считается после брифа, потому что GEO/AEO зависит от ниши, текущего сайта, количества услуг, географии и того, есть ли у бизнеса нормальная база фактов. Для части компаний достаточно усилить страницы и FAQ. Для других нужно сначала привести в порядок сайт, источники, карточки, аналитику и обработку заявок.

В Эпоха ИИ мы обычно собираем проект из двух частей.

Первая часть — AI-маркетинг и GEO: анализ рынка и запросов, структура ответов, контент под ChatGPT, Алису AI, Gemini и другие ответные системы, проверка видимости по контрольным сценариям. Фиксированной цены на лендинге для GEO нет: считаем после брифа, потому что объём может отличаться в разы.

Вторая часть — ИИ-продажник, если бизнесу нужно не только попасть в ответы, но и быстро закрывать входящие заявки. Здесь условия прозрачные:

• внедрение под ключ — от 50 000 ₽;
• оплата 50/50: половина на старте, половина после приёмки;
• сопровождение — от 10 000 ₽/мес;
• срок запуска — 2–4 недели;
• первый рабочий MVP — за 7–10 дней.

Во внедрение входит аудит продаж и сценариев, подключение каналов, интеграция CRM, настройка под Tone of Voice и базу знаний, тестирование и обучение. В сопровождение входят поддержка, мониторинг, исправление ошибок на нашей стороне, обновление моделей, дообучение на новых диалогах и метрики в личном кабинете.

Если у вас уже есть 50–100 заявок в месяц, эффект от такой связки обычно виден быстрее: есть поток, на котором можно мерить скорость ответа, конверсию и качество лидов. Если заявок мало, сначала смотрим, где брать спрос: GEO/AEO, контент, реклама, маркетплейсы, Авито или локальные каналы.

5. Подводные камни

GEO продвижение не работает как кнопка «добавить сайт в ChatGPT». Ответные системы не обязаны показывать бренд в каждом запросе. Они выбирают источники по вероятности полезного ответа, по ясности фактов, по повторяемости упоминаний и по тому, насколько запрос совпадает с содержанием сайта.

Первый подводный камень — ждать результата за 2 дня. Индексация, переобход страниц, обновление ответов и накопление сигналов занимают время. В нашем кейсе первые сдвиги появились раньше, но нормальный срез мы делали через 8 недель. Для ниш с высокой конкуренцией срок может быть длиннее.

Второй риск — писать тексты только «для нейросетей» и забыть про человека. Если страница выглядит как набор сухих ответов без доверия, гарантий и понятного следующего шага, она может попасть в AI-ответ, но не продаст. Поэтому мы всегда держим баланс: короткий answer-first блок для AEO, потом нормальное объяснение для клиента.

Третий риск — не закрыть обработку заявок. Если AI-канал начал приводить людей, но менеджеры отвечают через 30–40 минут, бизнес сам сливает спрос. В сервисной нише скорость особенно важна: человек с разбитым телефоном или неработающим ноутбуком не ждёт идеального предложения, он пишет тому, кто быстро и внятно отвечает.

Четвёртый риск — смешивать метрики. Нельзя считать все заявки с сайта как «клиенты из AI». Мы отдельно просили менеджеров отмечать фразы клиента, добавили источник в CRM и смотрели диалоги. Только так можно понять, что именно изменилось после GEO/AEO, а не приписать проекту весь рост продаж.

Пятый момент — данные и безопасность. Если ИИ-продажник работает с именами, телефонами, суммами и перепиской, нужно аккуратно настроить хранение и передачу данных. В Эпоха ИИ решения соответствуют 152-ФЗ: базы клиентов и переписки хранятся на серверах в России, чувствительные поля маскируются перед отправкой в модель, для крупных компаний можно развернуть контур на серверах клиента.

Для смежной подготовки полезно посмотреть наш гайд Как попасть в ответы нейросетей в 2026. А если главная боль не в видимости, а в обработке входящих, начните со статьи ИИ-менеджер по продажам в 2026.

FAQ

Источники

1. Внутренние данные Эпоха ИИ по проекту GEO/AEO для сети сервисных центров, проверено: июнь 2026.
2. Как попасть в ответы нейросетей в 2026: Алиса, ChatGPT и Gemini, проверено: июнь 2026.
3. Как ИИ-продажник заменил первую линию отдела продаж: реальный кейс ЭПОХА ИИ, проверено: июнь 2026.

Автор статьи

Никита Овдиенко

Строю ЭПОХА ИИ

В Telegram-канале «Никита Овдиенко | Бизнес на AI» рассказываю как ИИ помогает автоматизировать бизнес-процессы и увеличивать доход — на примере своей компании и проектов клиентов.

Подписаться