GEOAEO-audit

RANKA Готов ли ваш сайт стать ответом нейросети

Вставьте до 10 нужных страниц — проверим только их: поля Schema.org, canonical, индексируемость, llms.txt, прямые ответы и сигналы доверия.

+Добавить промпты (необязательно)
Только выбранные URLПоля Schema.orgCanonical и noindexllms.txtПрямые ответы

Что нужно знать про GEO и AEO

Что такое GEO-оптимизация и чем она отличается от SEO

GEO (Generative Engine Optimization) — подготовка сайта к тому, чтобы нейросеть использовала его как источник ответа. SEO борется за позицию в списке ссылок, GEO — за то, чтобы модель процитировала именно вас внутри сгенерированного текста.

Разница практическая: в поиске пользователь видит десять ссылок и выбирает сам, а в ответе нейросети источников два-три, и попадание в них решает всё. Классические факторы ранжирования при этом никуда не исчезают — страница должна быть доступна, индексируема и быстра. Добавляются новые.

  • Машиночитаемая структура: JSON-LD, из которого модель достаёт факты без догадок.
  • Прямой ответ в первых предложениях — модели цитируют начало блока, а не выводы в конце.
  • Явные сигналы доверия: автор, дата обновления, ссылки на первоисточники.
  • Доступ для AI-краулеров, которых не пускает ни robots.txt, ни WAF.

Что такое AEO и зачем разделять его с GEO

AEO (Answer Engine Optimization) отвечает за то, насколько текст страницы удобно превратить в ответ: есть ли вопросные заголовки, короткие определения, списки и таблицы. GEO отвечает за техническую понятность сайта машине, AEO — за форму самого контента.

Разделение нужно, потому что чинят их разные люди. GEO-проблемы закрывает разработчик за один релиз: добавить разметку, поправить canonical, открыть ботов. AEO-проблемы закрывает редактор, и это работа на недели. Общий балл, в котором смешано и то и другое, не говорит, к кому идти.

Что такое llms.txt и обязателен ли он

llms.txt — файл в корне сайта с кратким описанием проекта и списком главных материалов в Markdown. Ни один поисковик не обязан его читать, и на ранжирование он не влияет. Это дешёвая подстраховка, а не обязательное требование.

Стоит относиться к нему как к README для машин: он ничего не гарантирует, но стоит десять минут работы и делает структуру сайта явной. RANKA проверяет наличие заголовка, описания и хотя бы двух ссылок на материалы того же домена — файл из одной строки пользы не приносит.

Как проверить, видит ли ChatGPT мой сайт

Недостаточно заглянуть в robots.txt. Нужно запросить страницу с User-Agent конкретного бота и сравнить ответ с обычным браузерным: чаще всего краулеров режет не robots.txt, а Cloudflare, WAF или правило на 403 по User-Agent.

RANKA делает именно это: отправляет запросы от имени GPTBot, OAI-SearchBot, ClaudeBot, PerplexityBot, YandexBot и других, сравнивает коды ответа и объём контента с эталоном. Отдельно помечаются случаи, когда боту возвращается страница проверки браузера или урезанная версия страницы.

Исключение — Google-Extended и Applebot-Extended: у них нет собственного User-Agent, это только токены robots.txt, обход выполняют Googlebot и Applebot. Их можно проверить исключительно по robots.txt, и в отчёте это помечено честно.

Какая Schema.org-разметка нужна для попадания в ответы нейросетей

Минимум — Organization и WebSite на главной, BreadcrumbList на внутренних, плюс тип, соответствующий странице: Article для материалов, Service для услуг, Product для товаров, FAQPage для разделов вопрос–ответ.

Важнее полноты набора — заполненность полей. Organization без url и sameAs не связывает бренд ни с чем, Article без author и datePublished не даёт модели понять, кому верить и насколько материал свежий. RANKA показывает не только какого типа не хватает, но и какие конкретно поля пустые на каждой странице.

Отдельно про FAQPage: расширенные результаты по нему Google с 2023 года почти не показывает, и как инструмент сниппетов он себя исчерпал. Для разбора страницы языковой моделью он по-прежнему полезен — связывает вопрос с ответом явно.

Как работает проверка в RANKA

Вы вставляете до 10 адресов одного сайта, сервис загружает каждую страницу, разбирает HTML и выдаёт 20 проверок с баллами, приоритетом и сложностью исправления. Генеративные модели не используются, токены не тратятся.

  • Проверяются только те адреса, которые вы ввели — автоматического обхода сайта нет.
  • Каждая проверка возвращает баллы, приоритет (от критичного до низкого) и оценку трудозатрат.
  • Неприменимые проверки помечаются как «неприменимо» и не портят балл: если в выборке нет статей, вы не теряете очки за отсутствие даты публикации.
  • Итоговый балл — среднее по GEO и AEO с весом 50 на 50, а не сумма всех очков подряд.
  • Отчёт сохраняется по постоянной ссылке — её можно отдать разработчику.

Почему мой сайт на React показывает ноль слов и ноль разметки

Потому что аудит читает HTML без исполнения JavaScript — ровно так же, как это делает большинство AI-краулеров. Если контент появляется только после запуска скриптов, нейросети увидят пустую страницу.

Это не ограничение инструмента, а воспроизведение реальных условий. GPTBot, ClaudeBot и PerplexityBot в общем случае JS не исполняют. Решение — серверный рендеринг или пререндер ключевых страниц. RANKA распознаёт такие сайты и предупреждает об этом отдельным блоком над отчётом.

Сколько стоит проверка

Нисколько. RANKA бесплатна, работает без регистрации и не собирает контактные данные. Ограничения — 10 страниц за проверку и лимит запросов с одного адреса, чтобы сервис оставался доступным для всех.

Термины

GEO
Generative Engine Optimization — подготовка сайта к цитированию в ответах генеративных моделей.
AEO
Answer Engine Optimization — оформление контента так, чтобы из него легко извлекался готовый ответ.
llms.txt
Файл в корне сайта с описанием проекта и списком ключевых материалов в Markdown.
Прямой ответ
Одно-три предложения сразу после заголовка-вопроса, отвечающие на него без предисловий.
Сущность бренда
Связка Organization и WebSite в JSON-LD с sameAs-ссылками на официальные профили.
RANKA для AI-ассистентов

Запускайте GEO/AEO-аудит непосредственно из совместимого AI-ассистента через Model Context Protocol.

MCP endpoint:https://geollm.ru/mcp