Как GEO-продвижение помогло увеличить видимость бренда в AI-ответах поисковых систем в мебельной тематике

1. Вводная задача от заказчика, проблематика, цели

О проекте

Lazurit.com - сайт мебельного бренда «Лазурит». На сайте представлены товары для дома, интерьерные решения, экспертные статьи и материалы для пользователей, которые выбирают мебель, планируют ремонт или ищут идеи для оформления пространства.

В 2025 году SEO-команда MediaNation совместно с Lazurit начала работу над новым направлением продвижения - GEO, или Generative Engine Optimization. Это направление помогает бренду быть заметным не только в классической поисковой выдаче, но и в ответах AI-поиска: Алисы AI, Google AI Overviews, Perplexity, ChatGPT и других систем.

Задача была не просто протестировать новый инструмент, а понять, как сайт должен быть устроен, чтобы AI-системы могли корректно считывать, понимать и использовать его материалы как релевантный источник по мебельным, интерьерным и экспертным запросам.

Коротко о результате

• Lazurit.com вошел в топ-3 по упоминаниям в Алисе AI в мебельной тематике по данным инструмента Яндекса «Видимость сайта в Алисе AI».
• Команда выстроила процесс GEO-продвижения: от технической подготовки сайта до контентных доработок и мониторинга AI-видимости.
• Для проекта был создан внутренний инструмент анализа упоминаний в AI-ответах на базе Yandex AI Studio.
• По данным внутреннего мониторинга MediaNation, к апрелю 2026 года количество зафиксированных упоминаний Lazurit.com в ответах Алисы по отслеживаемому пулу запросов достигло 19 тыс.
• Была подготовлена GEO-база для дальнейшего масштабирования: техническая доступность, структура контента, FAQ, микроразметка, авторы, редакционные страницы и рекомендации по llms.txt.

Почему Lazurit.com важно быть в AI-ответах

Пользователь уже не всегда выбирает мебель через классический список ссылок в поиске. Он может спросить AI-ассистента: «какой диван выбрать для маленькой гостиной», «какая мебель подойдет для спальни в современном стиле», «как обустроить детскую комнату», «какие цвета мебели в тренде».

Если бренд не появляется в таких ответах, он теряет контакт с пользователем на раннем этапе выбора. Для мебельной тематики это особенно важно: решение о покупке часто начинается не с конкретного товара, а с поиска идей, советов и вариантов обустройства пространства.

Поэтому для нас было важно подготовить сайт так, чтобы AI-системы видели в нем понятный, структурированный и надежный источник по темам интерьера, мебели и обустройства дома.

Ситуация до начала работ

На старте проекта у Lazurit.com уже был сильный контентный потенциал: блог, статьи об интерьере, мебели, трендах и обустройстве дома. Но большая часть материалов была ориентирована прежде всего на классическое SEO.

Для GEO этого недостаточно. AI-системам важно не просто найти текст на странице, а понять структуру материала, увидеть признаки доверия, корректно обойти сайт и быстро извлечь из контента ответы на пользовательские вопросы.

Кроме того, в начале проекта не было готовой системы оценки результата. Нужно было не только доработать сайт, но и выстроить способ отслеживать, появляется ли Lazurit.com в AI-ответах и по каким запросам это происходит.

2. Описание реализации кейса и творческого пути по поиску оптимального решения

1. Подготовили сайт к обходу поисковыми и AI-ботами

Мы проверили техническую доступность сайта, robots.txt, sitemap.xml и ограничения на стороне фаервола. После этого подготовили рекомендации и технические задания, чтобы важные страницы могли корректно попадать в индекс и использоваться поисковыми системами.

Для дополнительного отслеживания индексации была рекомендована регистрация Lazurit.com в Bing Webmaster Tools. Это важно для GEO, потому что Bing связан с экосистемой Microsoft и AI-инструментами, включая Copilot.

Также были добавлены в белый список фаервола IP-адреса AI-ботов и средств аналитики, чтобы сайт можно было корректно парсить и анализировать техническими инструментами.

2. Собрали пул AI-запросов

Мы сформировали запросы не в классическом SEO-формате, а в формате живых вопросов, которые пользователь мог бы задать AI-поиску.

В пул вошли запросы, связанные с интерьером, мебелью, трендами, обустройством дома и выбором решений для разных комнат. Например:

• как выбрать диван для маленькой гостиной
• чем отличается шкаф купе от обычного
• стандартная высота стула от пола до сиденья
• как сочетать мебель разных цветов в одной комнате
• как посчитать площадь стены в м2
• с чем сочетается дерево в интерьере
• как выбрать угловой диван

Такой подход позволил оценивать не только поисковый спрос, но и реальные сценарии, в которых пользователь может обратиться к AI за советом.

3. Усилили экспертность и доверие к контенту

Мы проанализировали блог и страницы статей Lazurit.com с точки зрения E-E-A-T и факторов качества страницы Proxima.

E-E-A-T - это подход Google к оценке качества контента: Experience, Expertise, Authoritativeness, Trustworthiness, то есть опыт, экспертность, авторитетность и надежность. Для AI-ответов это тоже важно: модели чаще используют материалы, где есть понятный автор, факты, структура, экспертная подача и признаки доверия.

Под Proxima в рамках проекта мы учитывали факторы качества страницы, на которые ориентируется Яндекс: полезность, полноту ответа, доверие, удобство чтения и соответствие ожиданиям пользователя.

По итогам анализа был подготовлен свод правил по ведению блога, страниц статей, страницы «Наша редакция» и страниц авторов. В правила вошли требования к структуре материалов, полноте раскрытия темы, FAQ-блокам, микроразметке, изображениям, внутренним связям и признакам экспертности.

4. Доработали контент под GEO и AI-выдачу

Для проверки гипотез мы выбрали группу материалов с максимальным потенциалом роста. В доработках учитывалась логика AI-ответов: статья должна отвечать на реальные вопросы пользователя, быть структурированной, экспертной и удобной для извлечения информации.

Для остальных материалов был составлен план доработок. Также команда подготовила контент-план для новых статей в блоге Lazurit.com, чтобы постепенно расширять пул экспертных материалов и начинать с самых актуальных тем.

5. Подготовили рекомендации по llms.txt

Для Lazurit.com была подготовлена рекомендация по llms.txt как дополнительному экспериментальному слою для AI-ориентированной навигации по сайту.

Такой файл может помогать явно указывать важные разделы, ключевые материалы и правила использования контента для AI-систем, которые поддерживают или учитывают подобный формат. При этом llms.txt не рассматривался как гарантированный фактор попадания в AI-ответы, а использовался как один из элементов подготовки сайта к новой поисковой среде.

6. Запустили внутренний мониторинг AI-видимости

Для проекта использовался внутренний инструмент MediaNation для анализа видимости бренда в AI-ответах. Он был разработан на базе Yandex AI Studio и помогал отслеживать, по каким запросам Lazurit.com появляется в ответах Алисы, как часто сайт упоминается и в каком контексте.

Инструмент не был готовым внешним сервисом. Он дорабатывался прямо во время проекта: SEO-команда формировала требования и технические задания, описывала нужные данные для анализа, а аналитики и разработчики MediaNation адаптировали модуль под задачи GEO-продвижения.

Так удалось не только работать с сайтом, но и выстроить систему измерения результата: собрать пул запросов, отслеживать динамику упоминаний, видеть изменения по AI-ответам и быстрее понимать, какие доработки дают эффект. В дальнейшем этот модуль планируется развивать как часть внутреннего продукта StreamMyData.

Как измеряли результат

Для проекта был собран пул релевантных AI-запросов в мебельной и интерьерной тематике. По этому списку команда отслеживала, появляется ли Lazurit.com в ответах, как часто сайт упоминается и в каком контексте.

Для мониторинга использовался внутренний инструмент MediaNation. Он позволял видеть динамику упоминаний, сравнивать изменения после внедрения рекомендаций и быстрее определять, какие доработки связаны с ростом AI-видимости.

Отдельно важно, что показатель в 19 052 упоминания относится к внутреннему мониторингу MediaNation и должен рассматриваться в контексте методики: периода наблюдения, пула запросов, правил подсчета упоминаний и типа учитываемых ответов.

3. Результаты сотрудничества

Главный внешний ориентир результата - данные инструмента Яндекса «Видимость сайта в Алисе AI». После запуска инструмента команда дополнительно проверила данные по Lazurit.com. Сайт оказался в топ-3 по упоминаниям для запросов в мебельной тематике.

По данным внутреннего мониторинга MediaNation, в начале наблюдений количество упоминаний Lazurit.com в ответах Алисы находилось практически на нулевом уровне. Затем, по мере внедрения технических и контентных доработок, начался рост. К апрелю 2026 года по отслеживаемому пулу запросов было зафиксировано 19 052 упоминания Lazurit.com.

После запуска системной работы сайт стал заметнее появляться в AI-ответах по релевантным мебельным и интерьерным запросам.

Иван Барченков

генерального директора, MediaNation

Lazurit - пример клиента, который не просто тестирует новые инструменты, а быстро превращает их в рабочий процесс. В GEO особенно важна скорость: нужно собирать гипотезы, внедрять изменения и сразу измерять эффект. Благодаря плотной работе с командой Lazurit мы смогли не только усилить видимость бренда в AI-ответах, но и выстроить измеримый процесс, который можно масштабировать на другие категории и запросы.

Отдельно отмечу роль аналитического модуля StreamMyData - он позволил прозрачно отслеживать динамику упоминаний и быстрее находить решения, которые действительно влияют на AI-видимость.

Игорь Скляр

Head of SEO, MediaNation

Проект Lazurit для нас — показательный пример того, как SEO-отдел агентства может вывести бренд в новую поисковую реальность. За цифрами кейса стоит слаженная работа SEO-специалистов, аналитиков и разработчиков: мы не ждали «готового GEO-сервиса», а собрали собственный контур аналитики на базе Yandex AI Studio и довели его до рабочего инструмента прямо на проекте — с перспективой развития в StreamMyData. Параллельно команда Lazurit оперативно внедряла рекомендации: без этого синхронного темпа выход в топ-3 источников в Алисе AI по мебельной тематике и рост AI-видимости по отслеживаемому пулу запросов были бы невозможны. Для SEO-отдела MediaNation - это эталон того, как мы переводим клиентов из классического продвижения в системное GEO-продвижение с понятными KPI.

Станислав Ильин

исполнительный директор по электронной коммерции, LAZURIT

С MediaNation я работаю очень много лет, и всегда, когда требуется сделать что-то сложное, необычное или то, чего ранее мало кто делал, удается построить действительно командную работу, когда экспертизы объединяются и начинают работать как единый организм. Так получилось и в этот раз. В начале 25-го года стало понятно, что классический поиск если и не умирает (его хоронили бесчисленное количество раз), то точно стоит на пороге тектонического сдвига: старые модели и подходы (как поведенческие, так и технологические) скоро перестанут работать. Мы стали искать команды, которые имеют хоть какой-то опыт в оптимизации выдачи под ИИ. С этим запросом я и пришел в MediaNation и получил честный ответ: мы никогда такого раньше не делали, и успешных кейсов у нас нет, но мы понимаем, в какую сторону нужно двигаться и что делать. Давай попробуем?

Сейчас, по прошествии года, я понимаю, что всё было сделано верно. Мы начинали с одной идеи и примерного понимания, что нужно делать. Уверенности, что все получится, на старте не было. Даже инструментарий для измерения успеха отсутствовал. И мы пришли к тому, что имеем сейчас — выбились в лидеры по нейроответам по своей тематике.

Хочу сказать огромное спасибо как своей команде, так и команде MediaNation за то, что они не боятся пробовать что-то новое, ввязываться в авантюры, пробовать, ошибаться и снова пробовать — только так, на мой взгляд, и удается добиваться успеха.

StreamMyData

Lazurit.com