Из классического SEO в AI-поиск: как «Донинтурфлот» втрое увеличил видимость в нейросетях

1. Вводная задача от заказчика, проблематика, цели

АО «Донинтурфлот» работает на рынке речных круизов более 30 лет и специализируется на премиальных путешествиях по России.

Для бизнеса характерна выраженная сезонность. Активная навигация идет с конца апреля до конца октября, однако решение о поездке формируется значительно раньше. Будущий пассажир может несколько месяцев изучать маршруты, особенности теплоходов, стоимость, состав услуг и правила путешествия.

Именно этот длинный цикл выбора стал одной из причин, почему классического SEO для полноценного контакта с аудиторией уже оказалось недостаточно.

С «Донинтурфлотом» мы ранее работали в рамках поискового продвижения. В декабре 2025 года к текущим задачам добавились помощь с переездом на новый сайт и технический аудит. Одновременно мы предложили протестировать GEO — оптимизацию присутствия компании в генеративных ответах.

Изменился сам механизм поиска информации.

Часть вопросов, которые раньше пользователь последовательно вводил в поисковую строку и разбирал по нескольким сайтам, теперь можно задать нейросети одним промптом:

какой речной круиз выбрать;

что входит в стоимость;

какой маршрут подойдет для первого путешествия;

что взять с собой;

можно ли приобрести круиз в рассрочку;

какие компании стоит рассмотреть.

В результате нейросеть становится посредником между брендом и человеком. Пользователь может получить рекомендацию еще до того, как увидит классическую поисковую выдачу.

Для проекта мы сформулировали три главные цели.

• Встроить «Донинтурфлот» в пользовательские сценарии выбора речного круиза через AI.
• Повысить вероятность попадания бренда и его материалов в релевантный ответ.
• Создать дополнительный источник контакта с аудиторией на информационной, сравнительной и коммерческой стадиях принятия решения.

При этом мы заранее отказались от идеи оценивать продвижение только количеством отдельных упоминаний. Нужна была система, которая позволяла понять, по каким интентам бренд уже заметен, где уступает конкурентам и какие страницы необходимо менять в первую очередь.

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

Начали не с сайта, а с логики принятия решения

Первым шагом стала работа с Customer Journey Map.

Команда «Донинтурфлота» описала несколько типовых путей разных групп покупателей. Мы превратили их в карту вопросов, которые человек потенциально задает на каждом этапе.

Это изменило подход к семантике.

В классическом SEO запрос часто рассматривается прежде всего как поисковая фраза с определенной частотностью. В GEO важна сама задача пользователя. Один интент может быть сформулирован десятками способов, особенно если человек разговаривает с ChatGPT или Алисой естественным языком.

Поэтому вместо набора ключей сформировали систему промптов.

Одни относились к раннему информационному поиску, другие — к коммерческому сравнению и выбору.

Промпты распределили по интентам и подинтентам, а затем дополнительно проверили непосредственно в нескольких AI-системах. Сопоставление формулировок позволило убрать искусственные варианты и оставить сценарии, которые действительно встречаются в процессе выбора.

Получился рабочий массив, который одновременно использовался в трех задачах: мониторинге, контент-планировании и оптимизации существующих страниц.

На старте отслеживали преимущественно брендовые и информационные формулировки. Позже добавили коммерческий пласт, благодаря чему обнаружилась отдельная зона роста.

Проверили, может ли существующий контент становиться источником для AI

Далее перешли к постраничному аудиту.

Нас интересовала не только классическая индексация, но и способность материала быть использованным при генерации ответа.

Для этого проанализировали тексты и метатеги разных типов страниц, сопоставили их с интентами, нашли малоценные и недостаточно уникальные документы.

Отдельно оценивали структуру.

Большая языковая модель не обязана использовать страницу целиком. Для попадания в рекомендательный ответ особенно важно, чтобы на ней существовали законченные смысловые блоки с понятным вопросом, конкретным фактом и однозначным выводом.

Поэтому для коммерческих разделов выстроили структуру H2–H3, а для крупных информационных материалов — более глубокую иерархию вплоть до H4.

Промпты не вставляли механически ради плотности. Их смысл переносили в заголовки и раскрывали внутри текста через критерии выбора и практическую пользу.

Для части страниц предложили FAQ и формат «вопрос — ответ».

Такой формат хорошо соответствует логике генеративного поиска: системе проще определить релевантный фрагмент и использовать его в качестве одного из источников ответа.

Если описывать этот принцип языком RAG, цель заключалась в повышении качества извлекаемого контекста. Чем меньше в блоке размытых формулировок и чем выше плотность проверяемых фактов, тем удобнее материал для последующей обработки.

Нашли разрыв между информационным и коммерческим контентом

После расширения мониторинга появилась важная находка.

По брендовым и информационным сценариям «Донинтурфлот» уже показывал хорошие позиции, тогда как в коммерческой части выдача была слабее относительно конкурентов.

Вместо того чтобы считать это провалом GEO, мы использовали данные как инструмент диагностики.

Подготовили отдельный набор рекомендаций для коммерческих посадочных страниц, а часть текстов сделали непосредственно в рамках проекта.

Также предложили перелинковку между информационными статьями и страницами круизов.

Человек может начать поиск с общего вопроса, не содержащего название компании. Важно, чтобы такой материал не был тупиковой точкой. Он должен вести дальше по пользовательскому пути — к сравнению маршрутов и конкретному предложению.

Создали новые материалы непосредственно из вопросов аудитории

Из массива промптов сформировали контент-план.

Он показал, какие темы уже раскрыты достаточно полно, какие требуют обновления, а для каких вообще отсутствует подходящий источник.

Характерный пример — материал для пользователей на раннем этапе выбора речного путешествия.

В статье были раскрыты вопросы о том, что необходимо знать перед первым круизом, что входит в стоимость, возможна ли оплата частями и какие вещи необходимо взять с собой в длительное путешествие.

Сначала публикация вышла в Дзене, затем появилась в блоге на основном сайте.

Через некоторое время материал начал использоваться в ответах Алисы.

Для проекта это стало важной практической проверкой: правильно выбранная тема и понятная структура способны привести контент в генеративную выдачу без попытки писать специальный «текст для робота».

Одновременно внешняя публикация добавила бренду дополнительную точку цитируемости. Репутация сущности в AI-среде складывается не только из собственного домена: модель может встречать компанию в нескольких независимых источниках и формировать более устойчивую связь между брендом и тематикой.

При этом мы сознательно не превращали GEO в массовое размещение упоминаний на внешних площадках. Без релевантного контекста такое продвижение дает значительно меньше ценности.

Проверили техническую сторону

Еще один слой работ был связан с доступностью контента.

Провели аудит технических ошибок и передали рекомендации по исправлению.

Проверили, могут ли AI-боты обращаться к необходимым страницам.

Подготовили llms.txt.

Важно оговориться: llms.txt сегодня нельзя считать гарантированным фактором попадания в рекомендации. В профессиональном сообществе нет единого подтвержденного мнения о его влиянии. Поэтому мы использовали файл как вспомогательную часть технической оптимизации, а не как «секретный способ» быстро получить результат.

Также разработали рекомендации по микроразметке. Структурированные данные снижают неоднозначность при интерпретации содержимого и помогают точнее описывать сущности и свойства страницы.

Дополнительно ресурс подключили к Bing Webmaster Tools. Bing остается значимым элементом поисковой инфраструктуры Microsoft и связан с развитием AI-продуктов компании, поэтому игнорировать этот канал при работе с генеративным поиском мы не хотели.

Превратили GEO в измеряемый процесс

Само попадание бренда в отдельный ответ еще не означает устойчивого результата.

Поэтому мы настроили регулярный мониторинг по отобранным промптам и собрали данные в дашборд.

Видимость считалась отдельно для нескольких типов запросов. Это позволяло видеть, где изменения вызваны продвижением страниц, а где — расширением самой выборки.

Для развивающегося GEO-проекта это особенно важно. Если сегодня измерять 50 сильных промптов, а завтра добавить еще 50 сложных коммерческих сценариев, агрегированный показатель может снизиться. Но это не означает, что бренд стал реже попадать в уже освоенные ответы.

Именно такая ситуация позже произошла и в этом проекте.

3. Результаты сотрудничества

Главный результат первого этапа — заметный рост AI-видимости еще до начала высокого туристического сезона.

В декабре 2025 года средняя видимость бренда в контролируемом пуле составляла 4,8%.

К февралю 2026 года она достигла 13,9%.

Рост — почти в 3 раза.

• В Perplexity за первый месяц показатель вырос более чем вдвое.
• После подключения мониторинга Gemini проект сразу показал хороший стартовый уровень, а затем продолжил положительную динамику.
• Среди восьми отслеживаемых конкурентов «Донинтурфлот» занял третье место по видимости бренда в AI.
• По мере реализации GEO-рекомендаций трафик также стал демонстрировать более устойчивый рост.