#geo #googleai #google #chatgpt #copilot #claude #Алиса #Amazon #матчасть #retrieval
Просмотры: 29
Открытый канал
ID 75100470797661
Михаил Мятов | AI+GEO+SEO = 100k в день
- Каналов в рубрике
- 4 657
- Место этого канала
- № 1 294
- Каналов в рубрике
- 4 029
- Место этого канала
- № 926
Аналитика канала
Дашборд
12 октября — 18 октября 2026
Загрузка…
СводкаГлавные показатели канала за выбранный период. Изменение — к такому же отрезку перед периодом, если за него есть статистика. Наведите на диаграмму плитки, чтобы увидеть число в каждой точке периода.
Главные числа
ПодписчикиСколько подписчиков у канала сейчас. Волна — число подписчиков в каждой точке периода. Изменение — к началу периода.
64
33,3 %
+16 за период
ПросмотрыСколько сейчас просмотров у постов, вышедших за период. Это не просмотры за день: сколько посмотрели вчера, MAX не сообщает.
148
291,6 %
было 38
РеакцииСколько реакций у постов, вышедших за период.
2
было 0
УпоминанияСколько раз канал упомянули другие каналы: ссылки и репосты, без рекламных постов. Чем крупнее круг, тем больше упоминаний в этой точке периода.
по подписке
РепостыСколько раз другие каналы сделали репост постов этого канала (без рекламных постов). Репосты входят и в число упоминаний.
после входа
Средний охват постаСколько просмотров в среднем набирает один пост. Считаем по постам старше двух суток: у свежих просмотры ещё растут. Точки, где есть свежие посты, — пунктиром и полыми кружками: охват всех постов на сейчас, он ещё вырастет.
37
94,7 %
было 19
ERRКакая доля подписчиков видит средний пост: средний охват ÷ подписчики × 100 %. Линия — ERR в каждой точке периода, пунктир — ERR прошлого такого же периода. Точки с постами моложе двух суток — полые кружки на пунктирном конце линии.
57,8 %
18,2 п. п.
пунктир — было 39,6 %
Вовлечённость ERКак часто читатели реагируют на посты: реакции ÷ просмотры × 100 %. Засечка на полосе — прошлый период.
1,35 %
реакций на 100 просмотров
Постов в деньСколько публикаций в среднем выходит за день. Клетка — точка периода: чем темнее, тем больше постов в день.
0,6
101,1 %
было 0,3
Доля рекламыКакая доля публикаций за период похожа на рекламу: маркировка erid, рекламные ссылки и другие признаки. Шкала — рекламная нагрузка по порогам индекса качества: до 10 % — низкая, до 25 % — умеренная, до 50 % — высокая, дальше — очень высокая. Рост доли отмечается красным.
по подписке
ДинамикаСверху — число подписчиков на конец каждой точки периода, снизу — прирост за точку: зелёный — подписчиков стало больше, красный — меньше. Над графиком прироста — самый большой прирост и самая большая убыль. Сколько подписалось и отписалось по отдельности, MAX не сообщает.
Рост аудитории
+16подписчиков за период
+28 самый большой прирост · 13 окт 2026 −11 самая большая убыль · 14 окт 2026
Оценка каналаОценка канала от 0 до 100 из пяти частей: аудитория, честность роста, рекламная нагрузка, доверие и достоверность расчёта. Полоса — сколько баллов часть набрала из своего максимума. Индекс пересчитывается каждую ночь; каналы сравниваются с похожими — той же категории и размера.
Как считается
Индекс качества
Индекс качества пока не рассчитан. Он появляется у каналов от 500 подписчиков, которые публикуют посты хотя бы раз в неделю, после недели наблюдения.
ОхватыСколько сейчас просмотров у постов, вышедших в каждой точке периода (а не просмотры за день). Подписан рекорд; точка с сегодняшним днём бледнее — день ещё идёт. Средний охват поста — по постам старше двух суток.
Просмотры и охват
148просмотров за период 291,6 %
Средний охват поста — 37 просмотров (посты старше двух суток).
ВовлечённостьER — реакции, делённые на просмотры, в процентах — у постов каждой точки периода. Пунктир — ER за весь период. Изменение — в процентных пунктах к прошлому такому же периоду.
Вовлечённость подписчиков
1,35 %ER = реакции ÷ просмотры
ER канала
в среднем за период
ЦитируемостьИндекс цитируемости (ИЦ) — насколько часто и какими каналами упоминают этот канал за последние 30 дней, без рекламных постов. Уровень — место среди похожих каналов. Линия — ИЦ в каждой точке периода (в неделе и месяце — средний за её дни).
Как считается
Индекс цитируемости
Индекс цитируемости пока не рассчитан: он появится после ночного расчёта, когда канал упомянут другие каналы.
РитмСколько постов в среднем выходит в каждый час каждого дня недели, время московское: чем темнее клетка, тем больше публикаций. «Лучшее время» — часы, в которые у постов старше двух суток самый высокий средний охват.
Когда и сколько публикует
ФорматыИз чего состоит лента. У каждого поста один формат — по старшинству: репост, видео, фото, ссылка, текст. Полоса и проценты — доля постов формата; справа — средний охват одного поста формата (по постам старше двух суток), полоска — сравнение с самым просматриваемым форматом.
Форматы публикаций
ПубликацииКаждая точка — пост за период: по горизонтали — дата выхода, по вертикали — просмотры, размер точки — реакции, цвет — формат. Так видно хиты, провалы и то, как меняется охват. У крупных каналов показаны 100 самых просматриваемых постов и равномерная выборка остальных — не больше 1 500 точек.
Каждый пост — точка
Выше — больше просмотров, крупнее — больше реакций. Нажмите на точку, чтобы открыть пост.
СводкаИтоги выбранного периода: сколько вышло публикаций, сколько у них сейчас просмотров и реакций и средний охват поста. Просмотры — текущие у постов, вышедших в эти дни, а не просмотры за день. Изменение — к такому же отрезку перед периодом, если за него есть статистика.
Итоги периода
Нажмите на показатель — ниже он появится по точкам периода
РекламаКакая доля публикаций за период похожа на рекламу: маркировка erid, рекламные ссылки и другие признаки. Детектор осторожный, поэтому настоящая доля обычно выше. Шкала — рекламная нагрузка по порогам индекса качества. Ниже — средний охват рекламного и обычного поста и кого рекламирует канал (сайты, на которые ведут ссылки из рекламы).
Подробнее
Реклама в канале
Что работаетПосты периода с наибольшим числом просмотров. Полоса — просмотры относительно первого места. Превью — картинка поста, у поста без картинки — аватар канала. Просмотры — сколько у поста сейчас.
Все сообщения
Лучшие публикации
По просмотрам за период
РитмСколько постов вышло в каждый день периода (бледные столбики) и среднее за 7 дней (линия): видно, разгоняется канал или затихает. Сегодняшний день ещё идёт, поэтому среднее для него считается по вчерашний день.
Публикации по дням
Бледные столбики — дни, линия — среднее за 7 дней: видно, разгоняется канал или затихает
Публикации за день
Среднее за 7 дней
Данные обновлены в 23:05 по Москве. Просмотры — текущие у постов, вышедших в эти дни; средний охват — по постам старше двух суток. Как считается индекс качества
Публикации за период
Загрузка…
Термин Fan-out придуман в Google. Но все ли нейросети работают одинаково?
В GEO всё чаще встречаю термин query fan-out (веерные запросы). Его преподносят как универсальный механизм работы нейросетей. Так ли это?
Что такое fan-out?
В марте 2025 года Google публично описал технологию query fan-out для AI Mode.
Суть: пользователь задаёт один сложный вопрос, система разбивает его на подтемы, выполняет несколько поисковых запросов параллельно, собирает информацию и формирует ответ. Но Google не изобрёл сам принцип разбиения сложных задач на поисковые подзапросы.
Посмотрим, как это реализовано у других компаний.
1. ChatGPT - Query rewriting
• Переформулирует вопрос в один или несколько целевых поисковых запросов.
• Может изучить первые результаты, после чего выполнить дополнительные, более точные поиски.
То есть поиск может быть последовательным, а не только параллельным.
2. Microsoft Copilot - Search query generation
• Выделяет из вопроса ключевые поисковые формулировки и отправляет их в Bing.
• Это может быть один запрос или несколько. Microsoft документирует оба сценария.
3. Claude (Anthropic) - Web search
• В документации Anthropic прямо говорится, что поиск может повторяться несколько раз в рамках одного пользовательского запроса.
• Дополнительно Claude может программно фильтровать найденные результаты перед включением их в контекст.
4. Алиса AI (Яндекс) - уточнение запроса и подвопросы (Query decomposition)
И здесь самое интересное. Яндекс официально описывает механизм разбиения пользовательского запроса на дополнительные вопросы.
Например, пользователь пишет: «хоккей удаление до конца матча»
Алиса может сформировать два подвопроса:
- как называется удаление до конца матча в хоккее;
- за какие нарушения в хоккее назначается матч-штраф.
Затем обращается с уточнёнными запросами к Поиску Яндекса и формирует ответ на основе найденных источников.
5. Amazon Bedrock - Query decomposition / Agentic retrieval
Здесь речь уже не об отдельном чат-боте, а об инструментах построения ИИ-систем.
• Сложный вопрос разбивается на подзапросы.
• Система ищет информацию в подключённых базах знаний, оценивает её достаточность и при необходимости повторяет поиск.
Что из этого следует для GEO?
Общий принцип - поиск и извлечение информации (retrieval). При необходимости система может предварительно переформулировать или декомпозировать запрос.
Но архитектуры, источники, последовательность действий и способы отбора информации отличаются.
Поэтому нельзя автоматически переносить исследования fan-out Google на ChatGPT, Алису или Claude.
Тем более не допустимо утверждать, что существует некая отдельная «агентская семантика», которая важнее обычной пользовательской семантики. На данный момент это миф.
В Реальностьи тот же ChatGPT действительно может формировать дополнительные поисковые запросы. Но это не доказывает существование принципиально нового вида семантики или его превосходство над традиционным SEO.
Для меня правильный подход к GEO - исследовать, какие источники использует конкретная ИИ-система, как она их находит и по каким признакам выбирает для ответа.
GEO-продвижение должно строиться на проверяемых механизмах и доказанных закономерностях, а не на пустой болтовне, когда частные наблюдения за одной нейросетью выдают за универсальные законы работы всех ИИ-систем.
Официальные источники:
• Google Query fan-out
https://blog.google/products-and-platforms/products/search/ai-mode-search/
• OpenAI - ChatGPT Search
https://help.openai.com/en/articles/9237897-searching-the-web-with-chatgpt
• Microsoft - Web Search in Copilot
https://learn.microsoft.com/en-us/microsoft-365/copilot/manage-public-web-access
• Anthropic - Claude Web Search
https://platform.claude.com/docs/ru/agents-and-tools/tool-use/web-search-tool
• Яндекс - Как формируются ответы Алисы AI
https://www.yandex.ru/support/webmaster/ru/alice
• Amazon - Agentic Retrieval
https://docs.aws.amazon.com/bedrock/latest/userguide/kb-test-agentic-retrieve.html
В GEO всё чаще встречаю термин query fan-out (веерные запросы). Его преподносят как универсальный механизм работы нейросетей. Так ли это?
Что такое fan-out?
В марте 2025 года Google публично описал технологию query fan-out для AI Mode.
Суть: пользователь задаёт один сложный вопрос, система разбивает его на подтемы, выполняет несколько поисковых запросов параллельно, собирает информацию и формирует ответ. Но Google не изобрёл сам принцип разбиения сложных задач на поисковые подзапросы.
Посмотрим, как это реализовано у других компаний.
1. ChatGPT - Query rewriting
• Переформулирует вопрос в один или несколько целевых поисковых запросов.
• Может изучить первые результаты, после чего выполнить дополнительные, более точные поиски.
То есть поиск может быть последовательным, а не только параллельным.
2. Microsoft Copilot - Search query generation
• Выделяет из вопроса ключевые поисковые формулировки и отправляет их в Bing.
• Это может быть один запрос или несколько. Microsoft документирует оба сценария.
3. Claude (Anthropic) - Web search
• В документации Anthropic прямо говорится, что поиск может повторяться несколько раз в рамках одного пользовательского запроса.
• Дополнительно Claude может программно фильтровать найденные результаты перед включением их в контекст.
4. Алиса AI (Яндекс) - уточнение запроса и подвопросы (Query decomposition)
И здесь самое интересное. Яндекс официально описывает механизм разбиения пользовательского запроса на дополнительные вопросы.
Например, пользователь пишет: «хоккей удаление до конца матча»
Алиса может сформировать два подвопроса:
- как называется удаление до конца матча в хоккее;
- за какие нарушения в хоккее назначается матч-штраф.
Затем обращается с уточнёнными запросами к Поиску Яндекса и формирует ответ на основе найденных источников.
5. Amazon Bedrock - Query decomposition / Agentic retrieval
Здесь речь уже не об отдельном чат-боте, а об инструментах построения ИИ-систем.
• Сложный вопрос разбивается на подзапросы.
• Система ищет информацию в подключённых базах знаний, оценивает её достаточность и при необходимости повторяет поиск.
Что из этого следует для GEO?
Общий принцип - поиск и извлечение информации (retrieval). При необходимости система может предварительно переформулировать или декомпозировать запрос.
Но архитектуры, источники, последовательность действий и способы отбора информации отличаются.
Поэтому нельзя автоматически переносить исследования fan-out Google на ChatGPT, Алису или Claude.
Тем более не допустимо утверждать, что существует некая отдельная «агентская семантика», которая важнее обычной пользовательской семантики. На данный момент это миф.
В Реальностьи тот же ChatGPT действительно может формировать дополнительные поисковые запросы. Но это не доказывает существование принципиально нового вида семантики или его превосходство над традиционным SEO.
Для меня правильный подход к GEO - исследовать, какие источники использует конкретная ИИ-система, как она их находит и по каким признакам выбирает для ответа.
GEO-продвижение должно строиться на проверяемых механизмах и доказанных закономерностях, а не на пустой болтовне, когда частные наблюдения за одной нейросетью выдают за универсальные законы работы всех ИИ-систем.
Официальные источники:
• Google Query fan-out
https://blog.google/products-and-platforms/products/search/ai-mode-search/
• OpenAI - ChatGPT Search
https://help.openai.com/en/articles/9237897-searching-the-web-with-chatgpt
• Microsoft - Web Search in Copilot
https://learn.microsoft.com/en-us/microsoft-365/copilot/manage-public-web-access
• Anthropic - Claude Web Search
https://platform.claude.com/docs/ru/agents-and-tools/tool-use/web-search-tool
• Яндекс - Как формируются ответы Алисы AI
https://www.yandex.ru/support/webmaster/ru/alice
• Amazon - Agentic Retrieval
https://docs.aws.amazon.com/bedrock/latest/userguide/kb-test-agentic-retrieve.html
Просмотры: 33
Как записать свой бренд в мозг ChatGPT?
Разбираю 4 мифа GEO.
Рынок продвижения в нейросетях растёт. Вместе с ним растёт и количество мифов о том, как эти нейросети работают.
Миф №1. У ChatGPT есть база знаний, куда можно добавить компанию.
Реальность: нейросеть - не реляционная и не векторная база данных.
Веса модели - это миллиарды числовых параметров, сформированных в процессе обучения. Там нет отдельной таблицы с брендами, которую можно отредактировать.
Векторные базы данных могут использоваться для поиска информации, но это другой механизм.
Миф №2. Можно проверить, попал ли бренд в веса модели.
Достаточно написать: «Не ищи в интернете. Расскажи, кто такой Михаил Мятов».
Реальность: такой запрос ничего не доказывает.
Модель может использовать контекст, персональную память, ошибаться или выдумывать факты. А отсутствие ответа не означает, что информация не была усвоена при обучении.
Можно измерять, что модель воспроизводит без поиска. Но заглянуть таким способом в её веса нельзя.
Миф №3. Чтобы попасть в веса ChatGPT, нужно разместиться на Википедии и других авторитетных сайтах.
Реальность: гарантий нет.
Опубликованная сегодня статья не изменит веса уже обученной модели.
Информация теоретически может повлиять на будущие версии, если попадёт в обучающие данные. Но когда, в каком объёме и попадёт ли вообще - неизвестно.
И никакого подтверждённого списка «сайтов для попадания в веса» не существует.
Миф №4. Если ChatGPT знает ваш бренд, значит GEO работает.
Реальность: знать компанию и рекомендовать её - совершенно разные вещи.
Нейросеть может прекрасно знать бренд и при этом предлагать пользователю конкурентов.
Для бизнеса важен не сам факт упоминания, а присутствие в рекомендациях по коммерчески значимым запросам.
Так что же измерять в GEO?
Я бы разделил три показателя:
1. Что нейросеть знает о бренде без поиска.
2. Какие источники использует, когда поиск включён.
3. Как часто рекомендует бренд потенциальным клиентам.
И отдельно отслеживал бы обращения и продажи.
Вывод:
Не нужно путать обучение нейросети с поиском информации в интернете.
И уж тем более продавать клиентам «попадание в веса ChatGPT» как гарантированную услугу.
GEO - это работа с видимостью бренда в ответах нейросетей. И эффективность этой работы должна измеряться, а не строиться на мифах.
Источники:
OpenAI - как обучаются модели:
https://openai.com/policies/how-chatgpt-and-our-foundation-models-are-developed/
OpenAI - различия между поисковым роботом и сбором данных для обучения:
https://developers.openai.com/api/docs/bots
Google - рекомендации по продвижению в AI-поиске:
https://developers.google.com/search/docs/appearance/ai-features
#geo #chatgpt #googleai #матчасть
Разбираю 4 мифа GEO.
Рынок продвижения в нейросетях растёт. Вместе с ним растёт и количество мифов о том, как эти нейросети работают.
Миф №1. У ChatGPT есть база знаний, куда можно добавить компанию.
Реальность: нейросеть - не реляционная и не векторная база данных.
Веса модели - это миллиарды числовых параметров, сформированных в процессе обучения. Там нет отдельной таблицы с брендами, которую можно отредактировать.
Векторные базы данных могут использоваться для поиска информации, но это другой механизм.
Миф №2. Можно проверить, попал ли бренд в веса модели.
Достаточно написать: «Не ищи в интернете. Расскажи, кто такой Михаил Мятов».
Реальность: такой запрос ничего не доказывает.
Модель может использовать контекст, персональную память, ошибаться или выдумывать факты. А отсутствие ответа не означает, что информация не была усвоена при обучении.
Можно измерять, что модель воспроизводит без поиска. Но заглянуть таким способом в её веса нельзя.
Миф №3. Чтобы попасть в веса ChatGPT, нужно разместиться на Википедии и других авторитетных сайтах.
Реальность: гарантий нет.
Опубликованная сегодня статья не изменит веса уже обученной модели.
Информация теоретически может повлиять на будущие версии, если попадёт в обучающие данные. Но когда, в каком объёме и попадёт ли вообще - неизвестно.
И никакого подтверждённого списка «сайтов для попадания в веса» не существует.
Миф №4. Если ChatGPT знает ваш бренд, значит GEO работает.
Реальность: знать компанию и рекомендовать её - совершенно разные вещи.
Нейросеть может прекрасно знать бренд и при этом предлагать пользователю конкурентов.
Для бизнеса важен не сам факт упоминания, а присутствие в рекомендациях по коммерчески значимым запросам.
Так что же измерять в GEO?
Я бы разделил три показателя:
1. Что нейросеть знает о бренде без поиска.
2. Какие источники использует, когда поиск включён.
3. Как часто рекомендует бренд потенциальным клиентам.
И отдельно отслеживал бы обращения и продажи.
Вывод:
Не нужно путать обучение нейросети с поиском информации в интернете.
И уж тем более продавать клиентам «попадание в веса ChatGPT» как гарантированную услугу.
GEO - это работа с видимостью бренда в ответах нейросетей. И эффективность этой работы должна измеряться, а не строиться на мифах.
Источники:
OpenAI - как обучаются модели:
https://openai.com/policies/how-chatgpt-and-our-foundation-models-are-developed/
OpenAI - различия между поисковым роботом и сбором данных для обучения:
https://developers.openai.com/api/docs/bots
Google - рекомендации по продвижению в AI-поиске:
https://developers.google.com/search/docs/appearance/ai-features
#geo #chatgpt #googleai #матчасть
Топ-1 в Яндексе больше не делает компанию лидером.
Раньше бизнес мог занять первые позиции в поиске, получать клиентов и считать себя лидером рынка.
Сегодня этого недостаточно.
Я выделяю 10 составляющих цифрового лидерства, объединённых в 5 направлений.
1. Лидерство в поиске
* Топ по коммерческим запросам - когда клиент готов покупать.
* Топ по информационным запросам - когда клиент ещё изучает рынок и выбирает.
2. Лидерство в видео
* Топ в YouTube.
* Топ в Rutube.
3. Лидерство в геосервисах
* Топ в Яндекс Картах.
* Топ в Google Картах.
4. Лидерство в информационном поле
* Высокие позиции в ключевых отраслевых рейтингах.
* Упоминания в ведущих отраслевых СМИ.
5. Лидерство в нейросетях
* Рекомендации в российских нейросетях (Алиса и другие).
* Рекомендации в глобальных нейросетях (ChatGPT, Gemini и другие).
И вот что интересно.
Компания может быть первой в Яндексе, но отсутствовать в рекомендациях ChatGPT.
Может тратить миллионы на PR, но проигрывать конкурентам в отраслевых рейтингах.
Может иметь сильный бренд, но быть практически невидимой на картах и в видеопоиске.
При этом клиент не разделяет SEO, PR, GEO и видеомаркетинг. Он просто ищет, сравнивает и выбирает.
Мой вывод: лидерство больше нельзя строить в одном канале.
Настоящее цифровое лидерство - когда компанию находят, узнают и рекомендуют независимо от того, где человек начинает поиск.
Именно такую систему присутствия бизнесу и нужно выстраивать.
А ведь это только онлайн. Есть ещё офлайн, который должен усиливать всю конструкцию.
Вопрос предпринимателям: по скольким из этих 10 направлений ваша компания действительно лидер?
Раньше бизнес мог занять первые позиции в поиске, получать клиентов и считать себя лидером рынка.
Сегодня этого недостаточно.
Я выделяю 10 составляющих цифрового лидерства, объединённых в 5 направлений.
1. Лидерство в поиске
* Топ по коммерческим запросам - когда клиент готов покупать.
* Топ по информационным запросам - когда клиент ещё изучает рынок и выбирает.
2. Лидерство в видео
* Топ в YouTube.
* Топ в Rutube.
3. Лидерство в геосервисах
* Топ в Яндекс Картах.
* Топ в Google Картах.
4. Лидерство в информационном поле
* Высокие позиции в ключевых отраслевых рейтингах.
* Упоминания в ведущих отраслевых СМИ.
5. Лидерство в нейросетях
* Рекомендации в российских нейросетях (Алиса и другие).
* Рекомендации в глобальных нейросетях (ChatGPT, Gemini и другие).
И вот что интересно.
Компания может быть первой в Яндексе, но отсутствовать в рекомендациях ChatGPT.
Может тратить миллионы на PR, но проигрывать конкурентам в отраслевых рейтингах.
Может иметь сильный бренд, но быть практически невидимой на картах и в видеопоиске.
При этом клиент не разделяет SEO, PR, GEO и видеомаркетинг. Он просто ищет, сравнивает и выбирает.
Мой вывод: лидерство больше нельзя строить в одном канале.
Настоящее цифровое лидерство - когда компанию находят, узнают и рекомендуют независимо от того, где человек начинает поиск.
Именно такую систему присутствия бизнесу и нужно выстраивать.
А ведь это только онлайн. Есть ещё офлайн, который должен усиливать всю конструкцию.
Вопрос предпринимателям: по скольким из этих 10 направлений ваша компания действительно лидер?
Загрузка…
Загрузка…
Загрузка…
Загрузка…
Загрузка…
Загрузка…
Загрузка…
Загрузка…