В отчете по GEO все может выглядеть бодро: бренд появился в ChatGPT, Алисе и других нейросетях по десяткам коммерческих запросов, доля видимости выросла, конкурентов стало меньше. Потом маркетолог открывает Метрику и видит из AI-источников несколько десятков переходов за месяц. Возникает вполне нормальный вопрос: где эффект от продвижения и можно ли его вообще связать с трафиком?
Здесь легко смешать разные показатели. Упоминание бренда в ответе, переход на сайт и заявка происходят на разных этапах. Traffic Cardinal уже разбирал, как ChatGPT и другие чат-боты способны приводить посетителей; здесь интереснее другой вопрос — как проверить этот эффект на своем проекте. Иногда пользователь видит компанию в ответе нейросети и кликает по ссылке сразу. Иногда запоминает название, через час ищет его в Яндексе. Бывает и проще: нейросеть дала достаточно информации, поэтому человек вообще никуда не перешел. Если смотреть только один отчет, часть этой цепочки пропадет.
Упоминание еще не равно визиту
GEO обычно начинают измерять с видимости: по каким промптам нейросеть называет бренд, как часто он появляется и какие конкуренты стоят рядом. Для этого удобно держать фиксированный набор коммерческих запросов и проверять его регулярно. В GeoAist, например, можно увидеть присутствие бренда по разным промптам и нейросетям в одном экране.
Такой экран отвечает на вопрос «рекомендуют ли нас вообще». Про количество посетителей он ничего не говорит. Нейросеть может назвать компанию обычным текстом, дать ссылку в источниках или упомянуть ее среди пяти вариантов. Для аналитики сайта эти сценарии выглядят по-разному.
Масштаб переходов из AI-сервисов пока тоже легко переоценить. Ahrefs в исследовании 74 752 сайтов писал, что в марте 2026 года переходы из AI-чатботов составили около 0,28% трафика в их выборке. Канал растет, однако по объему он пока сильно уступает классическому поиску. При этом у самого Ahrefs была обратная по смыслу картина с качеством: 0,5% посетителей из AI-поиска дали 12,1% регистраций. Это один конкретный бизнес, переносить его коэффициенты на другие сайты нельзя. Сам пример полезен по другой причине: маленький источник способен давать заметный вклад в заявки.
Где искать реальные переходы из нейросетей
Первый слой проверки — реферальный трафик. Если человек нажал ссылку внутри ChatGPT, Perplexity или другого сервиса и браузер передал реферер, переход можно увидеть в системе аналитики.
В Яндекс Метрике для этого подходит отчет «Сайты»: Отчеты → Источники, сводка. Метрика собирает там ресурсы, с которых пришли посетители, и определяет источник по рефереру. В Google Analytics тот же принцип можно проверить через параметры Source и Medium. На практике стоит искать домены AI-сервисов отдельно, потому что общий канал Referral быстро превращается в свалку из партнерских сайтов, каталогов, мессенджеров и десятков случайных источников.
Есть ограничение, из-за которого цифра почти всегда будет неполной. Если источник не передался, визит может попасть в direct. Другой частый сценарий вообще проходит мимо AI-referral: человек увидел бренд в нейросети, закрыл чат, потом набрал название компании в поиске или адрес сайта руками. Аналитика запишет такой визит в поиск или прямые заходы. Доказать, что его подтолкнул именно ответ нейросети, по одному счетчику уже не получится.
Поэтому фраза «из ChatGPT пришло 40 человек» означает только то, что удалось корректно атрибутировать 40 переходов. Она не описывает весь эффект присутствия бренда в AI-ответах.
Сравнивать нужно одинаковые периоды
Допустим, GEO запустили 1 июня. В июле бренд появился по 60% целевых промптов, а в Метрике нашлось 35 переходов из ChatGPT и Perplexity. Само число 35 почти бесполезно, пока рядом нет базы для сравнения.
Нужен период до старта. Если в мае было 4 перехода из AI-источников, рост до 35 уже заслуживает внимания. Если в мае было 31, продвижение пока почти не изменило реферальный трафик. Еще полезнее смотреть несколько месяцев. AI-выдача скачет, сезонность бизнеса влияет на спрос, один удачный материал способен дать всплеск на пару дней.
Я бы фиксировал исходное состояние хотя бы за четыре недели до активных работ. Для длинного цикла сделки — юридические услуги, B2B, недвижимость, сложные медицинские услуги — лучше брать более длинный отрезок. Там небольшое количество визитов нормально: человек может выбирать поставщика неделями, и десять дополнительных переходов иногда стоят дороже сотен случайных просмотров в другой нише.
Трафик сам по себе тоже слабый результат
Допустим, раньше AI-сервисы приводили 10 пользователей в месяц, после роста видимости стало 80. Выглядит хорошо. Теперь открываем цели и выясняем, что все 80 закрыли страницу через двадцать секунд. Для бизнеса такой рост почти ничего не дал.
Поэтому рядом с количеством переходов нужны те же метрики, которыми обычно проверяют любой источник: целевые действия, коэффициент конверсии, глубина просмотра, время на сайте и страницы входа. Для интернет-магазина добавятся корзины и покупки. В услугах логичнее смотреть отправку форм, звонки, переходы в мессенджеры и другие действия, которые уже используются в обычной аналитике.
Условный пример показывает разницу лучше. Органический поиск привел 1000 посетителей и 20 заявок — конверсия 2%. Из AI пришло всего 30 посетителей, зато трое оставили заявку — 10%. На диаграмме посещаемости AI выглядит мелким каналом. В отчете по лидам картина уже интереснее. Реальные цифры могут быть совершенно другими, поэтому считать надо на своем сайте и на достаточно длинном периоде.
Что делать с переходами, которые аналитика не поймала
Полностью решить эту проблему сейчас нельзя. Можно собрать несколько косвенных сигналов и смотреть, двигаются ли они вместе с GEO-видимостью.
Самый понятный сигнал — брендовый спрос. Если компания стала чаще появляться по коммерческим промптам, а через несколько недель выросло число переходов из поиска по названию бренда, связь выглядит правдоподобно. Записывать весь рост брендового поиска в заслугу GEO нельзя: параллельно могла работать реклама, выйти интервью, запуститься наружка или пройти конференция. Здесь нужна нормальная хронология активностей.
Второй сигнал — прямые заходы. Они тоже могут расти после рекомендаций в нейросетях, особенно у бренда с коротким и запоминающимся доменом. Но direct включает много всего, включая закладки, потерянные рефереры и старых пользователей. Использовать его как самостоятельное доказательство будет слишком смело.
Для лидов хорошо работает простой вопрос в CRM или форме: «Откуда вы о нас узнали?». Люди отвечают неточно, часть выберет первый знакомый вариант, зато на длинной дистанции в ответах начинают появляться ChatGPT, Алиса, Perplexity и формулировки вроде «посоветовал ИИ». Ahrefs, кстати, отдельно использовал такие качественные ответы вместе с регистрационными данными, когда оценивал вклад AI в собственные конверсии.
Как собрать нормальный отчет по GEO и трафику
Рабочий отчет я бы собирал из трех экранов, которые отвечают на разные вопросы. Сначала показываем видимость бренда по согласованным промптам: где он появляется, в каких нейросетях и как меняется доля присутствия. Следом идет фактический AI-referral из Метрики или GA4. В конце — заявки и другие целевые действия из этого сегмента.
Так становится видно, где именно произошел сдвиг. Видимость выросла, а переходов нет — проверяем, дают ли нейросети кликабельные источники и по каким типам промптов появился бренд. Переходы выросли, заявки стоят на месте — уже смотрим посадочные страницы и качество трафика. Видимость, переходы и лиды движутся вместе несколько периодов подряд — появляется основание говорить, что канал начал работать на бизнес.
Особенно полезно делить промпты по намерению пользователя. Запрос «Что такое факторинг» способен дать упоминание компании, но ожидать от него такого же трафика, как от «Посоветуй сервис факторинга для малого бизнеса», странно. В итоговом отчете эти запросы лучше не складывать в одну кучу. Коммерческий кластер показывает близость пользователя к выбору поставщика, информационный — охват темы и присутствие бренда в более ранней точке интереса.
Какой результат считать хорошим
Единой цифры здесь нет. Для нового сайта 20 переходов из AI за месяц могут стать заметным новым источником. У крупного проекта с сотнями тысяч визитов тот же объем потеряется в общем трафике. Поэтому нормальная оценка начинается с собственной базы: сколько AI-переходов было до работ, сколько стало после, как изменились целевые действия и выросла ли видимость по тем же коммерческим промптам.
Публичные исследования тоже показывают, почему смотреть только на объем рискованно. В выборке Ahrefs AI давал малую долю посещений, а в собственном продукте компании этот источник оказался непропорционально сильным по регистрациям. Adobe на данных американского ритейла в 2025 году также фиксировал более длинные визиты и более низкий показатель отказов у AI-referral по сравнению с остальным трафиком. Это разные рынки и разные методики, поэтому использовать их как обещание результата нельзя. Они скорее подсказывают, что качество AI-аудитории стоит проверять отдельно.
Для GEO я бы оставил простой критерий: видимость должна подтверждаться поведением пользователей. Сначала бренд начинает регулярно появляться по нужным коммерческим вопросам. Затем в аналитике появляется или растет трафик из AI-источников, а в лучшем случае вместе с ним двигаются заявки. Если растет только число упоминаний, отчет пока говорит о присутствии бренда в нейровыдаче. До вывода про бизнес-результат данных еще мало.
FAQ
