Как писать контент для нейросетей: BLUF, чанкинг и GEO-оптимизация

Почему обычный SEO-текст невидим для нейросетей?

Нейросеть не читает вашу статью целиком. ChatGPT, Perplexity, Яндекс AI и Google AI Mode работают по принципу passage retrieval: система извлекает отдельные пассажи — блоки текста длиной 134–375 слов — и оценивает каждый независимо. Если абзац непонятен без контекста, он не попадёт в ответ.

Классический SEO учил писать для PageRank: длинные вводные части, ключевые слова в начале, плавные переходы между разделами. GEO (Generative Engine Optimization) работает иначе. Здесь каждый абзац — отдельная единица конкуренции. Ваш третий абзац конкурирует с третьим абзацем конкурента напрямую. Побеждает тот, кто плотнее, точнее и цитируемее.

В этой статье — конкретные техники с примерами ДО и ПОСЛЕ. Каждую можно применить сегодня.

Что такое чанкинг и почему он меняет всё?

Чанкинг — это нарезка документа на смысловые блоки по 200–500 токенов (~150–375 слов), каждый из которых понятен без чтения остальных. Именно так работают векторные базы данных за кулисами ChatGPT, Perplexity и Яндекс AI: они не читают статью, они извлекают чанки по смысловой близости к запросу.

Оптимальные размеры чанка по платформам:

Практический вывод: целевой размер одного смыслового блока — 150–190 слов. Это золотая зона, которая покрывает все основные AI-платформы.

Как работает BLUF и зачем убирать вступления?

BLUF (Bottom Line Up Front) — принцип военной коммуникации США, адаптированный для контент-маркетинга: главный ответ идёт первым, детали — после. Нейросети сканируют первые 200 слов статьи с повышенным весом. Если там нет прямого ответа на запрос пользователя — статья теряет позицию.

Классическая структура SEO-текста 2018–2023 годов выглядела так: вводная часть («Вы наверняка задавались вопросом…»), определение темы, история проблемы, и только потом — ответ. В GEO это смертный приговор. Perplexity и ChatGPT ищут прямой ответ. Если он на пятом абзаце — система возьмёт ответ у конкурента, у которого он на первом.

Структура BLUF для статьи:

Пример ДО (без BLUF):

Интернет сегодня развивается стремительно. Появляются новые технологии, меняются алгоритмы поисковых систем. В этой статье мы рассмотрим, почему важно адаптировать контент под современные реалии и как правильно выстраивать структуру материала для достижения максимального охвата…

Эти 40 слов не содержат ни одного факта. Нейросеть не найдёт здесь ответ на запрос «как писать контент для нейросетей».

Пример ПОСЛЕ (с BLUF):

Чтобы попасть в ответы ChatGPT и Perplexity, пишите каждый абзац как самостоятельный блок длиной 150–190 слов, начинайте с прямого ответа и используйте минимум 15 именованных сущностей на 1000 слов. Это базовые принципы GEO — Generative Engine Optimization, нового стандарта контент-оптимизации 2025–2026 годов.

Ответ дан в первых двух предложениях. Нейросеть нашла то, что искала.

Что такое «золотой параграф» и как его написать?

Золотой параграф — это идеальная единица GEO-контента. Его структура: 40–60 слов прямого ответа + 100–150 слов развёртки с примерами и данными = ~190 слов = 1 оптимальный чанк для Яндекс AI и Google AI Mode.

Это формула «один абзац — одна идея — полная самодостаточность». Золотой параграф не нуждается в предыдущем абзаце для понимания. Он не нуждается в следующем для завершённости. Именно поэтому его вырывают из контекста и цитируют нейросети.

Структура золотого параграфа:

• Тезис (1 предложение): прямой ответ на вопрос.
• Объяснение (2–3 предложения): механизм, почему это так.
• Данные (1–2 предложения): цифра или пример с источником.
• Практика (1–2 предложения): что сделать прямо сейчас.

Пример ДО (слабый параграф):

Структура текста важна для читабельности. Хорошо структурированный текст легче воспринимается. Читатель быстрее находит нужную информацию. Это влияет на поведенческие факторы.

Четыре банальных утверждения без единой сущности, числа или практического шага. Нейросеть не процитирует это никогда.

Пример ПОСЛЕ (золотой параграф):

Золотой параграф — структурная единица GEO-контента длиной 150–190 слов: 40–60 слов прямого тезиса плюс 100–150 слов доказательной базы. Google AI Mode оптимально извлекает пассажи именно такой длины (134–167 слов). Яндекс AI на базе BERT работает с 256 токенами (~190 слов). Исследование BrightEdge (2025) показало, что самодостаточные абзацы цитируются в AI-ответах в 3,2 раза чаще, чем абзацы, требующие контекста. Напишите один золотой параграф по каждой H2 — и у вас уже есть скелет GEO-статьи.

Тезис, механизм, два источника с числами, практический шаг. Это цитируемо.

Как проверить passage-level оптимизацию?

Passage-level оптимизация — это проверка каждого абзаца на самодостаточность. Тест прост: скопируйте абзац в новый документ без заголовка и прочитайте. Если непонятно, о чём он — абзац провалил тест.

Google с 2021 года (обновление Passages) умеет ранжировать отдельные пассажи страницы, а не только страницу целиком. Это означает: плохой абзац на хорошей странице тянет всю страницу вниз. И наоборот: один сильный абзац может вытащить страницу в топ по длинному хвосту запросов.

Чек-лист passage-level оптимизации:

• Абзац понятен без заголовка H2 над ним?
• В абзаце есть хотя бы 1 именованная сущность (бренд, технология, цифра)?
• Абзац отвечает на конкретный вопрос пользователя?
• Длина абзаца: 150–190 слов?
• Первое предложение — тезис (не вводная фраза)?

Пример ДО (не проходит тест):

Как было упомянуто выше, данный подход применяется в нескольких случаях. Среди них — ситуации, когда необходимо быстро донести ключевую мысль. Это особенно важно в нашем контексте.

«Как было упомянуто выше», «в нашем контексте» — абзац не самодостаточен. Он паразитирует на контексте.

Пример ПОСЛЕ (проходит тест):

Passage-level оптимизация — проверка каждого абзаца на самодостаточность. Google ранжирует отдельные пассажи с 2021 года (обновление Passages). Тест: скопируйте абзац без заголовка — понятно ли, о чём он? Если нет — перепишите. Уберите все ссылки на «выше», «как мы говорили», «в данном случае». Каждый абзац должен жить как отдельная страница.

Что такое Quotable Units и как делать каждый абзац цитируемым?

Quotable Units — абзацы, которые нейросеть может процитировать дословно без потери смысла. Это не стиль письма — это архитектурное решение. Каждый блок текста должен содержать в себе тезис, данные и вывод — всё необходимое для полноценного ответа на запрос.

По данным Futurepedia (2025), 43,8% всех AI-цитирований получают listicle-форматы: нумерованные списки, маркированные списки, таблицы. Ещё 28% — параграфы с прямым определением в первом предложении. Только 12% — нарративные абзацы без чёткой структуры. Это означает конкретное дизайн-решение: структурируйте контент как список определений или нумерованных шагов.

Признаки цитируемого блока:

• Начинается с определения или утверждения.
• Содержит число, название технологии или бренда.
• Заканчивается практическим выводом или следующим шагом.
• Не требует «ключа» из другого абзаца.

Пример ДО (не цитируемый):

Существуют различные подходы к написанию контента. Каждый автор выбирает тот, который ему ближе. Важно учитывать аудиторию и цели публикации. Общего рецепта нет.

Четыре предложения — ноль информации. Нейросеть ничего не процитирует.

Пример ПОСЛЕ (Quotable Unit):

Quotable Unit — абзац, цитируемый нейросетью без потери смысла. По данным Futurepedia (2025), 43,8% AI-цитирований приходится на listicle-форматы. Чтобы создать цитируемый блок: начните с тезиса, добавьте 1–2 числа с источником, закончите практическим шагом. Проверьте: если вырвать абзац из статьи и вставить в ответ ChatGPT — он звучит как полноценный ответ? Если да — это Quotable Unit.

Как использовать Q&A структуру: H2 как вопрос, ответ как первый абзац?

Q&A структура — это когда каждый заголовок H2 сформулирован как вопрос пользователя, а первый абзац после него — прямой ответ без вводных фраз. Нейросети ChatGPT, Perplexity и Google AI Mode обучены на диалоговых данных. Они ищут паттерн «вопрос — ответ» и извлекают именно эти блоки.

Поисковые запросы в 2025–2026 годах: 68% начинаются с вопросительных слов (как, что, почему, зачем, когда) по данным SparkToro. Это означает: если ваш H2 совпадает с формулировкой запроса, нейросеть с высокой вероятностью извлечёт именно этот блок как ответ.

Правило Q&A структуры:

• H2 = вопрос пользователя (не ваше удобное название раздела).
• Первое предложение = прямой ответ (начинается с существительного или глагола, не с «в данном разделе…»).
• Второй абзац = развёртка с примерами.
• Третий блок = таблица или список (если применимо).

Пример ДО (плохой H2 и первый абзац):

Структура заголовков — В данном разделе мы рассмотрим, как правильно использовать заголовки в тексте с точки зрения современных требований поисковых систем и удобства читателей…

H2 — не вопрос. Первый абзац — анонс, а не ответ.

Пример ПОСЛЕ (Q&A структура):

Как оформить заголовки H2, чтобы попасть в AI-ответы? — Каждый H2 должен быть вопросом пользователя, а первый абзац после него — прямым ответом без вводных слов. ChatGPT и Perplexity обучены на диалоговых данных и ищут паттерн «вопрос — ответ». По данным SparkToro (2025), 68% поисковых запросов начинаются с вопросительных слов. Совпадение H2 с формулировкой запроса увеличивает шанс извлечения блока нейросетью.

Что такое Entity-блоки и почему плотность сущностей критична?

Entity-блоки — именованные сущности: люди (Илон Маск, Сэм Альтман), бренды (OpenAI, Яндекс, Perplexity AI), технологии (BERT, GPT-4o, RAG, vector embeddings), числа и даты (Q1 2025, 43,8%, 256 токенов). Нейросети обучены на Knowledge Graph-данных, где реальность описывается через связи между сущностями. Текст без сущностей — это текст без координат: нейросеть не может встроить его в контекст знаний.

По данным Wellows (2025), entity density 15+ сущностей на 1000 слов увеличивает вероятность попадания в AI-ответ в 4,8 раза. Это не про keyword stuffing — сущности должны быть релевантны теме и конкретны. «Многие компании» — не сущность. «OpenAI, Anthropic, Google DeepMind» — три сущности.

Типы сущностей для контента о GEO:

Пример ДО (низкая entity density):

Современные технологии искусственного интеллекта активно используются поисковыми системами. Это влияет на то, как контент индексируется и ранжируется. Компании стараются адаптироваться к новым условиям.

Сущностей: 0. Это вода.

Пример ПОСЛЕ (высокая entity density):

ChatGPT (OpenAI), Perplexity AI и Google AI Mode используют passage retrieval — извлечение отдельных абзацев из текста. Яндекс AI на базе BERT работает с чанками по 256 токенов. По данным Wellows (2025), страницы с entity density 15+/1000 слов попадают в AI-ответы в 4,8 раза чаще. Добавьте в каждый абзац минимум 2–3 именованных сущности: бренд, технологию или число с источником.

Сущностей в одном абзаце: ChatGPT, OpenAI, Perplexity AI, Google AI Mode, passage retrieval, Яндекс AI, BERT, 256 токенов, Wellows, 2025, 15+/1000, 4,8 — 12 штук.

Какие форматы контента лучше всего работают в AI-ответах?

Не все форматы одинаково цитируемы. Исследование Futurepedia (2025) показало, что listicle-форматы получают 43,8% всех AI-цитирований. Это объяснимо: нумерованные списки и таблицы структурируют информацию в машиночитаемый формат. Нейросеть может взять список из 7 пунктов и включить его в ответ дословно.

Практическое правило: каждый H2-раздел должен содержать минимум один структурированный элемент — список или таблицу. Это не для «красоты» — это для машиночитаемости.

Форматы, которые НЕ работают в AI:

• Лонгрид без разбивки (стена текста).
• Абзацы-«пустышки» («Это очень важная тема…»).
• Риторические вопросы без ответов.
• Теория без конкретных примеров.

Пример ДО (нецитируемый нарратив):

Очень важно правильно форматировать контент. Существует много разных форматов, каждый из которых имеет свои преимущества. Специалисты рекомендуют изучить все варианты и выбрать наиболее подходящий для конкретной ситуации.

Пример ПОСЛЕ (цитируемый список):

Топ-4 формата для AI-цитирований:

1. Нумерованный список — 20% цитирований; используйте для пошаговых инструкций.
2. Определение + параграф — 28% цитирований; начинайте с болдового термина.
3. Таблица сравнения — 10% цитирований; добавляйте в каждую статью минимум одну.
4. FAQ-блок со schema.org — 12% цитирований; +73% к попаданию со structured data.

Как Statistics Addition увеличивает видимость в Perplexity на 37%?

Statistics Addition — техника добавления статистики с явным указанием источника прямо в тексте, без ссылки в сноске. Формат: «По данным [Источник, год], [конкретная цифра]». Perplexity AI — поиск с цитированием источников. Его алгоритм повышает вес страниц, которые сами содержат данные с атрибуцией.

Исследование GEO (Princeton, 2024) показало, что добавление статистики с источниками увеличивает видимость в Perplexity на +37%. Это не просто «добавьте цифры» — формат атрибуции критичен. «Исследования показывают, что 70% пользователей…» не работает. «По данным Nielsen (2024), 71% пользователей…» — работает.

Правила Statistics Addition:

• Источник + год в теле предложения (не в скобках после).
• Конкретная цифра (не «около 70%», а «71%»).
• Минимум 3–5 статистических данных на 1000 слов.
• Источники: исследования, отчёты компаний, академические данные.

Пример ДО (без статистики):

Многие пользователи предпочитают получать информацию через AI-инструменты. Это новый тренд, который продолжает расти. Эксперты прогнозируют дальнейшее увеличение аудитории.

Пример ПОСЛЕ (Statistics Addition):

По данным SparkToro (2025), 68% поисковых запросов формулируются как вопросы. Согласно отчёту Semrush (2025), AI Overview от Google появляется в 65% запросов по информационным темам. Исследование Princeton GEO (2024) показало, что добавление статистики с источниками увеличивает видимость в Perplexity на 37%. Это означает: каждые 1000 слов вашего контента должны содержать минимум 3 числовых факта с явным указанием источника.

Как FAQ-разметка и structured data увеличивают AI-видимость на 73%?

FAQ-разметка — это одновременно контентный формат и техническая разметка. Контентный формат: блок из 6–12 вопросов с прямыми ответами в конце статьи. Техническая разметка: schema.org тип FAQPage, который сигнализирует нейросетям о наличии структурированных Q&A-пар. Оба уровня работают синергично.

По данным BrightEdge (2025), structured data в целом увеличивает попадание в AI-ответы на 73%. FAQPage — один из наиболее эффективных типов: ChatGPT, Perplexity и Google AI Mode активно используют FAQ-блоки как источник структурированных ответов на длиннохвостые запросы. Причина проста: FAQ воспроизводит диалоговый паттерн «вопрос — ответ», на котором обучены генеративные модели.

Как внедрить FAQPage schema на сайте (JSON-LD формат):

{
  "@context": "https://schema.org",
  "@type": "FAQPage",
  "mainEntity": [{
    "@type": "Question",
    "name": "Что такое чанкинг в GEO?",
    "acceptedAnswer": {
      "@type": "Answer",
      "text": "Чанкинг — нарезка документа на самодостаточные блоки по 150–375 слов, каждый из которых понятен без контекста. Google AI Mode оптимально извлекает пассажи 134–167 слов, Яндекс AI — 256 токенов (~190 слов)."
    }
  }]
}

Требования к FAQ-блоку для максимального эффекта:

• Минимум 6–8 вопросов.
• Каждый ответ: 80–150 слов (полноценный чанк).
• Вопросы = реальные пользовательские запросы (из Google Search Console или Яндекс.Метрики).
• JSON-LD разметка в <head> или прямо в теле страницы.

Пример ДО (слабый FAQ):

Q: Что такое GEO? A: GEO — это новый тип оптимизации.

Ответ из 7 слов — не чанк. Нейросеть не процитирует.

Пример ПОСЛЕ (цитируемый FAQ-ответ):

Q: Что такое GEO и зачем он нужен бизнесу? A: GEO (Generative Engine Optimization) — оптимизация контента для попадания в ответы ChatGPT, Perplexity и Google AI Mode. В отличие от SEO, где цель — позиция в списке ссылок, GEO даёт прямое цитирование: ваш текст в ответе AI. По данным HubSpot (2025), конверсия AI-трафика в 4,4–23× выше органического. Это означает: попадание в AI-ответ — не просто видимость, а измеримый прирост лидов.

Почему Topical Authority важнее одной отличной статьи?

Topical Authority — принцип, при котором AI-системы оценивают не одну статью, а весь кластер контента сайта по теме. ChatGPT и Perplexity обучены на данных Common Crawl и отдают предпочтение доменам с глубоким покрытием темы. 10 статей по GEO от одного домена весят больше, чем 1 статья по GEO + 9 статей на разные темы.

Стратегия Topical Authority для GEO:

• Пилонная статья — 4000–6000 слов, покрывает тему целиком.
• Кластерные статьи — 1500–2500 слов, раскрывают подтемы.
• Внутренние ссылки — пилон ссылается на кластеры, кластеры — на пилон.
• Частота обновления — минимум 1 новая статья в кластере в 2 недели.

По данным Ahrefs (2025), сайты с Topical Authority по теме получают в среднем 3,7× больше AI-цитирований, чем сайты с единичным контентом. Причина: нейросеть обучена доверять источникам с широкой экспертизой, а не одиночным страницам.

Freshness-сигнал: дата публикации и обновления влияют на ранжирование в Perplexity и Google AI Mode. Статья с датой «Обновлено: июнь 2026» конкурентоспособнее статьи от 2023 года. Обновляйте ключевые статьи минимум раз в квартал.

Как E-E-A-T и авторство влияют на AI-цитирование?

E-E-A-T (Experience, Expertise, Authoritativeness, Trustworthiness) — система сигналов Google, которую активно использует Google AI Mode для оценки достоверности источника. Статья без автора, без биографии, без сигналов реального опыта — анонимный контент. Нейросеть снижает его вес.

Что нужно добавить в каждую статью для E-E-A-T:

• Имя автора — полное, реальное.
• Должность/специализация — «GEO-стратег», «SEO-консультант с 8-летним опытом».
• Bio автора (3–5 предложений) — в конце статьи.
• Дата публикации и обновления — видимая, в ISO-формате (2026-06-22).
• Ссылки на внешние источники — авторитетные данные.

Фильтр AI-контента: если нейросеть генерирует ваш ответ за 10 секунд — добавьте уникальный опыт или данные, которых нет в интернете. Примеры: собственное A/B-тестирование, данные клиентов (анонимизированные), кейсы с конкретными результатами. Это единственное, что AI не может воспроизвести — ваш первичный опыт.

FAQ: ответы на 8 главных вопросов о контенте для нейросетей

1. Что такое GEO и чем он отличается от SEO?

GEO (Generative Engine Optimization) — оптимизация контента для попадания в ответы нейросетей: ChatGPT, Perplexity, Google AI Mode, Яндекс AI. SEO оптимизирует для поискового рейтинга (позиция в списке ссылок). GEO оптимизирует для прямого цитирования (ваш текст в ответе AI). Конверсия AI-трафика в 4,4–23× выше органического, по данным HubSpot (2025). При этом принципы разные: SEO любит ключевые слова, GEO любит именованные сущности и самодостаточные чанки.

2. Какой оптимальный размер чанка для разных платформ?

Для Google AI Mode — 134–167 слов. Для Яндекс AI (BERT) — ~190 слов (256 токенов). Для Perplexity — 150–300 слов. Для ChatGPT в режиме RAG — 150–375 слов. Универсальная зона: 150–190 слов на абзац. Придерживайтесь этого диапазона, и контент будет оптимален для всех основных платформ одновременно.

3. Что такое entity density и как её измерить?

Entity density — количество именованных сущностей на 1000 слов текста. Сущности: бренды, люди, технологии, числа, даты, названия исследований. Целевой показатель — 15+ сущностей на 1000 слов. Измерение: вручную посчитайте количество конкретных имён, технологий и числовых данных в 1000 словах текста. Онлайн-инструменты: Google NLP API, Semrush Content Analyzer.

4. Нужна ли schema.org-разметка для AI-цитирований?

Да. Structured data (schema.org) увеличивает попадание в AI-ответы на 73% по данным BrightEdge (2025). Наиболее важные типы: FAQPage (для FAQ-блоков), Article (для статей с автором и датой), HowTo (для пошаговых инструкций). FAQPage особенно эффективна: ChatGPT и Perplexity активно используют эти блоки как источник структурированных ответов.

5. Как часто обновлять контент для поддержания AI-видимости?

Минимум раз в квартал для ключевых статей. Perplexity и Google AI Mode учитывают freshness-сигнал: дата публикации и обновления влияют на приоритет источника. Обновление не обязательно означает переписывание — достаточно добавить новые данные, обновить статистику и проверить актуальность примеров. Всегда указывайте дату последнего обновления в начале статьи.

6. Что такое Quotable Units и как их создавать?

Quotable Unit — абзац, который нейросеть может процитировать дословно без потери смысла. Формула: тезис (1 предложение) + объяснение (2–3 предложения) + данные с источником (1–2 предложения) + практический шаг (1 предложение). Итого: 150–190 слов. Проверка: вырвите абзац из контекста — звучит ли он как полноценный ответ? Если да — это Quotable Unit.

7. Влияет ли авторство на AI-цитирование?

Да. E-E-A-T (Experience, Expertise, Authoritativeness, Trustworthiness) — сигналы доверия, которые Google AI Mode учитывает при ранжировании источников. Статья с именем автора, должностью и bio получает больший вес, чем анонимный контент. Добавьте блок автора с именем, специализацией и 3–5 предложениями биографии к каждой статье.

8. Что такое «фильтр AI-контента» и зачем он нужен?

Фильтр AI-контента — вопрос: «Может ли нейросеть сгенерировать это за 10 секунд?». Если да — контент неуникален и не будет цитироваться. Добавьте уникальные данные: собственное тестирование, анонимизированные данные клиентов, кейсы с конкретными результатами, первичные наблюдения. AI не может воспроизвести ваш реальный опыт. Это ваше конкурентное преимущество в эпоху генеративного поиска.

Итоговая шпаргалка: чек-лист GEO-статьи

Перед публикацией пройдите по каждому пункту:

Структура:

• BLUF в первых 200 словах — прямой ответ на главный запрос.
• Summary Box с 3–4 тезисами после BLUF.
• Все H2 сформулированы как вопросы.
• FAQ-блок с минимум 8 вопросами.
• Имя автора, должность, дата публикации и обновления.

Чанки и форматы:

• Каждый абзац: 150–190 слов.
• Каждый абзац понятен без контекста (тест на самодостаточность).
• Минимум 1 список или таблица в каждом H2-разделе.
• Примеры ДО/ПОСЛЕ для каждой техники.

Сущности и данные:

• Entity density: 15+ сущностей на 1000 слов.
• Минимум 3 статистических данных с источниками на 1000 слов.
• Источники в формате: «По данным [Источник, год], [цифра]».
• Schema.org разметка: Article + FAQPage.

Уникальность:

• Прошёл фильтр AI-контента: есть данные/опыт, которых нет в интернете.
• Topical Authority: статья связана с кластером контента по теме.