Почему контент-план без данных из нейросетей стал работой вслепую

Контент-план в большинстве компаний собирается примерно одинаково: выгрузка поисковых запросов, список идей редакции, обзор отраслевых трендов и несколько тем от продукта. На первый взгляд кажется, что этого достаточно: темы опираются на спрос, а спрос виден в цифрах. Но вопрос, на который отвечает такой план, звучит так: что ищут люди. Вопроса, что о бренде знают нейросети и чего они о нём не знают, в нём нет.

Что показывает обычный план тем

Поисковая выгрузка показывает формулировки и частотность, редакция приносит профессиональную повестку, тренды подсказывают, о чём сейчас говорит рынок. Этого хватает, чтобы собрать годовой план и закрыть темы, по которым есть измеримый поисковый спрос.

1. поисковые запросы и их частотность
2. идеи редакции и внутренних экспертов
3. отраслевые тренды и новости
4. вопросы, которые чаще всего задают продажам
5. темы конкурентов, собранные вручную

Все эти источники объединяет одно: они описывают людей и рынок. О том, как бренд выглядит внутри готового ответа языковой модели, они не говорят ничего.

Чего в таком плане не видно

ChatGPT, Gemini, Perplexity, Поиск с Алисой и другие ассистенты отвечают не списком ссылок, а готовым текстом, в котором уже сделан выбор: какие бренды назвать, в каком порядке, с какими оговорками. Если посмотреть на источники ответа, часть из них почти всегда лежит за пределами сайта компании. Для SEO это привычная ситуация, для GEO уже нет: там, где в поиске достаточно поднять страницу, в ответе модели нужно изменить то, что о бренде написано в источниках, которые она читает.

1. модель не знает часть продуктовой линейки и отвечает про бренд в общих словах
2. описывает компанию по устаревшим данным: старое позиционирование, закрытые направления
3. сравнивает бренд с конкурентами по критериям, которые компания сама не считает главными
4. упоминает бренд, но в рекомендации называет других
5. строит ответ на одном-двух сторонних материалах, которые никто в компании не читал

Коротко: страница может держаться в топе по запросу и всё равно не попадать в ответ нейросети, а слабый в органике бренд может звучать в ответах постоянно, потому что о нём много написано на стороне. Сам по себе показатель поисковых позиций об этом ничего не говорит.

Пробел видимости как контент-задача

Пробел видимости это не «мало статей по теме», а конкретное расхождение: по запросу, где решение действительно выбирают, модель отвечает не то, что компания о себе утверждает, или не называет её вовсе. Такое расхождение уже можно превратить в тему: понятно, какой вопрос закрывает материал, на каком запросе проверяется результат и какие источники он должен обновить.

1. собрать запросы, на которых действительно выбирают решение, а не только информационные
2. снять ответы по нескольким моделям и регионам, а не по одной привычной
3. разметить, где бренд упомянут, где процитирован и где рекомендован: это три разных факта
4. разобрать источники ответа и понять, чей материал модель пересказывает
5. превратить каждое расхождение в тему с проверяемым результатом

Отдельные запросы можно проверить руками, но для регулярного съёма нужна система: ответы меняются от модели к модели и от региона к региону, а вручную такой объём не удержать. Для этого используют GEO-сервисы вроде brandfound, Profound, Peec AI и GeoRank. Задача у них общая: показать, где бренд появляется в ответах, с кем его сравнивают и на какие источники модель опирается. Часть таких сервисов идёт дальше и сама собирает из найденного пробела контент-задачу, то есть план тем перестаёт быть списком догадок и начинается с данных.

Что меняется в работе редакции

План, собранный из пробелов, выглядит иначе. В нём меньше тем «про индустрию вообще» и больше материалов, которые отвечают на конкретный вопрос выбора. Меняется и приёмка: у каждой темы появляется проверяемый результат.

1. у темы есть запрос, на котором её результат проверяется
2. понятно, какое утверждение о бренде материал должен закрепить в источниках
3. видно, через сколько недель упоминание появилось в ответах и появилось ли вообще
4. часть тем уходит не на свой сайт, а туда, откуда модель берёт данные

Это не отменяет поисковую аналитику и не делает её лишней. Но если решение о темах принимается только по спросу, компания узнаёт о том, что нейросети рассказывают о ней неправильно, последней и случайно. Я бы начал не с нового плана, а с простой проверки: взять десять запросов, на которых у вас выбирают решение, посмотреть ответы и честно сравнить их с тем, что вы о себе говорите. Разница между этими двумя текстами и есть ваш настоящий контент-план на следующий квартал.