Откровенный разговор с ChatGPT. Как я искал машину в аренду. В выходные я собрался ехать в Рыбинск. Но машины в Москве у меня нет, и мне нужен автопрокат. И конечно, искать я пошёл не в поисковик, а в ChatGPT) Задача была довольно конкретная: взять машину в Москве с пятницы по понедельник, проехать около 700 км, машина должна быть не старая, автомат, адрес выдачи в центре. Минут за 15 мы справились. Я не ходил по ссылкам, не открывал десятки сайтов и не сравнивал вручную цены. ChatGPT нашёл варианты, я пару раз уточнил условия, мы пересчитали пробег, доплаты, бензин, возраст машин, расположение офисов. В итоге осталось два нормальных кандидата. Один дешевле, другой удобнее и надёжнее. Выбор сделал в пользу второго. Но дальше мне стало интересно поразбираться, а почему ИИ выдал мне именно эти компании. Я спросил ChatGPT: А как ты вообще искал? И почему предложил мне именно эти компании? Нейронка искала совсем не так, как я раньше искал бы сам. Сначала она собрала список прокатов, которые вообще смогла обнаружить по моей задаче. А дальше начала проверять каждый из них уже не по запросу «аренда автомобиля Москва», а по конкретным вопросам: сколько стоит машина именно на мой срок; сколько километров включено; сколько стоит перепробег; можно ли уехать в Ярославскую область; какого года машины; есть ли доставка; где находится офис; можно ли вернуть автомобиль утром в понедельник. Если ChatGPT не смог найти ответ на сайте компании, или на других площадках на один из этих вопросов, компания становилась для него менее удобным кандидатом для выдачи. Например, у одного проката была хорошая цена, но на сайте не было понятно, какого года машины. Другой выглядел дешёвым, но после пересчёта бензина и доставки перестал быть дешёвым. Нашёлся вообще отличный вариант по цене, но это оказалось объявление частника на Яндекс Услугах. Я сказал: «Стоп, я хочу нормальную компанию». И этот вариант сразу вылетел. А один из прокатов попал в финальное сравнение просто потому, что ChatGPT смог собрать про него почти всю необходимую информацию: модель → год выпуска → коробка → цена → лимит пробега → условия межрегиональной поездки. То есть его можно было нормально посчитать и сравнить. Если вы хотите, чтобы ИИ рекомендовал ваш продукт, на сайте недостаточно написать: «Аренда автомобилей от 2 500 рублей». ИИ нужны факты. Для автопроката это, например: • актуальная цена и от чего она зависит; • конкретные модели и годы выпуска; • что входит в тариф; • лимит пробега и цена превышения; • география использования автомобиля; • стоимость и условия доставки; • часы получения и возврата; • залог и страховка; • акции и спецтарифы; • понятная информация о самой компании. Причём желательно, чтобы всё это не было спрятано где-то в глубине сайта, за java скриптами, в PDF или выяснялось только после звонка менеджеру. Потому что следующий клиент может вообще не позвонить. Получается довольно простая цепочка: ИИ должен вас найти → понять ваш продукт → легко достать нужные условия → посчитать → сравнить → доверять вам достаточно, чтобы рекомендовать. Это, на мой взгляд, очень наглядное объяснение того, чем GEO отличается от обычного SEO. Вы боретесь уже не только за то, чтобы попасть повыше в список ссылок. Важно чтобы ИИ смог собрать из информации о вашем бизнесе готовый ответ на конкретную задачу клиента.