Как каталог магазинов винила стал источником для AI-ответов

Коротко

Я взял каталог из ~1 500 американских магазинов винила с ~3 000 тонких программатик-страниц, потерявших трафик после спам-апдейта, и перестроил его так, чтобы поисковые AI-системы могли использовать его как источник. На приложенном срезе Bing Webmaster Tools по запросу «who buys old records locally» видно 2,2 тыс. цитирований. Веб-аналитика показывает 10,9 тыс. посетителей за июль–сентябрь 2026 года. Это показатели разных систем и периодов, их нельзя считать одной воронкой.

Что для этого сделано:

• убрал из индекса страницы, которым нечего ответить, и вычистил недостоверный контент;
• построил уникальный слой первичных данных: ~300 интервью с владельцами магазинов;
• собрал кластеры и ключевые страницы под вопросы, из которых формируются запросы в AI-поиске, и оформил статьи как прямые ответы с разметкой JSON-LD.

Исходная точка: цитировать было нечего

Сайт — каталог из ~1 500 магазинов винила в США. Я принял ~3 000 программатик-страниц (страницы магазинов и городов) с шаблонным текстом; трафик обвалился после спам-апдейта. Бизнес-цель: стать местом, куда идут с вопросом «где продать коллекцию пластинок», и вести людей на форму заявки продавца.

Для AEO/GEO это была плохая стартовая позиция сразу по трем причинам:

• Нет своих данных. Страницы были тонкими и шаблонными; городские страницы не добавляли ничего, кроме списков магазинов, и своих данных на них не было.
• Нет прямых ответов. Страницы были списками, а не ответами на вопросы продавца.
• Проблемы с доверием. Аудит нашел на ранних страницах выдуманные цитаты и ошибки разметки (в том числе в полях автора и схемы). ИИ-системам нужны проверяемые источники, а здесь одна часть фактов была непроверяемой.

Google Search Console: на срезе 4,11 тыс. страниц в индексе и 1,76 тыс. вне индекса. Скриншот не показывает причины исключения или динамику до изменений.

Стратегия AEO/GEO: что я построил

Порядок был важен: сначала качество, потом масштаб. Страницы, которые я переписал, приходилось ждать до следующего спам-апдейта, чтобы их переоценили.

1. Сократил индекс. Городские страницы получили noindex и вышли из sitemap. Сигналы качества сконцентрировались на страницах, которые могли их заработать.
2. Навел порядок в доверии. Аудит нашел выдуманные цитаты и ошибки разметки. Я удалил их, закрыл noindex самые слабые страницы и ввел правило: каждый факт прослеживается до источника.
3. Создал первичные данные. ~300 интервью с владельцами магазинов, у каждого свой набор из восьми вопросов. Ответы стали уникальным контентом страниц магазинов и источником структурированных данных для статей.
4. Собрал кластеры и ключевые страницы под AI-запросы. Часть запросов в AI-поиске формируется вокруг контентных кластеров и ключевых страниц вроде «record stores near me». Эти страницы я создал и оптимизировал под AI.
5. Оформил статьи как ответы. Прямой ответ в первом абзаце, сортируемая таблица магазинов с дословными данными, цитаты владельцев, JSON-LD, включая FAQPage.
6. Дал честный ответ, даже если он невыгоден. В статье о ценах прямо написано, что большинство пластинок стоит несколько долларов. Именно это делает ее цитируемой.
7. Усилил доверие внешними сигналами. По моему рабочему учету, лично построил около 50 ссылок и размещений бейджей, в том числе на сайтах магазинов. Это вклад в работу, а не полный ссылочный профиль домена.
8. Защитил пайплайн от галлюцинаций. Node.js + Supabase для описаний магазинов: жесткие факты отделены от мягких сигналов, модель не может выдумать детали. Цитаты никогда не генерируются, публикуются только реальные.
9. Замкнул воронку. Статьи отвечают на вопрос продавца, призыв к действию ведет на форму заявки.

Результаты

Сайт цитируется в AI-выдаче Bing. Отдельно я наблюдал попадание статьи о ценах на пластинки в блок прямого ответа Bing и первую позицию в течение суток; этот эпизод не зафиксирован на приложенных скриншотах.

AI-видимость

Показатель	Значение	Источник
Статья о ценах на пластинки	Блок прямого ответа и позиция 1 в течение суток	Наблюдение автора; скриншот не приложен
Bing AI: «who buys old records locally»	2,2K цитирований	Bing Webmaster, AI Performance
Bing AI: «where to sell old vinyl records»	776 цитирований	Bing Webmaster, AI Performance
Bing AI: «valuable 45 records from the 60s and 70s»	478 цитирований	Bing Webmaster, AI Performance
Контент и ссылки	~300 интервью и ~50 лично построенных ссылок и размещений бейджей	Рабочий учет автора; в публичных скриншотах не показан

Bing Webmaster, AI Performance: grounding-запросы, цитирования и доля цитирования.

Классическая выдача: тот же принцип

По предоставленным мной данным Google Search Console пять запросов продавца дали 163 клика из 1 014 показов (CTR 16,1%) при средних позициях 2,6–3,5. Общий запрос «record stores near me» дал 1,6 тыс. показов и 20 кликов (CTR 1,27%, средняя позиция 6,26). Выгрузка запросов в архив не входит, поэтому эти цифры приведены как данные автора, без публичного подтверждающего скриншота.

Запрос	Показы	Клики	CTR	Ср. позиция
where to sell vinyl records near me	351	54	15,38%	3,05
who buys old records locally	303	40	13,20%	3,01
who buys vinyl records near me	251	46	18,33%	2,90
sell vinyl records near me	56	9	16,07%	3,52
where to sell vinyl records	53	14	26,42%	2,57

Google Search Console, отчет по запросам; брендовые и конкурентные запросы исключены.

Трафик

С июля по август число посетителей на графике выросло примерно с 0,8 тыс. до 5,3 тыс. в месяц — это приблизительные значения, считанные с графика. За весь показанный период, июль–сентябрь: 10,9 тыс. посетителей, 15,1 тыс. визитов и 29,0 тыс. просмотров. Скриншот не содержит разбивки по источникам и данных о заявках, поэтому рост нельзя напрямую приписать AI-цитированиям.

Веб-аналитика: посетители, визиты и просмотры по месяцам.

Общий ссылочный профиль сайта на октябрь 2026 года: 1 029 ссылающихся доменов и около 1,8 тыс. обратных ссылок по данным стороннего сервиса. Около 50 ссылок и размещений бейджей — лично выполненная часть работы по моему учету; график не позволяет выделить ее вклад или объяснить весь рост профиля.

Как я измерял AI-видимость

Основные цифры берутся из трех источников, еще один носит вспомогательный характер:

• Bing Webmaster, отчет AI Performance — показывает grounding-запросы и цитирования, дает больше деталей, чем Google.
• Google Search Console — для индексации и органического поиска. В архиве есть только скриншот отчета об индексации, без отчета по AI-показам и таблицы запросов.
• ai-semantica.com — сторонний инструмент, агрегирующий AI-платформы.
• Ручные проверки ChatGPT, Perplexity и AI Overviews и AI-рефералы в аналитике. Это выборочный контроль, а не метрика.

Ограничения: месячные цифры трафика сняты с графика и приблизительны; рост нельзя приписать одной правке, потому что изменения выполнялись вместе. Bing показывает цитирования по grounding-запросам, а не переходы или заявки на сайт. По доступным скриншотам нельзя оценить вклад AI-выдачи в продажи.

Вывод

Оригинальные данные от реальных людей, прямые ответы и чистка индекса дали каталогу более содержательные страницы. Наблюдаемые цитирования в Bing согласуются с этой работой, но скриншоты не позволяют отделить влияние отдельных изменений.

• Цитируемость строится на уникальных фактах. Цитаты и данные владельцев магазинов — это контент, который иначе в таком виде не существует.
• Честный прямой ответ («большинство пластинок стоит несколько долларов») делает страницу цитируемой.
• Сначала качество, потом масштаб. noindex для слабых страниц и правило «все трассируется до источника» до роста контента.