Подарки — одна из сложных категорий для попадания в LLM-выдачу. Честно говоря, это оказалось неожиданным даже для меня. Я работала с тремя магазинами подарков в совершенно разных нишах и с совсем разными целевыми аудиториями — и вот что выяснилось.
Подарок — это не товар, это социальная сцена
Проблема в том, что подарок — это вообще не товарная категория. Это социальная сцена. Маленькая пьеса.
Когда человек ищет кабель, он знает, что ему нужно. Когда человек ищет подарок, он почти никогда не знает. Запрос звучит как что-то из области лёгкой паники: «подарок для мамы», «подарок для начальника», «что подарить человеку, у которого всё есть». В этом запросе нет продукта. Там есть отношения, неловкость, бюджет, характер человека и страх подарить какую-нибудь ерунду.
LLM прекрасно работают с чёткими сущностями: категория, функция, характеристики. Но подарки — это не про характеристики. Это про контекст, который почти нигде не записан.
Каталоги товаров знают про материал, размеры и цвет. Но они не знают, что этот предмет идеально дарят на годовщину, а тот почему-то постоянно покупают коллегам на прощальную вечеринку. Эти знания живут в культуре, в привычках, в человеческих сценариях. В данных магазинов их почти нет.
Поэтому модели часто предлагают странные вещи. Либо банальности вроде свечей и кружек, либо случайные товары из популярных категорий. Не потому, что AI «тупой». А потому что он пытается решить задачу, где половина информации вообще не описана.
Что реально работает: архетипы «одариваемых»
Первая мысль, которая приходит в голову умным владельцам бренда — описать контекст использования: «подарок любимой девушке на день рождения» или «подарок боссу на корпоративный юбилей». Как показала практика, это работает, но не так, как хотелось бы.
Вот что я сделала для всех трёх магазинов — по-разному, но с одной логикой: я описала архетипы «одариваемых». Потому что «подарок боссу» — это всё равно непонятно. Кто такой босс? Какой он? Что любит? Что за девушка? С какими предпочтениями? Что значит «мама» — какой у неё характер, привычки?
То есть я буквально выделила отдельные сегменты аудитории и описала их в коллекциях. Это сработало — цитируемость сайтов и выдача в LLM заметно выросли. Почему? Потому что я облегчила LLM выбор.
Что происходит дальше: накопительный эффект
После индексации сайты попали в выдачу LLM более-менее стабильно — это хороший старт, потому что дальше начинается наращивание веса. Временной фактор работает так же, как в классическом SEO: чем дольше LLM видит сайт как стабильную сущность, тем охотнее выдаёт бренд в ответах.
Одни владельцы бренда вскоре после завершения проекта убрали все изменения и вернули примерно старый формат коллекций. Хозяин — барин.
Что произошло с выдачей? Она уменьшилась. Цитируемость тоже — то самое AEO. А если вы попадаете в AEO, GEO подтягивается автоматом.
Остальные два магазина ничего не меняли. Цитируемость у них растёт уже четвёртый месяц, выдача в LLM — тоже. Особенно заметный сдвиг происходит после трёх месяцев. А самое главное — появляется уже ощутимая конверсия, хотя на 100% её пока невозможно отследить: та же Google Analytics разносит LLM-трафик по разным категориям.
Два вывода
Первый. В сложных категориях всегда ищите способ максимально внятно и просто объяснить суть бренда и продуктов.
Второй. Если вы перестроили весь сайт и LLM начал вас замечать — остановитесь. Прекратите улучшайзинг, особенно если не понимаете, что именно сработало и чего ещё не хватает.
Технические ошибки, конечно, исправляйте. Если можете добавлять пользу — статьи в блог и прочее, добавляйте. Но не меняйте структуру и контент радикально. Это почти всегда откатывает назад, потому что LLM везде ищет надёжность и стабильность.