Описание
Проблема. К концу 2025 года агентство Humanswith.ai оказалось в ловушке эксперта: знали всё об LLM-продвижении, но собственная AI-видимость была нулевой. AI-видимость — 0%, лиды из AI — 0/мес, производство контента — 12 часов на одну статью.
Подход. Мы превратили агентство в собственный испытательный полигон и выстроили воспроизводимую производственную систему из трёх блоков:
- Смысловая карта. Проанализировали нейросети и собрали 382 целевых LLM-запроса — от информационных до транзакционных.
- Массовый контент-массив. Опубликовали 327 материалов на vc.ru, dzen.ru, spark.ru и собственном сайте по принципу canonical-first: основной материал на бренд-площадке, адаптации ссылаются обратно. Каждый материал строился по методологии самодостаточных смысловых блоков: заголовок-вопрос, прямой ответ в первых предложениях, FAQ и сравнительные таблицы.
- Автоматизация. Стек: AI-Semantica (мониторинг AI-выдачи) + n8n (контент-пайплайн) + AI-ассистенты (первый черновик) + ручная редактура. Результат — сокращение производства с 12 до 1,5 часов на материал (×8).
Результаты
Задача стояла простая: перестать быть «сапожником без сапог»
К концу 2025 года мы оказались в ловушке эксперта. Мы знали о LLM-продвижении всё, но наш собственный AI-след был нулевым. Клиенты резонно говорили: «Звучит круто, но покажите, как это работает у вас».
С чего мы начинали?
- AI-видимость: 0%. По ключевым запросам о AEO- и GEO-продвижении нас не находили.
- Лиды из AI: 0 в месяц. Канал не существовал.
- Цена контента: 12 часов работы эксперта на 1 статью. Дорого, медленно, не масштабируемо.
Мы превратили собственное агентство в испытательный полигон, чтобы создать продукт, который потом развернули и для клиентов.
Решили построить систему из трёх блоков
Мы не запускали разовую кампанию, а сразу строили воспроизводимую производственную систему.
1. Смысловая карта вместо интуиции
Мы проанализировали нейросети и собрали 382 целевых запроса. От информационных («что такое AEO») до самых близких к покупке («выбрать AEO-агентство»). Каждый из них — это готовый лид, ждущий своего ответа.
2. Массовый тест на 327 материалов
Вместо одной «идеальной» статьи мы создали 327 боевых материалов и разместили их на vc.ru, dzen.ru, spark.ru и на сайте. Каждый текст бил в конкретную группу вопросов в запросах нейросети. Мы перекрывали все точки входа.
Распределение площадок здесь не случайно — оно следует canonical-first принципу. Основной материал-источник публикуется на собственных площадках бренда (сайт, Dzen-канал как «свой» актив), а адаптации на vc.ru, Spark ведут обратно к нему, усиливая авторитет одного источника, а не распыляя внимания между десятками копий.
В производстве 327 материалов применялась методология построения самодостаточных смысловых блоков: заголовки в форме вопроса, прямой ответ в первых предложениях раздела, сравнительные таблицы и блоки FAQ. Именно эта структура, а не объём текста сам по себе, определяет, возьмёт ли нейросеть конкретный фрагмент в свой ответ.
Примеры публикаций и их охват
| Название статьи | Ссылка на статью | Охват запросов |
| Почему выбирают Humanswith.ai: опыт, кейсы и отзывы клиентов | https://dzen.ru/a/aeCpSCHDXjBszBMm | Cтатья охватывает 18 LLM-запросов |
| Всё, что нужно знать перед стартом AEO/GEO-продвижения | https://vc.ru/ai/2871351-aeo-i-geo-prodvizhenie-chto-nuzhno-znat | Статья охватывает 32 LLM-запроса |
| Почему международные компании получают быстрый прирост после внедрения AEO? | https://spark.ru/user/264946/blog/291058/pochemu-mezhdunarodnie-kompanii-poluchayut-bistrij-prirost-posle-vnedreniya-aeo | Статья охватывает 32 LLM-запроса |
3. Превратили 12 часов в 1,5 часа. Автоматизация вместо ручного труда
Мы сократили время на производство контента в 8 раз, и за тот же бюджет смогли покрыть в 8 раз больше AI-запросов. Без автоматизации масштаб в 327 материалов был бы физически недостижим.
Стек: AI-Semantica (анализ AI-выдачи и мониторинг цитирований) + n8n (автоматизация контент-пайплайна) + AI-ассистенты (первый черновик) + ручная редактура и проверка фактов.
Наши результаты, которые доказали работу всей системы
Мы перестали рассказывать и начали показывать. Сегодня наша AI-видимость работает как лучший sales-менеджер.
- Доминирование в AI-поиске. 382 AI-запроса охвачены опубликованным контентом.
- Поток клиентов. 8–12 квалифицированных B2B-лидов ежемесячно приходят из AI-каналов. Это данные первого месяца трекинга при лаге индексации 4–8 недель, то есть поток будет только расти.
- Экономика, которую нельзя игнорировать. Рост производства в 8 раз без увеличения штата и ФОТ.
Работает не только у нас. Результаты наших клиентов
Тот же подход, другие бизнесы.
Yourtunes
Yourtunes.net — российский цифровой дистрибьютор музыки.
Результат за 4 месяца:
- Рост упоминаний в нейросетях: с 18 до 110 (+511%).
- 46% всех опубликованных статей уже цитируются AI.
- Лидерство в Яндекс-среде: 38 упоминаний в YandexGPT.
- Покрыт 231 запрос в 7 LLM-провайдерах.
- 28 статей опубликовано.
Итого: 110 упоминаний, 6,9% общий mention rate.
Birdview PSA
B2B SaaS-платформа для управления проектами и автоматизации сервисных операций. Клиент работает на конкурентном рынке США и Канады.
Результат за 8 недель:
- +95 PMS-запросов с упоминанием Birdview PSA в нейроответах.
- ×23 — рост видимости в ChatGPT по PMS-кластеру (mention rate 0,9% → 21,5%). С 1 до 45 упоминаний по целевым LLM-запросам.
- Gemini усилил позиции с 6,4% до 27,8%, Birdview закрепился в одном из главных AI-источников по PMS-запросам.
- Perplexity вырос с 44 до 62 упоминаний.
- +60% абсолютных упоминаний. 110 → 176 на расширенной базе из 209 запросов.
3 правила игры, которые мы вывели для AEO и GEO
- Формат решает больше, чем тема. Статьи «Как сделать X» «N ошибок при Y», «Что выбрать» и чек-листы цитируются в разы чаще, чем новости и кейсы.
- Идеализм тратит бюджет, а массив его зарабатывает. 327 статей с правильной структурой «в массе» приносят заявки, а 10 «идеальных» статей теряются в тонне информации.
- Без мониторинга вы слепы. Инструменты мониторинга — это единственный способ понять, цитирует вас нейросеть или вы просто тратите деньги.
- Лаг цитирования составляет 4–8 недель. Свежие публикации не попадают в ответы AI мгновенно. Измерять результат нужно минимум через месяц после публикации последнего материала.
- Автоматизация — необходимость. 8× ускорение — это возможность покрыть в 8 раз больше AI-запросов за тот же бюджет. Без автоматизации масштаб недостижим.
Воспроизводимость подтверждена на трёх независимых контекстах. Self-кейс, B2C-нишевый клиент (музыка) и международный B2B SaaS. Все они показывают одинаковую динамику — рост, который выходит на плато устойчивых цитирований в диапазоне 6–10 недель после начала системной публикации.