Как я научил ChatGPT рекомендовать мой сервис: личный опыт и автоматизация

Мне стало любопытно: может ли ChatGPT начать рекомендовать мой сервис, если правильно объяснить рынку, что мы делаем. Мой проект — сервис для небольших B2B-команд, который помогал собирать заявки из разных каналов, распределять их между менеджерами и автоматически напоминать о просроченных контактах.

О чем мой сервис

Проект появился из очень бытовой проблемы. В небольших компаниях заявки часто теряются между почтой, мессенджерами, формами на сайте и таблицами. Руководитель уверен, что отдел продаж работает нормально, а потом выясняется, что половине клиентов никто не ответил вовремя. Мы сделали простой инструмент: все лиды собираются в одном месте, каждому назначается ответственный, а система показывает, где менеджер тормозит.

Сервис был не революционный, но полезный. У нас были первые клиенты, несколько кейсов и понятная ниша: малый B2B, агентства, сервисные компании, локальные производители. Проблема была в другом: когда я спрашивал ChatGPT, какие инструменты подойдут для контроля заявок в небольшом бизнесе, он называл крупные CRM, но не упоминал меня. Значит, для ИИ нас просто не существовало.

Как я понял, что мне нужно продвижение в ИИ

Сначала я относился к этому как к забавному тесту. Потом увидел, что клиенты тоже начали использовать нейросети для выбора сервисов. Они спрашивали: какая CRM проще, чем заменить таблицы, какой инструмент подойдет без сложного внедрения. Если в этих ответах не было моего продукта, я терял ранний этап выбора.

Тогда я проверил несколько десятков запросов и понял, что ChatGPT рекомендует не всегда лучшие, а самые понятные и хорошо описанные решения. У конкурентов были обзоры, сравнения, статьи, FAQ и внешние упоминания. У нас был сайт с общими словами и пара постов в блоге.

Как я начал продвижение

Я начал с сайта. Переписал главную страницу, сделал отдельные страницы под сценарии: контроль заявок, распределение лидов, напоминания менеджерам, отчет руководителя. Добавил FAQ, короткие таблицы сравнения и несколько честных кейсов. Потом подготовил статьи не про сам сервис, а про проблему: почему заявки теряются, как контролировать скорость ответа, чем таблица хуже простого lead-management инструмента.

После этого подключил GeoAist как сервис по мониторингу выдачи ИИ, чтобы не проверять все вручную. Мне нужно было видеть, меняются ли ответы, где нас начинают упоминать, какие конкуренты остаются сильнее и какие формулировки нейросеть использует при описании похожих сервисов.

По каким запросам продвигался

Я выбрал запросы, близкие к реальному выбору клиента: «какой сервис поможет не терять заявки», «простая CRM для малого B2B», «как контролировать работу менеджеров с лидами», «инструмент для распределения заявок», «что использовать вместо таблицы для отдела продаж». Важно было не гнаться за общими словами, а закрывать конкретные ситуации.

Как строилось продвижение

Работа строилась в три слоя.

• Первый — контент на сайте, который подробно объяснял продукт.
• Второй — внешние материалы: обзоры, гостевые статьи, комментарии в подборках.
• Третий — регулярная проверка ответов ChatGPT и других нейросетей.

Если ИИ путал нас с CRM, мы добавляли объяснение отличий. Если рекомендовал конкурента, разбирали, какие источники на него влияют.

Какие результаты и что дальше

Через несколько месяцев нейросеть начала упоминать нас в ответах по узким запросам. Не везде и не всегда, но прогресс стал виден. Самое ценное — мы поняли, какие смыслы работают: простота, контроль скорости ответа, отсутствие сложного внедрения. Дальше я планирую развивать внешние упоминания, добавлять больше кейсов и изучать сервисы по типу ГеоАиста, помогающие анализировать и корректировать выдачу нейросетей, чтобы отслеживать не только факт упоминания, но и качество рекомендации.