✓ Одинаковый вопрос к AI-поиску может получить разные источники и разные рекомендации в зависимости от того, откуда его задают. Поэтому GEO-аудит, выполненный только из одного города или с одного сервера, способен показать убедительные, но неполные результаты.
Исследование Университета Торонто от 16 октября 2026 года проверило влияние геолокации на ChatGPT и Gemini. Авторы собрали 31 200 ответов на 300 коммерческих вопросов и меняли два сигнала: локацию, которую приложение передаёт модели, и страну сетевого подключения. Результат оказался принципиальным для локального бизнеса: ChatGPT и Gemini учитывают эти сигналы по-разному, а вместе с источниками меняются и компании, которые AI рекомендует.
Как исследователи проверяли влияние локации
Авторы подготовили 300 вопросов из десяти коммерческих тем: домашние услуги, медицина, финансы, страхование, телеком, рестораны, розница, автомобили, путешествия и государственные услуги. Вопросы разделили на три группы:
- запросы «рядом со мной», где близость является частью намерения;
- вопросы, ответ на которые зависит от места — цены, правила, доступные провайдеры;
- общие вопросы, которые формально не требуют локального ответа.
Ни в одном вопросе место не называли прямо. Это позволило проверить, добавляет ли система географию самостоятельно.
Для ChatGPT использовали 19 заявленных локаций: 15 городов США и Лондон, Торонто, Сидней и Дублин. Отдельно ChatGPT и Gemini запускали из пяти сетевых локаций. Каждый тест повторяли дважды, чтобы отличить влияние географии от обычной изменчивости AI-ответов.
Такой повтор особенно важен. Генеративная система может изменить формулировку, порядок источников или рекомендацию даже при одинаковых условиях. Сравнивать Алматы и Астану по одному ответу нельзя: различие может быть случайным, а не географическим.
ChatGPT следует заявленной локации приложения
В эксперименте ChatGPT использовал приблизительную локацию, которую приложение передавало инструменту веб-поиска. География влияла на результат двумя путями.
Сначала модель могла сама добавить город в поисковый подзапрос. Пользователь спрашивал без названия места, но ChatGPT формировал запрос с конкретной локацией. Затем поисковый backend дополнительно локализовал результаты даже тогда, когда название города не появлялось в тексте подзапроса.
Эффект работал на уровне города. При этом в условиях эксперимента ChatGPT не следовал сетевой локации, если приложение передавало отдельный параметр местоположения.
Это соответствует устройству API: OpenAI позволяет указать приблизительную локацию для web search через страну, город, регион и часовой пояс. Для разработчика AI-сервиса этот параметр не является мелкой технической настройкой. Он способен изменить набор найденных страниц, цитаты и итоговые рекомендации.
Для GEO-мониторинга вывод прямой: проверка ChatGPT без зафиксированного параметра location не даёт воспроизводимой картины локальной видимости. Нужно знать, какую географию передаёт приложение, и сохранять её вместе с результатом.
Gemini в эксперименте следовал стране сети
Gemini показал другую модель поведения. Заявленную локацию приложение могло передавать, но в исследовании система ориентировалась на страну сетевого подключения. При смене сети менялась значительная часть источников — даже для вопросов, которые авторы отнесли к нелокальным.
Гранулярность тоже отличалась. Для ChatGPT исследователи увидели влияние заявленного города, а для Gemini — прежде всего страны сети. Это значит, что запуск мониторинга на сервере в другой стране может искажать представление о том, что видит местный пользователь.
Например, аудит для бизнеса Казахстана, выполненный только с европейского или американского дата-центра, нельзя автоматически считать аудитом выдачи для Казахстана. Система может выбрать другой набор национальных источников, брендов и справочных страниц.
Исследование не доказывает, что Gemini всегда и во всех интерфейсах использует только IP-географию. Оно фиксирует поведение конкретных API, моделей и условий октября 2026 года. Но различие достаточно велико, чтобы контролировать сетевую страну в каждом серьёзном GEO-тесте.
Что меняется для локального бизнеса
Геолокация влияет не только на ссылки под AI-ответом. В исследовании вместе с источниками менялись компании, которые система называла и рекомендовала. Для локального бизнеса это ключевой риск одногороднего аудита.
Компания может хорошо отображаться в AI-ответах при проверке из Алматы и почти не появляться в Астане. Национальный бренд может цитироваться из одного источника в Казахстане и из другого — за пределами страны. Сервис с несколькими филиалами может получить видимость в городе, где есть подробная страница, и потерять её там, где информация представлена только одной строкой в общем списке.
Отсюда следуют три практических вывода:
- AI-видимость нельзя выражать одной цифрой для всей страны.
- Позиция или цитата из одного запуска не описывает стабильный результат.
- Локальные страницы и внешние местные источники нужно оценивать отдельно по каждому рынку.
Особенно важно не путать отсутствие бренда в одном тесте с полной невидимостью. Сначала нужно повторить вопрос, изменить формулировку и проверить нужную географию тем способом, который использует конкретная система.
Как проводить GEO-аудит по городам
Правильный аудит начинается с матрицы, а не с одного списка запросов. Минимальная матрица включает систему, модель или интерфейс, вопрос, формулировку, заявленный город, страну сети, дату и номер повтора.
Шаг 1. Выбрать реальные рынки
Проверяйте только города и страны, где компания действительно работает. Для бизнеса в Казахстане разумно начать с основных городов продаж, а не искусственно распределять одинаковое число тестов по всей стране.
Шаг 2. Разделить намерения
Соберите запросы «рядом со мной», явно локальные вопросы с названием города, вопросы о выборе подрядчика и общие коммерческие вопросы. География может влиять на каждую группу по-разному.
Шаг 3. Контролировать оба канала локации
Для ChatGPT фиксируйте переданную approximate location. Для Gemini и других систем фиксируйте страну сетевого выхода. Если инструмент не позволяет управлять одним из каналов, это ограничение должно быть записано в отчёте.
Шаг 4. Делать повторы
Каждый вопрос стоит запускать минимум несколько раз в одинаковых условиях. Исследователи использовали два повтора как базовую линию шума. Для бизнес-мониторинга более надёжную картину даёт серия повторов в разные дни.
Шаг 5. Сохранять не только название бренда
Записывайте полный ответ, URL источников, порядок ссылок, упомянутые компании и факты, которыми система объясняет выбор. Простая отметка «бренд есть / бренда нет» скрывает изменение доказательной базы.
Шаг 6. Сравнивать внутри одного контура
Сначала сравнивайте результаты одной системы, модели и географии во времени. Только затем сопоставляйте разные платформы. ChatGPT и Gemini получают локацию разными каналами, поэтому прямое сравнение без контроля условий будет нечестным.
Какие локальные сигналы проверять на сайте
Исследование показывает, что для локальных и зависящих от места запросов ChatGPT формировал географические подзапросы и находил страницы, где указаны город или регион. Это не призыв повторять название города в каждом абзаце. Важнее создать проверяемую локальную сущность.
На странице должны быть понятны:
- город и реальная зона обслуживания;
- конкретная услуга или категория товара;
- актуальные условия, сроки и ограничения для этого рынка;
- адрес, контакты и способ обращения;
- локальные примеры работ, кейсы или отзывы, если они существуют;
- связь страницы с общим разделом услуги и другими городами;
- дата обновления существенных фактов.
Техническая основа остаётся обязательной: индексируемый HTML, HTTP 200, self-canonical, доступ в robots.txt, URL в sitemap и отсутствие конкурирующего дубля. Но техническая корректность сама по себе не доказывает, что страница релевантна конкретному городу.
Нужно проверить и внешнее информационное поле. Авторы отмечают, что локальная видимость может формироваться через каталоги, сайты с отзывами, местные учреждения и другие источники, которые система находит по географическим запросам. Название, адрес, услуга и зона работы не должны противоречить друг другу на разных площадках.
Как фиксировать локальную AI-видимость
Одна общая доля упоминаний слишком груба. Для каждого города полезно разделить несколько показателей:
- доля запусков, где бренд назван;
- доля запусков, где процитирован собственный сайт;
- доля запусков с внешним источником, который подтверждает бренд;
- набор уникальных URL и доменов среди цитат;
- корректность города, услуги, цены и контактов в ответе;
- стабильность результата между повторами;
- разница между явно локальным и общим вопросом.
Отдельно отмечайте источник появления бренда. AI может назвать компанию из собственной памяти, найти официальный сайт или получить её из каталога. Для стратегии это три разные ситуации. В первом случае нужно проверять актуальность фактов, во втором — качество локальной страницы, в третьем — точность и устойчивость внешнего профиля.
Изменения оценивайте по одинаковой матрице запросов и локаций. Если сегодня проверка шла с заявленным Алматы, а через месяц — без location и с сервером в другой стране, сравнение не покажет эффект работы над сайтом.
Что исследование не доказывает
Работа использовала API и преимущественно небольшие модели. Поведение пользовательских приложений может отличаться из-за персонализации, истории диалога, настроек продукта и обновления моделей. Полноразмерную модель авторы дополнительно проверяли только для ChatGPT.
Сетевые тесты выполнялись через адреса дата-центров в пяти локациях. Домашнее или мобильное подключение может давать более точную географию. Вопросы были на английском, а выбранные города в основном относились к США и другим англоязычным странам.
Поэтому цифры нельзя механически переносить на Казахстан или русскоязычные запросы. Переносим метод: контролировать заявленную и сетевую локацию, делать повторы и хранить источники вместе с рекомендациями.
Главный вывод исследования — GEO-видимость зависит не только от запроса и качества страницы, но и от места проверки. Для локального бизнеса корректный аудит должен отвечать не на вопрос «видит ли нас AI», а на более точный: «какая система, при какой географии, по какому намерению и с опорой на какие источники показывает наш бренд».
Если нужно проверить локальную видимость по городам, устранить противоречия в источниках и подготовить страницы для AI-поиска, начните с GEO-продвижения.