—

Продвижение в AI-поиске: «ЭМА»

Клиент

Компания «ЭМА» — поставщик медицинского оборудования.

Цель

Выйти в AI-ответы по ключевым запросам.

О заказчике

Компания «ЭМА» — поставщик медицинского оборудования. Потенциальные клиники и ЛПУ все чаще ищут информацию через нейросети и AI-поисковики (Perplexity, ChatGPT, Яндекс Нейро), а не через классические поисковики. Бренд не упоминался в AI-ответах по ключевым запросам, что приводило к потере «горячих» B2B-лидов.

Цели

Обеспечить присутствие бренда в ответах нейросетей и AI-поисковиков (Perplexity, ChatGPT, Яндекс Нейро).
Внедрить бренд в выдачу по ключевым запросам, где его не было ранее.
Остановить потерю «горячих» B2B-лидов, перехватывая клиентов на этапе AI-поиска.

Задачи команды

Мы собрали базу из 50–100 промтов (запросов), с которыми целевая аудитория обращается к ChatGPT, Perplexity, Яндекс Нейро (Алиса) и Gemini. Например: «Какие поставщики медицинского оборудования лучшие в Екатеринбурге?», «Посоветуй надежную компанию для покупки медицинского светильника».

Проверили, как каждая нейросеть отвечает на эти запросы. Зафиксировали, упоминается ли бренд, в каком контексте (положительном/нейтральном), и на какие источники (сайты, отзовики, СМИ) ссылается AI при формировании ответа.

Оптимизированы страницы сайта под AI-парсинг

Структурированная разметка (Schema.org): Внедрили микроразметку (JSON-LD) для товаров, статей, FAQ и организации. LLM-модели однозначно считывают данные о ценах, характеристиках и компании.

Пример структурированных данных:

<script type=»application/ld+json»>

{

«@context»: «https://schema.org»,

«@type»: «WebSite»,

«name»: «Завод ЭМА»,

«url»: «https://ema.su/»,

«description»: «Завод ЭМА — лидер производства медсветильников EMALED. 80 лет опыта, ISO 13485, склад в Екатеринбурге, гарантия, сервис и обучение. Запросите условия.»,

«potentialAction»: {

«@type»: «SearchAction»,

«target»: {

«@type»: «EntryPoint»,

«urlTemplate»: «https://ema.su/search/?q={search_term_string}»

«query-input»: «required name=search_term_string»

}

</script>

Точечная доработка карточек товаров

Переписали шаблон так, чтобы они отвечали на конкретные вопросы (например, «Для чего подходит?»). Нейросети любят четкие факты и списки.

Написали материалы, которые модели могут цитировать как источник. В текстах использовали правильные «сущности» (Entities) — точные названия брендов, технологий и терминов, чтобы AI понимал, о чем именно идет речь.

Результаты:

+40% упоминаний в AI-ответах по целевым запросам.
Присутствие бренда в 4 новых нейросетях.
+10 промтов с упоминанием компании в ответах генеративного поиска.

Регулярно вводим контрольные промты в нейросети, чтобы отслеживать, как меняется ответ после внесенных правок. Если модель начинает подтягивать данные компании по конкретному сценарию — закрепляем результат.