Как работает мультиязычное GEO?

Задайте ассистенту один и тот же коммерческий вопрос по-английски и на иврите — он не переведёт один ответ в другой. Он извлекает дважды — из двух разных пулов источников — и собирает два ответа, которые могут называть совершенно разных поставщиков. Извлечение идёт по языкам: модель сопоставляет формулировку, которую набрал пользователь, с контентом, написанным на этом языке, а корпуса за этими совпадениями различаются на порядки. Английский — язык контента примерно половины веба (49,5% по W3Techs); иврит — 0,4%, арабский — 0,6%, хинди — меньше 0,1%.

В этом вся суть мультиязычного GEO — Generative Engine Optimization, которое в индустрии называют также AEO (Answer Engine Optimization) или LLM SEO; названия разные, работа одна. Бренд не бывает «видимым в ИИ-поиске» вообще. Он видим по-английски, по-испански или на иврите — и каждый язык — отдельное состязание со своими источниками, своими конкурентами и своим победителем. Одни только AI Overviews Google работают теперь более чем в 200 странах и территориях и более чем на 40 языках, и каждая из этих языковых поверхностей извлекает ответы из собственного среза веба.

Этот гайд — хаб нашей серии о рынках: Израиль и иврит, арабско-английское разделение Дубая, Индия, испаноязычный рынок США и четырёхъязычная федерация Швейцарии. Каждый из тех гайдов применяет описанную ниже механику к одному рынку; этот объясняет саму механику.

Разрыв корпусов на порядки создаёт две разные игры. В английском пул источников-кандидатов для любого коммерческого промпта глубок: сайты отзывов, подборки, страницы сравнений, ветки форумов. Ни одна страница не доминирует; ассистенты взвешивают подтверждения — сколько независимых источников описывают вас согласованно, — и работа сводится к медленному накоплению согласованных упоминаний. Это игра плотного корпуса, и именно в ней уже конкурирует большинство глобальных брендов.

В тонком корпусе арифметика переворачивается. Когда на язык приходится 0,4% веба, у большинства коммерческих промптов лишь горстка правдоподобных источников — а иногда ни одного. Одна хорошо структурированная нативная answer-first страница может занять слот цитирования целиком, за недели, а не месяцы, — просто потому, что модели больше нечего извлекать. Мы называем это арбитражем тонкого корпуса и считаем его самой недооценённой возможностью в ИИ-поиске: языки, которые все пропускают, — это те, где один источник может доминировать.

Подвох в том, что арбитраж окупается, только если контент по-настоящему нативен и по-настоящему структурирован под извлечение. В тонком корпусе посредственным страницам негде спрятаться — но и толпы конкурентов, которой можно проиграть, тоже нет. Наши гайды об Израиле и Дубае документируют, как это выглядит промпт за промптом на иврите и арабском.

Инстинкт международной оптимизации под ИИ-поиск — ранжировать языки по носителям: у хинди сотни миллионов, значит, хинди первым. Это неверная ось. Верная — ценность покупателя по каждой языковой дорожке: где ваши покупатели действительно задают ассистентам коммерческие промпты на этом языке и сколько стоит выигранный там слот цитирования? Швейцарский управляющий капиталом получит больше от немецкого и французского, чем от десяти более крупных языков; дубайский застройщик может получить больше от русского, чем от арабского, потому что русскоязычное покупательское сообщество проходит весь путь на русском.

Вторая ось — выигрываемость. Тонкий корпус с реальным покупательским спросом — лучший слот на доске: высокое намерение, низкая конкуренция. Плотный корпус с высоким спросом — длинная игра, в которую входят осознанно, заложив работу над подтверждениями в бюджет. Язык со множеством носителей, но без коммерческих промптов в вашей категории может подождать, что бы ни говорила статистика населения.

На практике мы оцениваем каждый язык-кандидат по этим двум осям на базовой линии — измеренный спрос по набору промптов, измеренная конкуренция по тому, кто сейчас держит цитаты, — и выстраиваем программу в этой последовательности. Таблица ниже показывает, насколько по-разному ведут себя крупные языки.

Машинный перевод производит грамматически сносные страницы, которые проигрывают состязание за извлечение. Причина механическая, а не эстетическая: извлечение сопоставляет формулировки, которые пользователи реально набирают. Носитель иврита спрашивает «הכי טוב בישראל»; переведённая страница несёт английский строй предложения, переданный ивритскими словами, — словоформы и кальки, которые реальные пользователи никогда не набирают. Страница существует, краулер её читает — и она всё равно проигрывает совпадение любому источнику, написанному так, как был задан вопрос.

Морфологически богатые языки наказывают за это жёстче всех. В иврите и арабском артикли и предлоги сливаются с самим словом, поэтому один неверный выбор формы означает, что ключевое утверждение буквально не совпадает с токеном запроса. И ассистенты замечают артефакты перевода так же, как живые читатели: корпус очевидно машинно переведённых страниц читается как бренд, который на этом языке на самом деле не работает, — сигнал, ровно противоположный тому, который вы пытаетесь послать.

Лекарство — не более качественный перевод, а нативное авторство на общей базе фактов: носитель языка пишет каждую языковую версию вокруг одних и тех же проверенных утверждений — answer-first, сформулированных так, как промптят покупатели этого рынка. Утверждения совпадают; формулировки никогда не путешествуют между языками.

Мультиязычный бренд живёт под несколькими записями собственного имени: латиница, иврит, арабский, деванагари, китайский. Модели должны выучить, что всё это одна сущность, иначе цитаты расщепляются между полузнакомыми именами и авторитет не накапливается нигде. Это значит: структурированные данные, объявляющие альтернативные имена; профили, где записи имени перечислены вместе; и источники на локальном языке, связывающие локальную письменность с латинским именем бренда на страницах, которые модели действительно читают.

Более тонкий сценарий провала — языковая согласованность: бренд, описанный по-английски одним способом, а по-немецки другим, тихо проигрывает на обоих. Ассистенты всё чаще сверяют языки между собой, и противоречащие утверждения — разные списки услуг, разное позиционирование, разные числа — читаются как ненадёжность. Именно поэтому мы проводим явную проверку языковой согласованности: описывает ли ответ на иврите бренд так же, как английский? Это метрика, которую большинство мультиязычных программ не догадывается измерять.

Под всем этим лежит обвязка, которая обязана быть скучной и корректной: аннотации hreflang, чтобы краулеры отдавали правильную версию под правильный запрос; один канонический хост, на который указывают все сигналы; и машиночитаемые экспорты по каждой локали вместо девятиязычной свалки, размывающей плотность извлечения для каждого запроса. Наш собственный сайт работает именно так — протокол задокументирован, включая ошибки, в нашем гайде о том, как мы делаем GEO сами себе.

Мы работаем нативно на девяти языках — английский, русский, немецкий, французский, итальянский, испанский, китайский, хинди и иврит — и прямо говорим, что арабский в их число не входит: арабский контент делает партнёр-носитель языка, а сверху — наша answer-first структура, работа с сущностью и слой измерений. Каждая техника, которую мы продаём, сначала работает на нашем собственном сайте, на всех девяти языках, включая письмо справа налево.

Измерение всегда идёт по языковым дорожкам. Фиксированный набор промптов на каждый язык, заданный в первый день; чистые разлогиненные сессии в ChatGPT, Perplexity и Gemini; доля цитирований и доля упоминаний в отчёте по каждому языку против базовой линии первого дня; и сверху — проверка языковой согласованности. Дорожки движутся независимо — иврит может рвануть, пока английский стоит на месте, — и раздельная отчётность по ним — единственный честный способ показать, что и где работает. Полный протокол опубликован в нашем гайде об измерении.

Доказательство, что это работает, — наш собственный кейс, названный тем, что он есть: самодемонстрация, а не результат клиента. В шести чистых разлогиненных прогонах ChatGPT ставил GET-GEO.AI первым по запросам о мультиязычном GEO-агентстве, и каждый раз называл причиной метод, описанный на этой странице: языки перечислены явно и проверяемо, а не «мультиязычные возможности», заявленные обобщённо. Мы никогда не публикуем выдуманные клиентские цифры; серия о рынках — Израиль, Дубай, Индия, США, Швейцария — показывает ту же механику в применении к каждому рынку, а любое сотрудничество начинается с вашей измеренной базовой линии, до любых обещаний.