Продвижение финансовых услуг в нейросетях: почему в YMYL-нишах цитируют лицензию и дату, а не оффер

Продвижение финансовых услуг в нейросетях сводится к подтверждаемости: финансовую компанию называют в ответе, когда модель может проверить три вещи — кто стоит за продуктом (юрлицо и лицензия), на какую дату действуют условия и что о компании пишут внешние источники. Финансы относятся к категории YMYL, поэтому страница с самым удачным оффером проигрывает скучной странице тарифов, у которой указана дата актуальности. Ответ на вопрос про вклад, ипотеку или страховку почти всегда собирается из обзоров, агрегаторов и справочников, а сайт компании попадает туда как подтверждающий источник — либо не попадает вовсе. Ниже разбор: чем GEO для финансовой компании отличается от SEO, пять барьеров, на которых теряется цитирование, семь правил под YMYL, чем различается работа для банка, страховой и инвестиционной компании и как мы считаем AI Visibility Score. Отдельно — кому такая работа не подходит и что делать, если нейросеть называет ваши условия неверно.

Алексей Малков

Основатель GEOAudit.org • GEO/SEO-стратег

10+ лет в digital

YMYL-ниши Банки и страхование AI Visibility Score

Профиль автора →

Финансы отнесены к YMYL, и порог доверия к источнику здесь выше

YMYL (Your Money or Your Life) — категория тем из Search Quality Rater Guidelines компании Google: страницы, которые способны повлиять на здоровье, безопасность, финансовое положение или благополучие человека. Вклады, кредиты, ипотека, страхование, брокерский счёт, налоги и пенсионные накопления попадают в неё по определению. Практический смысл простой: к таким страницам предъявляется требование не только к тому, что сказано, но и к тому, кто это говорит и чем подтверждает.

Генеративные системы наследуют ту же логику отбора. Нейросеть не оценивает качество текста в человеческом смысле, но при сборке ответа она предпочитает источники, где видно юридическое лицо, лицензию, автора и дату. Анонимная посадочная с ярким оффером проигрывает скучной странице тарифов, у которой указано, на какое число действуют условия. Механику отбора мы разбирали отдельно в материале про алгоритмы доверия AI, а требования к экспертности — в разборе E-E-A-T для AI-эпохи.

В аудитах финансовых сайтов мы начинаем не с текстов, а с проверки того, чем компания представлена за пределами собственного домена: есть ли карточка в справочниках, кто пишет о продукте, совпадает ли наименование юрлица везде. Продвижение финансовых услуг в AI-поиске почти всегда упирается в этот внешний слой, а не в объём контента на сайте. Из чего состоит аудит финансового сайта, описано ниже, в разделе о составе работ, а полный перечень проверок и формат отчёта — на странице услуги GEO-аудит сайта.

Ответ по финансовому запросу собирается из обзоров и агрегаторов, а не с сайта компании

Когда пользователь спрашивает «какой вклад выгоднее открыть» или «что выбрать: рефинансирование или реструктуризацию», модель не идёт на сайт конкретного банка. Она собирает ответ из того, что уже написано об этом рынке: обзоры, сравнительные подборки, маркетплейсы финансовых продуктов, отраслевые СМИ, справочники и форумы. Сайт компании появляется в такой сборке в двух ролях — как подтверждение конкретного параметра (условия, тариф, документ) и как объект, о котором говорят другие. В смежной нише недвижимости расклад ровно тот же: по запросам про новостройки модель называет агрегаторы, а застройщик и агентство проходят в ответ только через подтверждающие источники — этот сценарий разобран в чек-листе по продвижению сайта недвижимости в нейросетях.

Отсюда четыре типа запросов, которые в финансовой нише ведут себя по-разному:

• Продуктовые — «ставка по ипотеке для IT», «условия по накопительному счёту». Модель тянется к страницам с параметрами и датой актуальности. Сюда компания может попасть напрямую.
• Выборные — «в каком банке лучше открыть вклад», «какая страховая надёжнее». Ответ строится из обзоров и рейтингов, попасть в него можно только через внешний след.
• Процедурные — «как оформить налоговый вычет», «что делать при просрочке платежа». Самый доступный тип: сюда попадает тот, кто написал понятную пошаговую инструкцию без ухода в рекламу.
• Репутационные — «надёжен ли этот банк», «отзывы о страховой по выплатам», «чем заменить такую-то компанию». Бренд уже назван в вопросе, и модель собирает ответ из отзывов, жалоб, новостей и обсуждений. Сайт компании влияет на такой ответ слабее всего, а цена ошибки здесь самая высокая: старая жалоба или новость о давней проблеме задаёт тон ответа для человека, который уже почти выбрал вас. Работа идёт через внешний след и отзывы — подробнее в материале про репутацию бренда в AI.

Отдельно стоит геозависимость. Ответ на «ипотека в Москве» и просто «ипотека» собирается из разных наборов источников: во втором случае модель чаще уходит в федеральные обзоры, в первом подтягивает региональные подборки и справочники организаций. Для компании с головным офисом в Москве и филиалами в регионах это значит, что видимость нужно проверять по каждому городу отдельно, а не по одному общему списку запросов. Для русскоязычной аудитории отдельный контур — Алиса и ЯндексGPT: как туда попадают, разобрано в материале как попасть в ответы Алисы.

GEO работает поверх SEO, а не вместо него

Расшифровки разводят задачи лучше любых объяснений: SEO — это Search Engine Optimization, работа с позициями в классической выдаче Яндекса и Google; GEO — Generative Engine Optimization, работа с попаданием бренда в текст ответа нейросети. В тендерных заданиях и брифах эту работу до сих пор называют «сео для финансовой компании», и спорить с формулировкой бессмысленно: запросы «seo для финансовой компании» и «продвижение финансовых услуг» приводят к одной и той же связке задач. Важно другое — слои не взаимозаменяемы. Если сайт не индексируется и не входит в топ-30 по продуктовым запросам, попадать в нейроответ ему неоткуда: модели в подавляющем большинстве сценариев работают с тем, что уже отобрала поисковая система.

Есть и содержательная разница, которую видно по любому продуктовому лендингу. Финансовая услуга — не товар: у неё нет фотографии и отзывов о доставке, зато есть условия договора. Продвигать её в AI-поиске приходится через доказательства — параметры, документы, подтверждённую квалификацию тех, кто их объясняет. В услугах с физическим исполнением набор доказательств другой: там модель ищет на странице работу, марку, район и цену текстом, как показано в разборе продвижения автосервиса в нейросетях.

Общая граница между понятиями разобрана в материале GEO vs SEO vs AEO. Для финансовой компании практический вывод один: бюджет не переносится из SEO в GEO, он расширяется вторым слоем поверх работающей технической и семантической базы.

Пять барьеров, на которых финансовый сайт теряет цитирование

Это те места, где в наших аудитах ломается чаще всего. Ни один из барьеров не требует переписывания сайта целиком — все пять чинятся точечно.

Правило датированной цифры

Из пяти барьеров второй — самый недооценённый, поэтому у него есть отдельное имя. Правило датированной цифры: любое число на финансовой странице — ставка, доходность, комиссия, срок, лимит — должно стоять рядом с датой актуальности и ссылкой на документ, где это число закреплено. Причина не в эстетике. Условия по продуктам пересматриваются вслед за решениями регулятора и рынком, а модель, встречая два противоречащих утверждения, выбирает то, у которого есть привязка ко времени. Страница без даты для неё неотличима от архивной.

Разметка финансового сайта: Organization — это только половина работы

Schema.org даёт под финансы отдельную ветку типов, и она почти не используется на российских сайтах. FinancialService и его подтипы (BankOrCreditUnion, InsuranceAgency) описывают саму организацию; FinancialProduct и его подтипы (LoanOrCredit, InvestmentOrDeposit, BankAccount, PaymentCard) — конкретный продукт, включая сумму, срок и годовую ставку. Для процедурных материалов работают FAQPage и HowTo, для новостей и обзоров — Article с указанием автора.

• Organization с полями legalName, taxID, address, telephone и sameAs на карточки в справочниках и реестрах.
• FinancialProduct или LoanOrCredit на каждой продуктовой странице: amount, loanTerm, annualPercentageRate, требования к заёмщику.
• Person для автора с указанием должности и квалификации, связанный со страницей материала.
• FAQPage только на тех блоках, которые действительно видны пользователю: разметка, не совпадающая с текстом страницы, работает против сайта.

Разметка не поднимает сайт в ответе сама по себе — она снимает неоднозначность. Модели проще связать страницу с известной ей организацией, когда наименование юрлица и идентификаторы указаны машиночитаемо, а не нарисованы в подвале. Полный разбор типов и приоритетов — в материале Schema.org для GEO.

Семь правил под YMYL

1. Показать юрлицо и лицензию. Полное наименование, ИНН и ОГРН, номер лицензии или записи в реестре, ссылка на карточку в справочнике участников финансового рынка. Не картинкой, а текстом и разметкой.
2. Датировать каждую цифру. То самое правило датированной цифры: число, дата актуальности, ссылка на тарифы или условия.
3. Описывать продукт параметрами, а не эпитетами. Сумма от и до, срок, ставка, требования к заёмщику, что входит в покрытие и что исключено. Цитируют параметры, а не прилагательные.
4. Дать автора с проверяемой квалификацией. Имя, должность, аттестат или профильное образование, страница профиля, другие публикации. Для YMYL это не украшение, а условие отбора.
5. Отвечать в первом абзаце раздела. Короткий самодостаточный ответ на вопрос заголовка, который можно вынуть из страницы и он останется верным. Дальше — детали.
6. Закрыть процедурные сценарии. «Какие документы нужны», «что будет при просрочке», «как расторгнуть договор» — пошагово, честно, без перевода разговора на оффер.
7. Собрать внешний след. Карточки в справочниках, присутствие на профильных площадках, комментарии экспертов компании в отраслевых СМИ, системная работа с отзывами. Данные о компании должны совпадать везде до символа.

Банк, страховая и инвестиционная компания: где GEO-работа расходится

Семь правил выше общие для всей отрасли, но набор запросов, обязательные элементы страницы и главный риск у сегментов разные. План «для финансов вообще» обычно перекошен в сторону розничного банка, и страховая или брокер получают список правок, половина которых к их продукту не относится.

Розничному банку добавляется локальный слой

Банк с сетью отделений и банкоматов отвечает ещё и на запросы вроде «ближайшее отделение» и «банкомат рядом»: такой ответ модель собирает из карточек в картах и справочниках, а не из продуктовых страниц. Поэтому для розничного банка отдельно проверяем адреса, часы работы и телефоны отделений в Яндекс Картах, Google Maps и 2ГИС и их совпадение с сайтом (NAP). Расхождение между источниками даёт модели повод усомниться в данных. Это слой поверх продуктовых и репутационных запросов, а не замена им.

Как не сломать датированную цифру на согласовании

Общая для всех сегментов организационная сторона: любые правки финансовых страниц проходят юристов и комплаенс, а условия пересматриваются чаще, чем обновляются статьи. Если дату актуальности и ставку вписывают в тексты вручную, через несколько пересмотров на сайте оказываются разные цифры с разными датами, и модель цитирует не ту. Надёжнее выводить цифру и дату из того же источника, откуда берётся документ с тарифами, а в статьях ссылаться на продуктовую страницу, а не повторять параметры. Тогда согласование нужно один раз — на изменение тарифа, а не на каждую статью, где он упомянут.

Что делать, если нейросеть называет ваши условия неверно

Вопрос, которого почти нет в обзорах по теме, а в финансах он возникает первым: модель уверенно называет ставку, которой у вас уже нет, или приписывает продукт с чужими условиями. Причин обычно четыре, и лечатся они по-разному.

• Устаревшая страница на вашем сайте. Старый лендинг или архивная новость с прошлыми условиями остаётся доступной и продолжает цитироваться. Лечится обновлением, редиректом или явной пометкой об архивности с датой.
• Кэш и период обновления. Модель могла собрать ответ до вашей правки. Помогает переиндексация, обновление даты в разметке и на странице, свежие внешние упоминания.
• Чужой агрегатор. Маркетплейс или обзор публикует ваши условия с ошибкой или с задержкой. Это решается перепиской с площадкой, а не работой на сайте.
• Смешение брендов. Модель путает компании со схожими названиями. Здесь и помогает связка «юрлицо + идентификаторы + sameAs»: она разводит вас с однофамильцами.

Кому GEO в финансах не подходит и что точно не сработает

Честный список ограничений короче списка возможностей, но он важнее.

• Нет лицензии или продукт в серой зоне. Мы за такие проекты не берёмся. Модели опираются на реестры и обзоры, а там отсутствие компании читается быстрее, чем любой текст на сайте.
• Продажи идут только через агентскую сеть или тендеры. Если клиент никогда не ищет вас сам, видимость в нейросетях не влияет на выручку. Бюджет полезнее в другом месте.
• Сайт закрыт от AI-краулеров. В банках это частая ситуация: WAF и политики информационной безопасности режут всё, кроме основных поисковых ботов. Пока доступ не согласован с ИБ, работать не с чем — это инфраструктурная задача, а не контентная.
• Нет базового SEO. Сайт вне индекса или вне топ-30 по продуктовым запросам сначала лечится классическими методами. GEO поверх пустоты не строится.
• Продукт запускается через две недели. Внешний след не собирается по щелчку. Для быстрых запусков честнее платный трафик, а GEO вести параллельно с расчётом на горизонт в месяцы.

И то, что не сработает ни при каких условиях: массовая разметка FAQPage под текст, которого нет на странице; закупка однотипных отзывов (однообразие тональности читается моделями как шум); генеративные тексты про «выгодные условия» без параметров; и любые обещания подрядчика вывести бренд в ответы ChatGPT к конкретной дате. Алгоритмы отбора меняются без анонсов, гарантировать попадание в ответ не может никто — можно лишь системно повышать вероятность и измерять её.

Как мы считаем AI Visibility Score для финансовой компании

Метрика собирается из прогонов фиксированного набора запросов по каждой платформе — ChatGPT, Алиса и ЯндексGPT, Perplexity, Gemini, Grok. Для финансовой ниши набор делится на четыре части в тех же пропорциях, что и спрос: продуктовые, выборные, процедурные и репутационные запросы, плюс отдельный срез по городам присутствия. По каждому прогону фиксируем четыре вещи: упомянут ли бренд, есть ли ссылка, какая тональность у упоминания и кто назван вместо вас. Последнее в финансах ценнее всего: список «кого модель считает нормальным ответом» — это и есть реальная конкурентная среда, а она почти никогда не совпадает с той, что видит отдел маркетинга в отчёте по позициям.

Формула и бенчмарки разобраны в материале AI Visibility Score. Повторные замеры имеет смысл делать не чаще раза в месяц: ответы моделей нестабильны от прогона к прогону, и разница в пару процентов между двумя днями ничего не значит.

За 10+ лет в SEO я привык, что в финансовых проектах разрыв почти всегда в одном месте: сайт подробно рассказывает про продукт, а внешние источники знают про компанию совсем немного — и модель собирает ответ из того, что есть у них, а не у вас. Поэтому первый отчёт по AI-видимости для банка или страховой обычно неприятный: бренд называют реже, чем ожидает маркетинг, зато отлично видно, кем его заменяют. Зато и чинится это предсказуемо: даты у цифр и опознаваемое юрлицо дают эффект раньше, чем любые новые тексты.

Алексей Малков

Основатель GEOAudit.org

Опубликованного кейса именно для финансовых компаний пока нет. Кейс ниже — из другой отрасли (стоматология): он показывает, как мы замеряем AI-видимость и откуда берётся разрыв между позицией в Яндексе и цитированием в ответе Алисы, но не результат работ для банка или страховой.

Порядок работ мы держим одинаковым для всех YMYL-ниш — финансовой, медицинской, юридической. Диагностика показывает текущую картину, полный GEO-аудит (60 000 ₽) даёт разбор по всем слоям и план внедрения, дальше идёт либо передача плана вашей команде, либо сопровождение. Экспресс-диагностика от 25 000 ₽ подходит, когда нужно быстро понять масштаб задачи перед защитой бюджета.

Что входит в GEO-аудит финансовой компании

Аудит идёт по тем же слоям, что описаны выше, с поправкой на YMYL: упор на подтверждаемость, а не на объём контента. Проверяем:

• AI-видимость: кого называют Алиса, ChatGPT и Perplexity по продуктовым, выборным, процедурным и репутационным запросам
• Юрлицо и лицензию: наименование, ИНН, ОГРН, номер записи в реестре — текстом и в разметке
• Schema.org: Organization, FinancialService и его подтипы (BankOrCreditUnion, InsuranceAgency), FinancialProduct и LoanOrCredit, Person для автора
• Даты актуальности у ставок, тарифов и лимитов; авторов материалов и их квалификацию
• Дисклеймеры и предупреждения о рисках рядом с цифрами доходности
• Внешний след: рейтинги и отзывы на финансовых площадках, например Банки.ру и Сравни.ру, карточки в справочниках
• Для розничного банка: отделения, банкоматы, карточки в картах, NAP
• Контент: калькуляторы кредита, ипотеки и вклада, ответы на вопросы по продуктам, процедурные инструкции
• Технический слой: llms.txt, robots.txt и доступ AI-краулеров, sitemap, Core Web Vitals, HTTPS
• Конкурентов: кого нейросети называют вместо вас и на чём построен их ответ

Банки.ру и Сравни.ру названы как примеры площадок с рейтингами и сравнением продуктов: попадут ли данные с них в конкретный ответ, показывает замер по вашим запросам, общего правила здесь нет. Калькуляторы полезны модели, когда допущения расчёта и итоговые цифры выведены текстом, а ставки стоят рядом с датой актуальности — это то же правило датированной цифры. Полный перечень проверок — в общем чек-листе GEO-аудита (50 пунктов); как устроен отдельный контур Яндекса и Алисы — в материале про продвижение в ЯндексGPT.

FAQ

Соседние ниши. Разборы для смежных сфер: GEO для бухгалтерии, GEO для юристов.