Кейс · ресторан · июль 2026
Как мы поменяли мышление нейросетей и ресторан появился в ответах
SAVVA — современная русская кухня в отеле «Метрополь», напротив Большого театра. Звезда Michelin, известный шеф — и полное отсутствие в ответах ИИ. Проблема была не в известности, а в том, что модели неправильно понимали саму категорию.
Ассистенты не называли SAVVA ни в одном из шести ключевых запросов.
«Современную русскую кухню» системы понимали как «недавно открывшиеся заведения» — и выдавали список новых проектов.
В Метрике — только брендовый спрос: те, кто и так знал название.
Присутствие во всех шести целевых ответах, первое место — в 11 запросах. Четыре движка, 27 срезов.
Алиса ссылается на нашу публикацию прямо в тексте ответа.
Впервые появился прямой трафик из ИИ.
Точка А: 25 замеров, и ни в одном ресторана нет
Третьего июля прогнали ключевые запросы через Алису, ChatGPT и Perplexity. Результат одинаковый: модели уверенно отвечают, называют по пять-шесть заведений — и SAVVA среди них нет ни разу.
Все замеры точки А. Нажмите, чтобы открыть.
Дело было не в известности. Ресторан со звездой Michelin и топ-10 WhereToEat International модель просто не относила к нужной категории.
Что мы увидели в ответах
«Современная русская кухня» для модели означала «рестораны, которые недавно открылись».
На такой вопрос она честно выдавала новые проекты — и ресторан с историей и звездой в этот класс не попадал по определению. Не потому что хуже, а потому что понятие было определено неправильно.
Первая задача: объяснить, что такое современная русская кухня
Это оказалось важнее, чем нарастить количество упоминаний. Пока категория понимается неверно, любые публикации попадают не в тот класс, и ресторан остаётся невидимым для тех, кто ищет именно это.
Начали с фактов. Проводим ресёрч, находим всё, что можем подтвердить: награды с годами, действующего шефа, форматы вечера, цены сетов, историю здания. Сводим в один документ и передаём на сверку клиенту.
Дальше — язык. Не «у нас вкусно и красиво», а как это описать так, чтобы модель отнесла к правильному классу: переосмысление классики, авторская интерпретация, сезонный продукт, меню как история. Эти формулировки развернули везде: сайт, карточки, публикации, база знаний.
И параллельно — чтобы источники перестали спорить
В Яндекс.Картах одно описание, в 2ГИС другое, на сайте отеля третье. Где-то русская кухня, где-то европейская, где-то без указания вовсе.
Инсайт
Модель собирает ответ из этих источников, получает противоречие — и на противоречии предпочитает промолчать.
Поэтому первый шаг после аудита — не публикации, а единое описание, развёрнутое везде.
Результат: категорию переопределили
Через месяц те же запросы дают другой ответ. «Современная русская кухня» больше не означает «новые рестораны» — модель описывает её нашими словами: переосмысление классики, авторская интерпретация. И SAVVA оказывается внутри этого класса, а не за его пределами.
Не один удачный скрин, а вся выборка
Полный список запросов ниши, по которым мы замеряли ответы нейросетей 28 июля. Показываем все, а не только те, где SAVVA первой — чтобы результат было видно целиком, без черри-пикинга. Нажмите на любой скриншот, чтобы открыть.
Что делали
Двойной фундамент и живой голос ниши
Не «накидали ключей». Собрали сайт, который читает машина, закрепили описание бренда и дали нейросетям то, что они цитируют.
Сайт, который читает нейросеть
Schema автогеном из данных: Restaurant, LocalBusiness с координатами и часами, Person на шефа Шмакова, меню на 790 позиций в разметке (а не в JS), Event, WebSite. Плюс meta, canonical, sitemap, alt.
Одно описание везде, где о ресторане есть запись
Запись в Викидате со связкой на шефа и наградой. Единый NAP: сайт, разметка, карты и Викидата говорят машине одно и то же. У нейросети пропадают сомнения, кто это и где.
JTBD-исследование (light)
Разобрали 600+ негативных отзывов ниши, построили матрицу боли и вытащили реальные критерии выбора. Не из головы, а из того, на чём гости накалывались. Полный метод — на странице метода, тут задействовано ~5%.
Материалы под цитирование
20 материалов на 6 площадках: обзоры, разборы «как выбрать», личный опыт. Живым голосом аудитории, а не рекламным. Именно их нейросети теперь берут в источники.
Что стало
Присутствие в 100% целевых ответов
- SAVVA появилась во всех целевых ответах, в 11 запросах — на первом месте: гастрономический ужин, высокая кухня у Большого, новая русская, fine dining, шефский стол.
- Поправили саму рамку. Раньше ИИ считал «современную русскую кухню» новостройками. Теперь описывает ресторан нашими словами — «переосмысление классики».
- Материалы цитируются как источник — Алиса местами прямо ссылается на нашу публикацию.
Вторая задача: попасть туда, где брендов быть не должно
Есть запросы, где рекомендаций нет по определению. Человек спрашивает не «где поужинать», а «по каким признакам выбрать ресторан современной русской кухни». Это справочный вопрос: модель объясняет, а не советует, и названий заведений в таком ответе обычно не бывает.
И вот в таком ответе она сама привела SAVVA — не ссылкой в конце, а прямо в тексте: за кухню отвечает такой-то шеф, и у него узнаваемый стиль.
Почему это ценнее позиции в списке
Модель взяла материал, который объясняет, а не тот, который перечисляет места — и бренд попал в ответ как иллюстрация к правилу.
Такое упоминание нельзя купить и трудно повторить случайно. В рекомендательных ответах позиции меняются, а в справочных бренд закрепляется вместе с самим объяснением.
Отсюда и раскладка материалов: под каждую тему выходит не один текст, а несколько — на разных площадках и в разных форматах. Рейтинг отвечает на «куда пойти», разбор — на «по каким признакам». Модель собирает ответ из нескольких источников, и чем больше независимых источников говорят одно и то же, тем выше шанс попасть в ответ.
Рейтинг, в котором клиент не первый
В нашем рейтинге SAVVA стоит третьей. Выше — два ресторана, у одного из которых две звезды. Это не скромность, это единственный способ, чтобы материал работал.
Считаем по шести критериям с весами, выведенными из корпуса отзывов: разобрали больше 600 негативных отзывов по премиум-ресторанам Москвы, около 1200 болевых точек. У каждого участника заполнено «где теряет», включая нашего клиента.
Разрыв между первым и вторым больше пятнадцати баллов — красный флаг: читатель считает это подгонкой.
А первое место забирается не в лоб, а на сужении, которое проверяется фактом: не «лучший ресторан Москвы», а «единственный звёздный ресторан современной русской кухни напротив Большого театра».
Почему сужение должно упираться в физический факт
Написать шире — «в историческом центре» — и оно ломается первым же конкурентом: тоже звезда, тоже русская кухня, тот же центр. Модель это подхватит и опровергнет.
Сайт: не витрина, а источник
Внешнее поле — половина работы. Вторая в том, чтобы рекомендация продолжалась понятной страницей. Модель, назвав ресторан, ведёт человека дальше. Если он попадает на сайт, где нет ответов на те же вопросы — что за кухня, из чего сет, сколько стоит, как забронировать — цепочка рвётся на последнем шаге.
Сайт собрали заново: из макета пиксель-в-пиксель, двенадцать страниц, всё содержимое на данных. Меню — 790 позиций, которые редактируются в одном файле, а не правятся руками в вёрстке. Без базы данных и без CMS: чем меньше слоёв между запросом и ответом, тем быстрее отдаётся страница и тем меньше ломается.
| Показатель | Мобильные | Десктоп |
|---|---|---|
| Производительность | 97 | 98 |
| Поисковая оптимизация | 100 | 100 |
| Рекомендации | 100 | 96 |
| Доступность | 92 | 95 |
| Первая отрисовка | 0,9 с | 0,8 с |
| Ответ сервера | 0,6 с | 0,6 с |
Полсекунды на ответ сервера — про то, что страница успевает отдаться, пока робот её ждёт. Медленный сайт краулер обходит реже и глубже не лезет.
Красиво при этом тоже должно быть — человек ведь тоже приходит. Но сначала страницу должны прочитать машины, иначе человек до неё не дойдёт.
Как устроен процесс
- 01
Факты
Собрать всё проверяемое: награды с годами, шеф, форматы, цены. Сверить с клиентом.
- 02
Класс и язык
Определить, к какой категории бренд должен относиться, и найти формулировки, по которым модель его туда отнесёт.
- 03
Единое описание
Развернуть везде, чтобы источники перестали противоречить друг другу.
- 04
Семантика
Что реально ищут и какие фразы поисковик считает одной темой.
- 05
Разметка выдачи
Кто держит топ по каждой теме. Базы заведений — не заходим, статьи — заходим.
- 06
Материалы
Одна тема, несколько площадок: и «куда пойти», и «по каким признакам».
- 07
Сайт как источник
Разметка, скорость, ответы на те же вопросы, что задают модели.
- 08
Замер
Позиции еженедельно, цитируемость по протоколу. Повторный прогон через две и четыре недели — показать, что держится, а не разовая удача.
Что я думаю про всё это
Продвижение в нейросетях продают как магию: обещают лиды из ChatGPT, рисуют проценты видимости, которые никто не может проверить.
Я лидов из нейросетей не продаю. Продаю цитируемость — то, что можно измерить и показать: вот запрос, вот ответ модели, вот в нём наш источник. Трафик появился, и это видно в Метрике, но связывать его с бронями буду только когда настрою измерение, а не раньше.
Почему это работает только целиком
Можно сделать быстрый читаемый нейросетью сайт — и остаться невидимым, потому что о тебе никто не пишет. Можно набрать публикаций — и терять людей на последнем шаге, потому что рекомендация ведёт на страницу, которая не отвечает.
Я делаю обе части, потому что по отдельности они не считаются.
Всё остальное — механика. Ну почти.
