Глоссарий
LLMO
LLM Optimization — оптимизация бренда и контента под большие языковые модели (ChatGPT, Claude, GigaChat, YandexGPT). Включает работу с тренировочными данными, citation-источниками и entity-разметкой, чтобы LLM знала и корректно описывала бренд.
LLMO (LLM Optimization) — управление тем, как большие языковые модели (Large Language Models: ChatGPT, Claude, Gemini, YandexGPT, GigaChat) воспринимают бренд и формируют ответы о нём.
LLMO стоит на нескольких уровнях:
- Tренировочные данные: попадание упоминаний бренда в публичные источники, которые LLM используют для дообучения (Wikipedia, Wikidata, отраслевые издания, рейтинги).
- Retrieval-источники: когда LLM в ходе генерации обращается к интернету (Perplexity, ChatGPT с веб-поиском, Алиса с Нейро), оптимизированная страница должна быть найдена и процитирована.
- Entity-разметка: structured data (Organization, Person, Service) с уникальным @id и связями sameAs, по которым LLM объединяет упоминания в одну сущность.
- Reputation signals: отзывы, рейтинги, рекомендации — чем больше позитивных сигналов в открытых источниках, тем благосклоннее LLM описывает бренд (исследование Aksioma-Web 2026: бренды с 80%+ позитивом упоминаются в AI-сниппетах на 42% чаще).
LLMO — относительно новый термин (2024–2026), часто употребляется как синоним GEO, но строго говоря, GEO шире и включает все генеративные движки (в том числе те, что не основаны на LLM в классическом смысле).