Гость всё реже листает выдачу и всё чаще просто спрашивает: «где поужинать в центре сегодня вечером», «хорошая пиццерия рядом с детьми», «куда сходить на свидание недалеко». Отвечает не сайт, а ассистент — Алиса, ChatGPT, Perplexity, Поиск с Нейро. Он называет два-три заведения, и в этот момент решается, к кому пойдут деньги за столик. Если вашего ресторана в этом коротком списке нет — гость даже не узнает, что вы существуете. Хорошая новость: попадание туда — управляемая история, и называется она GEO (оптимизация под ответы нейросетей). Разберём, что для общепита реально работает.
Что поменялось: ассистент отвечает вместо того, чтобы показывать список
Обычный поиск давал десять синих ссылок — гость сам выбирал. Нейросеть отдаёт готовый ответ: «Рекомендую два места неподалёку…» — и всё. Витрина сжалась с десяти позиций до двух-трёх строк. Причём ассистент не просто ищет по названию «ресторан + район»: он разбирает человеческую фразу на условия и проверяет их вместе.
Показательно, куда движется Яндекс. Его нейросеть в Картах уже умеет обрабатывать запросы вроде «место для компании из пяти человек, двое детей, нужны игровая зона и парковка» и подбирать варианты, которые проходят по всем критериям сразу. А в 2026 году Алиса научилась ещё и оформлять бронь прямо в диалоге — к её агенту «Бронирование» подключены тысячи ресторанов по стране. То есть гость может пройти весь путь — «где поесть» → выбор → стол — не выходя из чата. Вопрос лишь один: окажется ли в этом чате ваше заведение.
Откуда нейросеть берёт рестораны — почти никогда с вашего сайта
Ключевое, что нужно принять владельцу: модель описывает вас чужими словами. Она собирает мнение из независимых источников — карт, отзывов, подборок, упоминаний — и лишь потом сверяется с вашим сайтом. По данным сервиса Muck Rack, проанализировавшего миллионы ссылок в ответах ChatGPT, Claude и Gemini, около 84% цитирований приходится на независимые публикации и лишь порядка 0,3% — на сайты самих брендов.
Для общепита это буквально означает: карточка на картах, отзывы гостей, статья-подборка «где поесть в районе» и обсуждения весят больше, чем ваш красивый лендинг. А в русскоязычном поле добавляется ещё один рычаг — позиция в обычной выдаче. У Яндекс Нейро до ~90% источников ответа берётся из топ-10 органики — и чем ниже страница в выдаче, тем меньше шансов попасть в ответ. Проще говоря, чтобы вас процитировали, о вас должны писать другие площадки, и эти страницы должны быть высоко в поиске.
Карты — фундамент. С них всё начинается
На запросы «рядом» и «поблизости» ассистенты в первую очередь читают картографические карточки. Алиса на такие запросы обращается к карточке Яндекс.Бизнеса напрямую — смотрит рейтинг, отзывы, полноту данных и фотографии. Нейросеть буквально разбирает часы работы, меню и отзывы, чтобы понять, подходите ли вы под конкретный сценарий гостя.
Отсюда — приземлённый, но самый доходный блок работы. Заполните карточку так, будто её будет читать не человек, а придирчивый алгоритм:
- Категории и особенности — не только «ресторан», но и веранда, детская зона, завтраки, кальян, живая музыка, парковка, доступность для колясок.
- Часы работы — точные, с праздниками и «до последнего гостя». Модель отсекает закрытые места первым же фильтром.
- Меню и цены прямо в карточке — с названиями блюд, а не одной строкой «европейская кухня».
- Свежие фото — интерьер, зал, подача блюд, а не только логотип.
- Адрес и вход — как найти, где парковаться, какой этаж ТЦ.
Не забывайте про 2ГИС и другие справочники: чем согласованнее данные о вас по всем картам, тем увереннее ассистент вас называет.
Отзывы — это язык, которым ИИ вас описывает
Отзывы для ресторана в эпоху нейросетей — не «социальное доказательство для человека», а обучающий материал для модели. Именно из них ассистент понимает, за что вас советовать. И тут работает контринтуитивная вещь: важнее не «сколько звёзд», а насколько конкретно про вас пишут.
Десяток отзывов, где названы конкретные блюда — «лучшие хачапури по-аджарски», «тартар с грушей», «тихо, можно поговорить», — научат модель большему, чем сотня отзывов «всё было вкусно». Общие похвалы ИИ не к чему привязать; конкретика превращается в повод порекомендовать вас под точный запрос.
Работают три вещи вместе: рейтинг, объём и содержательность. Ассистенты заметно охотнее советуют заведения с высоким средним рейтингом и большим числом отзывов — но без деталей блюд и атмосферы даже высокий рейтинг остаётся «немым». Отсюда практика: не гоняться за фейковыми пятёрками, а мягко подсказывать довольным гостям упомянуть в отзыве, что именно им понравилось. И обязательно отвечать на отзывы — ответы тоже читаются и добавляют смысла.
Меню текстом, а не картинкой
Самая частая техническая ошибка ресторанов — меню, залитое одной PDF-картинкой или красивой, но нечитаемой инфографикой. Для нейросети такое меню почти не существует: она не «видит» блюда, которые нельзя прочитать как текст.
Меню должно быть машиночитаемым — обычным текстом на сайте и в карточках, с названиями позиций, составом и ценами. Тогда ассистент сможет ответить на конкретные запросы, которые как раз и приводят гостя: «есть ли веганское», «где недорогой бизнес-ланч рядом», «кафе с детским меню», «безглютеновая паста». Каждое такое блюдо, прописанное словами, — это отдельный вход, по которому вас найдут.
Полезно описывать не только блюда, но и сценарии: «завтраки с 8:00», «большой стол для компании», «тихий зал для переговоров», «поздняя кухня до полуночи». Вы фактически заранее отвечаете на будущие вопросы гостей — и модель это ценит.
Подборки и упоминания: где поужинать в [район]
Раз ассистент опирается на независимые источники, ваша задача — чтобы про вас писали не только вы. Для общепита это в первую очередь тематические подборки и обзоры: «10 мест, где поужинать в [район]», «лучшие завтраки города», «куда сходить на свидание». Такие статьи нейросети цитируют охотно.
Особенно в рунете, где у Нейро есть свои любимые доноры. Дзен — один из самых цитируемых нейросетью доменов, заметно мелькают и соцсети вроде VK — но, важно, только если конкретная страница стоит в топе органики. То есть само по себе наличие поста мало что даёт: он должен ранжироваться. Отсюда набор действий:
- Попасть в существующие городские и районные подборки ресторанов (у медиа, блогеров, локальных гидов).
- Вести собственный материал на Дзене или в VK с конкретикой по кухне, атмосфере и поводам — и доводить его до топа по «вкусным» запросам.
- Стимулировать честные упоминания у фудблогеров и в городских сообществах — с деталями, а не просто ссылкой.
Сценарные запросы — новая витрина заведения
Гость всё чаще формулирует не «ресторан в центре», а ситуацию: «романтический ужин с видом», «где посидеть с ноутбуком», «отметить день рождения на 12 человек», «поесть поздно вечером недалеко». Побеждает тот, чью карточку, меню и отзывы можно однозначно сопоставить со сценарием.
Составьте список из 15–20 таких реальных поводов для вашего заведения и проверьте по каждому: сказано ли об этом где-то текстом — в карточке, в меню, в отзывах, в подборке? Если про «веранду» или «детскую комнату» нигде ни слова, ассистент про них не догадается. GEO для ресторана во многом и есть эта работа — сделать так, чтобы под каждый денежный сценарий у модели нашёлся понятный текстовый повод назвать именно вас.
Коротко: чек-лист для ресторана, кафе, бара
- Карточки Яндекс.Бизнеса и 2ГИС заполнены до конца: категории, особенности, точные часы, меню, цены, свежие фото.
- Данные о заведении совпадают на всех картах и справочниках — без разнобоя в адресе и часах.
- Меню на сайте — живым текстом, а не картинкой; блюда, состав, цены читаются машиной.
- Прописаны сценарии: завтраки, бизнес-ланч, детям, веган, большой стол, поздняя кухня.
- Идёт работа с отзывами: гостей мягко просят называть конкретные блюда и поводы, на отзывы отвечают.
- Заведение попадает в городские и районные подборки; есть свой контент на Дзене или в VK, доведённый до топа.
- Проверено 15–20 реальных запросов «где поесть…» вживую в Алисе и ChatGPT — что ассистент отвечает про вас сейчас.
Честный вывод
У нейросетей нет базы, куда можно «занести» ресторан за деньги. Любое предложение «пропишем вас в ChatGPT за 5000» — техническая чушь: попадания за оплату не существует, есть только качество ваших источников. И обещать конкретную позицию не может никто. Что реально — это методично привести в порядок карты, отзывы, меню и упоминания так, чтобы ассистенту было проще и логичнее назвать именно вас. Первые сдвиги обычно видны через 4–8 недель. Начать проще всего с ревизии: посмотреть, что нейросети отвечают про ваше заведение прямо сейчас и где вы теряете гостя. Бесплатный разбор для одного заведения можно запросить на oqgeo.ru/audit/ — покажем конкретные дыры и точки роста.
Частые вопросы
Как попасть в ответ нейросети на запрос «где поужинать рядом»?
Нужно, чтобы про заведение было ясно написано в независимых источниках, которые ассистент читает первыми: заполненная карточка на Яндекс.Картах и в 2ГИС (категории, часы, меню, фото), содержательные отзывы гостей и попадание в тематические подборки района. Собственный сайт важен, но вторичен — модель почти всегда цитирует не его, а сторонние площадки.
Можно ли заплатить, чтобы ChatGPT или Алиса советовали мой ресторан?
Нет. У нейросетей нет платного списка, куда добавляют заведения. Ответ формируется из карт, отзывов, подборок и позиций в обычной выдаче. Платить имеет смысл за работу с этими источниками, а не за мифическое «место в ИИ». Обещания «гарантируем топ» или «пропишем в нейросети» — маркер обмана.
Почему меню лучше выкладывать текстом, а не картинкой?
Нейросеть отвечает на конкретные запросы — «веганское рядом», «детское меню», «бизнес-ланч до 500 рублей». Чтобы попасть в такой ответ, блюда, состав и цены должны читаться как текст. Меню-картинка или PDF-скан для модели почти невидимы, и по этим денежным запросам вас просто не найдут.
Сколько ждать результата от GEO для ресторана?
Первые заметные сдвиги в том, как и кого называют ассистенты, обычно проявляются через 4–8 недель после наведения порядка в картах, отзывах и упоминаниях. Это не разовая настройка, а регулярная работа: обещать конкретную позицию нельзя, но можно системно повышать шансы попасть в короткий список рекомендаций.