SERM - это управление репутацией в поисковых системах: Search Engine Reputation Management. Задача формулируется в одну строку: по запросам о вашей компании человек должен видеть в выдаче правду и управляемые вами страницы, а не случайный набор чужих оценок. Инструменты - работа с отзывами, карточками, публикациями и позициями страниц по брендовым запросам.
Определение живо до сих пор, а вот граница работ - уже нет. SERM строился вокруг сцены, где человек открывает десять синих ссылок и читает сам. Эта сцена уходит: над выдачей всё чаще стоит готовая сводка от нейросети, а часть вопросов до поиска вообще не доходит - их задают чат-ботам. Ниже разбор: как SERM работал, что именно в нём сломалось и какой слой контроля теперь нужен рядом.
Как SERM работал полтора десятилетия
Механика держалась на том, что выдача - это список, а список можно пересобрать.
Сначала аудит: собрать запросы, по которым о компании спрашивают, - название, "название плюс отзывы", "название плюс сотрудники", фамилии руководителей. По каждому снять текущий топ и разметить его: своя страница, нейтральная, позитив, негатив.
Дальше вытеснение и наполнение. Негатив со второй-третьей позиции не удалить чужой волей, зато можно окружить: прокачать собственные страницы, завести и наполнить карточки на отзовиках и в справочниках, выпустить интервью и обзоры на площадках, которые хорошо ранжируются, наладить поток свежих отзывов. Каждая такая страница претендует на место в десятке, и страница с негативом постепенно съезжает туда, куда доходят единицы.
И параллельно - работа с самим негативом: отвечать по фактам, решать проблему автора, добиваться снятия того, что нарушает правила площадок. Медленно, зато честно и надолго.
Отчётность у этой механики была наглядная: карта выдачи по двадцати запросам, доля управляемых страниц в топ-10, динамика месяц к месяцу. По ней и принимались решения.
Что сломалось: список превратился в пересказ
Сломалась исходная сцена. Быстрый ответ Алисы AI стоит прямо над выдачей и пересказывает содержимое страниц, не дожидаясь клика, - как он устроен и на какой доле запросов появляется, мы разбирали в отдельной статье. Вторая часть вопросов ушла в чат-боты: человек спрашивает у модели, что известно о такой-то компании, и получает абзац мнения вместо списка ссылок.
Для репутационной работы это меняет три вещи.
Позиция перестала быть защитой. В списке негатив на восьмом месте почти невидим. В пересказе модель может поднять его в первый абзац, если сочтёт информативным, - у неё нет обязанности взвешивать страницы так же, как ранжирует их поиск.
Появился слой без позиций вообще. Модели, отвечающие по памяти, собирают мнение о компании из того, что прочитали при обучении. Туда не дотягивается ни одна работа с выдачей: страница может уже не существовать, а её след в ответах - жить.
И сводка стала одна. Десять ссылок давали десять шансов: читатель мог открыть вашу версию событий. Пересказ даёт один текст, и чья интонация в нём победит, решает модель, а не читатель.
При этом хоронить SERM рано. Выдачей продолжает пользоваться огромная аудитория, а главное - модели с веб-поиском собирают ответы из тех же страниц, которые SERM приводит в порядок. Чистая выдача - сырьё для чистого ответа. Просто теперь у сырья появился второй потребитель, и у него свои привычки чтения.
SERM и GEO: что у них общего и где расходятся
Контроль нового слоя успел получить своё имя - GEO, генеративная оптимизация; что это и как соотносится с SEO, у нас разобрано отдельно. Здесь важно другое: чем он отличается от SERM в ежедневной работе.
| SERM | GEO | |
|---|---|---|
| Что контролируется | Страницы в топ-10 по запросам о компании | Текст ответов моделей на вопросы клиентов |
| Единица отчёта | Позиция и доля управляемых страниц | Доля ответов с брендом, тональность, источники |
| Где живёт негатив | На конкретной странице - её видно и можно вытеснять | В пересказе - страницы под ним меняются от ответа к ответу |
| Скорость проверки | Позиции видны в день замера | Нужна серия одинаковых вопросов: один ответ случаен |
| Слепая зона | Не видит ответов по памяти и чат-ботов | Не заменяет работу с выдачей: аудитория списка никуда не делась |
Расходятся замеры, а работы по большей части совпадают: отзывы, карточки, согласованные описания, публикации на площадках ниши нужны обоим слоям. Поэтому правильный вопрос не "SERM или GEO", а "какими метриками закрыт каждый слой". Бюджет уже потрачен на одни и те же действия - вопрос лишь в том, по скольким приборам вы видите результат.
Что из набора SERM переносится на новый слой как есть
Переносится почти вся содержательная часть.
Работа с отзывами - целиком: страницы отзовиков и карт модели цитируют охотно, и ответ компании читается ими наравне с отзывом. Карточки и справочники - целиком: согласованная связка "название, сфера, город" на всех площадках работает и на ранжирование, и на узнавание сущности моделью. Публикации - с поправкой: площадку теперь стоит выбирать не только по тому, как она ранжируется, но и по тому, цитируют ли её модели.
Не переносится отчётность. Карта позиций ничего не говорит о том, что модель отвечает на "посоветуйте компанию" и "стоит ли доверять такой-то". Для этого слоя нужен свой прибор - регулярный опрос самих моделей.
И не переносится привычка к быстрой обратной связи. Позиции реагируют на работу за недели, и их видно в день проверки. Ответы моделей меняются медленнее и неравномерно: у сетей с веб-поиском - вслед за страницами, у отвечающих по памяти - от обновления к обновлению модели. Планировать этот слой на месяц - обманывать себя.
Признак устаревшей сметы: подрядчик обещает "вычистить негатив из интернета" и отчитывается только позициями. Спросите, как он проверит результат в ответах нейросетей и в быстром ответе. Ответа нет - значит, половина картины останется без контроля, причём та, которую клиент видит первой.
Три вопроса подрядчику по SERM в 2026 году
Первый: по какому списку запросов и вопросов идёт работа. В списке должны быть и поисковые запросы для выдачи, и вопросы клиентов для моделей - это разные формулировки, и вторые не выводятся из первых автоматически.
Второй: что считается результатом по каждому слою. Для выдачи - доля управляемых страниц в топе. Для ответов - доля с брендом и тональность, посчитанные на серии, с размером выборки. Обещание "нейросети будут вас рекомендовать" без методики счёта - не результат, а реклама.
Третий: где сырые данные. Скриншоты выдачи и полные тексты ответов моделей должны быть доступны вам, а не жить в отчёте подрядчика в виде итоговой цифры. Проверить пересчётом можно только то, что выдано целиком.
Чем здесь помогает SEENGO
Мы закрываем измерительную половину нового слоя. Платформа каждую неделю задаёт девяти нейросетям вопросы вашей ниши и о вашем бренде, находит упоминания, сверяет каждое с профилем компании и считает: долю ответов с брендом, тональность каждого упоминания, площадки, на которые модели ссылаются. Это тот самый прибор для слоя, куда не достаёт карта позиций: видно, что именно отвечают модели до и после ваших работ, - в том числе работ по SERM.
Живые данные такого наблюдения открыты в демо-кабинете, регистрация не нужна; стоимость - на странице тарифов.
вопросы
Частые вопросы
01Что такое SERM простыми словами?
Это работа над тем, что человек видит в поиске по запросам о вашей компании: чтобы в первой десятке стояли страницы с достоверной и управляемой информацией, а не случайный негатив. Расшифровка - Search Engine Reputation Management, управление репутацией в поисковых системах.
02Чем SERM отличается от ORM?
ORM - управление репутацией в интернете целиком: отзывы, соцсети, СМИ, форумы. SERM - его часть, сфокусированная на поисковой выдаче. На практике границы размыты: работа с отзовиками входит в оба, потому что отзовики и ранжируются в выдаче, и читаются людьми напрямую.
03Сколько стоит SERM?
Цена складывается из аудита, работы с площадками и отзывами, публикаций и мониторинга - и сильно зависит от запущенности ситуации и конкурентности ниши. Общего прайса на рынке нет. Что проверять в смете: список конкретных площадок и запросов, а не обещание процента чистоты.
04Можно ли делать SERM своими силами?
Базовый уровень - да: заполнить карточки в справочниках, наладить сбор и обработку отзывов, публиковаться на площадках ниши. Сложнее с вытеснением устойчивого негатива и юридическими случаями - там нужен опыт конкретных прецедентов. Мониторинг своими силами возможен, но требует дисциплины одинаковых замеров.
05Как понять, что SERM работает, если ответы дают нейросети?
Добавить к контролю выдачи контроль ответов: регулярно задавать моделям вопросы о компании и нише, считать долю ответов с брендом и тональность. Чистый топ-10 при негативном пересказе в ответах - сигнал, что работа дошла до выдачи, но не до площадок, которые читают модели.
