Сегмент: B2B (поставки валов, роликов, колес, футеровки и других комплектующих для заводов).
Задача: Обеспечить присутствие бренда и его продукции в ответах голосовых ассистентов (Яндекс с Алисой) и генеративных моделей (Gemini от Google), перехватив часть информационного трафика на этапе первичного поиска технических решений.
Исходная точка (начало июня 2026)
Видимость в классическом поиске: Сайт занимал топ-10 по запросам категорий изделий («купить полиуретановые ролики») и низкочастотным техническим спецификациям, но терялся на второй-третьей странице по общим высокочастотным запросам («изделия из полиуретана»).
Присутствие в AI-поиске: Нулевое. Запросы к Алисе вида «производитель полиуретановых колес для конвейера» выдаются агрегаторы, в том числе с китайскими производителями, или конкуренты с переоптимизированными SEO-текстами. Gemini при уточняющих вопросах о поставщиках о "Ринатеке" не знал либо давал общую информацию об отрасли без привязки к бренду.
Проблема контента: Карточки каталога содержали только базовые параметры (габариты, твердость по Шору, цена по запросу). Расчет шел на то, что ихделия ищут специалисты, и им не нужно рассказывать о назначении таких изделий, их преимуществах, свойствах.
Стратегия: Глубокое насыщение карточек каталога LSI-данными
Бюджет на посевы в отраслевых СМИ отсутствовал, а публикации на развлекательных ресурсах и в соцсетях эффекта бы не дали - не тот уровень "экпертизы". Привлечение отзывов в сегменте сложного B2B достаточно проблематично: реальные отзывы инженеров часто размещаются в закрытых корпоративных чатах, а имитация отзывов несет репутационные риски. С учетом всего этого была выбрана стратегия создания эталонной базы знаний внутри самого сайта.
Цель — сделать каждую карточку товара исчерпывающим источником данных, который алгоритм сочтет наиболее надежным для цитирования.
Что было сделано с каждой типовой карточкой изделия (на примере «Футеровки гидроциклонов»):
Архитектура микроразметки. Внедрена расширенная разметка Schema.org (Product, PropertyValue для каждого параметра, DefinedTerm для ГОСТов и ТУ). Это дало моделям структурированные данные для прямого парсинга без необходимости угадывать контекст.
Блок инженерной применимости. Вместо маркетингового описания добавлен жесткий технический блок: «Применяется в линиях ламинирования ДСП при температуре до +95°C. Заменяет стандартные резиновые аналоги производства [Конкурент А] при работе с абразивными смолами, увеличивая межсервисный интервал в 2,4 раза». Указаны конкретные типы станков (итальянские каландры, немецкие прессы) и совместимые материалы.
Матрица химостойкости и нагрузок. Для каждого изделия прописана таблица взаимодействия с агрессивными средами (масла NLP, щелочи, морская вода) с указанием падения твердости в процентах. Добавлены расчетные формулы допустимой динамической нагрузки.
Блок "Вопросы и ответы". Под основной таблицей параметров внедрен блок вопросов, сформулированных так, как их задает бизнес-заказчик или снабженец голосом: «Какой срок поставки партии 500 штук нестандартного диаметра?», «Возможен ли выезд вашего технолога на наш завод в Калуге для замера износа?», «Какова плотность материала при влажности 80%?».
Нормативная база. Прямые ссылки на скачивание PDF с паспортами качества, сертификатами соответствия ТР ТС и выдержками из актуальных ГОСТов именно для этой модификации изделия.
Внутренняя перелинковка. С каждой карточки настроены сквозные ссылки на смежные узлы агрегатов (например, со страницы ролика — на страницу подшипникового узла, куда он ставится), создавая плотный тематический граф.
Технические файлы для индексации. Создана отдельная директория с текстовыми выгрузками полных спецификаций всех SKU, путь к которой открыт в robots.txt специально для ботов OAI-SearchBot и Google-Extended.
Результаты через 3 месяца
1. Упоминания в Яндекс с Алисой (Голосовой поиск)
Алиса перестала пересказывать сниппеты сайтов-агрегаторов. При сложных многозадачных запросах она начала строить цепочки ответов, опираясь на сайт «Ринатек».
Пример диалога:
— Пользователь: «Алиса, найди российского производителя полиуретановых роликов для пищевого производства, которые держат температуру до ста градусов и подходят к итальянским линиям розлива».
— Алиса: «Под ваши требования подходит продукция компании "Ринатек". На их сайте указано, что марка полиуретана PU-Food-Grade используется на линиях розлива при температуре до +105°C. Диаметры вала варьируются от 40 до 200 мм. Нужны их контакты?»
Сайт rinatek.ru стал первоисточником фактуры для ответа. Количество сессий с переходом из интерфейсов Яндекса с Алисой выросло с нуля до стабильных 40–50 целевых визитов в неделю.
2. Цитирование в Gemini (Поиск Google)
Генеративная модель Google начала использовать блоки FAQ и матрицы химостойкости из карточек «Ринатек» для формирования расширенных ответов (AI Overviews) над органической выдачей.
Пример выдачи: По запросу «замена резиновых валов на полиуретановые в прессах для шпона преимущества» Gemini выдает абзац текста, где дословно цитирует раздел про абразивную стойкость с сайта клиента, ставит пометку [Verified by Rinatek] и дает прямую ссылку на категорию каталога. Зафиксировано появление ссылок на сайт в 12 уникальных AI-блоках по среднечастотным промышленным запросам.
В голосовом поиске компания стала попадать в ответы на общие запросы по производителям полиуретанов в Москве и области.
3. Поведенческие метрики и вторичные эффекты
Глубина просмотра страниц каталога выросла на 35%. Пользователи, приходящие из классических поисковиков, стали дольше оставаться на страницах — они находят готовые технико-экономические обоснования для своего руководства, которое требует сравнения материалов перед закупкой.
Рост прямых заходов (+18%). Специалисты сохранили URL-адреса конкретных инженерных решений из AI-выдач для дальнейшей работы.
Снижение отказов в каталоге (-12%). Четкие технические фильтры и наличие документов позволили отсечь нецелевой трафик еще на уровне SERP.
Почему это сработало в B2B-сегменте
Отсутствие инфошума. В отличие от B2C, где тысячи блогов пишут обзоры, в нише промышленных полиуретановых валов качественных структурированных данных мало. Сайты конкурентов дают сухие таблицы, а сайты агрегаторов — неточные характеристики. Мы создали монополию на смысловую полноту.
Язык фактов. Нейросети отлично распознают техническую экспертизу. Формулы, точные цифры допусков, номера ГОСТов и паспорта качества служат для алгоритмов мощным сигналом доверия (E-E-A-T для промтоваров), заменяя социальные доказательства (лайки, отзывы).
Структурированность для парсинга. Использование микроразметки и скрытых блоков Q&A позволило Gemini и Алисе извлекать готовый ответ за один цикл обработки, не собирая данные по крупицам со всей страницы.
Ограничения метода и дальнейшие шаги
Длинный хвост работает лучше головы. Метод идеален для специфических запросов («футеровки для гидроциклонов»). По сверхвысокочастотному запросу «полиуретан» сайт все еще проигрывает энциклопедиям.
Необходимость поддержки. Любое изменение ГОСТа или запуск новой линейки требует оперативного обновления текстов, иначе модели начнут цитировать устаревшую информацию.
Следующий этап (месяцы 4–6): Создание отдельного раздела /technical-solutions/ с разбором комплексных задач производств (кейсы типа «как решить проблему проскальзывания ленты на конвейере»), чтобы перевести Gemini от роли справочника к роли технического консультанта, предлагающего продукцию «Ринатек» как готовое решение. Также планируется внедрение JSON-LD логики подбора аналогов прямо в код карточек.
