Как мы строим сеть локальных AI-медиа для SEO и GEO: Польша, Швейцария и ОАЭ

Мы в Aiconic проверяем довольно простую, но дорогую в ручной реализации гипотезу: может ли сеть локальных AI-порталов на национальных доменах быстрее получить поисковую видимость и привести клиентов на услуги AI-автоматизации, чем один международный корпоративный блог.

Это не кейс с красивым графиком через полгода. Эксперимент запущен сейчас, а его ранние технические решения, ошибки и метрики мы хотим фиксировать публично.

Гипотеза

Обычный путь для международной компании выглядит так: один домен, несколько переводов, одинаковые статьи и один CTA. Мы проверяем другой вариант:

• отдельный ccTLD для каждого рынка;

• локальный язык и локальные поисковые формулировки;

• собственная редакционная ценность, а не механический перевод;

• быстрые короткие материалы вокруг свежего спроса;

• единая технологическая платформа и общая аналитика;

• прозрачные источники, статусы проверки и понятная политика для AI-ботов.

Сейчас работают aiconic.pl, aiconic.ch, aimajlis.ae и англоязычное обзорное зеркало aiconic.space. Турецкий рынок подключим после готовности домена.

Цель не в том, чтобы собрать абстрактный новостной трафик. Мы хотим понять, может ли локальное AI-медиа стать верхней частью воронки для проектов по автоматизации бизнеса.

Как устроен конвейер

Входом служат публичные источники, локальные тренды и редакционные тезисы команды. Дальше материал проходит последовательный конвейер:

1. Поиск свежего инфоповода и дедупликация событий.

2. Сбор открытых первоисточников и изображений.

3. Подготовка fact packet: что известно, что заявлено источником, а что пока не подтверждено.

4. Локальная редактура для конкретного рынка.

5. Проверка языка, безопасности, ссылок и визуальных артефактов.

6. Публикация, обновление sitemap/RSS/llms-файлов и отправка URL через IndexNow.

7. Сбор поисковых и поведенческих сигналов.

Тяжёлая генерация работает пакетами на локальной машине с Apple Silicon. Поиск, OCR, модерация, деплой и аналитика вынесены в лёгкий worker. Это важно: если смешать всё в один процесс, загрузка модели начинает блокировать публикацию и даже простые проверки.

Локализация не равна переводу

Мы сознательно не требуем, чтобы 30 процентов каждого текста были уникальными для страны. Рынки AI тесно связаны, а запуск новой модели остаётся глобальным событием.

Но у индексируемого материала должна быть хотя бы одна локальная причина существовать. Например:

• Польша: производство, e-commerce, MCP и практическое внедрение;

• Швейцария: privacy, finance, локальное выполнение и compliance;

• ОАЭ: real estate, hospitality, государственные сервисы и арабский интерфейс;

• глобальное зеркало: сравнение того, как одна тема выглядит в разных странах.

Если локальной пользы нет, материал можно показать людям как короткую заметку, но не обязательно отправлять в индекс. Для сильной статьи мы требуем публичный источник, редакционный вывод, содержательный контекст и хотя бы около 10 процентов локальной ценности.

Техническая база SEO и GEO

Для каждой страницы мы генерируем один canonical, корректный lang/dir, hreflang только на реально существующие версии, Article JSON-LD, дату обновления и изображения в sitemap. Похожие материалы собираются в тематические кластеры Models, Agents, Security, Business и Opinions. В конце статьи есть блок Read next, чтобы пользователь не упирался в тупик после одного короткого текста.

Для Bing новые и изменённые URL автоматически уходят через IndexNow. С Google осторожнее: публичный Indexing API не предназначен для обычных новостных страниц, поэтому там остаются sitemap, Search Console и ручной запрос индексации нескольких лучших URL.

Для AI-ответов доступны robots.txt, llms.txt, llms-full.txt и RSS. Политика разделяет два сценария: поиск, ответы и цитирование разрешены, обучение запрещено для указанных training-crawler. Мы отдельно тестируем доступ OAI-SearchBot, ChatGPT-User, Claude-SearchBot, Claude-User и PerplexityBot, потому что одного Allow в robots.txt недостаточно, если Cloudflare блокирует запрос раньше origin.

Чат с материалом

Следующий слой эксперимента: мини-агент прямо на странице статьи. Он всегда получает короткую статью целиком, вопрос читателя и несколько предыдущих реплик.

Если ответ уже есть в тексте, модель отвечает без интернета. Если читатель спрашивает, например, «кто ещё из бигтеха делает такое?», модель вызывает один ограниченный search_web tool. Сервер ищет и читает несколько публичных страниц, блокирует private/localhost URL, ограничивает размер ответа и передаёт модели очищенные выдержки. Так мы получаем актуальный ответ со ссылками, но не превращаем страницу в неограниченный браузер-агент.

Аналитика без самообмана

Мы сравниваем три слоя:

• Google Analytics 4 для пользователей, сессий, источников и вовлечённости;

• Cloudflare для запросов на edge, включая часть ботов;

• собственные consented pageview-события без хранения IP, cookies и user-agent.

Эти цифры не обязаны совпадать. Блокировщик может убрать GA4, бот попадёт в Cloudflare, но будет исключён из first-party аналитики, а consent изменит долю видимых сессий. Поэтому расхождение само по себе не баг. Баг начинается, когда один слой показывает устойчивый рост людей, а второй не получает даже тестового события.

Главные метрики эксперимента:

• время до первого crawl и первого показа;

• число индексируемых URL;

• non-brand impressions и CTR;

• engaged time и переходы по Read next;

• AI referrals и цитирования;

• заявки на внедрение AI-автоматизации.

Пока данных мало: польский домен уже получил первые показы и первый клик, швейцарский и глобальный домены начали появляться в показах, ОАЭ отстаёт по crawl. Это пока диагностика инфраструктуры, а не доказательство гипотезы.

Что уже сломалось

За первые дни мы успели найти несколько неочевидных проблем:

• robots.txt разрешал AI-ботов, но Cloudflare всё равно отвечал 403;

• исходные изображения из русскоязычных источников попадали на локальные сайты с непереведённым текстом;

• одинаковые репосты могли создавать конкурирующие статьи;

• тяжёлые процессы делили одну GPU и съедали окно публикации;

• аналитика считала разные сущности, поэтому «нули» в одном dashboard не означали отсутствие трафика;

• статические заглушки вместо настоящих изображений сразу делали материал визуально синтетическим.

Большая часть работы оказалась не в написании текста, а в маршрутизации, дедупликации, источниках, изображениях, доступе краулеров и наблюдаемости.

Что хотим проверить дальше

В ближайших итерациях мы хотим:

1. Довести ежедневный выпуск на PL, CH и AE до предсказуемого режима.

2. Связывать рыночные тренды с уже существующими редакционными тезисами, а не генерировать мнение под поисковый запрос.

3. Измерить, какие кластеры быстрее получают показы на каждом рынке.

4. Проверить, появляется ли трафик из AI-ответов раньше заметного органического трафика.

5. Понять, приводит ли локальный информационный слой к реальным запросам на автоматизацию.

Я участвую в Aiconic и описываю наш собственный эксперимент. Поэтому это одновременно технический разбор и публичный launch log. Если вы строили сеть на ccTLD или измеряли GEO/AI referrals, особенно интересно услышать, где такая схема чаще всего ломается и какие метрики мы ещё не учитываем.