MEO (Multiple Engine Optimization) — рабочая модель оптимизации под 8+ классов алгоритмов: классический поиск, генеративные системы, рекомендации, карты, соцсети и AI-агенты. Ключ — консистентность сущности через schema.org и авторитетные источники.
MEO (Multiple Engine Optimization) — это не отраслевой стандарт, а рабочая концептуальная модель, описывающая фундаментальную смену парадигмы видимости в цифровой среде. Если раньше бренд оптимизировался под один алгоритм поисковой выдачи, то сейчас его присутствие оценивают минимум восемь принципиально разных классов систем: классический поиск с инвертированным индексом, генеративные ответные движки (LLM с параметрическими знаниями и RAG), расширенные сниппеты и голосовые ассистенты, рекомендательные системы на базе коллаборативной фильтрации, коммерческие ранкеры по структурированным фидам, картографические и графовые базы POI, социальные графы с UGC-контентом, а также агентные системы, выполняющие действия через function calling.
Каждый класс имеет уникальную механику ретрива и ранжирования. На параметрические знания LLM можно повлиять только через попадание в обучающие корпуса на этапе претрейна. На RAG-системы и классический поиск — через индексируемость, семантическую целостность чанков и структурированность контента здесь и сейчас. Рекомендательные и социальные алгоритмы работают с векторными представлениями пользователей и объектов. Агентные системы требуют машиночитаемых API и структурированных фидов для безопасного вызова функций.
Критическая проблема для брендов с неуникальными именами — ошибки разрешения сущностей (entity disambiguation). Модели путают бренд с однофамильцами из-за недостатка дизамбигуирующих сигналов в обучающих данных и индексах. Решение: строгая консистентность факта — разметка schema.org (Organization, Product) с полем sameAs, единообразие имён, категорий и доменов во всех независимых источниках, присутствие в авторитетных «якорных» базах (энциклопедии, отраслевые справочники).
Для измерения эффективности MEO предлагается четырёххуровневая метрическая модель: 1) Находибельность — бинарный или шкальный показатель присутствия в ответе движка. 2) Представленность — частота корректного цитирования, точность фактов, согласованность категории. 3) Конкурентная позиция (Share of Model) — доля упоминаний бренда среди конкурентов по фиксированному набору промптов в генеративных системах (аналог Share of Voice). 4) Бизнес-выхлоп — визиты, лиды, продажи, CAC, ROMI. Методология сбора Share of Model пока не стандартизирована, поэтому кросс-сравнения исследований некорректны.
