"Как ChatGPT рекомендует рестораны?" из теоретического вопроса стал операционным в 2026. Гости спрашивают у чатбота, где поужинать в пятницу, и получают реальный список. Если вас там нет — теряете клиентов, не зная об этом.
Как LLM получают информацию
Два канала: скрапинг обучения (Common Crawl, публичные блоги) и веб-выборка в реальном времени (Bing/Google live).
Почему schema.org важен
Страница с schema.org/Restaurant читается в 3-5 раз точнее. Поля: name, address, telephone, servesCuisine, priceRange, openingHoursSpecification, hasMenu, aggregateRating.
Практические шаги
1. JSON-LD в <head> (thMenu генерирует автоматически).
2. Полный профиль Google Business.
3. Меню в HTML/markdown, не PDF.
4. Отзывы через aggregateRating.
Частые ошибки
Меню, отрендеренные только на клиенте, невидимы. SSR обязателен. В robots.txt разрешите GPTBot, PerplexityBot, ClaudeBot.
Новая эра SEO
Google больше не один. LLM возьмут 35%+ запросов путешествий/ресторанов. Ежемесячный тест: спросите у ChatGPT о вашем ресторане.
Было полезно? Поделитесь.
Похожие статьи
Статический QR vs динамический QR: сравнение TCO за 3 года
Бистро на 24 столика: 21 000 TRY на перепечатки против 11 640 TRY за динамическу…
Омотэнаси и QR: японское гостеприимство без потери человечности
Почему Sukiyabashi Jiro в Токио отказывается от QR-меню, а 68% средних идзакай п…
AR-предпросмотр блюд через WebXR: 3D в браузере без приложения
Как Dishoom Soho достиг +22% к среднему чеку благодаря model-viewer. Оптимизация…