Как гости выбирают ресторан через ИИ?
Формулировки максимально житейские: «где поесть рядом итальянское», «ресторан для делового ужина в центре», «работает ли сейчас и есть ли веранда», «куда сходить с детьми». Локальные ответы Gemini и AI Overviews опираются на профиль компании, Карты и отзывы; в русскоязычном контуре ту же роль играют Яндекс Карты со Справочником и 2GIS. Особенность ресторанной категории — мгновенность решения: гость выбирает из одного синтезированного ответа, и второго экрана нет. Быть названным в ответе — значит получить гостя; отсутствовать — значит не существовать для этого запроса.
Что должно быть выверено в профилях?
- Полнота профиля компании Google и карточки в Яндекс Справочнике и 2GIS: категории кухни, часы с учётом праздников, атрибуты (веранда, детская зона, парковка, бронирование), фотографии зала и блюд.
- Меню: актуальное меню текстом — в профиле и на сайте, с ценами; меню только в PDF или на фотографиях извлекается плохо, а вопросы «есть ли безглютеновое» и «сколько стоит» системы задают постоянно.
- Консистентность: название, адрес, телефон, часы идентичны на сайте, в профилях Google и Яндекса, в 2GIS и в сервисах доставки — слово в слово.
- Актуальность: сезонные часы, временные закрытия, новые адреса обновляются в тот же день во всех источниках.
Как отзывы формируют рекомендацию?
ИИ-ответы о ресторанах почти всегда содержат синтез отзывов: «гости отмечают кухню и вид, но жалуются на ожидание». Система извлекает повторяющиеся атрибуты из корпуса отзывов, и содержание важнее среднего балла: двадцать отзывов с конкретикой («отдельный зал для переговоров», «десерты собственной пекарни») дают системе материал для рекомендаций под сценарии. Ответы владельца — тоже извлекаемый текст: фактический ответ на негатив («заменили блюдо, подарили десерт, часы кухни продлены до 23:00») даёт вторую сторону истории в машиночитаемом виде. Покупка отзывов обнаруживается и разрушает доверие; стабильный этичный приток — запрос после визита — единственная рабочая стратегия. Дисциплина — в статье управление отзывами.
Что должен давать сайт ресторана?
- Страница с блоками прямых ответов: кухня и специализация, средний чек, часы, адрес, как добраться, бронирование — каждый блок автономен.
- Меню в HTML с ценами и пометками (вегетарианское, острое, аллергены), а не только PDF.
- Разметка Restaurant или LocalBusiness: адрес, часы, кухня, телефон — согласованная с профилями.
- Страницы под сценарии: банкеты, деловые обеды, детские праздники, доставка — каждая отвечает на свой кластер вопросов.
Чек-лист ресторана
- Профили Google, Яндекс Справочник и 2GIS заполнены на 100%, фото свежие, часы актуальны.
- Меню текстом с ценами в профилях и на сайте; версии совпадают.
- Стабильный приток настоящих отзывов; ответы на все негативные — с фактами и решением.
- Разметка Restaurant на сайте согласована с профилями; дубли карточек объединены.
- Ежемесячный замер: 20–30 фиксированных локальных вопросов («куда сходить...», «работает ли сейчас...») в Gemini, AI Overviews и Яндексе, скриншоты в архив.
Типичные ошибки
Первая — сайт вместо профиля: красивый сайт при пустом профиле с устаревшими часами проигрывает, потому что локальный ответ строится из профиля. Вторая — меню на фотографиях: система не может ни прочитать состав, ни ответить на вопросы о ценах и ограничениях. Третья — рассинхронизация сервисов доставки: старый телефон или часы в агрегаторе воспроизводятся в ответах. Четвёртая — молчание на негатив: безответный отзыв остаётся единственной версией, которую пересказывает система. Пятая — игнорирование сценарных вопросов: «для юбилея», «с детьми», «поздно вечером» — это реальные кластеры запросов, и страницы под них цитируются. Общая рамка — в статье локальный GEO.