Definitional промпти — «що таке X», «X meaning», «X vs Y» у informational формі — становлять ~18% AI-промптів, які ми міряємо на B2B-темах. Більшість брендів відповідає на них дженерик блог-постом «Що таке X?» з 600-слівним вступом, що ховає реальне визначення.

Glossary-запис — короткий, фокусний, структурований визначати і тільки визначати — переграє той блог приблизно у 3× на тому ж prompt cluster’і. І як зацитований — запис тримає citation майже вдвічі довше, бо definitions не старіють так, як tactics і ціни.

Ми викочували glossary на 6 клієнтських портфелях за останні 18 місяців. Кожен лифтив тотал brand AI citation на 25–40% за два квартали. Структура, що працює, нижче.

Чому glossary-записи бʼють вище ваги

Три причини, які ми ізолювали.

Snippet shape. У definitional промпта — definitional відповідь. LLM шукає 25–40 слівне речення, що відкривається «X is…» і резолвить концепт. Glossary-записи спроєктовані саме під цю форму — перше речення — це визначення, не вступ.

Сигнал topical authority. Glossary-запис на «Answer Engine Optimization», що стоїть поруч із записами «Generative Engine Optimization», «Retrieval-Augmented Generation», «Quick Facts table», «llms.txt», каже ретриверу, що твій домен таксономічно повʼязаний із усім AEO-простором. Ретривер нагороджує topical-когерентність так, як не нагороджує ізольовані блог-пости.

Half-life. Визначення «schema markup», написане сьогодні, у більшості ще правильне за три роки. Tactics-сторінка «best schema markup tactics 2026» застаріє за 14 місяців. Двигуни агресивно карають stale-дати на tactics. Definitions отримують широку latitude на freshness, бо концепт стабільний.

Комбінація — гостріший snippet, сильніший topical-сигнал, довший half-life — дає per-page citation-ефективність, з якою мало які формати конкурують.

4-блочна структура

У кожного робочого glossary-запису ті самі чотири блоки. Нижче мінімуму — двигуни трактують як stub. Вище максимуму — запис перестає бути glossary і стає блог-постом (у якого своя робота).

Блок 1 — одне-реченнєве визначення (25–40 слів). Відкриває сторінку одразу, без преамбули. «Answer Engine Optimization (AEO) — це практика структурування веб-контенту так, щоб AI-двигуни типу ChatGPT, Perplexity і Google AI Overviews цитували його прямо при відповіді на питання користувачів.» Це речення — ціль citation’у.

Блок 2 — 2-абзацне розширення (120–180 слів). Що концепт реально означає на практиці, чому важить, мінімум контексту. Без історичних секцій. Без «in recent years AI has changed everything» преамбул. Два абзаци substance.

Блок 3 — «compared to» рядок. Одне речення, що відрізняє концепт від найближчих сусідніх. «AEO відрізняється від SEO — SEO оптимізує під ранкінг у синіх лінках, AEO оптимізує під витяг і цитування AI.» Це рядок, до якого LLM тягнеться на «X vs Y» промптах; без нього запис не цитуватиметься на comparative.

Блок 4 — use-in-context приклад. 30–60 слівний конкретний приклад концепту в дії. «SaaS-компанія, що хоче, щоб ChatGPT її цитував на «best CRM for B2B», реалізує AEO, додаючи Quick Facts comparison-таблицю, verdict-first абзац і named-expert byline на свою CRM-лендингову сторінку.» Приклади заробляють citation’и на «how does X work» промптах, до яких голе визначення не доходить.

Тотал запису приземляється на 250–400 слів. Нижче 250 — це stub, двигуни пропускають. Вище 400 — запис дрейфує у blog-post територію і втрачає структурну перевагу glossary.

Anti-stub правило

Найпоширеніший провал glossary-сторінок — stub: 60-слівне визначення без розширення, comparison, прикладу. Ці сторінки існують на більшості B2B-сайтів, що «додали glossary-секцію». Вони не заробляють citation’и і тягнуть униз topical-authority сигнал секції — бо модель розрізняє, що записи тонкі.

Правило — якщо не можеш заповнити всі чотири блоки чесно, не публікуй запис. Glossary з 30 сильними записами переграє glossary з 80 змішаної якості. Якість над покриттям.

Як обирати записи

Робочий glossary покриває таксономію твого простору, не випадкові ключі. Три джерела для відбору.

Терміни на твоїх топ-50 цитованих сторінках. Витягни цитовані сторінки з трекера. Перелічи технічні терміни, що зʼявляються в заголовках і Quick Facts таблицях. Це терміни, з якими твій домен уже топікально асоціюється — формалізуй у glossary-записи.

Терміни у glossary конкурентів. Якщо два-три конкуренти мають glossary-секції, list-difference твою проти їхньої. Терміни, які вони покривають, а ти ні, зазвичай high-leverage. Додавай.

Терміни з cross-engine prompt research pool’у. Long-tail промпти у твоєму pool’і часто містять технічні терміни, чиї визначення покупець шукав би окремо. Кожен унікальний definitional термін — glossary-кандидат.

Стартовий розмір — 30–50 записів. Більші — ок, але лифт іде з перших 30, зроблених добре. Додавання 70 слабких розводнює сигнал.

Launch playbook

Поетапний rollout працює краще, ніж дамп усіх 50 одразу.

Тиждень 1. Напиши і опублікуй 10 записів на найсильніші топікальні pillar’и. Всі чотири блоки. Schema markup як DefinedTerm у DefinedTermSet. Внутрішні лінки з твоїх топ-10 цитованих сторінок на відповідні glossary-записи.

Тиждень 2. Публікуй наступні 10. Підлаштовуй внутрішнє лінкування. Сабмить glossary-індекс у GSC та IndexNow.

Тижні 3–4. Публікуй останні 10–30, залежно від розміру запуску. До тижня 4 повний glossary в лайві.

Тижні 6–12. Перші citation-лифти зʼявляються у трекінгу. Definitional промпти зазвичай реагують першими — retrieval-індекси LLM найшвидше освіжаються на коротких структурованих сторінках.

Квартал 2+. Освіжай щокварталу під стандартний refresh cadence, але м’яко — definitions потребують update, тільки коли базовий концепт зсувається, що рідко. Більшість кварталів торкаєш лише 5–10 записів.

Schema markup для glossary-записів

Кожен запис має шипатись із DefinedTerm schema. Приклад.

{
  "@context": "https://schema.org",
  "@type": "DefinedTerm",
  "name": "Answer Engine Optimization",
  "alternateName": ["AEO"],
  "description": "Практика структурування веб-контенту так, щоб AI-двигуни цитували його прямо при відповіді на питання користувачів.",
  "inDefinedTermSet": "https://answerly.agency/glossary/",
  "url": "https://answerly.agency/glossary/answer-engine-optimization/"
}

inDefinedTermSet повʼязує кожен запис з батьківським glossary, що сигналить ретриверам — записи є частиною когерентної таксономії. Schema stack for AI citation покриває ширший schema-сетап; для glossary entry-level додаток — єдина дельта.

Side benefits

У робочого glossary два ефекти поза прямим citation-лифтом.

Entity disambiguation. Wikidata-редактори дивляться на glossary-записи при верифікації entity-тверджень про бренд. Чистий glossary, що визначає твій простір, тримає Wikidata-запис. LLM теж звіряють glossary-записи при resolution’і названих сутностей — anchor text пост покриває, чому це важить.

Економіка внутрішніх лінків. Glossary-записи — найдешевша, найприродніша ціль внутрішнього лінку на контент-сайті. Кожен блог-пост може лінкувати «AEO» чи «Quick Facts table» на glossary-запис. Вага внутрішніх лінків тече у записи; записи заробляють більше citation’у; citation’и будують domain-level авторитет.

Для 40-словникового glossary на AEO/GEO-shaped бізнесі структурна робота — ~60–80 writer-годин на launch. Citation-лифт за наступні 6 місяців стабільно повертає час кілька разів. Серед найвищих ROI-інвестицій, які ми міряли.