​Слитый атрибут contentEffort опровергает политику Google — алгоритм отслеживает ручной труд над контентом

Официальная позиция Google: неважно, как делается контент, главное — чтобы он был полезным.

Слитый алгоритм доказывает обратное.

В утечке алгоритма Google за 2025 год нашли атрибут contentEffort; является ли он прямым фактором ранжирования и насколько сильно двигает видимость — неизвестно, но считается, что он лежал в основе HCU и позже был вшит в кор-апдейты.

Значит, игнорирование или подделка усилий над контентом может алгоритмически срезать видимость.

Слово "Effort" встречается 120 раз в Quality Rater Guidelines.

Определение асессоров: степень, в которой человек активно поработал над созданием удовлетворяющего контента.

Пример с самой низкой оценкой — страница, которая переупаковывает чужую работу без источников, без экспертного мнения и без признаков оригинальных усилий — типичный формат ИИ-статьи.

Публичные доки Search Central теперь несут параллельное определение, покрывающее ручной труд над контентом или системами, которые его генерируют: написание оригинальной аналитики, ручной перевод стихотворения или сборка кастомной интерактивной карты — это высокий уровень усилий; генерация страниц из фидов или использование генеративного ИИ для выдачи больших объемов текста без ручной модерации или курации — это мало или вообще ничего.

Атрибуция не заменяет необходимость оригинальных усилий.

Чем effort не является:

— это не объем текста
— это не глубина, так как ИИ отлично ресерчит
— это не время, потраченное на допиливание промпта, чтобы он звучал как ты

Effort — это человеческое время, потраченное на то, чтобы сделать материал по-настоящему оригинальным, потому что веб уже перенасыщен переупакованным контентом.

Главный тест заключается не в том, читается ли текст как ИИ, и даже не в том, полезен ли он — а в том, есть ли в нем что-то новое, что стоит показать в выдаче.

Под эту трактовку выстраиваются три сигнала: ежегодные санкции спам-апдейтов, которые бьют по сайтам с ИИ-контентом, новый патент на детект "AI slop" и обновленная документация с требованием маркировать ИИ-контент — и всё это выкатили прямо перед самым длинным спам-апдейтом в истории.

https://www.annsmarty.com/p/content-effort-one-of-googles-signals

#GoogleLeak #CoreUpdates #HCU

@MikeBlazerX
🚀Схемы — в MikeBlazerPRO.com / @MikeBlazerPRO

Внутренние тайминги Google показывают: индексация занимает 1.5 часа, а мусорные страницы зависают навсегда

Быстрая техничка не ускорит страницы, которые Гугл не считает ценными.

Внутренняя аналитика таймингов Google, впервые представленная на Search Central Live Deep Dive в Барселоне, фиксирует для каждого процесса краулинга, индексации и выдачи типичное и максимальное время.

В колонке тормозов регулярно всплывает "никогда" — и обычно это жестко завязано на качество.

Тайминги краулинга, от типичных к самым долгим:

— Обнаружение нового URL: ~20 часов → от недель до "никогда"
— Обновление известного URL: ~30 дней → от недель до "никогда"
— Обработка sitemap: ~24 часа → до 14 дней или "никогда" (качество)
— Обновление robots.txt: ~24 часа → 25 часов
— Апдейт лимитов краулинга (crawl capacity): от 4 часов до 1-2 недель → 1-3 недели при восстановлении

Лимиты краулинга могут упасть за секунды, когда Google дает заднюю — например, если сервер не справляется.

Тайминги индексации:

— Индексация от и до: ~1.5 часа → месяцы или "никогда" (качество)
— Рендер: секунды на сам рендер, часы в очереди → от дней до недель
— Мета-аннотации: 45-90 минут → 1-4 дня
— Ссылочные аннотации: от минут до 1-3 недель → месяцы
— Смена каноникала: 1-3 недели → месяцы (противоречивые сигналы)
— Переезд сайта: 1-3 месяца (мелкий переезд может улечься за пару недель) → от 6 месяцев до 1 года+
— Обновление Schema: от часов до 1-2 недель → недели или "никогда" (качество)

Тайминги выдачи:

— Обновление тайтлов и сниппетов: 1-2 дня → от нескольких недель до месяцев
— Снятие ручника: 1-2 недели → 4-6 недель, или гораздо дольше для брошенных сайтов
— Апдейт SpamBrain (spam update): 1-2 недели (непрерывно) → месяцы (пакетные обновления)
— Восстановление после кор-апдейта: 3-6 месяцев → от 6 месяцев до 1 года (следующий кор-апдейт)

Многие из этих процессов связаны, поэтому задержки стакаются: страница не проиндексируется, пока бот ее не обойдет.

Кор-апдейты раскатываются 2-4 недели.

Спам-апдейты выкатываются за 1-2 дня.

Кор-апдейты не бьют по сайтам целиком: они таргетируют контент на уровне страниц, а не домена.

Вот почему одни URL на сайте растут, тогда как другие падают.

Google отфильтровывает 40 миллиардов спам-страниц в день, при этом масштабная генерация (scaled content) сейчас превращается в большую проблему, чем ссылочный спам.

https://weareroast.com/news/google-search-central-live-deep-dive-barcelona-day-3-recap/

#Indexing #Crawling #CoreUpdates

@MikeBlazerX
🚀Схемы — в MikeBlazerPRO.com / @MikeBlazerPRO

​Данные DerivateX подтверждают: 88.4% цитирований софта в ChatGPT ведут на сторонние площадки, а не на сайты брендов

Одни только бэклинки почти не предсказывают видимость в LLM, фиксируют данные Seer Interactive, тогда как позиции на первой странице Google коррелируют с упоминаниями на уровне 0.65.

Руководство Google по генеративному ИИ от июля 2026 года объясняет этот разрыв: AI Overviews и AI Mode используют RAG (retrieval-augmented generation) — основные системы ранжирования вытаскивают страницы из индекса, часто через веер связанных запросов, прежде чем модель прочитает их для генерации ответа.

Задача ссылки делится надвое:

1. Извлечение (Retrieval) — ранжирование решает, какие страницы увидит модель; здесь ссылки выполняют свою классическую работу.
2. Чтение — как только страница извлечена, у модели остается только текст. Ссылка в подвале или платный гестпост с одной строчкой анкора не дают тексту никакой фактуры для ответа. А вот ревью с разбором ЦА продукта или листикл, честно объясняющий в трех предложениях, почему бренд попал в топ, в итоге уходят в ответы ИИ.

В майском исследовании DerivateX за 2026 год на базе 233 рекомендаций софта в ChatGPT, 88.4% цитирований вели на сторонние площадки и только 11.6% — на сайты самих инструментов.

Сливать весь ссылочный бюджет на главную или мани-страницы — ошибка; часть ресурсов нужно пустить на сторонние обзоры, сравнения и листиклы, которые уже хорошо описывают бренд, чтобы они ранжировались по запросам, которые парсит ИИ.

Майский анализ Ahrefs за 2025 год (75 000 брендов в AI Overviews) оценил корреляцию брендовых веб-упоминаний с видимостью в ИИ на 0.664, брендовых анкоров на 0.527, брендовой частотки на 0.392, а обычных бэклинков на 0.218.

Semrush (октябрь 2025, 1000 доменов) зафиксировал, что nofollow-ссылки коррелируют так же сильно, как и dofollow (0.340 против 0.334).

Это сходится, только если ценность лежит в самом факте обсуждения, а не в передаче PageRank: неупомянутые ссылки и nofollow засчитываются как плюс.

Все исследования строятся на корреляциях, большинство исходит от вендоров, продающих то, что они измеряют, цифры между ними не бьются, и выводы расходятся:

— Упоминания против авторитета: у Ahrefs упоминания бьют бэклинки 3 к 1, тогда как Seer назвал Domain Rank сильнейшим сигналом (0.25), а Semrush увидел привязку Authority Score к упоминаниям в ИИ на 0.65. Логика автора: крупные бренды одновременно собирают позиции, траст и упоминания, поэтому ни одно исследование не отделит их друг от друга.
— Платформы отзывов: SE Ranking (129 000 доменов) связывает профили на Trustpilot, G2 или Capterra с 4.6–6.3 цитатами в ChatGPT против 1.8 без них; DerivateX не зафиксировал ни одной цитаты G2 или Capterra на 233 ответа. Обе метрики верны, если сильный профиль просто помогает бренду попасть в те самые листиклы, которые ИИ в итоге цитирует. Профиль все равно нужно допиливать — нельзя держать одно и то же описание на главной, G2, Capterra и других площадках, так как авторы и модели дублируют этот текст, — но цитируют в итоге не эти страницы.

Тот же гайд подтверждает, что ИИ-фичи могут агрегировать отзывы о продуктах из блогов, видео и форумов, а затем закрывает очевидную лазейку: охота за неаутентичными упоминаниями прямо названа GEO-тактикой, которую нужно игнорировать, так как ИИ опирается на спам-фильтры самого поиска.

Проплаченное место в листикле "лучших инструментов" — это версия 2026 года для бартера продукта на ссылку, с теми же рисками.

Брендовый поиск ломается первым.

В сентябре gscwizard.com ненадолго потерял брендовый запрос в одном из европейских серпов, при этом AI Overview по-прежнему описывал продукт корректно.

Теперь автор мониторит брендовые запросы по рынкам и советует трекать их через отчет Generative AI в Google Search Console.

https://www.gscwizard.com/learn/seo-fundamentals/link-building-brand-building-2026.html

#GEO #AIOverviews #BrandMentions

@MikeBlazerX
🚀Схемы — в MikeBlazerPRO.com / @MikeBlazerPRO

Показания в суде: история кликов работает на старые страницы — алгоритмам свежести приходится это компенсировать

Почему трехлетний гайд продолжает обходить страницу, опубликованную на этой неделе?

Вице-президент Гугла по поиску Панду Наяк раскрыл механику под присягой по делу США против Google: "клики накапливаются со временем, а значит, старые страницы, потенциально устаревшие, обычно собирают больше кликов, чем свежие".

Поэтому "клики цементируют устаревание, и вам приходится это как-то компенсировать".

Автор маппит эту компенсацию на слитые атрибуты из Content Warehouse — от semanticDate и lastSignificantUpdate до рантайм-компонента FreshnessTwiddler.

Показания задают рамку:

— Свежесть зависит от интента: запросам про спортивные команды нужны страницы за сегодня, обзорам ноутбуков — актуальный модельный ряд, а десятилетний рецепт индейки легко обойдет сегодняшний.
— Джон Джанандреа: "Свежесть — это про задержку, а не про количество". Когда умирает знаменитость, "вам нужно узнать об этом за секунды".
— Эрик Лиман: компонент свежести смотрит на даты публикаций и "может более агрессивно бустить свежие материалы", тогда как анкорный сигнал "не учитывает клики".

Публичные доки Гугла подтверждают работу систем query deserves freshness и напрямую спрашивают создателей контента: "Меняете ли вы дату страницы, чтобы она казалась свежей, без существенного обновления контента"?.

Массовая переработка получает тот же вердикт: добавление или удаление контента ради имитации активности сайта — "(Нет, это не поможет)".

Джон Мюллер, 2022: "Смена даты, больше ничего не меняя — это просто шум и бесполезно".

Слой со сливом — это вывод автора, а не подтвержденное поведение алгоритма.

В этой системе координат страница проходит следующие этапы:

— bylineDate: дата на странице или в микроразметке, сама по себе не верифицируется.
— syntacticDate: дата, извлеченная из паттернов URL или тайтла.
— semanticDate: соответствуют ли факты, сущности и статистика в тексте актуальному срезу веб-графа.
— richcontentData + pageregions: какой объем текста изменился и где именно — основной текст против шаблонных хедеров, футеров и сайдбаров.
— lastSignificantUpdate: прописывается только когда правки в основном контенте пробивают порог. Обновление bylineDate поверх мелких правок оставляет его без изменений, полностью нейтрализуя любой потенциальный QDF-буст.
— FreshnessTwiddler: на запросах, триггерящих QDF, бустит страницы с верифицированным lastSignificantUpdate и параллельно глушит вес кликов из NavBoost.

Воркфлоу по обновлению контента, вытекающий из этой модели:

1. Переписывайте и расширяйте основной текст, а не метаданные или сайдбары.
2. Заменяйте устаревшую статистику, упоминания старых продуктов и битые ссылки — текст должен читаться как актуальный.
3. Пропускайте рандомное обновление дат на вечнозеленых страницах; приберегите системные апдейты для тем с цикличным устареванием или устареванием в реальном времени.

Порог срабатывания lastSignificantUpdate не раскрывается, и автор сам подсвечивает лимиты: слив вскрывает структуры данных и протокол-буферы, а не живой код или веса факторов, поэтому некоторые атрибуты могут быть неактивны или заменены.

https://www.hobo-web.co.uk/the-freshness-signal-qdf-query-deserves-freshness-inside-googles-battle-against-time-staleness-and-click-bias/

#ContentFreshness #NavBoost #GoogleLeak

@MikeBlazerX
🚀Схемы — в MikeBlazerPRO.com / @MikeBlazerPRO

Фейковые закладки эксплуатировали дыру MyVidster при сбоях видео на $12,533 по ревшаре

MyVidster, в основном NSFW-букмаркинг с хорошей органикой в Google, содержал уязвимость: когда их плеер не мог прочитать сохраненное видео, он подгружал исходную страницу внутри iframe.

Автор заметил, что в этом слоте появляются некоторые из его собственных фейковых плееров.

Тест со свежим аккаунтом дал тот же результат: страница под контролем оператора могла занимать слот плеера, тогда как закладка выглядела как обычный листинг видео.

Этот слот превратился в аффилиатную воронку.

Каждая фейковая закладка показывала кадр из реального ролика с кнопкой плей, но без самого видео.

Клик по кнопке открывал "локер", замаскированный под проверку на человека — реалистичный плеер плюс правдоподобный экран верификации заставляли юзеров воспринимать запрос всерьез.

Локер запускал каскад: сначала спрашивал про аккаунт на Stripchat, ответ "нет" роутил посетителя на регу по партнерской ссылке, ответ "да" перекидывал на Chaturbate, затем на следующую партнерку, пока не доходил до сайта, где у юзера не было аккаунта.

Рега ничего не разблокировала; доход шел позже, по ревшаре, и только если приведенный юзер тратил деньги.

Stripchat принес примерно в четыре раза больше Chaturbate — $10,033 против $2,500, итого $12,533 до вычета костов — и обе суммы всё еще могут расти, так как ревшара продолжает платить за старые реги.

Трафик шел через паразит.

Тайтлы закладок парсили из RSS-фидов сайтов со сливами видео, чтобы страницы MyVidster ранжировались в Google по названиям этих сливов, а превьюшки из фидов переиспользовались, чтобы фейковый плеер матчился с тем, что гуглил юзер.

Постинг крутился через API MyVidster с помощью n8n и прокси Webshare с уникализированными тайтлами; когда два тайтла совпадали, URL отбрасывался как дубль, и цепочка постинга стопалась.

Масштаб достиг 90 127 закладок на 109 каналах.

Постинг на паузе, но не заброшен.

Органика пикнула в декабре 2024 года и падала всю первую половину 2025-го; автор подозревал спам-апдейт Google, но не подтвердил причину, а само падение не оцифровано дальше графика позиций.

Отдельно MyVidster лежал неделями, иногда утягивая за собой API или весь сайт, что стопало постинг и било по трафику из Google.

После пересборки MyVidster в 2026 году домены начали банить в день добавления, включая свежереги; все 90 127 закладок теперь в бане, и ни одно видео не грузится.

Замена доменов и акков после каждого бана превратилась в рутину, поэтому автор пока стопнул процесс и может вернуться позже, пока старые реги по ревшаре еще приносят деньги.

Три вектора так и не протестировали:

— редирект всей родительской страницы из iframe, в том числе на таргет, отдающий 301
— потенциальное использование iframe для куки-стаффинга
— подмена на плеер казино, чтобы юзать видимость MyVidster для parasite SEO

Автор считает, что эти связки, как и оригинальный локер, всё еще могут работать, но не тестил ни одну из них после пересборки.

https://theory18.com/webmasters/noindex/myvidster-fake-videos

#ParasiteSEO #Affiliate #BlackHatSEO

@MikeBlazerX
🚀Схемы — в MikeBlazerPRO.com / @MikeBlazerPRO

​Мы создали 4 сообщества на Reddit, чтобы протестировать GEO, рассказывает Патрик Высоцки.

За 60 дней они достигли:

👉 3,740 цитирований ИИ
👉 6-го места по цитированиям ИИ среди 126 устоявшихся сабреддитов
👉 27 ключей ранжировались в Google, 15 из них с AI Overview

Затем Reddit удалил все четыре за одну ночь по Правилу 2 (манипуляция контентом).

Всё упало в ноль, без предупреждения и возможности обжалования.

Из-за чего нас забанили:

🔴 Апвоуты и комментарии, которые мы добавляли сами
🔴 Боты, использовавшиеся для контроля вовлеченности в двух версиях
🔴 Один и тот же контент, публиковавшийся по одинаковому графику во всех четырех сообществах
🔴 Предположение, что владение сабреддитом вас защитит (это не останавливает бан от админов)

И Reddit значит в AI-поиске меньше, чем многие предполагают...

С июля по сентябрь 2026 года доля цитирований Reddit:

📉 ChatGPT: −94%
📉 Gemini: −32%
📈 Perplexity: +86%
📈 Google AI Mode: +24%

Claude и Copilot почти вообще не цитируют Reddit.

Мой вывод: относитесь к Reddit как к аренде, а не как к активу.

Если живые люди не хотят участвовать в этом ради самого участия, пропустите его, потому что каждый срез углов лишь повышает вероятность бана.

Так что же работает на Reddit и не приводит к бану? 👇

Я прикрепил ссылку на полный эксперимент в комментариях с практическими советами от OtterlyAI.

Инсайты комьюнити

— Цитирования показывают то, что модель отображает в тексте, тогда как извлечение — это то, что LLM читает перед написанием ответа. Поэтому падение доли цитирований Reddit само по себе не означает падения его влияния: данные указывают, что ветки Reddit всё ещё подтягиваются и формируют структуру ответов, просто на них реже ссылаются. Полевые наблюдения показывают, что Reddit появляется почти в каждом проанализированном поиске ChatGPT, но редко цитируется, а сопоставление цитирований с реферальным ИИ-трафиком в GA показывает, что люди почти не кликают по ссылкам-источникам.
— Гипотеза: поисковая ценность Reddit полностью держится на Google (AI Overviews и серп), а для ChatGPT Reddit никогда не имел особого значения.

#Reddit #AI #BotTraffic

@MikeBlazerX
🚀Схемы — в MikeBlazerPRO.com / @MikeBlazerPRO

​Модели контекстных эмбеддингов обходят старые ретриверы — изолированные чанки для GEO больше не нужны

Советы по GEO продавливают одно правило: делай каждый чанк самостоятельным.

Если переписывать каждый абзац, повторяя бренд и продукт, это поможет только тем ретриверам, которые сейчас активно вымирают, документирует Ян-Виллем Боббинк.

У этого совета есть реальная база.

В 2023 году Chen et al. доказали: плотные ретриверы находят ответы точнее, если индексировать Википедию как мелкие самодостаточные утверждения, а не куски по 100 слов.

Это работает для любой системы, которая кодирует каждый чанк отдельно.

Фраза "доход компании вырос на 3%" ничего не скажет ретриверу, если её оторвать от абзаца с названием бренда.

С тех пор исследования поиска атаковали ту же проблему с другой стороны:

— Anthropic заставил LLM писать короткую строку контекста перед каждым чанком и срезал сбои поиска на 49%.
— Jina выкатила late chunking, который кодирует весь документ до его разбивки на чанки.
— Исследование ConTEB раскрывает: если удалить сущность из абзаца, стандартный поиск рушится, тогда как контекстные модели этого почти не замечают.

30 сентября Perplexity и turbopuffer опубликовали следующий шаг: модель контекстных эмбеддингов, натренированную извлекать предложение-ответ вместе с теми предложениями, которые доказывают его принадлежность к правильному документу.

Бенчмарк прогоняет 2,099 запросов через 38,894 длинных документа, разбитых на 2,458,072 чанков-предложений.

Базу намеренно засеяли почти идентичными текстами — вроде договоров аренды, где одна и та же фраза про плату дублируется в куче файлов.

В топ-10 модель нашла ответ для 45.5% запросов и вытянула 40.6% подтверждающих данных.

Контекстной модели нужны доказательства где-то в том же документе: к какой сущности, версии, рынку и дате относится ответ — потому что она подтягивает эти предложения вместе с ответом.

По этой логике, следующая связка делает больше работы, чем принудительное переписывание:

— Четкие заголовки таблиц
— Тематические заголовки разделов
— Явная строка о том, к кому или чему относится страница

Самодостаточный текст никуда не уходит: пайплайны, которые кодируют чанки независимо, всё ещё в ходу, а понятное предложение ничего не стоит.

Полевые наблюдения относят большинство продакшен-стеков к лагерю "разбить до эмбеддинга", где строка с доказательством всё равно никогда не путешествует вместе с чанком.

У этих данных есть жёсткие лимиты:

— Исследование вендора на превью-модели
— Приватный бенчмарк, запущенный совместно с turbopuffer
— В анонсе нет ни слова о том, что эта модель сегодня работает в движке ответов Perplexity
— Даже эта модель не находит ответ в топ-10 для более чем половины запросов

Это указывает направление, а не результат, уже проверенный на клиентских сайтах.

Инсайты комьюнити

— Полевое внедрение столкнулось с просадкой в классической органике после слишком жесткой зачистки "маркетинговой воды" ради конкретики. Гипотеза: если каждая страница выдает один и тот же набор фактов, именно специфичные детали бренда делают её уникальной в глазах Google.
— Тесты в реальных условиях подтверждают то же самое для LLM: размытый текст или раскиданные по странице детали снижают уверенность механизма внимания в том, какая информация связана между собой. Любое многозначное слово требует уточняющих маркеров ("practice" может быть спортивной, юридической или медицинской), а фраза "доказательства говорят сами за себя" над блоком с наградами не дает LLM ничего для работы.

#Embeddings #RAG #AI

@MikeBlazerX
🚀Схемы — в MikeBlazerPRO.com / @MikeBlazerPRO

Я постоянно игнорирую советы Google, рассказывает Мартин Хейман.

Пагинация?

Я всегда закрываю её в noindex.

Документация Google говорит так не делать.

Любая LLM скажет вам то же самое.

Но после многих лет тестирования разных подходов я придерживаюсь noindex,follow.

Я тестировал rel=next``/prev (до того как Google прекратил их поддержку).

Я тестировал каноникал.

Я тестировал естественную индексацию всего подряд.

Noindex для пагинации продолжает побеждать на сайтах, с которыми я работаю.

И я не одинок.

Крупные сайты с серьезными SEO-командами делают то же самое.

Best practice — это отправная точка, а не правило.

Тестируйте это на собственном сайте.

А что делаете вы, что полностью игнорирует гайдлайны или "best practice"?

Инсайты комьюнити

— Полевой кейс: noindex на пагинации сэкономил краулинговый бюджет на крупном контентном проекте, но одна категория незаметно потеряла позиции по хвостам, потому что страницы пагинации были единственным путем краулинга к половине её продуктов. Ставьте noindex на пагинацию только в том случае, если до каждого элемента можно добраться другим путем; иначе на некоторых архитектурах сайтов урлы, доступные только через эти страницы, незаметно станут страницами-сиротами.
— noindex,follow подходит для малоценных архивов, но это не безопасный дефолт для каждой второй страницы: на чистых листингах, где на последующих страницах есть уникальные элементы и реальная внутренняя перелинковка, альтернативой будет позволить паре страниц пагинации проиндексироваться, отслеживая краулинг и показы. А страницы пагинации, которые собирают реальный поисковый трафик со второй страницы и далее, нужно оставлять открытыми, потому что noindex убьет работающую страницу.

#Pagination #Noindex #TechnicalSEO

@MikeBlazerX
🚀Схемы — в MikeBlazerPRO.com / @MikeBlazerPRO

​НОВЫЕ ДАННЫЕ:

Мы спросили 116 руководителей в SEO, какая тактика линкбилдинга имеет самый большой разрыв между тем, насколько широко она используется, и тем, насколько хорошо она работает, отмечает Джереми Мозер.

Гестпостинг победил — эксперты считают, что им злоупотребляют и он дает плохие результаты.

И отрыв был огромным.

→ Гестпостинг: 40.5%
→ Экспертные комментарии через платформы журналистских запросов: 12.1%
→ Digital PR: 11.2%
→ Покупка размещений: 7.8%

Более чем в 3 раза превышает следующий ответ!

Затем мы задали противоположный вопрос: какая тактика принесла вам самые сильные результаты за последние 12 месяцев?

→ Digital PR: 53.4%
→ Niche edits: 12.9%
→ Linkable assets: 8.6%
→ Гестпостинг: 4.3%

Согласно нашим данным, гестпостинг — это самая переоцененная тактика, которая приносит результаты лишь 1 из 25 человек.

А когда мы задали открытый вопрос о том, что работало два года назад и умирает сейчас, тремя главными ответами стали гестпостинг, платные размещения и PBN.

Вместе они составили более половины всех ответов!

Логика в комментариях была последовательной.

Гестпостинг не мертв окончательно, но та версия, которую использует большая часть индустрии, мертва: шаблонная статья в нетематическом блоге, выбранном только потому, что инструмент выдал метрику DR, которую никто не читает.

Второе место экспертных комментариев в антирейтинге — тревожный звонок и для платформ журналистских запросов.

Когда генерация каждого питча через ИИ занимает 6 секунд, редакторы перестают их читать, а огромный объем заявок обваливает процент успешных размещений.

У тактик, которые выигрывают прямо сейчас, есть общая черта: это нечто, заслуживающее цитирования, поданное нужному человеку в нужное время.

Данные.

Исследование.

Настоящий эксперт.

Продукт, о котором говорят люди.

Полный отчет в комментариях!!

#GuestPosting #DigitalPR #LinkBuilding

@MikeBlazerX
🚀Схемы — в MikeBlazerPRO.com / @MikeBlazerPRO

Одни из самых недооцененных навыков в SEO:

• Приоритезация: понимание того, что важно, что может подождать, а что нет.
• Скептицизм: отказ принимать инструменты, кейсы или слова Google за чистую монету.
• Распознавание паттернов: умение замечать изменения до того, как они станут очевидными в данных.
• Коммуникация: способность объяснять сложные вещи, не прячась за профессиональным жаргоном.
• Влияние: умение добиваться внедрения задач, когда вы не управляете дорожной картой.
• Адаптивность: поиск редко долго стоит на месте.
• Сдержанность: понимание того, когда лучше ничего не трогать.
• Умение работать в условиях неопределенности: SEO редко дает чистые ответы.
• Техническая эмпатия: понимание того, почему разработчики не могут "просто взять и пофиксить".
• Бизнес-чутье: понимание, что больше трафика ≠ больше денег.
• Скромность: умение спокойно признавать "я пока не знаю".
• Убежденность: способность настаивать на своем, когда есть веские доказательства.
• Любознательность: распутывание мелких зацепок до полного понимания.
• Настойчивость: хорошее SEO часто требует больше времени на доказательство эффективности, чем кому-либо хотелось бы.
• Навыки переговоров: рекомендации всегда конкурируют с другими приоритетами.

Лучшие SEO-специалисты, которых я знаю, редко хороши только в #SEO, пишет Карл Хенди.

#SEOCareer #Strategy

@MikeBlazerX
🚀Схемы — в MikeBlazerPRO.com / @MikeBlazerPRO

​🔥 Бесплатный тул

15 сентября Chrome добавил метрики рекламы в CrUX: сколько рекламы на экране, какую площадь она занимает, а также потребление CPU и сети.

Но Chrome считает только ту рекламу, которую размечает его собственный фильтр.

Поэтому я написал бесплатное расширение, которое измеряет остальное, рассказывает Натцир.

Почему это важно: некоторые из моих клиентов получили предупреждения в Ad Experience Report за превышение 30% плотности рекламы на мобилках, и Chrome был готов заблочить их рекламу, если они это не пофиксят.

Живой асессор считает каждую рекламу на странице.

Цифры Chrome учитывают только то, что он сам размечает.

Новостник, с которым я работаю, только что словил фильтр за плохой UX рекламы на мобилках (Ad Density > 30%).

Я годами предупреждал, что это может произойти.

Думал, что проверка Better Ads Standards алгоритмическая, но оказалось — ручная.

Список Chrome — это устаревший срез EasyList.

На Diario de Sevilla (мобилка) Chrome размечает 4 рекламы, которые в среднем занимают 5% экрана.

Асессор увидел бы еще и блоки Addoor, которые Chrome пропускает: плотность рекламы 69.8%, что далеко за пределом в 30%.

Другая реклама, которую Chrome не считает: собственные промо через Google Ad Manager (Newsweek), пустые слоты с пометкой "Advertisement" (NY Post), рекламные скины за контентом и даже попап Google ad gate, который он не ловит (Levante-EMV).

Ad Density Checker скроллит страницу как живой читатель и обходит антибот-фильтры: он крутится в твоем собственном Chrome, без флага автоматизации, и один раз двигает мышкой, чтобы сайты отдавали реальную рекламу.

Затем он проверяет плотность, липкие блоки и попапы по Better Ads Standards.

Он бесплатный и опенсорсный.

Пожалуйста, не используй его, чтобы прятать рекламу от Chrome: живой асессор всё равно ее увидит, как и твои читатели.

Пост
Тул: https://github.com/natzir/ad-density-checker

#TechnicalSEO #UX #Tools

@MikeBlazerX
🚀Схемы — в MikeBlazerPRO.com / @MikeBlazerPRO

Джуны рассказывают сеньорам про ИИ

#Humor

@MikeBlazerX
🚀Схемы — в MikeBlazerPRO.com / @MikeBlazerPRO

Неделя в MikeBlazerPRO.com / @MikeBlazerPRO закрыта.

Интересное наблюдение: большинство тех, кто "подумает потом" — так и остаются думать.

А те, кто действует быстро — уже внедряют и отбивают подписку.

Что прошло мимо вас:

1. Взлом локальной верификации — как один специфический маркер в коде заставляет алгоритм поверить в нужный адрес без физических проверок и писем от Гугла.

2. Монополия в AI-ответах через соцсети — ферма изолированных профилей, которая форсит органические упоминания бренда прямо в парсеры LLM-моделей.

3. Манипуляция AI-выдачей на лету — метод скрытых страниц, который заставляет поисковиков подменять оффер без единой правки на основном сайте.

4. Непробиваемый ссылочный щит — как одноразовые статические сабдомены от популярного CDN впитывают тысячи спам-линков и передают чистый вес мани-сайту.

5. Уничтожение ИИ-вотермарок в вашей генеренке — локальный пайплайн генерации, который пересобирает ваши тексты и вычищает скрытые маркеры без потери качества.

6. Вы ждете саппорта месяцами, а другие заносят с черного хода — почему стандартные тикеты Reddit мертвы, и как один правильный запрос забирает элитные юзернеймы.

7. Взлом песочницы через пограничные сущности — как смещение доменного имени всего на одно слово ломает распознавание интента и позволяет воровать коммерческий трафик.

8. Паразитный захват жирных редиректов — конвейерная сборка страниц, которая отжимает авторитет платформы-миллионника и направляет горячий трафик на ваш оффер.

9. Монополия в локалке без ссылочного бюджета — скрытая кольцевая перелинковка, которая заставляет бота глотать сотни микро-гео страниц и ранжировать их в топе.

10. Перелив ссылочного веса через микроразметку — как одно свойство в JSON-LD привязывает авторитет внешних трастовых ресурсов напрямую к вашей посадочной странице.
-

Скорость принятия решений коррелирует со скоростью роста.

Медленные не становятся осторожными.

Они становятся отстающими.

Пока вы взвешиваете — конкуренты внедряют.

Не будьте тем, кто вечно "думает".

​Тест 50 000 фейковых страниц статистики доказывает: извлечение ChatGPT переживает деиндексацию в Гугле

Сайт с выдуманной статистикой, собранный примерно за $50 и снесенный Гуглом сразу после запуска, продолжает вытягивать трафик с ChatGPT спустя 7 месяцев.

Проект StateGlobe стартовал на свежем домене с 50 000 страниц статистики по 200 странам.

Всю пачку сгенерировали за один день через GPT-4.1, каждая цифра — фейк без какой-либо проверки; позже туда залили еще 15 000 листиклов.

Инструменты индексации загнали почти весь сайт в индекс за неделю.

Затем прилетели два апдейта Гугла, и видимость обвалилась: автор фиксирует полную деиндексацию, а чудом уцелевшие страницы болтаются в диапазоне от 5 до 20 показов.

А вот ChatGPT так и не перестал тянуть оттуда данные.

Логи краулинга из Cloudflare спустя 7 месяцев показывают более 600 000 запросов ботов за последние 30 дней.

Около 72 000 из них — от ChatGPT-User: это агент, который открывает страницу в реальном времени при формировании ответа, а не краулер для обучения.

В GA4 висит более 10 000 сессий из ChatGPT с марта.

Ahrefs и Semrush показывают 330+ ссылающихся доменов, включая Shopify, DHL и Bluehost, а 7 октября сайт занял второе место по видимости на отслеживаемых промптах, уступив только Statista.

Главный вывод автора: извлечение — это не ранжирование.

Модель переписывает промпт в веерные запросы, вытаскивает кандидатов из поисковых движков и своего кеша, переранжирует их, а затем открывает несколько страниц, чтобы подкрепить ответ фактами.

Страница с нулевой видимостью в Гугле может спокойно пройти все эти этапы.

Фейковые цифры пошли в массы: на них сослались в научной статье, их использовали в инвестиционном исследовании крупнейшей финансовой группы Катара, их процитировали экономическое издание Индии и отчет канадского комьюнити инфлюенсеров — и это только те, кто поставил обратную ссылку.

Каждая такая ссылка делает фейковую метрику легитимной для следующего читателя или модели.

Автор называет этот механизм отмыванием цитирования.

Почему модель вытаскивает именно статистику:

— Исследовательские промпты разбиваются на подзапросы с модификаторами "statistics", "data", "report" или текущим годом (если это есть в запросе). Так, пост про удаленку генерирует запрос "remote work statistics 2026".
— Конкретная цифра — это самое полезное, что может найти модель при обосновании ответа.
— Переранжировщики оценивают релевантность, а не достоверность. Никакой фактчекинг просто не влезет в лимиты по задержке и стоимости.
— Страницы со статистикой содержат год в тайтле, заголовках и урле — это сразу три сигнала свежести.

Повторный запуск схемы, но уже с проверенными данными и реальными источниками, почти мгновенно принес ссылки с сайтов, подозреваемых в генерации контента.

Правила сборки на основе обоих тестов:

— Одно утверждение на предложение. Извлечение работает на уровне пассажей, поэтому метрика, требующая контекста из абзаца выше, просто не подтянется.
— Источник и год рядом с каждой цифрой.
— Заголовки заточены под веерные запросы: "[Topic] statistics", "[Topic] market size", "[Topic] adoption by country".
— Видимая дата обновления, причем реальная. Устаревшая страница статистики всегда проиграет более свежей.
— Только серверный рендер HTML, никаких данных за JavaScript, табами или картинками. Проверь robots.txt и правила CDN/WAF на предмет блокировки ботов AI-извлечения.
— По возможности используй оригинальные данные, чтобы стать первоисточником.

Ограничения: автор позиционирует кейс как исследование, а не мануал по заливке фейков.

Сама тактика не заменяет полноценную GEO-стратегию, и максимум выхлопа с нее снимут уже трастовые бренды.

А теперь, когда результаты в паблике, LLM-модели могут закрыть эту лазейку.

https://peec.ai/blog/publish-stats-get-cited-the-tactic-that-put-my-data-all-over-the-web

#ChatGPT #RAG #ScaledContentAbuse

@MikeBlazerX
🚀Схемы — в MikeBlazerPRO.com / @MikeBlazerPRO

​Сервисы аналитики слепнут на нулевках — дыра в базах прячет конвертящий трафик

Сторонние сервисы оценки трафика видят только зафиксированную частотку и видимые позиции.

Целься в коммерческие запросы с нулями в их базах, и домен, генерирующий горячих лидов, покажет всего десять визитов в месяц.

Конкуренты видят цифры, списывают сайт со счетов как безобидный и уходят.

Название научной статьи палит дыру в алгоритмах: "llms reproduce human purchase intent via semantic similarity elicitation of likert ratings".

Прогон фразы через инструмент аналитики ключей выдает ноль.

При этом GSC зафиксировал июньский всплеск по этой теме: 1 020 показов и 37 кликов при средней позиции 4.3 и CTR 3.6%, плюс видимость в AI Overviews и чат-ответах.

Эти 37 кликов закрывают только одну вариацию запроса — юзеры вбивают разную длину, куски и фрагменты одного предложения, и в сумме эти варианты дают трафик, который сервисы никогда не фиксируют.

Схема: рано выявлять трендовые исследования, статьи и данные, забирая всплеск трафика при нулевой конкуренции.

Впрочем, академический пример тут вторичен — его главный выхлоп кроется в узнаваемости бренда среди гиперсегментированной аудитории, которую конкуренты даже не рассматривают как потенциальных клиентов.

Оценщики ключей опираются на исторические средние и агрегированные выборки, поэтому они игнорируют формулировки, которые люди используют для срочного решения проблемы.

Фактический человеческий спрос оседает во внутренних логах, ветках комьюнити и тестах платной выдачи:

— Логи поиска по сайту, транскрипты саппорта и сессии чат-ботов перехватывают формулировки покупателей до того, как обновятся сторонние базы.
— Заявки на просчет раскрывают комбинации "проблема + ограничение" (не "furnace repair", а "furnace shuts off after five minutes"). Склейка этих фраз с закрытыми сделками в CRM изолирует язык с подтвержденным покупательским интентом.
— Записи звонков продажников, лид-формы и вопросы, которые покупатели задают прямо перед оплатой.
— Сабреддиты, Telegram-группы, комментарии на YouTube и разделы отзывов хранят точные фразы юзеров — почти ни одной из них нет в коммерческих инструментах.
— Кампании Google Ads с широким соответствием в связке с массивными списками минус-слов вытаскивают скрытые конвертящие запросы.

Обход векторного пространства между конвертящим запросом и целевым документом генерит массу синтетических кандидатов.

Однако синтетические векторы остаются вероятностными — всё равно нужно доказательство, что реальные люди органически используют эти фразы.

Подход автора к анализу внутреннего поиска отчасти опирается на интуицию: когда смежные запросы всплывают в логах сверх произвольного порога, автор пишет статью.

Автор предлагает формализовать процесс, хотя систему пока не выкатили:

1. Собери сырые данные из логов поиска по сайту, транскриптов чат-ботов, тикетов саппорта и форм заявок.
2. Отфильтруй мусор и классифицируй запросы на коммерческий или информационный интент с помощью LLM.
3. Сгруппируй длинные хвосты и фрагменты предложений в единые канонические кластеры запросов, чтобы исключить дублирование таргетинга.
4. Разметь связи между каноническими темами, болями юзеров и офферами сайта в графе сущностей.
5. Задействуй этот граф как скелет для генерации контента и внутренней перелинковки.

https://dejan.ai/blog/stealthy-queries/

#KeywordResearch #LongTailKeywords #SearchIntent

@MikeBlazerX
🚀Схемы — в MikeBlazerPRO.com / @MikeBlazerPRO

​Генеративные и отравленные SERP ломают съём позиций — фейки вымывают органику, оставляя лишь 20.7% реальных сайтов

Генеративный SERP меняет подачу результатов, а не их отбор.

Под капотом работает всё тот же слой извлечения (retrieval layer), который питает AI Overviews и AI Mode — поэтому ломается именно метрика.

Страница, которую модель собирает под конкретный запрос и перестраивает под юзера, не имеет канонической версии для ранжирования.

Классическому съему позиций больше нельзя доверять оценку перформанса.

Исследование Google Research о Generative UI описывает модель, которая пишет всю страницу на HTML, CSS и JavaScript с нуля под каждый запрос, вызывая поиск Google как инструмент.

Поиск обязателен для сущностей и фактов; уточняющие запросы триггерятся, когда результаты открывают новые вопросы, а каждое утверждение должно подтверждаться извлеченными данными.

Асессоры предпочитали сгенерированную страницу классическому топ-1 в 90% случаев на промптах LMArena и в 73.5% — на информационных запросах (это промпты и асессоры самих авторов, а не боевой трафик).

Ошибки вывода на промптах LMArena упали с 60% у Gemini 2.0 Flash-Lite до 0% у Gemini 3.

Оговорка по охвату: исследование ни разу не использует слово SERP и не упоминает AI Mode; привязка к выдаче базируется на анонсе Google о запуске Generative UI в AI Mode и выводах самого автора.

Исследование Nozzle по отравленным SERP на базе 27.5 млн результатов (с 20 августа по 9 октября 2026 года) доказывает, что проблема с метриками уже в проде.

Это полноценные, нормально выглядящие страницы, где большинство привычных сайтов по ключу подменены — без ошибок и капчи.

— Доля отравленных выдач: 0.17% → 8.0% с 13 сентября, достигнув пика примерно на четверти всех SERP 27–29 сентября.
— Сохранение органических сайтов (нормальная выдача vs отравленная): 88.5% → 20.7%; источники AI Overview просели: 68.8% → 42.3%; реклама выросла: 70.6% → 83.7%.
— Выпадение собственного привычного сайта из десятки: 2.7% → 58.6%.
— В одни и те же дни, два маршрута сбора данных: от 1% до 7% отравленных выдач против 9–30%.
— Юридическая выдача достигла пика в 51.3%; брендовые запросы показали минимум в 5.3%.
— 80% отравлений длились ровно один SERP; привычные сайты возвращались в течение трех дней в 77.9% случаев.
— В примере Nozzle по запросу "white label local seo" вес HTML почти не изменился (720 КБ → 728 КБ) — вот почему визуально всё казалось в норме.

Nozzle связывает отравление с реакцией Google на массовый парсинг ответов AI.

Привязка к генеративному рендеру — это личный вывод автора (этого нет ни у Nozzle, ни в исследовании): когда страница собирается под запрос, отдать подозрительному парсеру правдоподобную, но фейковую сборку становится дешево и почти незаметно.

Рекомендуемый план действий рассматривает каждый съем позиций как одну выборку из распределения:

— Делай несколько срезов в день, сравнивай каждый с последним верифицированным парсингом и отбрасывай как отравленные те, где заменилась большая часть сайтов с первой страницы.
— Фиксируй видимость как процент извлечения (retrieval rate) и частоту цитирования с доверительными интервалами по дням и локациям; среднюю позицию читай только как тренд.
— Прогоняй каждый запрос несколько раз на генеративных поверхностях и репорти долю запусков, которые извлекают или цитируют бренд.
— Сегментируй по гео и персонам, воспринимая разброс между сегментами как инсайт, а не шум.
— Привязывай каждый трекер к Search Console и реферальному трафику: если показы и клики держатся, пока трекер рисует обвал — сомневайся в трекере, поскольку реальное изменение позиций имеет свойство сохраняться.

https://ipullrank.com/generative-serps

#RankTracking #SERPAnalysis #AIOverviews

@MikeBlazerX
🚀Схемы — в MikeBlazerPRO.com / @MikeBlazerPRO

Инженерный блог Perplexity раскрывает первый срез — как Photon фильтрует страницы для цитирования

Инженерный пост Perplexity о Photon (их перестроенном движке извлечения и ранжирования) зафиксировал падение задержки p99 примерно с 800 мс до 65 мс.

Однако главная ценность текста — логика отбора страниц до того, как модель начнет писать ответ.

Каждый шард индекса извлекает кандидатов, проводит первичное ранжирование, затем второй этап ранжирования, и склеивает лучшие результаты в короткий список для генератора.

Страница, не прошедшая первый срез, физически не может попасть в цитирование.

Что заявляет Perplexity об этом первом отсеве:

— Алгоритм скорит кандидатов по взвешенному покрытию слов из запроса плюс вклад частоты термина (TF); алгоритм начинает с жесткого соответствия запросу и смягчает требования, только если подходит слишком мало страниц.
— Система нормализует вклад частоты термина по длине и режет лимитом на повторы. Получается (согласно трактовке автором формулы BM25), ключ, вписанный 37 раз, получает оценку едва ли выше, чем пара упоминаний, а длинные страницы не выигрывают за счет объема.
— Каждое поле проходит свой этап извлечения и суммируется с весами полей, при этом Photon сохраняет данные о том, в каких именно полях встретился термин. Сами поля автор поста не раскрывает.
— Движок сохраняет позиции слов для каждого документа и декодирует их для найденных совпадений — именно это нужно ранжировщику, чтобы давать бонус за целые фразы и плотную совместную встречаемость.
— Внутри каждого постинг-листа алгоритм сортирует документы по отдельному сигналу полезности (usefulness), так что "лучшие" страницы оцениваются первыми.
— Photon хранит примерно в 2.5 раза больше данных на документ по сравнению со старой системой: текст, метаданные, фрагменты, признаки и предварительно рассчитанные эмбеддинги.

Пост не описывает чанкинг, применение эмбеддингов в поиске, ранжировщик второго этапа, переписывание запросов или то, из чего состоит метрика "usefulness".

Предположения автора о том, что usefulness опирается на внутренний Граф Знаний, что списки и таблицы имеют собственный вес поля, и что фрагменты оцениваются по лучшему совпадению пассажа через косинусное сходство — остаются гипотезами, а не официальными заявлениями Perplexity.

Рабочий мануал автора под этот алгоритм:

1. Разверни веер запросов (query fan-out) под каждый приоритетный ключ: любая подтема и формулировка — это набор терминов, который может искать проверка покрытия.
2. Впиши недостающие сущности и фразы один-два раза в естественном контексте: третье упоминание главного ключа дает меньше веса, чем одно упоминание отсутствующей подтемы.
3. Перепиши тайтлы и H2 под конкретный вопрос, поскольку веса полей позволяют грамотному заголовку делать работу, которую не вытянет основной текст.
4. Оставь точные формулировки без изменений ("replacement window crank", а не "crank for replacing windows").
5. Перепиши один пассаж так, чтобы он прямо и полностью отвечал на запрос языком самого юзера.
6. Если контент и интент уже бьют выдачу, прекращай переписывать текст. Главный блокер здесь — авторитет. Приоритизация по usefulness в Photon означает, что лишний объем контента не спасет; нужно переключать усилия на ссылки, упоминания, стороннюю валидацию и сигналы сущностей.
7. Перепроверь результат через неделю-две после публикации, поскольку Perplexity очень быстро индексирует свежий контент.

Кейс от вендора: узконишевой e-commerce проект за 90 дней вырос с 0% до 37% частоты цитирования в ИИ по приоритетным ключам в Google AI Overviews, ChatGPT и Perplexity.

Параллельно доля голоса выросла на 41%, при том, что на старте у проекта было 83 семантических пробела, закрытых конкурентами.

https://www.serprecon.com/blog/how-to-rank-in-perplexity-photon

#Perplexity #RAG #LLM

@MikeBlazerX
🚀Схемы — в MikeBlazerPRO.com / @MikeBlazerPRO

​Идеальный переезд домена обвалил индексацию на 98% — данные вскрывают скрытый триггер проверки качества

Хобби-блог переехал на новый домен строго по учебнику, но в итоге 98% урлов не проиндексировались в отчете Page Indexing.

Чек-лист чист: запрос на смену адреса в GSC отправлен, редиректы сопоставлены, внутренняя перелинковка обновлена, новый домен доступен для сканирования, свежий сайтмап сгенерирован.

При детальном осмотре даже те 33 страницы, что числились в индексе, выдали статус "crawled - currently not indexed".

Спустя четыре месяца в выдаче сидит только главная.

Проблема точно не в обнаружении: Гугл обошел страницы и осознанно решил их не индексировать.

Проверка Live Test в GSC для нескольких страниц показала, что они могут попасть в индекс только при выполнении определенных условий.

Документация Гугла перечисляет причины, по которым валидная страница пролетает мимо: ручные санкции, дублирование или недостаточное качество.

Первые два пункта отпадают: Гугл признал новый сайт как каноникал, а старые урлы отдают корректный редирект.

Остается качество.

Мари Хейнс отмечает (подчеркивая, что это пока недоказанная гипотеза): переезд сайта запускает свежую проверку качества Гуглом, а сама планка стала намного жестче.

Сайт, который и так медленно стагнировал последний год, был написан грамотно и подробно, но представлял собой чистый типовой контент: ту же самую информацию можно найти у конкурентов.

Обновленная документация Гугла по helpful content в разделе "main content" делает упор на усилия, оригинальность, навыки и точность, определяя оригинальность как "степень, в которой контент предлагает уникальную информацию или перспективу, отсутствующую на других сайтах".

Если применить этот стандарт ко всем, большинство сайтов ждет катастрофический обвал, настаивает Хейнс.

Переезд — это именно то, что подставляет домен под этот фильтр.

Что делать, если переехавший домен не индексируется:

1. Исключи техничку: старые страницы отдают редирект на новые, смена адреса зафиксирована в GSC, Live Test подтверждает, что Гугл видит контент.
2. Дай время. Переезды требуют времени на обработку, но четыре месяца с одной главной в индексе — это сигнал, что что-то пошло не так.
3. Если проблема в качестве, опубликуй несколько по-настоящему оригинальных статей. Неизвестно: оценивает ли Гугл эти страницы по отдельности, или просаженный неоригинальным контентом хостовый скор заблокирует и их.
4. Альтернатива: начать всё с нуля на чистом домене с абсолютно новым контентом. Если гипотеза верна, для многих сайтов технического SEO-решения просто нет.

Для каждой бывшей топовой страницы Хейнс советует прогонять такой промпт в LLM: "Я хочу создать новую версию этой страницы, которая содержит по-настоящему оригинальную информацию по сравнению с тем, что уже есть в сети. Моя цель — дать пользователям полезную информацию или функционал, который они больше нигде не найдут. Поштурми со мной: помоги найти способы использовать мой опыт и знания, чтобы выдать продукт, который окажется полезнее всего, что сейчас есть в топе".

https://www.mariehaynes.com/its-possible-your-migration-issues-may-be-due-to-site-quality/

#Migration #IndexCoverage #HCU

@MikeBlazerX
🚀Схемы — в MikeBlazerPRO.com / @MikeBlazerPRO

​Скриншот ниже относится к метрике «originalContentScore» из слива Content Warehouse API, и речь в нем о сигналах человеческих усилий.

Сгенерированные ИИ сайты сейчас доминируют на стороне создания контента, а инициированные ИИ сессии доминируют на стороне его потребления.

Гугл будет всё больше и больше опираться на человеческие усилия и оригинальный контент, чтобы отделять источники друг от друга.

Внутри сигналов Page Quality Гугл хранит OriginalContentScore, и у него есть 2 вариации.

Тип OriginalContentScore — integer, по умолчанию nil.

Оценка оригинальности контента представлена 7 битами, от 0 до 127.

Это поле есть только у страниц с небольшим объемом контента.

Фактический скор оригинального контента варьируется от 0 до 512.

Он кодируется через quality_q2::OriginalContentUtil::EncodeOriginalContentScore() и декодируется через quality_q2::OriginalContentUtil::DecodeOriginalContentScore().

Короткий или малоценный контент получает меньший спектр — от 0 до 127.

Длинный контент получает полный спектр — от 0 до 512.

У короткого куска контента без достаточной фактуры просто не хватает объема фраз, чтобы доказать свою уникальность, тогда как у длинного документа таких шансов больше.

Та же логика для длинных и коротких документов работает и для релевантности.

BM25 лучше ранжирует короткие документы, тогда как системы на базе TF-IDF отдают приоритет длинным.

Скриншот взят из группы шаблонных документов в нише недвижимости.

Каждая страница имела практически идентичный контент с минимальными отличиями, и Гугл отказывался добавлять эти документы в индекс.

Мы добавили 2 текстовых блока с собственными подзаголовками, 1 блок табличных данных, а также уникальные анкоры и пояснительный текст на каждую страницу, рассказывает Корай Тугберк Губур.

Более 1000 страниц проиндексировались менее чем за 5 недель.

Даже небольшой кусок уникального текста может помочь шаблонным страницам проиндексироваться, начать передавать PageRank и включиться в распределение сигналов ранжирования внутри сайта.

Оригинальный контент — это не только сигнал качества.

Это еще и сигнал для индексации.

Инсайты комьюнити

— Повторяющийся паттерн для страниц услуг кровельщиков по городам: 50 почти одинаковых гео-страниц вообще не индексировались, пока на них не добавили 2-3 уникальных абзаца о реальных выполненных работах в каждом городе плюс отзывы реальных клиентов с упоминанием локации; обычно индексация происходила в течение 2 недель, вместе с ростом видимости в Local Pack.
— Данные по конкретной странице: страница, не проиндексированная из-за качества, имела дополнительный контекст, превышающий Macro-контекст; после корректировки она зашла в индекс и начала собирать органику.

#GoogleLeak #Indexing #ThinContent

@MikeBlazerX
🚀Схемы — в MikeBlazerPRO.com / @MikeBlazerPRO

​🚀 На 98% меньше переданных данных по сравнению с Brotli.

Всего 50 байт для загрузки CSS-ресурса. Я безумно горжусь этим результатом, которого добился, экспериментируя с новой фичей в браузерах на базе Chromium — use-as-dictionary, которую предложил Гилберто Кокки, делится Джорджо Пеллегрино.

Поскольку CSS — это часто критический ресурс, блокирующий рендер, уменьшение его веса может серьезно повлиять на производительность страницы!

Я спроектировал автоматизированную архитектуру, которая генерирует словари сжатия прямо во время сборки.

Плагин также создает манифест с последними словарями и их хешами.

Затем эти данные используются для добавления следующего элемента в <head> документа: <link rel="compression-dictionary" href="/styles_[hashSHA-256]".dat> На выходе получаем автоматизированный, версионируемый и легко поддерживаемый процесс, который сводит к минимуму ручную работу.

Перед тем как выкатить эту инфраструктуру на прод, буду рад услышать ваши мысли!

#SiteSpeed #TechnicalSEO #WebDev

@MikeBlazerX
🚀Схемы — в MikeBlazerPRO.com / @MikeBlazerPRO