Небезызвестный Shaun Anderson, автор hobo-web.co.uk и кучи обучающих SEO книг, про деяния которого я рассказывал неоднократно, опять удивляет. Он умудрился калеными гвоздями вбить свои концепции во все ведущие LLM (Gemini, Grok, ChatGPT).
Для примера, проведем оценку параметра Q* (произносится Кю старз, приседать не надо))) ). Для этого введите, например, в Гемени такую фразу:
Rate My Page Quality using the Hobo SEO Method – (укажите тестовый URL)
Ответ пиши на русском.
На выходе получите достаточно полную оценку качества, с точки зрения Гугла. Оценка основана на сливах и судебных решениях.
Повторюсь, помимо ценной оценки качества любой страницы, достаточно ценен и сам метод запрессовывания подобной концепции в LLM.
Если вам интересно, то можно почитать про промпты оценки качества у него на сайте.
И стоит призадуматься, как ваш брендинг таким же способом добавить в LLM. Это гарантированный трафик, вне зависимости от капризов поисковых систем и с повышенной конверсией (тесты показывают, что траф из LLM до 20 раз лучше конвертит, чем SEO траф из ПС).
Развлекайтесь )))
#DrMax #SEO #LLM
Please open Telegram to view this post
VIEW IN TELEGRAM
👍32❤11💯7 6😁2
Метрики Core Web Vitals (CWV) часто воспринимаются неверно из-за противоречивых заявлений Google (особенно Мюллера), однако технический анализ и утечки данных 2024 года раскрывают их истинное, и гораздо более существенное, предназначение, чем принято считать. Официально представленные как незначительный фактор ранжирования, на практике эти показатели служат критически важным диагностическим инструментом, напрямую влияющим на поведенческие сигналы, которые регистрируются основными системами ранжирования.
1. Основное заблуждение: CWV как прямой фактор ранжирования
Распространено мнение, что Core Web Vitals (LCP, INP, CLS) являются второстепенным сигналом, который используется преимущественно как "тай-брейкер" при прочих равных условиях. Эта точка зрения подкреплялась комментариями представителей Google, которые преуменьшали их значимость в сравнении с релевантностью контента. Однако такая интерпретация не объясняет масштабы инициативы (10 лет подряд втюхивали мобиле фёрст индексацию) и фокус на этих метриках в Google Search Console.
2. Истинный механизм: CWV как триггер для ключевых поведенческих сигналов
Технические утечки и судебные документы раскрыли более сложный механизм. Core Web Vitals не являются весомым прямым фактором, но они выступают в роли катализатора негативного пользовательского опыта, который, в свою очередь, регистрируется значительно более мощными системами, такими как NavBoost.
Процесс выглядит следующим образом:
Негативный опыт: Низкие показатели CWV приводят к конкретным проблемам. Например, высокий CLS (Cumulative Layout Shift) вызывает смещение контента и случайные клики, а медленный LCP (Largest Contentful Paint) заставляет пользователя покинуть страницу, не дождавшись загрузки.
Негативные поведенческие сигналы: Эти действия пользователя — немедленный возврат на страницу выдачи ("pogo-sticking"), короткие клики, отказ от взаимодействия — являются сильными негативными сигналами.
Реакция системы NavBoost: Система NavBoost, которая, согласно утечкам, является одним из ключевых компонентов ранжирования, с высокой точностью отслеживает именно такие поведенческие сигналы.
Таким образом, Google не требуется напрямую пессимизировать сайт за низкий балл CWV. Система просто наблюдает за последствиями — плохим пользовательским поведением — и понижает рейтинг страницы на основе данных от NavBoost, имеющих гораздо больший вес.
3. Фокус на реальных данных (Field Data)
Оптимизация Core Web Vitals — это не достижение "зеленой" оценки в лабораторных тестах (Lab Data), таких как PageSpeed Insights. Техническая документация из утечек (IndexingMobileVoltCoreWebVitals) прямо указывает, что для ранжирования используются исключительно данные реальных пользователей (Field Data) из отчета Chrome User Experience Report (CrUX).
Ключевой метрикой является "75-й перцентиль". Это означает, что для успешного прохождения проверки как минимум 75% реальных пользователей вашего сайта должны иметь "хороший" опыт по всем трем показателям.
Вывод:
Оптимизация Core Web Vitals преследует иную цель, чем принято считать. Это не работа ради улучшения незначительного фактора ранжирования, а фундаментальная необходимость для предотвращения негативных поведенческих сигналов, которые регистрируются и оказывают сильное влияние на ранжирование через такие системы, как NavBoost. Основным инструментом для мониторинга должен служить отчет в Google Search Console, так как именно он отражает реальный опыт пользователей, имеющий значение для алгоритмов.
зы.
я знаю как сделать циферки в PageSpeed Insights равным 100%. Но это все фигня и не работает. Важны реальные данные реальных посетителей.
PS
это ужатый отрывок из манускрипта "Глубинное SEO 2026"
#DrMax #SEO #Google #book
Please open Telegram to view this post
VIEW IN TELEGRAM
1👍36❤16🔥9
Система алгоритмических штрафов Google (часть 1)
Утечка инженерной документации Google подтверждает фундаментальный сдвиг в стратегии борьбы с веб-спамом. Вместо реактивных мер, принимаемых после ручных проверок или в рамках крупных обновлений, Google внедрил систему проактивных, автоматизированных понижающих сигналов. Эти сигналы предварительно вычисляются и встраиваются в базовый уровень алгоритма ранжирования, что позволяет системе идентифицировать и нейтрализовать манипулятивные тактики на самых ранних этапах.
Вот как это выглядит с точки зрения Гугла:
1. Проактивное применение вместо реакции: Архитектура системы, в частности модуль CompressedQualitySignals, спроектирована не для наказания спама постфактум, а для его превентивного отсеивания. Страницы, демонстрирующие признаки известных манипулятивных техник, получают понижающий коэффициент еще до того, как получают шанс на высокое ранжирование.
2. Кодификация политик: Абстрактные правила для веб-мастеров были преобразованы в конкретные, измеряемые атрибуты в коде. Это позволяет применять политики последовательно, масштабируемо и без необходимости постоянного ручного вмешательства.
3. Вероятностный подход: Использование числовых шкал (например, scamness от 0 до 1023) вместо простых булевых флагов (да/нет) указывает на сложную, вероятностную модель оценки. Система может применять понижения различной степени тяжести в зависимости от уровня уверенности в том, что страница нарушает правила.
Итак, вот первая часть алгоритмических штрафов (согласно утечке)
Важно отметить, что представленные ниже сигналы — это лишь малая, подтвержденная утечкой часть общей системы алгоритмических штрафов. Они нацелены на хорошо известные, исторические виды спама. Более сложные и современные механизмы будут рассмотрены отдельно.
exactMatchDomainDemotion (Понижение за точное совпадение в домене)
Прямая кодовая реализация обновления EMD (Exact Match Domain) 2012 года. Сигнал применяет понижение к низкокачественным сайтам, которые используют доменное имя, переполненное ключевыми словами, для получения несправедливого преимущества в ранжировании.
Пример: Сайт buy-cheap-laptops-online.com с низкокачественным контентом получит понижающий коэффициент, нейтрализующий преимущество от наличия ключевых слов в домене.
anchorMismatchDemotion (Понижение за несоответствие анкора)
Наследие обновления Penguin, нацеленного на борьбу с манипулятивным построением ссылок. Сигнал наказывает страницы, у которых анкорный текст входящих ссылок тематически не соответствует контенту целевой страницы.
Пример: Если страница о выращивании роз получает множество ссылок с анкором "скачать фильмы бесплатно", она будет понижена в ранжировании.
IsAnchorBayesSpam (Флаг спамности анкоров)
Дополняет предыдущий сигнал. Это булев флаг (true/false), являющийся результатом работы классификатора, который анализирует паттерны входящих анкоров для выявления схем ссылочного спама.
scamness (Оценка "мошенничества")
Числовой показатель (от 0 до 1023), отражающий вероятность того, что страница является мошеннической или вводит пользователей в заблуждение. Вероятностная шкала позволяет гибко применять санкции.
spamrank (Ранг исходящего спама)
Оценка, измеряющая вероятность того, что документ ссылается на известные спам-сайты. Этот сигнал подтверждает давний SEO-принцип о важности "соседства по ссылкам" и наказывает за исходящие ссылки на низкокачественные ресурсы.
#DrMax #SEO #Google #AlgorithmicPenalties
Утечка инженерной документации Google подтверждает фундаментальный сдвиг в стратегии борьбы с веб-спамом. Вместо реактивных мер, принимаемых после ручных проверок или в рамках крупных обновлений, Google внедрил систему проактивных, автоматизированных понижающих сигналов. Эти сигналы предварительно вычисляются и встраиваются в базовый уровень алгоритма ранжирования, что позволяет системе идентифицировать и нейтрализовать манипулятивные тактики на самых ранних этапах.
Вот как это выглядит с точки зрения Гугла:
1. Проактивное применение вместо реакции: Архитектура системы, в частности модуль CompressedQualitySignals, спроектирована не для наказания спама постфактум, а для его превентивного отсеивания. Страницы, демонстрирующие признаки известных манипулятивных техник, получают понижающий коэффициент еще до того, как получают шанс на высокое ранжирование.
2. Кодификация политик: Абстрактные правила для веб-мастеров были преобразованы в конкретные, измеряемые атрибуты в коде. Это позволяет применять политики последовательно, масштабируемо и без необходимости постоянного ручного вмешательства.
3. Вероятностный подход: Использование числовых шкал (например, scamness от 0 до 1023) вместо простых булевых флагов (да/нет) указывает на сложную, вероятностную модель оценки. Система может применять понижения различной степени тяжести в зависимости от уровня уверенности в том, что страница нарушает правила.
Итак, вот первая часть алгоритмических штрафов (согласно утечке)
Важно отметить, что представленные ниже сигналы — это лишь малая, подтвержденная утечкой часть общей системы алгоритмических штрафов. Они нацелены на хорошо известные, исторические виды спама. Более сложные и современные механизмы будут рассмотрены отдельно.
exactMatchDomainDemotion (Понижение за точное совпадение в домене)
Прямая кодовая реализация обновления EMD (Exact Match Domain) 2012 года. Сигнал применяет понижение к низкокачественным сайтам, которые используют доменное имя, переполненное ключевыми словами, для получения несправедливого преимущества в ранжировании.
Пример: Сайт buy-cheap-laptops-online.com с низкокачественным контентом получит понижающий коэффициент, нейтрализующий преимущество от наличия ключевых слов в домене.
anchorMismatchDemotion (Понижение за несоответствие анкора)
Наследие обновления Penguin, нацеленного на борьбу с манипулятивным построением ссылок. Сигнал наказывает страницы, у которых анкорный текст входящих ссылок тематически не соответствует контенту целевой страницы.
Пример: Если страница о выращивании роз получает множество ссылок с анкором "скачать фильмы бесплатно", она будет понижена в ранжировании.
IsAnchorBayesSpam (Флаг спамности анкоров)
Дополняет предыдущий сигнал. Это булев флаг (true/false), являющийся результатом работы классификатора, который анализирует паттерны входящих анкоров для выявления схем ссылочного спама.
scamness (Оценка "мошенничества")
Числовой показатель (от 0 до 1023), отражающий вероятность того, что страница является мошеннической или вводит пользователей в заблуждение. Вероятностная шкала позволяет гибко применять санкции.
spamrank (Ранг исходящего спама)
Оценка, измеряющая вероятность того, что документ ссылается на известные спам-сайты. Этот сигнал подтверждает давний SEO-принцип о важности "соседства по ссылкам" и наказывает за исходящие ссылки на низкокачественные ресурсы.
#DrMax #SEO #Google #AlgorithmicPenalties
👍23❤8💯4 2
Система алгоритмических штрафов Google (часть 2)
Анализ системы понижений за низкое качество контента
Утечка инженерной документации Google подтверждает, что принципы, заложенные в обновлении Panda 2011 года, не являются историческим артефактом, а глубоко интегрированы в ядро современного алгоритма ранжирования. Они существуют в виде семейства постоянных, автоматизированных сигналов, которые применяют понижение на уровне всего сайта, продолжая выполнять функцию мощного фильтра против некачественного контента.
Работает это так:
1. Сайтовый уровень оценки: В отличие от многих других сигналов, которые оценивают отдельные страницы, pandaDemotion и связанные с ним атрибуты применяются на уровне всего сайта или его значительной части. Это архитектурный принцип, который объясняет масштабное и зачастую разрушительное влияние проблем с качеством контента.
2. Концепция "алгоритмического долга": Каждая страница с низкокачественным, неуникальным или бесполезным контентом вносит свой вклад в общий "долг" сайта. При достижении определенного критического порога активируется понижающий коэффициент, который негативно влияет на ранжирование всех страниц домена, включая страницы высокого качества.
3. Непрерывная эволюция: Наличие итеративных версий сигнала (babyPandaDemotion, babyPandaV2Demotion) и более современных, основанных на машинном обучении аналогов (lowQuality) демонстрирует, что Google постоянно совершенствует механизмы детекции низкокачественного контента, делая их более точными и масштабируемыми.
Представленные ниже сигналы являются продолжением анализа системы алгоритмических штрафов, на этот раз сфокусированным на качестве контента. Важно понимать, что это лишь часть общей системы; другие механизмы будут рассмотрены отдельно.
pandaDemotion (Основное понижение Panda)
Ключевой сигнал, представляющий собой оценку качества контента на уровне всего сайта. Его наличие в модуле CompressedQualitySignals подтверждает, что "оценка Panda" является предварительно вычисленным фактором, который применяется на начальных этапах ранжирования, действуя как фундаментальный понижающий коэффициент.
babyPandaDemotion & babyPandaV2Demotion (Итерации понижения Panda)
Последующие версии алгоритма, указывающие на его непрерывное развитие. babyPandaV2Demotion является более новой версией, заменившей предыдущую. Связь этих сигналов с рендерингом страниц предполагает, что они способны обнаруживать проблемы с качеством, которые становятся очевидны только после полной обработки JavaScript.
lowQuality (Низкое качество на основе ML)
Современный аналог Panda, основанный на машинном обучении. Вероятнее всего, он использует технологию "site-to-vector" (S2V), при которой контент всего сайта преобразуется в числовой вектор ("цифровой отпечаток"). Сравнивая этот вектор с векторами известных низкокачественных сайтов, система может программно идентифицировать ресурсы со схожими негативными характеристиками.
shingleInfo (Информация для детекции дублей)
Этот атрибут отражает базовый механизм для обнаружения дублированного контента, являющегося одной из основных целей Panda. Он хранит данные, полученные методом "шинглирования", при котором текст документа разбивается на уникальные, пересекающиеся последовательности слов. Сравнение этих "отпечатков" позволяет эффективно находить дубликаты в огромных масштабах, и эти данные служат одним из входных сигналов для расчета pandaDemotion.
Пример: Если новостной агрегатор копирует большие фрагменты статей с других ресурсов без добавления существенной ценности, его показатель shingleInfo будет высоким, что приведет к увеличению "алгоритмического долга" и активации pandaDemotion для всего сайта. В результате даже его уникальные страницы (например, главная или страницы категорий) будут понижены в ранжировании.
#DrMax #SEO #Google #AlgorithmicPenalties
Анализ системы понижений за низкое качество контента
Утечка инженерной документации Google подтверждает, что принципы, заложенные в обновлении Panda 2011 года, не являются историческим артефактом, а глубоко интегрированы в ядро современного алгоритма ранжирования. Они существуют в виде семейства постоянных, автоматизированных сигналов, которые применяют понижение на уровне всего сайта, продолжая выполнять функцию мощного фильтра против некачественного контента.
Работает это так:
1. Сайтовый уровень оценки: В отличие от многих других сигналов, которые оценивают отдельные страницы, pandaDemotion и связанные с ним атрибуты применяются на уровне всего сайта или его значительной части. Это архитектурный принцип, который объясняет масштабное и зачастую разрушительное влияние проблем с качеством контента.
2. Концепция "алгоритмического долга": Каждая страница с низкокачественным, неуникальным или бесполезным контентом вносит свой вклад в общий "долг" сайта. При достижении определенного критического порога активируется понижающий коэффициент, который негативно влияет на ранжирование всех страниц домена, включая страницы высокого качества.
3. Непрерывная эволюция: Наличие итеративных версий сигнала (babyPandaDemotion, babyPandaV2Demotion) и более современных, основанных на машинном обучении аналогов (lowQuality) демонстрирует, что Google постоянно совершенствует механизмы детекции низкокачественного контента, делая их более точными и масштабируемыми.
Представленные ниже сигналы являются продолжением анализа системы алгоритмических штрафов, на этот раз сфокусированным на качестве контента. Важно понимать, что это лишь часть общей системы; другие механизмы будут рассмотрены отдельно.
pandaDemotion (Основное понижение Panda)
Ключевой сигнал, представляющий собой оценку качества контента на уровне всего сайта. Его наличие в модуле CompressedQualitySignals подтверждает, что "оценка Panda" является предварительно вычисленным фактором, который применяется на начальных этапах ранжирования, действуя как фундаментальный понижающий коэффициент.
babyPandaDemotion & babyPandaV2Demotion (Итерации понижения Panda)
Последующие версии алгоритма, указывающие на его непрерывное развитие. babyPandaV2Demotion является более новой версией, заменившей предыдущую. Связь этих сигналов с рендерингом страниц предполагает, что они способны обнаруживать проблемы с качеством, которые становятся очевидны только после полной обработки JavaScript.
lowQuality (Низкое качество на основе ML)
Современный аналог Panda, основанный на машинном обучении. Вероятнее всего, он использует технологию "site-to-vector" (S2V), при которой контент всего сайта преобразуется в числовой вектор ("цифровой отпечаток"). Сравнивая этот вектор с векторами известных низкокачественных сайтов, система может программно идентифицировать ресурсы со схожими негативными характеристиками.
shingleInfo (Информация для детекции дублей)
Этот атрибут отражает базовый механизм для обнаружения дублированного контента, являющегося одной из основных целей Panda. Он хранит данные, полученные методом "шинглирования", при котором текст документа разбивается на уникальные, пересекающиеся последовательности слов. Сравнение этих "отпечатков" позволяет эффективно находить дубликаты в огромных масштабах, и эти данные служат одним из входных сигналов для расчета pandaDemotion.
Пример: Если новостной агрегатор копирует большие фрагменты статей с других ресурсов без добавления существенной ценности, его показатель shingleInfo будет высоким, что приведет к увеличению "алгоритмического долга" и активации pandaDemotion для всего сайта. В результате даже его уникальные страницы (например, главная или страницы категорий) будут понижены в ранжировании.
#DrMax #SEO #Google #AlgorithmicPenalties
👍25❤6🔥1 1
Система алгоритмических штрафов Google (часть 3)
Анализ системы понижений за качество страницы (Page Experience)
Анализ утечки инженерной документации Google показывает, что концепция "качества страницы" (Page Experience) — это не просто набор рекомендаций, а строго контролируемая система, подкрепленная набором алгоритмических понижающих сигналов. Эти сигналы применяются на уровне как отдельных страниц, так и всего сайта, и предназначены для превентивной борьбы с элементами, ухудшающими взаимодействие пользователя с контентом, такими как навязчивая реклама, межстраничные объявления и низкая производительность.
Основные принципы работы таковы:
1. Проактивный защитный механизм: В отличие от реактивных систем, таких как NavBoost, которые основываются на анализе уже собранных поведенческих данных (клики, отказы), сигналы Page Experience работают проактивно. Система анализирует архитектуру и верстку страницы при индексации и может применить превентивное понижение еще до того, как страница начнет собирать статистику взаимодействия с пользователями.
‼️ 2. Масштабирование наказаний через "распространение" сигнала: Система способна идентифицировать паттерны плохого пользовательского опыта (например, загроможденный макет) на выборке URL-адресов, а затем распространить (smear) соответствующий негативный сигнал на весь кластер схожих по структуре страниц. Это позволяет применять санкции на уровне сайта, не требуя обхода каждой отдельной страницы, что делает механизм чрезвычайно эффективным.
3. Многоуровневая система оценки: Вместо простого бинарного подхода (да/нет) система использует как булевы флаги для жестких нарушений, так и числовые шкалы. Это позволяет применять понижения с высокой точностью, где степень наказания напрямую зависит от серьезности нарушения.
Представленные ниже сигналы являются продолжением анализа системы алгоритмических штрафов, на этот раз сфокусированным на качестве взаимодействия с пользователем. Важно понимать, что это лишь часть общей системы; другие механизмы будут рассмотрены отдельно.
clutterScore (Оценка загроможденности)
Сигнал, применяемый на уровне сайта и предназначенный для наказания ресурсов с большим количеством "отвлекающих/раздражающих" элементов. Система использует сложный геометрический анализ для выявления навязчивых блоков.
Пример: Информационный сайт использует шаблон, в котором на каждой странице новостей размещены агрессивные рекламные блоки, перекрывающие часть текста. Google анализирует несколько таких страниц, идентифицирует общий шаблон и применяет высокий clutterScore ко всему разделу новостей, понижая его в ранжировании.
violatesMobileInterstitialPolicy (Нарушение правил по межстраничным объявлениям)
Булев (true/false) флаг, который действует как прямой и недвусмысленный понижающий сигнал для страниц с навязчивыми всплывающими окнами, закрывающими основной контент на мобильных устройствах.
adsDensityInterstitialViolationStrength (Степень нарушения плотности рекламы)
Дополняющий предыдущий сигнал атрибут, представляющий собой числовую шкалу (от 0 до 1000). Он указывает не только на факт нарушения, но и на степень его серьезности, позволяя применять более сильное понижение для более агрессивных форматов рекламы.
isSmartphoneOptimized (Оптимизация для смартфонов)
Трехпозиционное поле (true, false или не установлено), которое подтверждает, что внутренняя система оценки мобильной адаптивности Google более детализирована, чем публичный тест "Mobile-Friendly", и позволяет проводить более тонкую классификацию.
mobileCwv / desktopCwv (Данные Core Web Vitals)
Эти атрибуты хранят данные Core Web Vitals, полученные от реальных пользователей (field data). Их нахождение в модуле, прямо предназначенном для "изменений в ранжировании", является прямым доказательством того, что CWV используются как фактор, влияющий на позиции сайта.
#DrMax #SEO #Google #AlgorithmicPenalties
Анализ системы понижений за качество страницы (Page Experience)
Анализ утечки инженерной документации Google показывает, что концепция "качества страницы" (Page Experience) — это не просто набор рекомендаций, а строго контролируемая система, подкрепленная набором алгоритмических понижающих сигналов. Эти сигналы применяются на уровне как отдельных страниц, так и всего сайта, и предназначены для превентивной борьбы с элементами, ухудшающими взаимодействие пользователя с контентом, такими как навязчивая реклама, межстраничные объявления и низкая производительность.
Основные принципы работы таковы:
1. Проактивный защитный механизм: В отличие от реактивных систем, таких как NavBoost, которые основываются на анализе уже собранных поведенческих данных (клики, отказы), сигналы Page Experience работают проактивно. Система анализирует архитектуру и верстку страницы при индексации и может применить превентивное понижение еще до того, как страница начнет собирать статистику взаимодействия с пользователями.
3. Многоуровневая система оценки: Вместо простого бинарного подхода (да/нет) система использует как булевы флаги для жестких нарушений, так и числовые шкалы. Это позволяет применять понижения с высокой точностью, где степень наказания напрямую зависит от серьезности нарушения.
Представленные ниже сигналы являются продолжением анализа системы алгоритмических штрафов, на этот раз сфокусированным на качестве взаимодействия с пользователем. Важно понимать, что это лишь часть общей системы; другие механизмы будут рассмотрены отдельно.
clutterScore (Оценка загроможденности)
Сигнал, применяемый на уровне сайта и предназначенный для наказания ресурсов с большим количеством "отвлекающих/раздражающих" элементов. Система использует сложный геометрический анализ для выявления навязчивых блоков.
Пример: Информационный сайт использует шаблон, в котором на каждой странице новостей размещены агрессивные рекламные блоки, перекрывающие часть текста. Google анализирует несколько таких страниц, идентифицирует общий шаблон и применяет высокий clutterScore ко всему разделу новостей, понижая его в ранжировании.
violatesMobileInterstitialPolicy (Нарушение правил по межстраничным объявлениям)
Булев (true/false) флаг, который действует как прямой и недвусмысленный понижающий сигнал для страниц с навязчивыми всплывающими окнами, закрывающими основной контент на мобильных устройствах.
adsDensityInterstitialViolationStrength (Степень нарушения плотности рекламы)
Дополняющий предыдущий сигнал атрибут, представляющий собой числовую шкалу (от 0 до 1000). Он указывает не только на факт нарушения, но и на степень его серьезности, позволяя применять более сильное понижение для более агрессивных форматов рекламы.
isSmartphoneOptimized (Оптимизация для смартфонов)
Трехпозиционное поле (true, false или не установлено), которое подтверждает, что внутренняя система оценки мобильной адаптивности Google более детализирована, чем публичный тест "Mobile-Friendly", и позволяет проводить более тонкую классификацию.
mobileCwv / desktopCwv (Данные Core Web Vitals)
Эти атрибуты хранят данные Core Web Vitals, полученные от реальных пользователей (field data). Их нахождение в модуле, прямо предназначенном для "изменений в ранжировании", является прямым доказательством того, что CWV используются как фактор, влияющий на позиции сайта.
#DrMax #SEO #Google #AlgorithmicPenalties
Please open Telegram to view this post
VIEW IN TELEGRAM
👍17🔥8❤5 2
Система алгоритмических штрафов Google (часть 4)
Анализ алгоритмической реализации E-E-A-T и HCS
Утечка инженерной документации Google предоставляет прямое подтверждение того, что публичные концепции, такие как E-E-A-T (Опыт, Экспертиза, Авторитетность, Доверие) и система полезного контента (Helpful Content System, HCS), — это не абстрактные рекомендации, а операционализированные фреймворки, подкрепленные набором конкретных, измеряемых алгоритмических сигналов.
Работает это так:
1. Измерение "усилий": Ключевым элементом системы HCS является атрибут contentEffort. Это оценка, генерируемая большой языковой моделью (LLM), которая пытается количественно измерить человеческие усилия, оригинальность и ресурсы, вложенные в создание контента. Этот сигнал является прямым и мощным противодействием низкокачественному, масштабируемому и сгенерированному ИИ контенту, лишенному глубины.
2. E-E-A-T как совокупное свойство: Концепция E-E-A-T не является единой оценкой или баллом. Это совокупное свойство, формируемое множеством гранулярных сигналов, каждый из которых соответствует одному из четырех метрик (Опыт, Экспертиза, Авторитетность, Доверие). Система оценивает каждый аспект отдельно, используя различные атрибуты.
3. Идентификация авторов: Наличие сигнала isAuthor подтверждает, что система способна идентифицировать авторов как отдельные сущности, что является важным компонентом для оценки экспертизы и авторитетности.
Представленные ниже сигналы являются продолжением анализа системы алгоритмических штрафов и поощрений, сфокусированным на качестве, авторитетности и полезности контента. Важно понимать, что это лишь часть общей системы; другие механизмы будут рассмотрены отдельно.
1. Опыт и Экспертиза (Experience & Expertise)
contentEffort (Оценка вложенных усилий)
LLM-оценка, которая служит алгоритмическим эквивалентом экспертизы и исследовательских усилий, вложенных в контент. Низкий балл по этому параметру является сильным индикатором того, что контент не ориентирован на пользователя, и может спровоцировать понижение на уровне всего сайта, характерное для HCS.
Пример: Статья о лечении заболевания, являющаяся простым рерайтом существующих материалов и использующая стоковые изображения, получит низкий contentEffort. В то же время, статья на ту же тему, написанная врачом, включающая оригинальные диаграммы, видео с комментариями и ссылки на научные исследования, получит высокий балл, так как ее сложно воспроизвести без реальных экспертных знаний.
OriginalContentScore (Оценка оригинальности контента)
Прямой показатель, измеряющий уникальность контента на странице.
isAuthor (Идентификация автора)
Сигнал, подтверждающий, что система распознает автора контента как отдельную сущность, что позволяет связывать контент с конкретными экспертами.
2. Авторитетность (Authoritativeness)
siteAuthority (Авторитетность сайта)
Комплексная оценка на уровне всего сайта, на которую влияют его ссылочный профиль (PageRank) и упоминания бренда.
authorityPromotion (Повышение за авторитетность)
Атрибут, который подтверждает, что высокий показатель авторитетности может приводить к прямому повышению в ранжировании, а не просто к отсутствию штрафа.
3. Доверие (Trustworthiness)
Этот аспект измеряется через комбинацию негативных сигналов недоверия, технических факторов и специализированных оценок для YMYL-тематик.
3.1. Негативные сигналы таковы:
scamness: Оценка вероятности мошенничества.
GibberishScore: Оценка бессмысленного или сгенерированного текста.
3.2. Технические факторы доверия:
badSslCertificate: Сигнал о недействительном SSL-сертификате.
Специализированные оценки для YMYL ("Your Money or Your Life"):
ymylNewsV2Score, healthScore: Специальные оценки качества для новостного и медицинского контента, где уровень доверия является критически важным.
#DrMax #SEO #Google #AlgorithmicPenalties
Анализ алгоритмической реализации E-E-A-T и HCS
Утечка инженерной документации Google предоставляет прямое подтверждение того, что публичные концепции, такие как E-E-A-T (Опыт, Экспертиза, Авторитетность, Доверие) и система полезного контента (Helpful Content System, HCS), — это не абстрактные рекомендации, а операционализированные фреймворки, подкрепленные набором конкретных, измеряемых алгоритмических сигналов.
Работает это так:
1. Измерение "усилий": Ключевым элементом системы HCS является атрибут contentEffort. Это оценка, генерируемая большой языковой моделью (LLM), которая пытается количественно измерить человеческие усилия, оригинальность и ресурсы, вложенные в создание контента. Этот сигнал является прямым и мощным противодействием низкокачественному, масштабируемому и сгенерированному ИИ контенту, лишенному глубины.
2. E-E-A-T как совокупное свойство: Концепция E-E-A-T не является единой оценкой или баллом. Это совокупное свойство, формируемое множеством гранулярных сигналов, каждый из которых соответствует одному из четырех метрик (Опыт, Экспертиза, Авторитетность, Доверие). Система оценивает каждый аспект отдельно, используя различные атрибуты.
3. Идентификация авторов: Наличие сигнала isAuthor подтверждает, что система способна идентифицировать авторов как отдельные сущности, что является важным компонентом для оценки экспертизы и авторитетности.
Представленные ниже сигналы являются продолжением анализа системы алгоритмических штрафов и поощрений, сфокусированным на качестве, авторитетности и полезности контента. Важно понимать, что это лишь часть общей системы; другие механизмы будут рассмотрены отдельно.
1. Опыт и Экспертиза (Experience & Expertise)
contentEffort (Оценка вложенных усилий)
LLM-оценка, которая служит алгоритмическим эквивалентом экспертизы и исследовательских усилий, вложенных в контент. Низкий балл по этому параметру является сильным индикатором того, что контент не ориентирован на пользователя, и может спровоцировать понижение на уровне всего сайта, характерное для HCS.
Пример: Статья о лечении заболевания, являющаяся простым рерайтом существующих материалов и использующая стоковые изображения, получит низкий contentEffort. В то же время, статья на ту же тему, написанная врачом, включающая оригинальные диаграммы, видео с комментариями и ссылки на научные исследования, получит высокий балл, так как ее сложно воспроизвести без реальных экспертных знаний.
OriginalContentScore (Оценка оригинальности контента)
Прямой показатель, измеряющий уникальность контента на странице.
isAuthor (Идентификация автора)
Сигнал, подтверждающий, что система распознает автора контента как отдельную сущность, что позволяет связывать контент с конкретными экспертами.
2. Авторитетность (Authoritativeness)
siteAuthority (Авторитетность сайта)
Комплексная оценка на уровне всего сайта, на которую влияют его ссылочный профиль (PageRank) и упоминания бренда.
authorityPromotion (Повышение за авторитетность)
Атрибут, который подтверждает, что высокий показатель авторитетности может приводить к прямому повышению в ранжировании, а не просто к отсутствию штрафа.
3. Доверие (Trustworthiness)
Этот аспект измеряется через комбинацию негативных сигналов недоверия, технических факторов и специализированных оценок для YMYL-тематик.
3.1. Негативные сигналы таковы:
scamness: Оценка вероятности мошенничества.
GibberishScore: Оценка бессмысленного или сгенерированного текста.
3.2. Технические факторы доверия:
badSslCertificate: Сигнал о недействительном SSL-сертификате.
Специализированные оценки для YMYL ("Your Money or Your Life"):
ymylNewsV2Score, healthScore: Специальные оценки качества для новостного и медицинского контента, где уровень доверия является критически важным.
#DrMax #SEO #Google #AlgorithmicPenalties
👍18❤7 3🔥1
Утечка инженерной документации Google позволяет подсмотреть и понять процесс формирования сниппетов в поисковой выдаче. И самым главным выводом становится понятие тотального недоверия к данным пользователя и использование множества внутренних механизмов для выбора или генерации наиболее релевантного, по мнению Гугла, представления страницы в SERP.
1. Ранжирование и формирование сниппетов — это не работа единого алгоритма, а результат взаимодействия множества систем, таких как Goldmine (для заголовков), Radish (для избранных сниппетов), SnippetBrain (для переписывания) и NavBoost (для переранжирования на основе поведения).
2. Тег <title> — это рекомендация. Система Goldmine активно ищет и оценивает альтернативы, извлеченные из заголовков (<h1>), анкоров внутренних и внешних ссылок, а также из основного контента страницы.
3. Поведение пользователя — самое важное. Система NavBoost является мощнейшим фактором, который анализирует данные о кликах пользователей за 13 месяцев (goodClicks, badClicks, lastLongestClicks) для корректировки ранжирования и выбора наиболее эффективных сниппетов. Негативный пользовательский опыт, спровоцированный нерелевантным сниппетом, напрямую ведет к понижению позиций.
Принципы генерации сниппетов (согласно утечке):
Этап 1: Сбор кандидатов
Система начинает с формирования пула потенциальных вариантов для заголовка и описания, используя различные источники(система Goldmine):
1. sourceTitleTag: Текст из HTML-тега <title>.
2. sourceHeadingTag: Текст из заголовков, с особым весом для <h1> (подтверждается флагом goldmineHeaderIsH1).
3. sourceOnsiteAnchor / sourceOffdomainAnchor: Анкорный текст внутренних и внешних ссылок.
4. sourceGeneratedTitle: Заголовок, сгенерированный алгоритмически, если все остальные кандидаты признаны низкокачественными.
Источники для описания (системы Muppet, SnippetBrain):
1. Мета-тег description.
3. Текстовые фрагменты из любого места на странице, которые система Muppet сочтет релевантными.
3. Для избранных сниппетов система Radish вычисляет answerScore для абзацев, основываясь на их семантической близости к историческим запросам, получившим одобрение пользователей (данные из NavBoost).
Этап 2: Семантический и качественный анализ (AI-редактор)
Отобранные кандидаты проходят через системы лингвистического анализа, такие как BlockBERT и SnippetBrain, которые оценивают не просто наличие ключевых слов, а семантическую когерентность, естественность языка и общее качество. На этом этапе применяются и понижающие фильтры за технические ошибки:
1. goldmineHasBoilerplateInTitle: Понижение за использование шаблонного, повторяющегося текста.
2. dupTokens: Понижение за переспам ключевыми словами.
3. isTruncated: Понижение за избыточную длину, требующую обрезки.
Этап 3: Финальная оценка на основе поведения пользователей (NavBoost)
Кандидат, прошедший техническую и семантическую фильтрацию, оценивается на основе исторических данных о взаимодействии пользователей. Атрибут goldmineNavboostFactor напрямую связывает оценку качества заголовка с поведенческими метриками из NavBoost.
Пример: Система Goldmine может выбрать заголовок <h1> вместо <title>, так как он более точно отражает суть контента. Этот новый заголовок показывается в SERP. Если он начинает генерировать больше "хороших кликов" (goodClicks) и "последних долгих кликов" (lastLongestClicks), NavBoost зафиксирует это как положительный сигнал. В результате не только этот заголовок закрепится в выдаче, но и общая позиция страницы может быть повышена. Обратный сценарий также верен: неэффективный сниппет ведет к "плохим кликам" и последующему понижению в ранжировании.
Наиболее эффективный способ повлиять на выбор системы - обеспечить максимальную смысловую согласованность между всеми ключевыми элементами: тегом <title>, заголовком <h1>, URL-адресом, анкорами и вводным абзацем. Визуальное выделение (например, размер шрифта, измеряемый атрибутом avgTermWeight) также является измеряемым сигналом, усиливающим эту когерентность.
#DrMax #SEO #Google
Please open Telegram to view this post
VIEW IN TELEGRAM
👍22❤6🔥5
Итак, Goldmine оценивает кандидатов для заголовка на основе их соответствия другим элементам страницы. Это влияет на факторы goldmineBodyFactor (соответствие контенту) и goldmineUrlMatchFactor (соответствие URL). Следовательно, необходимо обеспечить максимальную смысловую и структурную согласованность.
Сформулируйте основную тему страницы в виде четкой фразы (например, "Автоматическая кофемашина [Бренд] [Модель]"). Используйте это семантическое ядро с минимальными вариациями в следующих элементах:
1. HTML-тег <title>: Точное вхождение.
2. Заголовок <h1>: Точное или максимально близкое вхождение.
3. URL-адрес: Используйте ключевые слова из ядра (например, /coffee-machines/brand-model/).
4. Вводный абзац: Первое предложение должно полностью раскрывать тему, заявленную в ядре.
5. Анкоры внутренних ссылок: Ссылайтесь на эту страницу с других релевантных страниц, используя анкоры, близкие к ядру.
Сделайте заголовок <h1> самым крупным и визуально заметным текстовым элементом на странице. Атрибут avgTermWeight, измеряющий средний размер шрифта, подтверждает, что визуальная значимость является измеряемым сигналом.
Пример:
Неэффективно (низкая когерентность):
<title>: Кофемашины и кофеварки - купить в интернет-магазине
<h1>: Наши лучшие кофемашины
URL: /catalog/item-12345/
Результат: Goldmine видит рассогласование и может сгенерировать собственный заголовок, который, скорее всего, будет менее эффективным.
Эффективно (высокая когерентность):
<title>: Автоматическая кофемашина V-Presso 9000 - Купить с гарантией | CoffeeStore
<h1>: Автоматическая кофемашина V-Presso 9000
URL: /coffee-machines/v-presso-9000/
Результат: Все сигналы указывают на одну и ту же сущность. Вероятность того, что Google выберет именно ваш title или h1 повышается.
Стратегия оптимизации под систему NavBoost
Сниппет — это обещание. Его эффективность измеряется системой NavBoost через поведение пользователя после клика. Ваша задача — обеспечить полное выполнение этого обещания:
1. Формулируйте заголовок и описание максимально точно. Если вы обещаете "пошаговую инструкцию", то именно она должна быть первым элементом на странице.
2. Контент, видимый на первом экране после перехода (above the fold), должен немедленно подтверждать релевантнность сниппета. Не заставляйте пользователя скроллить в поисках ответа.
Цель — "Последний долгий клик" (lastLongestClicks): Спроектируйте страницу так, чтобы она полностью закрывала интент пользователя, делая ненужным его возвращение в поисковую выдачу.
Пример:
Запрос: "как почистить кофемашину от накипи"
Неэффективно:
Сниппет: "Пошаговая инструкция по чистке кофемашины от накипи".
Контент на странице: Первые три абзаца рассказывают об истории образования накипи, ее химическом составе и вреде для здоровья.
Результат: Пользователь не видит инструкцию сразу, разочаровывается и возвращается в SERP. NavBoost фиксирует "плохой клик" (badClick), и со временем страница будет понижена.
Эффективно:
Сниппет: "Как почистить кофемашину от накипи: 5 простых шагов".
Контент на странице: Сразу под <h1> расположен блок "Краткий ответ" или непосредственно "Шаг 1: Подготовка раствора".
Результат: Пользователь мгновенно получает то, что ему обещали. Вероятность "последнего долгого клика" высока. NavBoost получает положительный сигнал.
Техничка для избежания автоматической дисквалификации
Система применяет прямые понижающие коэффициенты за технические ошибки. Перед тем, как ваш сниппет попадет на оценку к NavBoost, он должен пройти технический фильтр.
1. Контроль длины: Соблюдайте лимиты, чтобы избежать понижения по флагу isTruncated:
Title: ~55-60 символов.
Description: ~140-160 символов.
2. Исключение шаблонного текста: Каждая важная страница должна иметь уникальный заголовок и описание, иначе получите понижение по флагу goldmineHasBoilerplateInTitle.
3. Избегание переоптимизации: Не повторяйте одно и то же ключевое слово в заголовке несколько раз. Это путь к получению понижения по флагу dupTokens (дублирующиеся токены).
#DrMax #SEO #Google
Please open Telegram to view this post
VIEW IN TELEGRAM
👍29🔥3🆒2
Ритмическое кадрирование и управление когнитивной нагрузкой
Экспертный контент часто генерируется в виде сложного и плотного текста. Его зачастую недочитывают. Давайте заставим LLM работать не только как эксперт, но и как лектор, который управляет вниманием аудитории. Для этого мы попробуем управлять "ритмом" текста, чередуя сложные и простые конструкции, чтобы поддерживать вовлеченность и не терять читателя.
Как это работает: В директивы качества (Этап 3.2 универсального промпта, о коем мы повествовали в первом сезоне) добавляется мета-правило, управляющее стилем и структурой предложений.
Пример фрагмента промпта:
Дополняется в Этап 3.2 "Соблюдение Директив Качества Контента":
3.2.100. Принцип "Ритмического кадрирования"
Ты должен активно управлять когнитивной нагрузкой читателя на протяжении всего текста. Для этого неукоснительно соблюдай следующие правила:
3.2.100.1. Вариативность длины предложений:
После длинного, сложносочиненного предложения, нагруженного техническими деталями (20-25 слов), ОБЯЗАТЕЛЬНО должно следовать одно-два коротких, ударных предложения (3-8 слов), которые фиксируют главный вывод.
3.2.100.2. Риторические "мостики":
После каждого плотного технического блока (например, разбора геометрии или формул) используй переходные фразы или риторические вопросы, чтобы "вернуть" читателя из глубин в реальный мир.
Примеры: "Звучит сложно? Давайте посмотрим, что это значит на практике.", "Хорошо, с теорией разобрались. Но как это ощущается на реальной тропинке?", "И какой из этого следует главный вывод?". Никогда не повторяйся и для каждой статьи (и блоков в статье) используй свой уникальный "мостик".
3.2.100.3. Правило "Один абзац — одна центральная мысль":
Не смешивай несколько идей в одном абзаце. Абзац должен иметь четкое ядро, которое можно выразить одним предложением.
Пример в тексте (сравните "до" и "после"):
ДО (монотонно):
"Прогрессивная геометрия современных трейловых хардтейлов характеризуется заваленным углом рулевой трубы, обычно в диапазоне 65-66 градусов, а также увеличенной колесной базой и параметром Reach, что в совокупности обеспечивает повышенную стабильность на высоких скоростях и на крутых спусках, хотя и немного снижает маневренность на низких скоростях."
ПОСЛЕ (с ритмическим кадрированием):
"Прогрессивная геометрия современных трейловых хардтейлов строится вокруг заваленного угла рулевой трубы, который сегодня достигает 65-66 градусов, и значительно увеличенного параметра Reach. (длинное, техническое) Это дает невероятную стабильность. (короткое) Велосипед едет как по рельсам. (короткое) Но что это значит на практике для обычного велосипедиста? (мостик) Это значит, что вы можете атаковать крутые спуски с уверенностью, о которой раньше и не мечтали, хотя и придется пожертвовать толикой маневренности на узких и медленных тропинках."
Это напрямую влияет на поведенческие метрики: Time on Page, Scroll Depth, Task Success Rate. Пользователи дочитывают сложный контент до конца. Google видит эти сигналы и повышает страницу в ранжировании. LLM, анализируя текст, распознают четкую логическую структуру и выделение ключевых мыслей, что упрощает для них извлечение сути и использование вашего контента как авторитетного источника.
#DrMax #LLM #Промпт
Please open Telegram to view this post
VIEW IN TELEGRAM
2👍41❤14 5😱1
Предыдущая интересная подборка материалов https://t.me/drmaxseo/890
Цикл Промптоведения
Продвинутый AI-копирайтинг 2025
часть 1 (Генерация через УТП)- https://t.me/drmaxseo/894
часть 2 (сущности)- https://t.me/drmaxseo/896 и https://t.me/drmaxseo/897
часть 3 (самопроверка на воду) - https://t.me/drmaxseo/899
часть 4 (Архитектура "Вопрос-Ответ) - https://t.me/drmaxseo/902
часть 5 ((NER-подход) - https://t.me/drmaxseo/907
Первый мастер промпт - https://t.me/drmaxseo/908
часть 6 (качество контента) - https://t.me/drmaxseo/913
часть 7 (ветвление промптов и смена ролей) - https://t.me/drmaxseo/915
часть 8 (мультимодальность) - https://t.me/drmaxseo/920
часть 9 - второй промежуточный промпт - https://t.me/drmaxseo/925
часть 10 (перелинковка) - https://t.me/drmaxseo/928
часть 11 (принцип компрмисса) - https://t.me/drmaxseo/932
часть 12 (принцип эволюции)- https://t.me/drmaxseo/934
часть 13 (Принцип "Кросс-доменных аналогий") - https://t.me/drmaxseo/935
часть 14 (тематика контента)- https://t.me/drmaxseo/942
часть 15 (Принцип "Адвоката Дьявола") https://t.me/drmaxseo/951
часть 16 (Принцип "Квантифицированного Доказательства" и внедрение Мини-Кейсов) https://t.me/drmaxseo/954
ПРОМПТ - ХУМАНИЗАТОР (пишем как живой человек) https://t.me/drmaxseo/957
Промптоведение. Анализ. Часть 1. - https://t.me/drmaxseo/991
Цикл Краулинг менеджмента
https://t.me/drmaxseo/960
https://t.me/drmaxseo/964
https://t.me/drmaxseo/966
Оптимизация под FastSearch.
Часть 1. - https://t.me/drmaxseo/971
Часть 2. - https://t.me/drmaxseo/973
Система алгоритмических штрафов Google
часть 1 - https://t.me/drmaxseo/1001
часть 2 - https://t.me/drmaxseo/1005
часть 3 - https://t.me/drmaxseo/1006
часть 4 - https://t.me/drmaxseo/1007
Прочие материалы:
Кнопка Бабло № 12: Взламываем ТОП с помощью самого Гугла. https://t.me/drmaxseo/983
Законы Мерфи для LLM https://t.me/drmaxseo/937
HCU https://t.me/drmaxseo/939
Семантическая плотность vs. Пересечение - https://t.me/drmaxseo/946
Секреты адаптации под LLM (GEO оптимизация) https://t.me/drmaxseo/947 и https://t.me/drmaxseo/949
Что такое QBST и как оное функционирует - https://t.me/drmaxseo/976 и https://t.me/drmaxseo/977
Анализ Core Web Vitals: Как нас обманывали 10 лет - https://t.me/drmaxseo/1000
Как Google генерирует сниппеты в выдаче - https://t.me/drmaxseo/1008
#DrMax #Подборка
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥52👍16👏9 1 1
Всякого барахла полно и якобы и для продажников и для IT и прочих маркетологов.
Сами по себе эти промпты - полный шлак.
Пример
Разработайте серию из трёх постов для социальных сетей, продвигающих [событие, продукт или достижение]. Используйте этот фон для контекста: [вставьте данные]. Каждый пост должен включать текст и предлагаемое визуальное описание.
НО! Обязательно посмотрите в каких сферах и как можно использовать ИИ. Наверняка натолкнетесь на новые идеи как юзать оные бесовские ИИ.
А там уж и мега промптом можно воспользоваться, построенным на цикле постов о промптоведении )))
тыц.
#DrMax #Промпт
Please open Telegram to view this post
VIEW IN TELEGRAM
👍17 5❤3
Утечка инженерной документации Google позволяет перейти от общих рекомендаций к конкретной, основанной на архитектуре поисковой системы, стратегии SEO. Раскрытые атрибуты и системы подтверждают, что абстрактные концепции, такие как "удовлетворенность пользователя" и "качество контента", имеют точные, измеряемые технические эквиваленты в виде сигналов goodClicks, siteAuthority и contentEffort.
Основные принципы SEO на основе архитектуры Google:
1: Оптимизация для конвейера, а не для отдельной страницы
Процесс ранжирования представляет собой многоэтапный конвейер (Mustang -> NavBoost -> Twiddlers), и контент должен последовательно проходить квалификацию на каждом этапе. Контент должен быть создан для двух разных "аудиторий":
Машинная оценка (этап Mustang): Cтраница должна быть технически безупречной, семантически точной и четко структурированной. Цель — успешно пройти первичную автоматическую проверку на релевантность и базовое качество.
Человеческая оценка (этап NavBoost): Затем, и это более важно, контент должен быть по-настоящему полезным и исчерпывающим для реального пользователя. Цель — сгенерировать положительные поведенческие сигналы (долгие клики, отсутствие быстрого возврата в выдачу), которые подтвердят его ценность для системы NavBoost.
2: Построение временного доверия (Temporal Trust)
Подтверждение существования "песочницы" для новых хостов (hostAge) и понижения за историю документа (documentHistory) доказывает, что доверие является функцией времени. Новые ресурсы по умолчанию рассматриваются системой с недоверием.
Для новых сайтов и страниц первоочередной задачей является не немедленное ранжирование по конкурентным запросам, а "выход" из этого испытательного периода. Необходимо сфокусироваться на последовательной публикации высококачественного, тематически сфокусированного контента для накопления положительных сигналов.
3: Стремление к информационной плотности и семантической свежести
Документация указывает на предпочтение контента, который является одновременно оригинальным, информационно насыщенным и актуальным.
Контент должен быть достаточно лаконичным, чтобы ключевая информация не обрезалась лимитами токенов системы Mustang. Для коротких материалов акцент делается на максимальной оригинальности для получения высокого OriginalContentScore. Для всего контента стратегия "свежести" должна заключаться не в обновлении даты, а в фактическом обновлении данных, источников и фактов внутри текста для положительной оценки по SemanticDate.
4: Инжиниринг "хороших кликов"
Подтверждение роли NavBoost делает взаимодействие пользователя со сниппетом в поисковой выдаче критическим аспектом внутренней оптимизации.
Заголовок и описание страницы должны создаваться не только для релевантности ключевым словам, но и для максимальной точности и формирования правильных ожиданий. Цель — привлечь клик от пользователя, чей интент полностью совпадает с содержанием страницы. Это максимизирует вероятность долгого взаимодействия (lastLongestClicks) и минимизирует риск быстрого возврата в SERP, который генерирует негативные сигналы (badClicks).
5: Развитие тематического и сайтового авторитета
Успех отдельной страницы неразрывно связан с общим авторитетом домена. Это подтверждается атрибутами siteAuthority, наследованием PageRank от главной страницы и siteFocusScore (оценка тематической сфокусированности).
Оптимизация должна вестись на двух уровнях:
Уровень страницы: Каждый материал должен быть строго согласован с основной тематикой сайта для усиления siteFocusScore.
Уровень домена: Необходимо постоянно работать над повышением общего siteAuthority. Это включает улучшение пользовательского опыта на всем сайте, снижение загроможденности (clutterScore), управление качеством пользовательского контента и стимулирование прямого трафика (измеряется через chromeInTotal), что в совокупности повышает базовый авторитет, от которого выигрывает каждая отдельная страница.
#DrMax #SEO #Google
Please open Telegram to view this post
VIEW IN TELEGRAM
👍32❤9👏3 1
Избегаем шаблонных ответов.
Как ни крути, но если генерачить описания 1000 чайников одним промптом, то ответы будут шаблонными. Нет, словеса будут разные, предложения уникальные, но типичная структура описания будет просматриваться достаточно четко. А если вы наделаете процентов 20-30 нехороших описаний, то гугол автоматом распространит своё порицание на весь куст ваших "однотипных" описаний. Об этом я излагал ранее.
Дабы избавиться от шаблонности, вводим некий элемент случайности в наш промпт. Берем, например, 10 различных блоков (с различными фишками) и на рандомах пихаем их в текст. Пример промпта таков:
[Блок создания креатива]
100500. Ты обязан выполнить следующую последовательность действий:
Шаг 1: Определение Количества.
Сгенерируй случайное число, N, которое может быть либо 1, либо 2. Это число определяет, сколько точно креативных блоков будет включено в данный обзор.
Шаг 2: Создание и Перемешивание Пула.
Создай временный список, содержащий все 10 (десять) креативных блока: [Блок А, Блок Б, Блок В, Блок Г, Блок Д, Блок Е,]. Немедленно перемешай этот список в случайном порядке.
Критически важно: Перемешай список повторно. У тебя никогда не должен быть одинаковый список. Проверь, что список перемешан в случайном и произвольном порядке.
Шаг 3: Выбор и Исполнение.
Выбери первые N блоков из перемешанного списка. Эти выбранные блоки теперь являются обязательными для включения в текст обзора. Блоки, который не были выбраны, в этой генерации не используются.
[Блок А]
100500.1. Напиши ...
[Конец Блока А]
[Блок Б]
100500.2. Напиши ...
[Конец Блока Б]
[Блок В]
100500.3. Напиши ...
[Конец Блока В]
........
[Конец блока создания креатива]
Теперь самое интересное. Вот эти блоки креатива для каждого сайта, для каждой тематики, для каждого ГЕО совершенно разные и должны учитывать нюансы не только сайта, но и типа контента для него. Даже для двух совершенно однотипных сайтов, оные блоки должны быть уникальны. И да, их стоит время - от времени менять или допиливать.
Я приложу несколько примеров, чтобы вы могли их оценить.
У меня настроен мега промпт, который генерирует подобные заготовки для других мега промптов (скорее крео идеи), которые потом можно доработать или выбрать нужное.
ВНИМАНИЕ:
Засылайте в комментариях к этому посту тематику, вид деятельности, гео (чем больше инфы, тем точнее получатся промпты). URL ваших проектов не нужен.
Опаздунов - на мороз )))
Сделал штук 15 - см в комментах. Очень интересные есть блоки различной тематики.
#DrMax #LLM #Промпт
Please open Telegram to view this post
VIEW IN TELEGRAM
2👍35❤11🔥4 3
Хуманизатор. Версия 3.1.
Ранее публиковал уже прототип хуманизатора. Это несколько доработанная версия.
0.5. КРИТИЧЕСКИ ВАЖНЫЕ ПРАВИЛА: В цитатах, в введении, в заключении и в некоторых [ УКАЗАТЬ ] разделах пиши как человек, а не как машина. А именно:
0.5.1. Значительно варьируй длину предложений (3–25+ слов).
0.5.2. Используй асимметричные предложения и несбалансированные структуры.
0.5.3. Иногда оставляй мысли незавершенными или недосказанными.
0.5.4. Непредсказуемо смешивай простые и сложные предложения.
0.5.5. Используй тире сдержанно и нерегулярно.
0.5.6. Разнообразно используй запятые — иногда редко, иногда часто.
0.5.7. Непоследовательно расставляй многоточия (... or . . .).
0.5.8. Иногда нарушай грамматические правила для естественного потока речи.
0.5.9. Используй одиночные прилагательные вместо пар («технический», а не «плотный технический»).
0.5.10. Разнообразь словарный запас — используй неожиданные слова.
0.5.11. Используй эмоционально заряженный язык, когда это уместно.
0.5.12. Разнообразь длину параграфов (5 - 10+ предложений).
0.5.13. Переходи от одной идеи к другой без плавных переходов.
0.5.14. Иногда пропускай объяснения — пусть читатели сами делают выводы.
0.5.15. Используй резкие изменения тона.
0.5.16. Включай посторонние мысли.
0.5.17. Пишите плотные предложения, за которыми следуют отрывистые.
0.5.18. Будь готов звучать резко, сбивающе или противоречиво.
0.5.19. Включай личные мнения без оговорок.
0.5.20. Не объясняйе все слишком подробно. Сущностей и интентов слишком много. Нужно охватить их все в контенте.
0.5.21. Используй «я думаю», «возможно», «честно говоря» естественно.
0.5.22. Звучи как человек с недостатками, а не как идеальный эксперт.
0.5.23. Пиши так, как будто разговариваешь с другом, а не делаешь презентацию. Будь беспорядочным, аутентичным и человечным.
0.5.24. Внедряй "экспертные отступления". Вставляй короткие, неожиданные аналогии или истории из смежных, но понятных областей, для иллюстрирации сложной технической мысли.
0.5.25. Используй риторические само-вопросы. Задай вопрос и тут же сам на него ответь, имитируя процесс мышления вслух. "И что из этого следует? А то, что вся предыдущая логика летит к чертям."
0.5.26. Проявляй здоровый скептицизм. Открыто ставь под сомнение общепринятые "истины" или официальные заявления.
0.5.27. Применяй "фокусировку внимания". После длинного, нагруженного данными абзаца внезапно сведи все к одному, главному, почти афористичному выводу. "Вся эта математика сводится к одному: не усложняй."
0.5.28. Заземляй абстракции в физическом мире. Используй тактильные, физические метафоры, чтобы сделать цифровые концепции осязаемыми.
0.5.29. Ссылайся на подразумеваемый прошлый опыт, не раскрывая всех деталей, чтобы создать образ "ветерана".
0.5.30. Включай профессиональный сленг или идиомы без кавычек и объяснений, как будто это само собой разумеется для "своих".
0.5.31. Имитируй самокоррекцию. Начни предложение одним образом, а затем переформулируй его на лету, как бы подбирая более точное слово. "Это решение, скажем так, не самое очевидное. Вернее, оно абсолютно контринтуитивно."
0.5.32. Делай краткие, уверенные прогнозы или предостережения о будущем, основанные на личном опыте.
0.5.33. Применяй литоту (преуменьшение) для усиления эффекта. Вместо "это очень большая проблема" скажи "это может доставить некоторые неудобства".
0.5.34. Разбивай поток мысли. Вставь короткое, не связанное напрямую предложение-наблюдение, а потом вернись к теме.
0.5.35. Используй нарочито "рваные" числа вместо округленных, как будто они взяты из реального отчета, а не выдуманы. Не "около 100", а "порядка 97-98 штук". Иногда, наоборот, округляй точные числа.
0.5.36. Иногда начинай предложение с союза ("И", "А", "Но") для придания речи разговорной динамики.
0.5.37. Признавай пределы собственных знаний. Не бойся сказать "я не знаю" или "здесь у меня нет точного ответа". "Будет ли это работать завтра? Понятия не имею. Но сегодня — работает."
#DrMax #LLM #Промпт
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥45❤18😁4 2
В общем надоело бороться с ограничением по длине поста в телеграме. Решил переводить все длинные выкладки (особливо цитаты из новой книги) в аудио формат и пихать его в отдельный канал.
Подписывайтесь, слушайте, оценивайте.
В комментариях распишите, как получшей обустроить оный канал. Там же предлагайте тематики для обсуждения.
ЗЫ
Аудио генерируется в НотебукЛМ.
#DrMax
Please open Telegram to view this post
VIEW IN TELEGRAM
👍23🔥6❤2
9.1.1. Контент на десктопе vs мобайле: Должен ли быть идентичным?
... /вырезано/ ...
9.1.1. 2. Разница в User Experience: Метрики NavBoost и TimeToFirstByte
Хотя контент должен быть одинаковым, его загрузка и визуализация должны быть оптимизированы для мобайла, поскольку это напрямую влияет на Core Web Vitals (CWV) и, как следствие, на мощнейший сигнал NavBoost.
Контент одинаковый, но скорость его доставки — нет. Честно говоря, это самое важное различие. Мы знаем, что CWV (LCP, FID/INP, CLS) являются ранжирующими модификаторами, а не просто бустами. Они определяют, насколько эффективно пользователь взаимодействует с вашим сайтом. Если ваш десктопный сайт использует 5-мегабайтный JavaScript-бандл, который просто убивает TimeToFirstByte (TTFB) на мобильном устройстве, то ваш Mobile Speed Score рухнет.
И что из этого следует? А то, что даже идентичный контент будет ранжироваться ниже, если мобильная версия слишком медленная. Посмотрите на это с точки зрения Google: медленный сайт создает плохой пользовательский опыт, и пользователь, скорее всего, вернется в SERP, чтобы кликнуть на следующий результат. Это явное снижение NavBoost для вашей страницы. Переменная Mobile_Lighthouse_Performance в слитых данных четко показывает, что производительность на мобайле является отдельным, квантифицируемым фактором.
Совет от DrMax: плохой LCP на мобильном устройстве может доставить некоторые неудобства вашему ранжированию. На самом деле, это катастрофа. Ваша цель не просто совпадение контента, а безусловная скорость на мобайле. Оптимизируйте изображения, лениво загружайте (lazy-load) всё, что находится ниже первого экрана, и не позволяйте сторонним скриптам блокировать рендеринг. Помните: вы не можете купить авторитет, вы его зарабатываете каждым миллисекундным улучшением скорости.
9.1.1. 3. Скрытый контент и семантическая Салиентность
Контент, который по умолчанию скрыт в интерактивных элементах (табы, аккордеоны) на мобильном устройстве, индексируется, но его позиция в приоритете семантического сканирования может быть ниже, чем у немедленно видимого текста.
Раньше, в эпоху до MFI (Mobile-First Indexing), скрытый контент считался попыткой манипуляции. Сейчас Google утверждает, что он индексируется, потому что это общепринятая практика UX на маленьких экранах. Это правда, технически он IsIndexed. Но здесь вступает в игру Entity Salience (Салиентность сущностей).
Семантическая Салиентность — это мера того, насколько важным Google считает конкретное слово или фразу для понимания темы страницы. Система, используя свои Entity Recognition Models, присваивает более высокий вес контенту, который виден по умолчанию (т.е. без прокрутки или клика). Почему? Потому что система предполагает, что самый важный контент вы размещаете сразу. Если ваше определение сущности или уникальное торговое предложение, которое демонстрирует Опыт, спрятано под кликабельной вкладкой "Подробнее", то его Salience Score будет, я думаю, немного девальвирован по сравнению с контентом, который сразу бросается в глаза.
Вся эта архитектурная дискуссия сводится к одному: главный контент, устанавливающий E-E-A-T, должен быть виден сразу. Используйте табы и аккордеоны для второстепенной, вспомогательной информации (например, FAQ, технические детали, долгие отзывы). Если ваш Уникальный Авторский Опыт (ключ к E-E-A-T) находится в табе, который требует клика, вы рискуете, что система недооценит ваш Topic Authority.
#DrMax #Book2026
Please open Telegram to view this post
VIEW IN TELEGRAM
1👍36❤5🔥4
Собственно пару часов в день теперь занимаюсь графоманией и пишу книжИцу. Сегодня с утра писал подраздел про Link Reclamation.
Link Reclamation – это целенаправленный процесс обнаружения упоминаний вашего бренда, продукта или контента, которые существуют в сети без прямой гиперссылки, и последующее их превращение в активные, кликабельные ссылки.
Собственно процесс прост - берем перплексити, включаем исследование и задаем промпт что то типа:
Найди все упоминания [БРЕНД] или его сайта [СайтБренда] без активной гиперссылки на странице с упоминанием на [СайтБренда]. Выведи список URL где находится это упоминание и его окружение (5-6 слов слов справа и слева)
Собственно можно и нужно юзать и иные ИИ.
Тестировал промпт и обнаружил кучу интересных упоминаний (типа видео https://www.youtube.com/watch?v=dDUb4B3_75M ). Теперь осталось связаться с авторами и попросить проставить ссылку. А письмецо тоже можно ИИ заставить отписать.
Прием старый, ему 100500 лет, но с применением ИИ он выходит на новый уровень.
#DrMax #SEO #Промпт #линкбилдинг
Please open Telegram to view this post
VIEW IN TELEGRAM
YouTube
Изучаем внешние ссылки с помощью Screaming Frog SEO Spider
Метод DrMax по анализу внешней ссылочной массы, использую программу Screaming Frog SEO Spider. Ссылки можно выгрузить из следующих источников:
- Яндекс.Вебмастер;
- Google Search Console;
- Ahrefs.ru
--
Параметры, которые используются в программе:
Anchor:…
- Яндекс.Вебмастер;
- Google Search Console;
- Ahrefs.ru
--
Параметры, которые используются в программе:
Anchor:…
👍25🔥5🆒2
2.6.1. YouTube: Влияние видео-контента на SEO
2.6.1. 1. Video Rank и его связь с органической выдачей
Video Rank — это агрегированная внутренняя оценка качества и релевантности видеоконтента, которая позволяет ему напрямую конкурировать с традиционными веб-страницами в универсальной поисковой выдаче.
Слитые инженерные документы, описывающие архитектуру Content Warehouse показали, что видео не существует в каком-то обособленном пространстве; это просто ещё один тип документа, который требует отдельной, но интегрированной системы скоринга. Мы видим упоминания Video Content Search module, что подтверждает существование специализированного механизма, который обрабатывает и ранжирует видеоматериалы.
Речь идет об отслеживании поведенческих сигналов в масштабе, который Google публично отрицал для веб-поиска, но всегда применял к своему собственному видео-гиганту: Play Rate (процент запустивших), Average Watch Time (средняя продолжительность просмотра), и, что критически важно, Completion Rate (процент досмотров). Это показатели удовлетворения пользователя контентом, та самая E-E-A-T, только через призму видео. Если видео регулярно запускают и досматривают, этот контент получает повышенный Video Rank, и система NavBoost подталкивает его вверх, даже в основной SERP, рядом с текстовыми документами.
Многие SEO-специалисты тратят время, пытаясь оптимизировать видео по ключевым словам. Бросьте. Это не техническая оптимизация заголовка, а скорее психологическая оптимизация первой минуты. Если в первые 60 секунд вы не зацепите зрителя и не обеспечите высокий Play Rate и Average Watch Time, весь ваш Video Rank рухнет. Фокусируйтесь на крючке, а не на тегах.
2.6.1. 2. Ссылки из описания YouTube: Передача RPR
Ссылки, размещенные в описании видео на YouTube, могут передавать значительный вес, несмотря на их формальный статус nofollow, поскольку механизм их оценки связан с внутренней метрикой RawPageRank и условностью прохождения линк-веса.
RawPageRank (RPR) - это, как следует из утечки, необработанное, нескорректированное значение PageRank, рассчитанное алгоритмом Google исключительно на основе сырой структуры ссылок. Оно является основой для более сложных, очищенных версий, таких как PageRank-NearestSeeds (или pagerank_ns в документации). Вот тут и кроется главное: линк-вес, в традиционном понимании, проходит по строгому графу.
Однако, утечки демонстрируют, что способность ссылки передавать хоть какой-то ранг условна; пользовательское взаимодействие, а именно клики, действует как фильтр или шлюз, определяющий, будет ли линк вообще учтен. Система NavBoost отслеживает, на какие ссылки пользователи на самом деле нажимают, и чем дольше они остаются на целевой странице после клика, тем ценнее сигнал. YouTube, являясь первой стороной и дочерней компанией Google, находится в привилегированном положении; данные о кликах на ссылки в описании видео доступны Google с беспрецедентной точностью.
А вот и суть: ссылка в описании популярного, высокоранжируемого (за счет высокого Video Rank!) видео с тысячами просмотров и сотнями кликов пройдет этот кликовый фильтр NavBoost с запасом. В то время как обычная nofollow ссылка с малопосещаемого блога может быть полностью проигнорирована, ссылка с YouTube-канала, который имеет высокий siteAuthority и является доверенным источником в глазах поисковой системы, не просто передает "сок", а, по сути, является прямым, одобренным пользователями трамплином для RPR в вашу сторону. Это не просто ссылки; это пользовательски-валидированные ссылки.
Когда Google говорит, что nofollow не передает PageRank - это технически правда для RPR в его чистом виде, но в реальном ранжировании, где властвуют поведенческие факторы и NavBoost, клик-сквозной трафик и авторитет источника, находящегося в собственной экосистеме Google, перевешивает любой атрибут.
Смотрите также: мои аудиодоклады
#DrMax #Book2026
Please open Telegram to view this post
VIEW IN TELEGRAM
👍28👏6❤3 2🔥1
Наш хороший товарищ и автор множества бесплатных SEO инструментов, запилил новую онлайн софтину - "Поиск ключевых запросов на странице сайта".
Описание дословно:
Инструмент поиска ключевых запросов поможет SEO-специалисту проанализировать наличие поисковых запросов из имеющегося списка на определенной странице сайта и отобразить количество найденных совпадений (полных или частичных), либо число отсутствующих запросов.
Затестить можно здесь.
Отписать об инструменте можно в комментариях (Андрей их читает и отвечает ежели чего).
#DrMax #Софт
Please open Telegram to view this post
VIEW IN TELEGRAM
👍31❤4😁2 1
Работа с сущностями.
В принципе, если мы хотим охватить максимум запросов в выдаче в минимальном объеме контента, то нам нужно усовершенствовать работу с сущностями. Напоминаю структуру:
Домены сущности ➡️ Сущности ➡️ Интенты ➡️ Поисковые запросы.
Давайте переработаем пункт 1.5. мастер промпта из прошлого сезона промптоведения.
ЭТАП 1.5: Создание Онтологической Карты
Роль: Архитектор Графа Знаний / Системный Аналитик
Задача: Провести исчерпывающую, многослойную деконструкцию темы {Тема}. Твоя цель — не просто составить список, а построить полную, логически связанную онтологическую карту предметной области. Эта карта должна стать фундаментом для ответа на АБСОЛЮТНО любой прямой, косвенный или неявный вопрос пользователя. Действуй последовательно по пяти уровням анализа.
Уровень 1: Деконструкция Ядра (The Core)
Определяем центральный объект и его внутреннюю структуру.
1.5.1. Основные Объекты/Процессы: Идентифицируй 1-3 центральные сущности, вокруг которых строится тема.
Пример (Ремонт кровли): Замена кровли, Ремонт протечки, Техническое обслуживание кровли.
1.5.2. Типы и Классификации: Определи все существующие виды и классы основных объектов.
Пример: Асфальтовая черепица, Металлочерепица, Керамическая черепица, Плоская рулонная кровля.
1.5.3. Компоненты и Материалы (Анатомия): Разбери основные объекты на составные части и материалы.
Пример: Стропильная система, Обрешетка, Гидроизоляционная мембрана, Подкладочный ковер, Ендова, Капельник, Коньковый аэратор, Кровельные гвозди.
Уровень 2: Анализ Процессов и Действий (The Actions)
Определяем, как с Ядром взаимодействуют в реальном мире.
1.5.4. Проблемы, Симптомы и Неисправности: Собери полный список проблем, которые могут возникнуть с Ядром.
Пример: Протечка, Повреждение градом, Срыв ветром, Образование ледяных дамб, Курчавость черепицы, Мох и водоросли.
1.5.5. Решения, Методы и Технологии: Опиши все существующие методы решения этих проблем.
Пример: Локальный ремонт (патчинг), Герметизация примыканий, Полный демонтаж (tear-off), Метод "крыша-на-крышу" (roof-over).
1.5.6. Инструменты и Оборудование: Перечисли все инструменты, используемые в процессах.
Пример: Кровельный нейлер, Скребок для удаления черепицы, Строительные леса, Страховочная система.
Уровень 3: Анализ Экосистемы и Контекста (The Ecosystem)
Определяем внешние силы и участников, влияющих на Ядро.
1.5.7. Акторы и Стейкхолдеры: Перечисли всех людей и организации, вовлеченные в процесс.
Пример: Владелец дома, Кровельный подрядчик, Страховой аджастер, Строительный инспектор, Производитель материалов.
1.5.8. Бренды и Производители: Укажи ключевые бренды на рынке.
Пример: GAF, Owens Corning, CertainTeed, IKO.
1.5.9. Нормы, Законы и Стандарты: Определи релевантные правила и регуляции.
Пример: Местные строительные кодексы (Local Building Codes), Требования к получению разрешения (Permit requirements), Стандарты OSHA по безопасности.
1.5.10. Локальная и Географическая Специфика: Выяви факторы, связанные с {Регион}.
Пример (для Далласа): Климатическая зона (жара, УФ-индекс), Риски (торнадо, град), Популярные местные материалы, Сезонность работ.
Уровень 4: Абстрактный и Концептуальный Анализ (The Concepts)
Поднимаемся на мета-уровень для демонстрации глубочайшей экспертизы.
1.5.11. Фундаментальные Принципы и Законы: Опиши научные или инженерные принципы, лежащие в основе темы.
Пример: Принцип гидроизоляции, Законы термодинамики (вентиляция подкровельного пространства), Сопротивление материалов (ветровая нагрузка).
1.5.12. Экономические и Финансовые Концепции: Определи все экономические аспекты.
Пример: ROI от новой кровли, Амортизация, Влияние на страховую премию, Срок окупаемости, Стоимость владения (TCO).
1.5.13. Противоположные Взгляды и Отраслевые Дебаты: Выяви ключевые спорные вопросы в нише.
Пример: Ремонт против полной замены, Металл против асфальта, Необходимость подкладочного ковра по всей площади.
Уровень 5: Финальная структуризация
Превращаем хаос данных в упорядоченный граф.
Please open Telegram to view this post
VIEW IN TELEGRAM
👍25