🔥 BrandCore: контроль фактов в SEO-контенте

Если у сайта есть расхождения в фактах на его страницах, такой сайт пессимизируется. Гугл не сможет построить для него граф знаний, LLM не будут юзать контент такого сайта в своей выдаче.

Пример:
На одной странице указана одна дата основания компании, на другой - другая. В карточке товара есть характеристика, которой нет в документации. Условия доставки расходятся. Продукт получает свойства, которые когда-то появились в рекламном тексте и больше не были подтверждены. Это редко происходит из-за одной ошибки автора. Чаще причина в процессе: каждый новый материал создаётся на основе неполной, устаревшей или локальной версии данных.

Google рекомендует создавать полезный и надёжный контент, показывать источники, экспертизу, понятное авторство и избегать легко проверяемых фактических ошибок. Для YMYL-тем эти аспекты особенно важны.

Когда на сайте расходятся существенные факты - о составе, безопасности, доставке, цене, лицензии или применении продукта,это не проблема, а катастрофа для сайта. С большой вероятностью он будет наказан отвратительным ранжированием. Но там еще и сопуствующие проблемы вылезают:

- пользователю сложнее принять решение;

- редактору труднее проверить новую публикацию;

- страницы могут описывать одну сущность несовместимыми способами;

- старые материалы продолжают жить в поиске, а новые туда не попадают;

Контент начинает масштабировать не позиционирование компании, а накопленные ошибки.

Еще смешней обстоит с LLM.

Языковая модель не знает, какая страница на сайте "главнее", если это не задано в её контексте.

При нескольких версиях одного факта, LLM из за врожденного паскудства, обязательно выберет устаревший факт, объединит две несовместимые формулировки или добавит ограничение, которого компания не согласовывала. В RAG-сценариях конфликтующие документы также затрудняют извлечение и проверку ответа: конкретная система может отдать приоритет более свежему источнику, показать неопределённость или не использовать часть конфликтующих материалов.

Разработал универсальный протокол BrandCore. По сути это и протокол и рабочий файл для управления фактами, claims и правилами публикации.

В BrandCore фиксируются, сведения о компании, продуктах и линейках; характеристики, аудитории и сценарии применения; разрешённые и запрещённые claims; доказательства и ограничения;и многое другое!

Перед подготовкой страницы SEO-специалист проверяет не только запросы и конкурентов. Он сверяет материал с BrandCore (ну и генерирует контент с его использованием).

Задача BrandCore: уменьшить число публикаций, которые строятся на несогласованных или устаревших данных.

Заполнение требует времени. Нужно собрать источники, сверить их с владельцем бизнеса и продуктовой командой, зафиксировать claims, разрешить конфликты и назначить даты пересмотра. Затем файл нужно поддерживать в актуальном состоянии. Протокол, который не пересматривают, быстро превращается в источник ошибки.

Стоимость подобных заполненных брифов начинается от $2k до $100к. Есть с десяток предложений подобных на рынке. Обычно клиент получает итоговый PDF. Рабочая система, в которой собирались факты, фиксировались источники и принимались решения по спорным формулировкам, остаётся у подрядчика.

BrandCore устроен иначе: это редактируемый файл, который остаётся внутри компании и может поддерживаться без постоянной зависимости от автора методики.

Кстати, позаполняв для своих проектов BrandCore, понял, отчего такие дикие ценники на подобные брифы/протоколы. Это ужасно кропотливый ручной, аналитический труд.

Пришлось делать BrandCore Navigator (по аналогии с TGA Navigator), который позволяет часть данных заполнять на полуавтомате (с ручной верификацией), а остатки добивать в простом диалоговом режиме. Это вразы ускорило заполнение BrandCore-протокола для моих проектов. Раздавать Navigator пока не планирую.

Итак, если SEO-контент выходит регулярно, BrandCore стоит использовать так же дисциплинированно, как технические настройки и контентную архитектуру. Сначала нужно привести в порядок исходные данные. После этого масштабировать публикации становится безопаснее и быстрее.

Пользуйтесь! Протокол лежит в спецпромптканале.



🔔 Узнайте как поддержать развитие канала.

📔 DrMax: Доказательное SEO 2026 + Введение в Промптоведение

📚 25 PRO промптов + Pocketbook DrMax: Промптоведение для SEO-стратегов 2026

❄️Всяческая SEO халява

#DrMax #SEO #SEOштукенции

👀 Механика выбора брендов в ChatGPT

Вычитал интересное исследование про то как ChatGPT формирует выборку брендов по запросу. Оказывается, что модель формирует список брендов сама, до открытия хотя бы одного внешнего сайта. То есть, в большинстве случаев, ЧатГПТ опирается на внутренние базы (обучение), а не на поиск по внешним источникам.

Так, в 21 из 27 случаев ChatGPT добавил в свой первый поисковый запрос бренды, которых пользователь не называл. В 11 из 13 категорий модель самостоятельно вписала конкретные компании ещё до получения результатов поиска. Например, для запроса про приложения для заметок с ИИ она сама вспомнила некие компании Granola, Notion AI, Otter и Fireflies. Это было видно в сетевых данных браузера: запросы модели находятся в JSON-ответе под ключом search_queries.

Всё это проверялось в интересном расширении для Хрома, которое анализирует подобные запросы ЧатГПТ.

Если бренд был назван моделью в её собственном запросе, он попадал в финальный ответ в 68,9% случаев. Если бренд находился поиском, но заранее моделью не упоминался, только в 2,1%!

Автор исследования позже уточнил: поиск иногда всё же добавляет бренды, которых не было в исходном списке. Механику точнее описывать так:

1. Модель сначала формирует список известных кандидатов.

2. Поиск этот список проверяет и иногда расширяет.

то есть, если вы не попали в обучающую выборку, попасть в выдачу ChatGPT на порядок сложней. И все приемы оптимизации под LLM, которые расписывают псевдогуру - зачастую полная ерунда.


‼️ Можете потестить и без всяких расширений. Откройте ChatGPT, включите DevTools в Хроме, перейдите в Network и задайте вопрос вроде:

Какая CRM лучше для небольшой компании?

Найдите запрос к conversation, откройте ответ и поищите search_queries. Посмотрите, какие бренды модель добавила сама.

Повторите это пять раз. Не один раз, а пять.

В одной категории список может быть устойчивым, в другой он будет меняться после каждой переформулировки.

Если вашего бренда нет в этих запросах,никакие page speed или там Schema.org проблему не решат. Сайт может быть идеально технически подготовлен, но модель просто не станет проверять домен, о котором она не вспомнила.


Поискал еще исследования на эту тему.

Нашел дополнительно несколько значимых работ. Например, ребята проверили 12 моделей от шести провайдеров на выборе новостных источников и продавцов. При одинаковом содержании модели систематически предпочитали одни источники другим, даже после прямой инструкции не быть предвзятыми. Предпочтение переносилось между названием бренда, доменом и соцсетями.

Хотя не все однозначно с этими LLM. Работа Incumbent Advantage показала: известный бренд выигрывал у равного по характеристикам конкурента в 100% из 670 испытаний. Но эффект пропадал, если у конкурента появлялся хотя бы небольшой объективный сигнал качества, разница в рейтинге на 0,075 балла. Разложение вариативности показало: характеристики товара определяли выбор на 82,4%, позиция в списке на 6,5%, сама узнаваемость бренда всего на 1,2%.

Узнаваемость работает как решающий сигнал при примерном равенстве. Опять же всё меняется в различных тематиках: d B2B SaaS, где решение принимает один человек и сравнивает функции построчно, этот эффект обычно слабее. В категориях с эмоциональным выбором, вроде фитнес-приложений или подарков, узнаваемость может значить больше, чем в исследовании.

Итак, потестите расширение Хрома со своим брендом. Посмотрите на результаты. Подумайте и прикиньте что к чему. А потом попробуйте сделать так:


1. Запросите промпт у самого ChatGPT. "Какой поисковый запрос он бы сформировал для вашей категории/ниши" (прежде чем реально искать). Вы увидите список кандидатов напрямую. Оттестируйте его в расширении.

2. Закрепите за брендом один конкретный числовой факт и твердите именно его во всех внешних публикациях. Например, не "инновационный сервис", а "единственная CRM с нативной интеграцией WhatsApp дешевле 20 долларов". Разрозненные формулировки на разных площадках мешают модели собрать бренд в одну устойчивую сущность.

3. Давнишний и избитый (но рабочий) прием. Опубликуйте на странице блок со списком, для кого продукт не подходит. Исследования (и практика) показывет, что LLM чаще использует страницы с ограничениями и конкретными условиями, чем страницы только с бахвальством.

4. Проверьте, упоминает ли вас Reddit и профильные форумы. Оптимизация под Reddit из за их спам политики нынче сложна, но это не значит что её нужно забрасывать.

5. Соберите карту противоречивых утверждений о продукте по всему интернету: разные цены, разные лимиты тарифа, разные версии описания функций на партнёрских сайтах. Модель хуже цитирует бренд, если находит противоречащие друг другу версии одного факта. Устранение этих противоречий работает быстрее, чем производство нового контента.

Задание на дом ))

Проверьте десять главных запросов по своей категории. Не только финальные ответы, а именно первые поисковые запросы ChatGPT, как я описывал выше. Если вашего бренда там нет, не начинайте с переписывания Title или еще какими то приемами оптимизации. Сначала добейтесь, чтобы рынок и независимые источники связали ваш бренд с нужной категорией и конкретным сценарием (то есть нужны достоверные и массовые упоминания вашего бренда в прямой связи с этим сценарием).

Прежде чем вкладываться в структуру страниц под цитирование, проверьте, попадает ли бренд в список кандидатов вообще. Если не попадает, даже совершенная и вылизанная в плане оптимизации страница может просто не дойти до модели.


Ну и не забывайте глянуть, что я выложил новенького в нашем спецпромптканале )))

🔔 Узнайте как поддержать развитие канала.

📔 DrMax: Доказательное SEO 2026 + Введение в Промптоведение

📚 25 PRO промптов + Pocketbook DrMax: Промптоведение для SEO-стратегов 2026

❄️Всяческая SEO халява

#DrMax #SEO #GEO

🤫 Как Perplexity выбирает источники

Продолжаем разбор принципов работы LLM. Давайте рассмотрим исследование от того же автора, который разбирал внутренние запросы ChatGPT (я писал про это раньше).

Главное отличие от ChatGPT заключается в наличии у Perplexity хитрого классификатора на 16 разделов. Каждый раздел - это отдельный виджет-кандидат: карты, шоппинг, видео, финансовая карточка, погода со своей вероятностью и порогом срабатывания (для карт нужно превысить 0,85, для шоппинга 0,80, для видео 0,50, для картинок 0,42, для погоды 0,40 и т.д.)

Напомню, у ChatGPT есть режим, когда ответ выдаётся из памяти (выборки из обучения) и интернет вообще не используется для ответа. Perplexity для любого запроса лезет в интернет.

Кроме того, с июля у Perplexity появился отдельный признак доверия к домену. Источник может нести пометку credible или trusted с текстовым описанием, в чём конкретно домен считается первоисточником.

Например, caranddriver.com признан источником для "давно устоявшегося, профессионально отредактированного" автомобильного контента". Goodyear.eu получил флаг trusted для собственных данных о продукции. Это поле пропадало и появлялось между сборками Perplexity, поэтому относиться к нему стоит как к системе, которую всё ещё выкатывают, а не как к устоявшемуся API.

Как Perplexity формирует цитату

Retrieved и cited имеют разные списки, и попадание в выдачу не гарантирует цитирование. Для сравнительных запросов вроде "Ahrefs vs Semrush" самым цитируемым источником оказалась страница Ahrefs с этим сравнением (18 упоминаний). Известный обзор от Backlinko и тред на Reddit были найдены, но не процитированы ни разу. Для запроса про свежий алгоритм Google процитированы были только страницы самого Google, а статья с Search Engine Land трёхдневной свежести осталась без единой цитаты.

Интересно, что в ЧатГПТ Reddit цитируется активно, а YouTube почти никогда, потому что модель получает метаданные видео без транскрипта. В Perplexity YouTube имеет преференции. Например, Ютуб был процитирован 38 раз на запросе про наушники, а три темы из Reddit из той же выдачи не процитированы совсем.

С локальными запросами используется похожая логика, только с привязкой к картам. Тестовый запрос про "Кофейня рядом с DIFC в Дубае" запустила отдельный цикл поиска через карты, и все пять цитат ушли карточкам конкретных заведений. Десять редакционных подборок "лучшие кофейни Дубая" не получили ни одной цитаты. Когда карточка места не используются, цитаты откатываются на подборки (запасной вариант).

Важно, что режим Deep Research читает не сниппет, а полный текст двух-четырёх страниц целиком. В одном замере единственная статья забрала 20 из 30, так как модель полностью прочитала страницу.

Тестируем Перплексити так:

1. Откройте perplexity.ai, откройте консоль DevTools в Хроме

2. Скопипастите перехватчик fetch до отправки запроса (скрипт автор выложил в статье, раздел Run it yourself)

3. Задайте коммерческий запрос по своей нише и посмотрите поле classifier_results.mhe_predictions_full в ответе.

Так видно, какой виджет получил перевес по вероятности для вашего запроса, ещё до готового ответа.


Как использовать:

1. Определите, какой раздел классификатора запускают ваши запросы.

2. Для запросов "X vs Y" публикуйте собственную страницу сравнения с каждым значимым конкурентом отдельно, не одну общую. Страница вендора выигрывает такую цитату у сторонних обзоров.

3. Для коммерческих "лучшие X 2026" пихайте себя в свежие, датированные текущим годом подборки. Размер бренда тут не решает, решает актуальность подборки.

4. Заведите страницу с датированными обновлениями о своём продукте. Для новостных запросов цитируются только первоисточники, и такая страница даёт вам этот статус для новостей о себе самих.

5. Для инструкций и товаров делайте видео.

6. Для локальных запросов заводите и обновляйте карточку в Google Business Profile с точными категориями, а свежую подборку в двух-трёх городских изданиях держите как запасной слой на случай, если карточка места не привяжется.


Несколько дополнительных выводов:

Раз Deep Research читает страницу целиком одним запросом, а не рендерит её как браузер, проверьте свою страницу с отключённым JavaScript. Если контент подгружается только через скролл или отложенный рендер, полный текст может не прочитаться моделью.

Раз trust-поле описывает домен словами вроде credible for конкретной темы, попробуйте ввести такую формулировку в текст страницы о себе: не "мы лидер рынка", а "источник первичной информации о тарифах и условиях [вашей категории]". Поскольку модель уже думает такими формулировками, возможно, ей легче будет зацепиться за текст, написанный в той же логике.


🔔 Узнайте как поддержать развитие канала.

📔 DrMax: Доказательное SEO 2026 + Введение в Промптоведение

📚 25 PRO промптов + Pocketbook DrMax: Промптоведение для SEO-стратегов 2026

❄️Всяческая SEO халява

#DrMax #SEO #GEO #Perplexity

🚨 Выложил BrandCore Navigator для облегчения заполнения протокола BrandCore

На днях я показывал и рассказывал о протоколе BrandCore. По сути - это паспорт сайта/компании, используя который вы гарантируете отсутствие дрифта критически важных данных о компании/сайте.

Наличие расхождений в чувствительных данных ведет к пессимизации сайта. А эти расхождения есть практически у всех. Я прогнал цикл заполнения BrandCore для яндекса и нашел, что в разных местах головная компания имеет разные юридические формы. Что говорить уже о простых компаниях.

Когда я выдал протокол, оказалось, что вручную его заполнение бросают спустя пару часов работы. Возникает много вопросов, ошибок и прочих неурядиц.

Да, это дело непростое, но крайне важное и полезное.

Юзайте Навигатор, он на порядок облегчает заполнение протокола BrandCore.

В спецпромпт канале качайте сам Навигатор и читайте принципы работы с ним.

После этого, прочитайте приложенный к посту файл. Там я привел хитрые приемы работы с Навигатором, на основе личного опыта заполнения протокола.

Кстати, стоимость создания аналогов BrandCore протокола для компании/сайта начинается от $2000 и доходит до $100 000 и выше для больших компанний.

Пользуйтесь.



🔔 Узнайте как поддержать развитие канала.

📔 DrMax: Доказательное SEO 2026 + Введение в Промптоведение

📚 25 PRO промптов + Pocketbook DrMax: Промптоведение для SEO-стратегов 2026

❄️Всяческая SEO халява

#DrMax #SEO #SEOштукенции

👀 Как улучшить видимость бренда в LLM

Узнаваемость бренда у людей и узнаваемость у модели - это два разных явления. Крупный бренд годами строит ассоциацию через рекламу, упаковку, культурную память. Но модель не смотрит телевизор и не помнит детство. Она просто читает тексты в интернете.

Если самая сильная ассоциация бренда живёт в рекламном ролике и в мозге потребителя (например: "Просто добавь воды" или там "Есть идея - есть Икеа"), а не в читаемом текстовом описании на сайтах, разрыв в видимости будет, и вы о нём не узнаете, пока не проверите это сами.

Как правило, модели не хранят бренды в базе данных. Как правило, они собирает картину из того, что находят: сайт компании, карточка в справочниках, отзывы, пресса, обсуждения на Reddit, Wikipedia. Когда источники согласуются между собой, модель отвечает уверенно. Когда они противоречат друг другу, устарели или просто не подкрепляют позиционирование бренда явно, модель заполняет пробелы сама: путает бренд с конкурентом, называет категорию, но не бренд, описывает продукт по устаревшим данным.

Причины такого разрыва заключаются в разных формулировках описания бренда на сайте, в Google Business Profile, в LinkedIn, в справочниках и каталогах.

Это может быть устаревший контент, который отражает прежнее позиционирование, слабый слой упоминаний со стороны, когда независимых источников слишком мало, отсутствие прямого текста о том, что именно делает бренд и для кого. Отдельно стоит история с ребрендингом: если компания несколько лет назад сменила название, старое имя может до сих пор жить в сотнях справочников, пресс-релизов и партнёрских страниц, и модель, встречая оба имени, не всегда способна их состыковать.

💡 Протестируйте свой бренд, так:

1. Откройте по отдельности Google AI Mode, ChatGPT, Gemini и Perplexity

2. Задайте в каждом одинаковые вопросы, формулируя их как обычный человек (без подсказок категории):

➡️Что делает [ваш бренд]?

➡️Для кого он?

➡️Чем он известен?

➡️Как он сравнивается с [конкурент]?

➡️Что говорят о нём клиенты?

3. Запишите, где ответы совпадают, где расходятся и где неверны.

Как пример - задайте в LLM вопрос "Кто такой DrMax". Там вылезет фамилия некоего поца, который точно не я. А всё потому, что сливальщики моих книг зачем то поставили оную фамилию на сливах книженций. Смешно.

Что делать с найденными разрывами:

1. Приведите формулировку позиционирования к одному виду везде: на сайте, в Google Business Profile, LinkedIn, отраслевых справочниках. Не пересказывайте своими словами в каждом месте - используйте одну и ту же формулировку.

2. Опишите на сайте прямо, кто вы, что делаете, для кого и чем отличаетесь. Не заставляйте модель домысливать это из контекста и метафор - дайте формулировку, которую можно процитировать целиком.

3. Сначала чините справочники с высоким весом: Wikipedia, Crunchbase, карточку в Google, крупные отраслевые каталоги. Мелкие площадки - потом.

4.Наращивайте свежие упоминания со стороны: отзывы, пресса, разборы у аналитиков, обсуждения на форумах. PR, выстроенный вокруг нужного позиционирования, усиливает не только восприятие у людей, но и сигнал для модели.

5. Обновите или уберите устаревший контент, включая старые названия после ребрендинга и описания снятых с продажи продуктов. Отдельно проверьте партнёрские и affiliate-сайты: их активно сканируют, а повлиять на их тексты напрямую нельзя, но можно поднять вопрос через партнёрское управление.

6. Добавьте микроразметку Organization, Product, FAQ, LocalBusiness.

7. Заведите свой протокол BrandCore и согласовывайте все свои материалы с ним.


💡Отдельно про Reddit.

Это один из самых цитируемых источников в ответах ИИ. LLM воспринимает его как нефильтрованное мнение потребителей без спонсорства. Используйте Реддит Маппер для поиска сигналов о вашем бренде.

Как правило, самому туда зайти и начать писать не выйдет. Сообщества Реддита настроены скептически к присутствию брендов, и всё, что читается как реклама, вредит больше, чем помогает. Ценность здесь не в участии, а в наблюдении.

Найдите свои упоминания и упоминания категории, посмотрите, какие вопросы повторяются и какие заблуждения живут в тредах, и закрывайте эти пробелы через контент и упоминания со стороны, а не через спамные посты в чужой ветке.


✔️ Повторяйте набор вопросов раз в месяц и ведите простой журнал ответов. Отдельно настройте в GA4 сегмент для переходов из ChatGPT, Perplexity и похожих источников.


🔔 Узнайте как поддержать развитие канала.

📔 DrMax: Доказательное SEO 2026 + Введение в Промптоведение

📚 25 PRO промптов + Pocketbook DrMax: Промптоведение для SEO-стратегов 2026

❄️Всяческая SEO халява

#DrMax #SEO #GEO #AIvisibility

⏺️ Как увеличить трафик сайта за 5 минут кнопкой "Добавить в предпочитаемые источники"

Около года прошло с внедрения Гуглом механизма выбора "предпочтительных источников" (Preferred Sources). На днях Google выпустил встраиваемую версию кнопки, которая держит читателя на странице публикатора вместо отправки на страницу механизма.

Зачем Google это нужно:

Это ловкий ответ на ярую критику Гугла по поводу падения трафика издателей из-за AI-функций поиска.

Важно понимать механику сигнала: это персонализация, а не ранжирующий фактор. Механизм (Preferred Sources) меняет то, что видит конкретный пользователь, а не позиции сайта для всех остальных (хотя и не факт, небось переменную-счетчик какой-никакой вкрячили для ранжирования. Да и поведенческое - возвраты и дочтения нельзя сбрасывать со счета).

По данным Google, пользователи, выбравшие источник предпочитаемым, кликают по нему в два раза чаще. Больше 600 000 уникальных источников уже выбраны пользователями на нынешний день (рост на 200% с мая).

Крайне рекомендую прикрутить такую кнопку себе на сайт. Сейчас это проделывается крайне просто. Кнопка ставится двумя строками HTML, скрипт-тег и div с атрибутом google-add-preferred-source-btn. Клик показывает подтверждение "Add as a Preferred Source on Google", после "Add" читатель оказывается на той же странице, откуда начал. Языки (локализация) также настраивается.

Можно использовать и старый вариант (сейчас это прозывается deeplink-вариант) для CMS без поддержки JavaScript. Его можно вставлять везде, в том числе в email-рассылки и соцсети.

С мая метка "preferred" показывается не только в Top Stories, но и в AI Overviews и AI Mode.

Важно понимать, что механизм работает только на уровне корневого домена или поддомена. Подпапка вроде example.com/blog отдельным источником не считается.

Кому это нужно проделать в первую очередь:

Для информационных сайтов и медиа инструмент подходит практически идеально. Он изначально создан под Top Stories и Discover. При этом получаем хитрые эффекты:

1. прямой канал удержания уже лояльной аудитории одним кликом;

2. видимость в AI Overviews и AI Mode с явной меткой на фоне обезличенной AI-суммаризации;

3. частичная компенсация трафика, потерянного из-за AI-функций поиска.

Google рекомендует ставить кнопку в конце длинных статей и в футере, там, где читатель уже дочитал и вовлечён, а не в начале страницы. Но я бы поставил кнопку в самый вверх, под H1.


С коммерческими сайтами сложнее. Механика спроектирована под новостное потребление контента, а не под карточку товара или страницу услуги. Для чисто транзакционного интернет-магазина без контентного раздела эффект будет близок к нулю. Но тоже можно попробовать выкрутиться:

1. Корпоративный блог на поддомене вроде blog.company.com может претендовать на статус отдельного источника и получить метку в AI Overviews по информационным запросам категории.

2. B2B и нишевые издания с коммерческой моделью, например SaaS с сильным контент-маркетингом. Здесь граница между информационным и коммерческим контентом очень слабая, и кнопка работает как инструмент удержания читателей блога, которые потенциально конвертируются в лиды.


✔️ Что сделать прямо сейчас:

1. Зайдите на страницу механизма и проверьте там свой сайт. Нерегулярно обновляемые сайты могут быть недоступны для этой функции.

2. Если сайт виден, ставьте кнопку одним из способов, расписанных на Гугл Девелоперсе.

3. Для email-рассылок и соцсетей используйте deeplink-вариант. Там есть архив с локализованными картинками кнопок.

4. Через пару недель проверьте рост возвратов пользователей в Аналитиксе.

Не ждите прямого роста позиций от самой кнопки. Это персонализированный сигнал, а не ранжирующий фактор, поэтому метрика успеха здесь - повторные визиты и клики выбравших вас пользователей, а не позиции в выдаче (что, повторюсь, не факт. Ибо поведенческое - решает многое!).

Для чисто транзакционных страниц без контентного компонента механизм бесполезен. Механика построена вокруг привычки читать, а не вокруг разовой покупки.

Тестируйте!



🔔 Узнайте как поддержать развитие канала.

📔 DrMax: Доказательное SEO 2026 + Введение в Промптоведение

📚 25 PRO промптов + Pocketbook DrMax: Промптоведение для SEO-стратегов 2026

❄️Всяческая SEO халява

#DrMax #SEO #GEO #Google #AIOverviews #SEOштукенции

💸 Как экономить токены LLM

Сегодня посчитал стоимость работы с несколькими старшими LLM и малость загрустил. Токены старших моделей стоят прилично и при массовой работе (а в SEO это обычное дело) это кушает бюджет крайне быстро.

Есть несколько наработанных приёмов снижающих расход токенов без потери качества.

1. Режем промпты на статичную и динамическую часть и никогда не трогаем порядок и текст статичной. Практически все LLM имеют кэширование префикса промпта, и повторяющийся неизменный блок обходится в разы дешевле при каждом следующем вызове (работа с кэшем в разы дешевле). Но ежели вы залезете в промпт и что то допишете, то кэш сбрасывается.

2. Маршрутизируем задачи по сложности, а не гоняем всё через старшую модель. Классификация запроса, извлечение сущностей, форматирование и т.д. это работа для младшей модели, и разница в цене может быть десятикратной. Старшую модель оставляйте только там, где реально нужно её рассуждение.

3. Используем batch API для всего, что не требует ответа в реальном времени. У основных провайдеров пакетная обработка стоит заметно дешевле обычных синхронных запросов, а массовая генерация контента почти никогда не требует немедленного ответа.

4. Задаем выходной контракт явной схемой. Как известно, output-токен обходится раза в три дороже input-токена, а размытая инструкция к выводу провоцирует модель отвечать многословнее, чем нужно.

5. Безжалостно рубим из контекста RAG-документы и tool-описания, не относящиеся к конкретному запросу, вместо "на всякий случай прикрепить всё". Лишний документ отъедает токены и размывает внимание модели.

6. И последнее, самое системное - компрессия самого промпта.

По компрессии промптов накоплен приличный пул исследований. По сути это целое направление исследований:

➡️Обзорная работа Prompt Compression for LLMs: A Survey раскладывает область на hard-подходы, которые режут обычный читаемый текст, и soft-подходы, кодирующие контекст в нечитаемые векторы.

➡️LLMLingua отбирает информативные токены и защищает числа от удаления, а LLMLingua-2 превращает тот же отбор в задачу классификации через дистилляцию и обгоняет первую версию по скорости и качеству.

➡️RECOMP показывает, что для RAG выгоднее сжимать документы в текст под конкретную задачу, а не делать общий пересказ.

➡️А работа Relevant but Incomplete поймала неприятный эффект: агрессивное сжатие часто оставляет факт, но вырезает его определение или условие, и такой обрубленный контекст выглядит релевантным, но реально бесполезен для модели.

Отдельного внимания стоит работа Compression Method Matters: при коэффициенте сжатия 0,3 средняя длина ответа на одном наборе задач выросла в 56 раз, потому что сжатие повредило центральную часть инструкции. Экономия на входе обернулась взрывным ростом на выходе, а с учётом того, что выходной токен дороже входного, итоговый счёт получился хуже исходного.

С последним мириться было нельзя, и за дело принялся знающий человек - наш военком.

Отсюда и родился PromptSculptor - хитрый и ловкий промпт для сжатия других промптов!!!!

У него два рабочих режима:

➡️COMPRESS сжимает промпт на одном из трёх уровней риска, от точечной нормализации до агрессивного переписывания, и никогда не трогает soft-пожелания без явного разрешения.

➡️AUDIT сравнивает оригинал и сжатую версию по конкретным проверяемым пунктам: не потерялось ли ограничение, не сломалась ли схема вывода, не осталась ли в тексте ссылка на определение, которое вырезали при сжатии. Там, где промпт слишком рискованно жать на запрошенном уровне, встроенный механизм сам понижает уровень сжатия.

Промпт PromptSculptor и хэлп к нему выложил на канал со спецпромптами.

Изучайте и тестируйте.



🔔 Узнайте как поддержать развитие канала.

📔 DrMax: Доказательное SEO 2026 + Введение в Промптоведение

📚 25 PRO промптов + Pocketbook DrMax: Промптоведение для SEO-стратегов 2026

❄️Всяческая SEO халява

#DrMax #SEO #LLM #промпты

😳 Новая эпоха контролируемых экспериментов

Продолжаем разбор супер интересных исследований по GEO/SEO. Три свежие работы вместе показывают смену эпохи: индустрия уходит от наблюдений и постфактумных объяснений ("выросло значит, помогло") к контролируемым экспериментам с заранее зафиксированным контрактом измерения.

Первая работа, Agent2UCB, решает задачу выбора тактики оптимизации через bandit-подход: систему не заставляют применять все приёмы подряд, она сочетает уже проверенные тактики с исследованием непроверенных, постепенно смещая приоритет к тому, что реально работает для конкретного типа страницы и интента.

Не существует одной универсально лучшей правки - для одной страницы важнее закрыть содержательный дефицит, для другой критична доказательность, а для третьей стоит протестировать title.

Вторая работа, Beyond the Vacuum, напоминает, что страница не оптимизируется в вакууме. Авторы строят пространство из 15 стратегий, дающее 2 в 15-й степени возможных комбинаций, и ищут удачные сочетания с учётом того, что уже делают конкуренты в том же корпусе результатов. Если несколько конкурентов уже усиливают одинаковые признаки извлекаемости, копирование того же приёма перестаёт давать эффект - сигнал приходит к дифференциации, а не к повторению.

Третья, CHASE. В симуляции повторной оптимизации всей популяции документов под фиксированный ранжирующий сигнал связь между сходством текста с профилем лидеров выдачи и независимой оценкой качества снижалась во всех шести доменах эксперимента. Рост похожести на конкурентов и рост объективного качества - это разные оси, и путать их означает медленно портить контент, считая это успехом.

На основе этих трёх работ собрал демо-скилл SignalForge - навык для старта работы с контролируемыми переменными в SEO/GEO. Он не пишет SEO-текст и не гонится за видимостью любой ценой. За один цикл он предлагает не больше трёх гипотез, для каждой фиксирует контракт измерения до публикации: основную метрику, ограничители, которые не должны ухудшиться, и минимальный срок замера.

От Agent2UCB он берёт адаптивный выбор тактики по накопленному опыту, от Beyond the Vacuum - анализ конкурентного корпуса вместо слепого копирования, от CHASE - разделение метрик поиска, генеративной видимости, качества и бизнеса на четыре независимых группы, чтобы рост одной не маскировал провал другой.

Скилл рассчитан на один долгоживущий чат и одну целевую страницу: на входе снимок страницы, пять конкурентов, срез SERP с AI Overview и выгрузка Google Search Console, а дальше цикл диагностика → гипотезы → контракт измерения → правка → срез среды → замер → обновление журнала опыта.

Это демо-версия (полностью рабочая). Но заточка под конкретную нишу и конкретный сайт - с типовыми интентами именно вашей категории, с профилем конкурентов, с которым скилл уже сталкивался, с локальными особенностями SERP - делается отдельно (по индивидуальному запросу).

Отдельно уточню: логика скилла совместима с GIST, который мы разбирали неоднократно. GIST работает на уровне содержательной логики текста, а SignalForge - на уровне измеримого эксперимента над готовой страницей.

Важно осозновать, что если вы меняете страницу и смотрите на цифры через месяц без заранее зафиксированного порога успеха и без снимка того, что делали конкуренты в этот же период - вы не проводите эксперимент, вы придумываете историю к уже случившимся цифрам задним числом.

Скачать скилл SignalForge можно в канале со спецпромптами.

📔 DrMax: Доказательное SEO 2026 + Введение в Промптоведение

📚 25 PRO промптов + Pocketbook DrMax: Промптоведение для SEO-стратегов 2026

❄️Всяческая SEO халява

#DrMax #SEO #GEO #Промпт

🚨 Как Google придавил спамеров в августе

18 августа Google выкатил очередной спам-апдейт (раскатка заняла 2 дня). Для попавших под него сайтов провалы были огромными с моментальными обвалами трафика.

Важно: это был спам-апдейт про контент, а не про ссылки (линк-спам апдейты идут отдельно). Гленн Гейб разобрал четыре интересных обезличенных кейса пострадавших сайтов

1. Ультра-YMYL ниша (там, где на кону здоровье или деньги пользователя), программатик-контент плюс куски текста с почти стопроцентной вероятностью AI-генерации на тех же страницах. Сайт потерял ранжирование по 200 тысячам с лишним запросов. Скажем всего хорошего таким неумным товарищам, которые генерачат тоннами контент, без привнесения хоть минимальной ценности.

2. Классический партнёрский сайт на Amazon (полностью программатик, категории и карточки товаров генерятся из фида, местами даже без картинок), а внизу страниц - текстовые блоки с вероятностью AI-контента 97% и выше. Минус 14 тысяч запросов. Автор сетует, что восстановить такой сайт без полной перестройки модели практически нереально. Кстати именно тут и нужна связка GIST + Реддит Маппер (хотя бы надергать отзывов о товаров и на их основе давать GIST скиллом доп рекомендации).

3. Тут было 1,5 миллиона страниц в индексе, из них около 85% - программатик, и хотя на сайте есть реальный пользовательский контент (UGC), большинство страниц не добавляют никакой уникальной ценности сверх того, что уже есть в интернете. Пострадал весь домен целиком, не отдельные разделы.

4. Самый наглый случай: 250 тысяч страниц под рискованную тематику, и клики по ключевым ссылкам ведут на другие, ещё более рискованные сайты. Минус 25 тысяч запросов, и автор прямо удивляется, что сайт вообще не деиндексировали целиком. Пока повезло, но это временно.

Восстановление после спам-апдейта реально, но не быстрое, затратное и очень муторное. Google должен увидеть чистый сайт на протяжении нескольких месяцев (точнее 2-3 апа).

Если попали под раздачу августовского спам апдейта или не хотите попасть под следующий спам-апдейт, то проделайте:

➡️Прогоните сайт по актуальным спам-политикам Google именно по content-категориям (scaled content abuse, thin affiliation, doorway, scraping, UGC spam) - не по линк-спаму, в этот раз он не при делах.

➡️Посчитайте долю программатик-страниц в индексе от общего числа. Если она приближается к 80-85%, как в кейсе три, это уже тревожный сигнал независимо от того, есть ли на сайте живой UGC. Гугл не врет, что он не банит генеренку. Но особенность 99,99% генеренки заключается в её низком качестве. А это Гугл уже с удовольствием давит.

➡️Проверьте партнёрские разделы (если они у вас есть) на признаки говноконтента: страницы без уникального описания, без изображений, где вся ценность - это просто ссылка на маркетплейс.

➡️Прогоните текст через детектор AI-контента там, где вы использовали генерацию с целью просто заполнить страницу, а не решить задачу пользователя. Высокая вероятность AI сама по себе не проблема, проблема - когда за ней нет ценности.

➡️Если решили чистить сайт - не делайте это как разовую акцию перед следующим апдейтом. Google смотрит на устойчивость поведения на протяжении месяцев.

Источник и полные детали кейсов - у Гленна Гейба.

📔 DrMax: Доказательное SEO 2026 + Введение в Промптоведение

📚 25 PRO промптов + Pocketbook DrMax: Промптоведение для SEO-стратегов 2026

❄️Всяческая SEO халява

#DrMax #SEO #GoogleUpdate #SpamUpdate

🔥Реестр промптов спецпромпт канала:


Cocoon Engine X4 - система для сборки семантических коконов 4.0. (Сентябрь 2026)
+
COCOON CHAINSMITH v3 - генерирует пошаговую связку канонических команд CP-Navigator, которую вы затем вводите в рабочий чат с системой (Сентябрь 2026).

GEO Structure Optimizer - оптимизатор структуры страницы

MC Assessor Emulator v2.5 - скилл эмулятор асессора (ноябрь 2026)

=======================

Эмулятор Асессора: Аудитор основного контента — аудит основного контента страницы по логике QRG/Helpful Content (effort, originality, depth, usefulness). Апрель-2026

Эмулятор Асессора: Аудитор спамного контента — аудит сайта на спам, скейл-генерацию, копипаст и авто-сборку по разделам QRG. Апрель-2026

Trend Discovery Prompt 4.0 — прикладной поиск актуальных трендов для контент-стратегии. Апрель-2026

SEO TITAN OS — универсальная промпт-ОС для стратегического SEO/GEO-анализа сайта по выгрузкам AI Performance. Апрель-2026

GIST система промптов — три промпта (анализ конкурентов → ТЗ, генерация текста, самопроверка) для создания страниц по методологии GIST; включает важные дополнения по донастройке под нишу. Май-2026

👀 Аудит страницы по пайплайну ранжирования Google — оценивает вероятность прохождения страницей всех пяти стадий ранжировочного конвейера Google с доказательствами и списком блокеров. Май-2026

SERP Barrier Breaker — находит реальную причину, почему качественный контент не ранжируется, и строит стратегию под конкретный барьер. Май-2026

CHUNK SENTINEL™ v1.0 — симулирует пайплайн RAG-системы (парсинг → retrieval score) для оценки чанкирования контента. Май-2026

‼️ Reddit Mapper V2 (7 промптов) — система из этапов 0-6 (сбор брифа, карта Reddit-сообществ, боли аудитории, язык аудитории, ранние сдвиги спроса, приоритизация тем, архитектура кластеров) для создания востребованного контента на основе Reddit-сигналов. Май-Июнь 2026

🖼 Легенды создаются в выдаче — промпт-шаблон для генерации кинематографичного постера страны/вида спорта/события (для GPT-изображений). Июнь-2026

Listicle Citation Engine (7 файлов) — система промптов 00-06 для поиска подборок-листиклов, оценки их AI-цитируемости и генерации персонализированных питчей для линкбилдинга. Июнь-2026

Forensic SEO Due Diligence (v2 → v3) — форензик-анализ SEO-видео на YouTube: извлекает сильные идеи, отсеивает банальности, v3 добавляет анализ целых методологических фреймворков. Июнь-2026

SemanticRank Orchestrator — система из шести файлов для аудита семантической HTML-вёрстки страницы с фокусом на SEO, LLM-extractability и AI-citation readiness. Июнь-2026

Entity Footprint System™ — двухпромптовая система анализа и усиления того, как Google и LLM распознают сущность бренда/компании. Июнь-2026

Brand Entity Poisoning Forensics v1 — исследовательский промпт для поиска негатива, сущностных конфликтов и признаков координированного давления на бренд. Июль-2026

Ultimate Market-Scoped Differentiation — проектирует уникальный полезный слой (право, оплата, термины, доверие) для каждой языковой/региональной версии страницы. Июль-2026

InfoGapRadar SEO Prompt — систематический поиск информационных лакун, где спрос на контент превышает его качество и объём. Июль-2026

LSI 2.0 Auditor для LLM-цитируемости — диагностирует страницу под внутренний конвейер LLM-поиска (чанкинг, векторизация, отбор фрагментов) для повышения шанса цитирования. Июль-2026

🖼 ISO-промпт Imperial Steam Onion — шаблон генерации сатирических изображений в стиле дореволюционной русской рекламы с современными технологиями как "изобретениями эпохи". Июль-2026

👀LinguaForensic AI Text Detector (v3.8.12 → v3.9.4) — экспертная система детекции и коррекции AI-текста по 284 лингвопризнакам, дискурс-маркерам и GEO-слою цитируемости; позже обновлена для сложных пограничных случаев. Июль-Август 2026

‼️ GIST скилл v3.3 — полноценный скилл-версия GIST Content Logic: полный цикл создания и аудита страниц, включая работу с мета-тайтлами и описаниями. Июль-2026

VeriScan v1.6 — скилл-детектор фейковых отзывов (16 маркеров), выдаёт вердикт FAKE/HUMAN/UNCERTAIN и умеет переписывать AI-отзывы естественно. Июль-2026

LexAdapt v1.5 — переписывает текст под заданный уровень владения языком, сохраняя смысл, без внешних словарей. Июль-2026

CVD - Content Value Detector v2.3 — оценивает, насколько текст заменяем AI-суммаризацией, выдавая Replaceability Score и вероятность выживания в ранжировании. Июль-2026

TEXT HUMANIZATION by DrMax v1.6.1 — редакторский скилл, доводящий черновик до естественного профессионального текста без потери фактов и доказательности. Август-2026

Latent Intent Analyst v2.2 — семантический анализатор запроса, строящий модель явного интента и осторожных гипотез о скрытых потребностях. Август-2026

‼️ Topical Graph Architect (TGA) v4.0.8 — скилл проектирования и аудита семантических коконов: границы темы, карта сущностей, список страниц, схема перелинковки. Август-2026

‼️ TGA Navigator v1.0.3 — надстройка-меню для упрощённой работы с Topical Graph Architect. Август-2026

BrandCore v0.8 — структурированный markdown-паспорт компании (SSOT), прикладываемый к любой задаче генерации контента через LLM. Август-2026

BrandCore Navigator v1.1.4 — диалоговый скилл-проводник для пошагового заполнения файла BRANDCORE.md с подтверждением каждого факта. Август-2026

PromptSculptor v0.4 — сжимает промпты, сохраняя их исполняемое поведение (цель, ограничения, формат вывода), снижая расход токенов. Август-2026

Regulatory & Risk Scanner — предварительная оценка регуляторных, репутационных и содержательных рисков в SEO-стратегии. Сентябрь-2026

SignalForge — навык-протокол для управляемых SEO/GEO-экспериментов в одном долгоживущем чате с памятью о правках и их эффекте. Сентябрь-2026


Более старые промпты выкладывал в этом канале и их ищем тут: #Промпт #Промптоведение (жамкайте на теги).

#DrMax #Промпт

Три приоритета SEO на 2027 год и некоторые выводы из этого.

Ребята уже начали давать прогнозы на будущий год, хотя до НГ еще далече. Вот, к примеру интересный разбор от Search Engine Land про то, куда сейчас реально стоит вкладывать ресурсы в SEO.

Распределение контента по воронке:

Цифры приводятся интересные. По типу интента AI Overview показывается в 36% информационных запросов, 8% коммерческих и 5% транзакционных. Вроде бы середина и низ воронки в безопасности. Но тут оказался важным формат запроса (а не интент). Сравнительные запросы вида "X vs Y" получают AI Overview в 95,4% случаев, "лучшие X" - в 81,3%. Вопросные запросы (что/как/почему) дают AI Overview "всего" 85,9%, но именно на них приходится 1,4 миллиона показов в выборке исследования - основная масса перехваченного трафика идёт именно оттуда, а не с редких сравнительных запросов.

Важно: органический CTR по запросам с AI Overview просел до 1,3% в декабре 2025, но вырос до 2,4% к февралю 2026. Авторы говорят, что это стабилизация, а не восстановление. Хотя делать прогноз по двум месяцам данных не стоит.

Страницы, процитированные внутри AI Overview, получают примерно на 120% больше кликов на показ, чем неупомянутые страницы на той же выдаче. Но даже процитированная страница всё равно отстаёт от результатов без AI Overview на 38%. Цитирование - лучшая доступная позиция на такой выдаче, а не возврат к старому уровню трафика.


Глубина и структура контента:

У многих клиентских сайтов замедлилась индексация больших неструктурированных текстовых блоков. Наш любимчик Джон Мюллер в ноябре 2025 на вопрос про замену AI-текста на написанный человеком ответил: дело не в авторстве, а в том, добавляет ли страница ценность вебу. Переписывание AI-текста руками не делает его автоматически подлинным.

А вот если использовать GIST систему, которой подсовывать факты - дело пойдет получше. Но это уже не Мюллер говорил.

Отдельная цифра, важная для бюджетов: для брендовых запросов earned media даёт 48% цитирований в LLM, брендированный коммерческий контент - 30%, а собственный контент сайта - всего 23%.

Вывод: офф сайт - не главный источник того, что модель говорит о бренде. И это мы уже обсуждали ранее.


Микроразметка и авторитет:

Ahrefs протестировал 1885 страниц, добавивших JSON-LD, против 4000 контрольных - существенного роста цитирований в AI Overview, AI Mode или ChatGPT не нашли, а цитирования в AI Overview даже упали на 4,6%. Отдельный эксперимент searchVIU проверил, что реально читают пять систем при живом обращении к странице (ChatGPT, Claude, Perplexity, Gemini, Google AI Mode) - все пять забирали только видимый HTML, разметку JSON-LD и скрытые Microdata просто игнорировали. Схема остаётся полезной для тех функций Google Search, которые её всё ещё используют. Но говорит о влиянии на AI-видимость уже нельзя.

С обратными ссылками похожая фигня: для видимости в AI Overview упоминания бренда без ссылки коррелируют с показом на уровне 0,664, а обратные ссылки - только 0,218 (данные Ahrefs, речь именно о корреляции, не о доказанной причинности). PR, подкасты, видео и упоминания в чужих сообществах теперь той же строкой бюджета, что и линкбилдинг.


Сделаем несколько выводов:

➡️Отслеживаем не только позицию в выдаче, но и цитирование. Считаем безлинковые упоминания бренда отдельной метрикой (не довеском к ссылочному профилю). Раз корреляция с видимостью в AI Overview у упоминаний втрое выше, чем у ссылок, это заслуживает пристального внимания и усиленного использования.

➡️Добавляем в коммерческий контент собственные данные, реальное тестирование, названные сущности, самодостаточные абзацы, которые модель может выдернуть без соседнего контекста. И используем GIST систему, чтобы она из этих данных выстроила хитрый угол повествования.

➡️Не создаем llms.txt🤣. Наш любимчик Мюллер сравнил его с дохлыми meta tag, и у Google нет требования в машиночитаемых файлах для попадания в AI Overview.

➡️Ну и используем Семантические коконцы. Уже второе десятилетие эта система не дает сбоя.

📔 DrMax: Доказательное SEO 2026 + Введение в Промптоведение

📚 25 PRO промптов + Pocketbook DrMax: Промптоведение для SEO-стратегов 2026

❄️Всяческая SEO халява

🎮 Реестр моих Free промптов из спецпромптканала

#DrMax #SEO #GEO #Прогнозы

📺 Новая Телеконференция у Миши Шакина!

9 сентября, аккурат в 17-00 по Москве состоится телеконференция у Миши с моим участием:

Семантический кокон v.4.0: от силоса до графа сущностей

Если вам нужен трафик, очень много трафика и вы хотите обходить конкурентов не числом страниц, а качеством смысла, то прослушайте мой доклад.

Подписаться на трансляцию вот здесь: https://www.youtube.com/watch?v=VxVv8zwvbDE

Итак, лет шесть назад я рассказывал о первых версиях семантических коконов. Тогда это звучало как откровение: перелинковка, которая думает не ссылками, а смыслом.

Семантический кокон 4.0 - это уже не тематический кластер, не силос и не иерархия "мать - дочки". Произошёл не ребрендинг, а полная смена парадигмы:

➡️От списка URL и ключевых фраз - к управляемой системе ответов на связанные задачи пользователя.

➡️От "страница похожа на страницу" - к "у каждого решения есть причина, альтернативы и уровень уверенности".

➡️От веры в мифические метрики авторитетности - к чёткому разделению подтверждённых фактов и внутренних эвристик.

Вот что лежит в основе коконов, которые действительно приносят трафик:
➡️один граф сущностей;
➡️двадцать семь модулей проверки;
➡️один барьер публикации, который сильнее любого редакторского чек-листа.

Семантический кокон 4.0 - это не философия, а инженерная система, которая постоянно развивается. Вы можете скачать из спецпромпт канала Topical Graph Architect (TGA) v4.0.8 - скилл проектирования и аудита семантических коконов (границы темы, карта сущностей, список страниц, схема перелинковки).

Во время телеконференции я также выдам мощнейшую обвязку над этим скиллом.

Я разберу её устройство по шагам и покажу, в какой именно точке рождается рост позиций, трафика и конверсии.


Доступы к телеконференции:

https://www.youtube.com/watch?v=VxVv8zwvbDE

не опаздывайте!
В чат трансляции можно задать свой вопрос по теме (и не только).

Ну а пока посмотрите о чем я рассказывал у Миши последние несколько лет (правда это далеко не весь список):
➡️https://www.youtube.com/@shakinru/search?query=drmax

Будет интересно!

PS
При желании, в комментариях к этому посту, задавайте насущные вопросы. Если смогу, то отвечу на них во время телеконференции.

#DrMax #телеконференция

➕ Семантические коконы 4.0

Введение в коконцеведение: часть 1.

Классический тематический кластер строится от ключевых слов. Собрали частотность, сгруппировали по смыслу, раскидали по страницам, добавили перелинковку. Это рабочая модель, но она отвечает только на вопрос "о чём написать", а не "зачем читателю выбирать именно эту страницу".

Кокон 4.0 строится иначе - от задачи пользователя и от того, что реально мешает конкурентам дать полный ответ.

Такие Uber-коконцы держатся на трёх слоях решений, а не на одном списке ключей.

Первый слой - реальная аудитория. Не предположения копирайтера о том, что важно читателю, а боли, формулировки, критерии выбора и вопросы, которые люди реально задают в обсуждениях, отзывах, обращениях в поддержку. Это основа, база, на которой строится всё остальное.

Второй слой - архитектура, а не простая группировка/класстеризация по ключам. Каждая сущность и задача пользователя проверяется: это отдельная страница, блок на существующей странице, или вообще не нужно покрывать. Один родительский раздел на страницу, явный список того, что не покрываем, и обязательная проверка на дублирование - включая обратное дублирование, когда общая страница сама отвечает на вопрос дочерней и обесценивает её.

Третий слой - контентная логика внутри страницы. Здесь работает принцип, знакомый по задачам отбора данных: максимизировать пользу и минимизировать избыточность одновременно (GIST система, о которой я много уже рассказывал). Страница не выигрывает от объёма - она выигрывает от того, что говорит нужное и не повторяет то, что уже сказали топы выдачи. Ключевая проверка - заменяемость: сможет ли конкурент воспроизвести этот блок за пять минут. Если да, блок слабый, даже если написан грамотно.

Чем это отличается от обычного кластера

Обычный кластер отвечает на вопрос "что должно быть на сайте по теме". Кокон 4.0 отвечает на вопрос "что реально нужно пользователю, что упускают конкуренты, и как сделать так, чтобы страницу нельзя было просто заменить".

Что это даёт SEO

Ранжирование само по себе никто не гарантирует - но у кокона 4.0 работают конкретные механизмы влияния:

➡️Полнота покрытия задачи снижает риск того, что пользователь после клика вернётся в выдачу за недостающим ответом - а поведенческие сигналы косвенно влияют на позиции.

➡️Отсутствие внутреннего дублирования и обратного дублирования устраняет конкуренцию страниц друг с другом за одну и ту же выдачу.

➡️Недостающие узлы - ограничения, исключения, критерии выбора, способы проверки - закрывают ровно те вопросы, которые обычно решают в комментариях или на форумах, а не на сайте. Это увеличивает время на странице и глубину просмотра.

➡️Низкая заменяемость напрямую влияет на конверсию: страница, которая реально помогает принять решение, а не пересказывает общие фразы, конвертит лучше независимо от позиции в выдаче.

Трафик растёт не за счёт одной супер-страницы, а за счёт связной структуры: правильный родитель и перелинковка равномерно распределяют вес и закрывают длинный хвост запросов без раздувания числа тонких страниц.


➡️Очень подробно я рассказывал про Коконы 4.0. на телеконференции у Миши Шакина.


Почему Кокон 4.0. невозможно посчитать руками

Один кокон - это десятки страниц, у каждой из которых нужно проверить job, ядро темы, пять категорий недостающих узлов, заменяемость относительно конкурентов, родительский раздел без конфликтов, перелинковку без дублей и метаданные с проверкой на устойчивость во времени. Умножьте это на реальные данные аудитории, которые нужно сначала собрать и отделить от предположений. Руками это не провернуть от слова совсем.

У меня масса наработок по работе с Коконами 4.0. Вчера я поделился с читателями канала мощнейшей Cocoon Engine X4 (система из четырёх скиллов, которая проводит весь этот процесс в диалоге).

В систему Cocoon Engine X4 встроен:

➡️Cocoon Pilot - управляющий слой, ведёт диалог и следит, чтобы решения одного скилла не подменяли решения другого.

➡️Reddit Mapper - собирает реальные боли, язык и критерии аудитории, отделяя доказательства от гипотез. Теперь работает не только с Реддитом.

➡️Topical Graph Architect - строит архитектуру: сущности, границы темы, структуру страниц, родителя, перелинковку.

➡️GIST Content Logic - считает логику каждой страницы: ядро темы, недостающие узлы, заменяемость, метаданные.

Систему и полный хелп по работе с ней забирайте в спецпромпт-канале.

На днях я напишу дополнительную брошюру по работе с системой и по верстке коконцев 4.0.

Пользутесь

ЗЫ
Обсуждение ведется в нашем SEO чате (канал с комментариями).


#DrMax #SEO #Коконы4

🧟‍♂️ Семантические коконы 4.0
Введение в коконцеведение: часть 2.

Работа с Cocoon Engine X4: поисковый слой.

Сейчас я расскажу как работать с самой интересной и удивительной частью системы Cocoon Engine X4 - поисковым слоем. То что раньше было реализовно как поиск по Реддиту, сейчас расширено до любых UGC платформ и не только (есть поиск по научным работам, который собирает небывало интересные и полезные углы).

Я подготовил простой пошаговый Гайд, с массой реальных примеров (оттестил в бою) . Вам нужно:

1. Использовать свой чат с LLM с большим контекстным окном. Но я для поискового слоя крайне рекомендую использовать alphaxiv.org (можно бесплатного ассистента, но лучше за 8 баксов прикупить доступ на месяц)

2. Скачать Cocoon Engine X4 и прицепить 4 скилла в новый чат

3. Задать команду

/start

4. Прописать что мы будем исследовать, например:

/исследование
тема: домашняя обжарка кофе
гео: Россия
язык: русский
цель: найти боли, живые формулировки и критерии выбора
материалы:
режим: поиск
разрешаю-поиск: да

и дальше просто копипастить команды из приложенного гайда.

Возьмите свою нишу/ тему и прогоните исследование по гайду. Вы будете поражены, ошеломлены и раздавлены той новой информацией, которой реально нет на ваших страницах.

Для меня сбор первоначального исследования - наиболее интересный и потрясающий слой работы с Cocoon Engine X4.

Тут я прогнал тематику "обжарка кофе на дому", в ожидании кофемашины )))

Пользуйтесь!

📔 DrMax: Доказательное SEO 2026 + Введение в Промптоведение

📚 25 PRO промптов + Pocketbook DrMax: Промптоведение для SEO-стратегов 2026

❄️Всяческая SEO халява

🎮 Реестр моих Free промптов из спецпромптканала

#DrMax #SEO #Коконы4 #CocoonEngineX4

🤫 Google готовит замену всей архитектуре ранжирования

Исследователи Google опубликовали новую работу о том, как обучить модель LLM для замены существующих архитектур ранжирования в поисковой выдаче.

Сначала как работает ранжирование сейчас (очень грубо). Имеется два этапа ранжирования. На первом запрос и документы переводят в векторы и быстро отбирают пул кандидатов. Это происходит очень быстро, дешево по затратам, но довольно грубо. На втором этапе из большого пула кандидатов Cross Encoder ранжирует уже отобранных кандидатов. Это дорогой и затратный этап. Именно тут учитываются большинство из 14 тысяч сигналов, которые мы увидели в сливе API Гугла.

Разделение на два этапа - это компромисс между скоростью и точностью, на котором стоит вся современная поисковая инфраструктура, не только у Google.

Гугловцы предлагают заменить этот тандем на одну LLM, которая сама генерирует готовый ранжированный список документов. Это будет единая модель (Autoregressive Ranking, ARR), которая одним проходом решает задачу и грубого отбора, и точного ранжирования. Обучали её методом SToICaL: документам, которые должны стоять выше, дают больший вес при обучении, а вероятность выбора токенов модель распределяет так, чтобы она сама тянулась к более релевантным ответам.

На тестовых наборах новая модель показала качество, близкое к дорогому Cross Encoder, и заметно обошла этап преранжирования.

У текущего паплайна ранжирования есть математическое ограничение: чтобы представить любой возможный порядок из k документов, размерность вектора должна расти линейно с ростом k. У ARR такого ограничения нет - модель с постоянной размерностью скрытого состояния теоретически способна отранжировать произвольное количество документов.

Перспективы у модели большие. Гугловцы костьми ложатся, чтобы снизить стоимость ранжирования. Это огромные финансовые затраты, которые сказываются на прибыли акционеров. Так что в том или ином виде подобная модель будет запущена в работу.

Что с этим делать реально сейчас: ничего конкретного. Пока это исследовательская статья на небольших тестовых датасетах, а не задокументированное изменение живого алгоритма. Если завтра кто-то предложит вам аудит "по мотивам новой архитектуры ранжирования Google" - гоните его сразу, там просто нечего аудировать вручную.

Если Google реально объединит эти два этапа в одну модель, граница между технической индексируемостью и содержательным качеством может стать намного тоньше, чем сейчас. Уже сегодня разумно проверять свой контент не только на "можно ли меня найти", но и на "за что меня выберут среди найденных" - в единой модели эти два вопроса рискуют слиться в один.

PS

Именно из подобной статьи и именно от Гугл Девелоперов родилась превосходная система GIST, о которой я много вам рассказывал, которую вам выдавал и которая встроена в систему Cocoon Engine X4.

📔 DrMax: Доказательное SEO 2026 + Введение в Промптоведение

📚 25 PRO промптов + Pocketbook DrMax: Промптоведение для SEO-стратегов 2026

❄️Всяческая SEO халява

🎮 Реестр моих Free промптов из спецпромптканала

#DrMax #SEO #GoogleDeepMind #Ranking

🧟‍♂️ Семантические коконы 4.0
Введение в коконцеведение: часть 3.

Работа с Cocoon Engine X4: Аудит своей страницы и доработка до кокона


Сейчас я расскажу как делать аудит одной страницы или всего кластера, как анализировать конкурентов для этого, как искать слабости страницы.

Я подготовил простой пошаговый Гайд. Это набор пошаговых инструкций (системы Cocoon Engine X4) для аудита собственной страницы, проверки её содержания и архитектурного места на сайте, а также последующей доработки до узла кокона (если нужно).

Мануал помогает ответить на вопрос: "у меня уже есть страница/раздел, что с ним не так и как довести до полноценного узла кокона".

Используйте это руководство, чтобы ответить на вопросы (и тут же исправить):

➡️выполняет ли страница свою задачу;

➡️отвечает ли она на реальные вопросы и критерии выбора аудитории;

➡️нет ли похожих страниц, конкурирующих за одну задачу;

➡️есть ли у страницы понятный структурный родитель;

➡️какие важные блоки отсутствуют;

➡️какие утверждения требуют проверки;

➡️что нужно исправить в первую очередь;

➡️следует ли доработать текущую страницу или создать отдельную;

➡️готов ли узел страниц к передаче в производство.


Вот какие проблемы вы можете легко решить, используя пошаговые инструкции и запуская их в системе Cocoon Engine X4:

1. Неполное содержание страницы

Сможете обнаружить:

🔵неотвеченные вопросы пользователя;
🔵пропущенные критерии выбора;
🔵скрытые ограничения товара или услуги;
🔵отсутствие доказательств;
🔵слабый следующий шаг;
🔵повторяющиеся или шаблонные блоки;
🔵несоответствие между title, H1, первым экраном и основным текстом.


2. Неясную роль страницы

Вы сможете точно определить, что должна делать страница:
🔵информировать;
🔵объяснять проблему;
🔵поддерживать пользователя;
🔵сравнивать варианты;
🔵продавать товар;
🔵помогать выбрать категорию;
🔵подтверждать достоверность;
🔵выполнять роль инструмента или калькулятора.

Содержание оценивается не по абстрактному баллу, а по минимальным требованиям конкретной роли.


3. Архитектурные конфликты

Сможете проверить в пределах переданного корпуса:

🔵есть ли дублирующие страницы;
🔵конкурируют ли страницы за одну задачу пользователя;
🔵какая страница является основным структурным родителем;
🔵что объединить;
🔵что разделить;
🔵где достаточно перелинковки;
🔵какой пробел следует закрыть блоком, а какой — отдельной страницей.

Архитектурные выводы действуют только в пределах переданных страниц. Неполный список сайта не позволяет подтвердить отсутствие других конфликтов.


Вы можете проделать и многое- многое другое. Универсальность и мощь системы Cocoon Engine X4 практически безграничны.


Читайте и пользуйтесь на здоровье.

ЗЫ
на странице системы выложил разборы частных случаев использования Cocoon Engine X4. Очень полезно - в стиле копипасть и делай!

📔 DrMax: Доказательное SEO 2026 + Введение в Промптоведение

📚 25 PRO промптов + Pocketbook DrMax: Промптоведение для SEO-стратегов 2026

❄️Всяческая SEO халява

🎮 Реестр моих Free промптов из спецпромптканала

#DrMax #SEO #Коконы4 #CocoonEngineX4

🕸Google признался в пессимизации сайтов за генеренку

Всеми нами любимый Мюллер, говорящая голова Гугла, впервые признался, что Гугл понижает сайты за генеренку. На Bluesky он отвечал на вопрос про упавший программатик-сайт и малость спалился.

Ситуация с приведенным сайтом была такова. Владелец перебирал большой список доменных имён, технологий и атрибутов, находя все возможные комбинации, и штамповал страницу под каждую. Мюллер отписал, что сделать это программисту легко, а с генераторами кода сейчас ещё легче. Получается куча страниц, у каждой "какая-то" ценность есть, но общая картина не впечатляет. Добавление ещё сгенерированных данных вроде "что значит php" эту картину не улучшает.

Дальше он высказался: "Легко накидать много страниц, тяжело дать пользователям реальную ценность."

И дальше часть про общий фильтр на домен целиком. Мол, Google не наказывает отдельные страницы, он теряет доверие к сайту в целом.

Мюллер отписал, что системы Google "возможно, потеряли веру в то, что ваш сайт даёт пользователям реальную ценность", основываясь на старых страницах. Не на текущей странице, не на текущем разделе - на накопленной истории всего домена.

И восстановить это доверие, по его словам, совсем не быстро. Нужно время и заметные усилия, чтобы показать ценность. Он сам сравнивает это с восстановлением после спам-апдейтов и падений из-за core update. Нужна не разовая чистка, а месяцы устойчиво хорошего поведения.

Если призадуматься, то не смотря на слова Мюллера, иногда проще и выгодней перебраться на новый домен. Усилия по восстановлению нужны колоссальные. Поставленный HCU крыжик снять менее чем за 2-3 апдейта Гугла невозможно, да и это не факт, что полная переработка всего сайта поможет.

Что нужно проделывать?

1. Проверьте программатик-разделы не на количество страниц, а на то, добавляет ли каждая шаблонная комбинация реальный, непересекающийся с остальными смысл. То есть те же региональные/страновые страницы. Наклепали одинаковых страниц под разные города с минимальной правкой - это плохо. Без внесения реально полезного угла на них - велик риск бана.

2. Бесполезно исправлять тонкий раздел (генеренку) добавлением ещё сгенерированного текста поверх него. Мюллер говорит что это неработающая тактика. Объём не равнозначен ценности. Верить ему или нет - дело добровольное.

3. Если сайт уже потерял доверие, не ждите быстрого отклика на одну правку.

Тем, кто продаёт "программатик как услугу под тысячи страниц за месяц" без единого слова про ценность для пользователя - можем сразу пожелать удачи с последующим восстановлением доверия Google. Им это понадобится.

📔 DrMax: Доказательное SEO 2026 + Введение в Промптоведение

📚 25 PRO промптов + Pocketbook DrMax: Промптоведение для SEO-стратегов 2026

❄️Всяческая SEO халява

🎮 Реестр моих Free промптов из спецпромптканала

#DrMax #SEO #Google