⭐️ Как Google генерирует сниппеты в выдаче

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

Google Search Console для оптимизации под LLM (часть 2)

Продолжение. см часть 1.

Теперь разобьём мастер регулярку на более полезные группы


Модульные фильтры (по группам)

Фильтр 1: Вопросительные слова - ядро

(?i)^(what|how|why|when|where|who|which|is it|are there|can i|can you|should i|could you|will it|does it|do i)(\s|$)

Вопросительные запросы триггерят AIO в 57.9% случаев — это почти втрое выше baseline в 21%. 66.5% всех запросов, которые уже показывают AIO, сформулированы как вопросы.


Фильтр 2: Сравнения (Trigger Rate ~26%, 100% RAG в LLM)

(?i)(vs|versus|difference between|compared to|better than|alternative|alternatives to|which is better|pros and cons|compare|comparison)

Trigger rate для сравнений - 26.2%. При этом в LLM-системах такие структуры активируют веб-поиск в 100% случаев, поэтому их ценность для RAG-citation выше, чем следует из AIO-цифры.


Фильтр 3: Best / Top / Lists

(?i)^(best|top|leading|most|types of|list of|ranking of|overview of|introduction to|complete|ultimate|checklist|full guide)(\s|$)

Фильтр 4: Определения и объяснения

(?i)^(what is|meaning of|define|explain|examples of|benefits of|risks of|symptoms of|causes of|what happens|what causes)(\s|$)

Фильтр 5: How-to и процессные (Trigger Rate 58%)

(?i)^(how to fix|how to get|how to make|how to find|how to create|how to build|how to start|how to use|how to choose|steps to|guide to|tips for|getting started|beginner|step by step)(\s|$)

How-to запросы показывают trigger rate ~58% по данным отраслевых исследований. Именно эта категория создаёт наибольший риск zero-click: CTR на позиции #1 упал на 34.5–61% при наличии AIO.


Фильтр 6: Freshness-триггеры (100% RAG в LLM)

(?i)(in \d{4}|latest|current|as of|updated|new in|still|anymore|yet|\b202[4-9]\b)

Запросы с freshness-маркерами (latest, current, год) принудительно активируют веб-поиск в LLM в 100% случаев. Это единственная группа, где механизм подтверждён экспериментально, а не через корреляцию.

Фильтр 7: Коммерческий MOFU/BOFU

(?i)(cost of|price of|how much does|is it worth|should i use|worth it|free trial|recommended|vs .+ for)

Фильтр 8: Conversational / AI-style (9+ слов)

^(\S+\s+){8,}\S+$

Запросы 9+ слов с высокой вероятностью являются conversational prompts, перенесёнными из LLM-интерфейсов в Google. Они имеют крайне высокий trigger rate и ценны для обнаружения тематик, где пользователи используют оба канала.


РУССКИЙ ЯЗЫК — Модульные фильтры


Вопросительные слова — ядро

(?i)^(что такое|что это|как|почему|зачем|когда|где|куда|кто|какой|какая|какие|какое|можно ли|стоит ли|нужно ли|надо ли|будет ли|есть ли|выгодно ли)(\s|$)

Принцип тот же, что в EN: вопросительная форма — сильнейший единичный предиктор появления AIO.


Фильтр RU-2: Сравнения

(?i)(vs|versus|сравн(ение|ить|иваем|ивать)?|разница между|чем отличается|что лучше|какой лучше|лучше чем|альтернатив(а|ы)?|обзор|отзывы)

Фильтр RU-3: Best / Top / Рейтинги

(?i)^(лучш(ий|ая|ие|ее)|топ|рейтинг|список|виды|типы|подборка|чеклист)(\s|$)

Фильтр RU-4: Определения и объяснения

(?i)^(что такое|что это|значение|определение|объясни|объяснение|примеры|польза|преимущества|недостатки|риски|симптомы|причины|что влияет|что вызывает|что будет если)(\s|$)

Фильтр RU-5: How-to / Процессные

(?i)^(как сделать|как исправить|как получить|как создать|как начать|как использовать|как настроить|как найти|как выбрать|как убрать|инструкция|руководство|гайд|советы|шаги|пошагово|для начинающих)(\s|$)

Фильтр RU-6: Freshness-триггеры

(?i)(в \d{4} году|в 202[4-9]|последн(ий|яя|ее|ие)?|актуальн(о|ый|ая|ое|ые)?|на сегодня|обновлен(о|ный|ная)?|новое в|все еще|еще работает)

Фильтр RU-7: Коммерческий MOFU/BOFU

(?i)(цена|стоимость|сколько стоит|выгодно ли|стоит ли|бесплатн(о|ый|ая)?|дешев(о|ый|ле)?|обзор|отзывы|альтернатив(а|ы)?)

Фильтр RU-8: Troubleshooting

(?i)^(как исправить|не работает|ошибка|проблема|почему не|не запускается|не включается|как убрать|как отключить|что делать если)(\s|$)

Фильтр RU-9: Conversational / AI-style (9+ слов)

^(\S+\s+){8,}\S+$

(Идентичен EN-версии — синтаксис не зависит от языка.)



🔔 Узнайте как поддержать развитие канала.

ps
самый простой метод оптимизации - это запихивание запроса в <h2> и инкапсуляция ответа под ним (строго 40-60 слов). После чего с нового параграфа даем расширенный ответ.

📔 DrMax: Доказательное SEO 2026 + Введение в Промптоведение

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

❄️Всяческая SEO халява

#DrMax #SEO #GSC #Промпт #AIOverviews