🔝 Факторы ранжирования в популярных нейронках (LLM) 🔝

Мы в Rush Agency запустили GEO как услугу для клиентов еще в мае. В аналитике факторов ранжирования опирались в основной на свой опыт и тесты, на тот момент западного особо ничего не читали и империческим путем выявили какие факторы влияют на цитируемость контента популярными LLM.
В ноябре был на докладе Michal Suski (один из фаундеров Surfer SEO) и они на 10 миллионах запросов сделали исследование факторов попадания в рекомендации LLM. Что интересно практически один-в-один все сошлось с тем что мы делаем.

Вот список факторов из исследования и описание от меня что они значат:

Early Query Confirmation - ранее подтверждение присутствия ответа на запрос пользователя на странице. Я бы сказал, что из первых 1000 символов LLM должна понять, что на этой странице она МОЖЕТ найти ответ на запрос. Практический совет - не пишите воду в начале статьи. Вот почему на первом экране многие западные инфо-порталы размещают блок Key Takeaways

Intent Alignment - соответствие интенту. LLM тоже имеют граф знаний на подобие Google Knowledge Graph и могу рассчитывать связь сущностей с основным интентом. Соответственно, если LLM видит, что у вас на странице сущность главного интента связана с релевантными поддерживающими сущностями - то все ОК. Если у вас «вода» вокруг основной сущности - то дело плохо.

Early Query Answer - ранний ответ на запрос пользователя. Раньше было «вхождение ключевого слова в первом абзаце текста» —> сейчас «емкий, короткий ответ на основной интент пользователя в пером абзаце». Отвечайте на основной интент СРАЗУ - в первом абзаце на странице. Не нужно введения вида «Сегодня, в этот прекрасный день наши мега-профессиональные специалисты детально разберут тему N» - то буллшит. Не делайте так!

Section Connectivity - логическая связь межу секциями. Теперь недостаточно «взять все H2-H3» конкурентов из ТОПа и «воткнуть по максимуму в свою статью» как это до сих пор это делают многие SEO-спецы. Теперь у вас должны быть логичные связи как между H2 секциями внутри статьи, так и между H3 секциями внутри H2. Как это сделать не вручную - разберем в следующих постах.

Summary - на сколько «чистые» и понятные ваши секции Key Takeaways и Summary. Я бы поставил вопрос так: «можно ли получить ответ на основной интент если прочитать только эти две секции на странице?» - если ответ «да» - то у вас все хорошо.

EEAT - (Experience, Expertise, Authoritativeness, Trustworthiness — Опыт, Экспертность, Авторитетность, Надежность). В данном случае в рамках страницы. Есть ли у вас в статье личный опыт/кейсы/исследования или это «просто тупая генержка»? Плюс наличие цитат экспертов, ссылок на авторитетные источники. Да - ставить ссылки на внешние сайты бесплатно, чтобы добавить авторитетности своей статье - это нормально. Не жлобитесь!

Author Creditability - авторитетность автора. Фактически учитывается на сколько цитируем автор. Отдельной плюшкой будет если у автора есть Knowledge Graph Panel в Google поиске.

General - specific - «от общего к частному». Еще раз подсвечу - чтобы сейчас нельзя «взять все H2-H3» конкурентов из ТОПа и «воткнуть по максимуму в свою статью». Нужно выстроить флоу повествования, чтобы пользователь погружался в тему вашей статьи «от простого к сложному» - чтобы он не чувствовал себя идиотом от сложности которая вываливается на него с первой строчки текста. В рамках статьи вы должны обучить пользователя и сделать так, чтобы он был рад дочитать до конца. А в конце еще переслал бы статью друзьям.

*!Topical Coverage - полное раскрытие интента. Этот фактор мы выделили сами. Если в факторе Intent Alignment основной смысл в том, что статья про кошек - не содержит 50% инфы про собак или хомяков, то здесь важно НАЙТИ ВСЕ СУБ-ИНТЕНТЫ - скрытые мотивы пользователя и дать ответ на каждый из них. Для этого можете использовать Entity-анализ и выделять суб-интенты оттуда. Мы так и делаем (последний скрин).

В следующем посте расскажу как использовать эти факторы для своей выгоды 🤝😎