Tag: оптимизация контента

  • Репурпозинг запросов: как «Матрешка» 2003 года обманывает AI-поиск

    Репурпозинг запросов: как «Матрешка» 2003 года обманывает AI-поиск

    В мире, где AI-системы генерируют новые запросы со скоростью света, старые хакерские приёмы релевантности обретают вторую жизнь. Грег Джарбо, ветеран SEO, рассказывает, как ещё в 2003 году он вручную реализовывал то, что сейчас называют «веерным запросом», используя принцип «русских матрешек». Этот метод позволяет вашему контенту быть найденным по запросам, которые ещё не существуют, и является ключом к репурпозингу запросов в современном AI-поиске.

    Матрешка-SEO: Как это работало до появления AI

    Задолго до того, как термины «веерный запрос» или «GEO» вошли в обиход, Джарбо оптимизировал пресс-релизы, вкладывая короткие фразы в более длинные. Например, если целевая фраза была «авиабилеты в Филадельфию», он искал четырёхсловную версию, такую как «дешевые авиабилеты в Филадельфию», и строил релиз вокруг неё.

    Это позволяло охватить как короткие, так и длинные запросы, делая контент видимым для широкой аудитории. Такой подход обеспечивал максимальный охват, даже когда поисковые системы были менее развиты.

    15% неизвестных запросов: константа Google

    «Я думал, что в какой-то момент большинство запросов уже будут сделаны; люди просто спрашивают одно и то же снова и снова. Но когда мы пересчитываем эти метрики, это всегда около 15%», — Джон Мюллер, Search Central Live NYC, март 2025.

    Google впервые упомянул, что 15% ежедневных запросов являются новыми, в 2019 году при представлении BERT. Эта цифра остаётся стабильной, несмотря на развитие больших языковых моделей. Умножьте 15% на миллиарды запросов Google, и вы получите сотни миллионов уникальных формулировок каждый день.

    Это огромный пласт трафика, который большинство SEO-специалистов недооценивают. Понимание этого феномена критически важно для эффективного репурпозинга запросов.

    Новости как генератор запросов

    Большинство этих новых запросов не случайны. Они рождаются из срочных новостей, новых продуктов, изменившихся политик или фраз, придуманных журналистами. Пресс-релизы, публикуемые в день события, идеально подходят для перехвата этого трафика.

    Если формулировка в релизе точно соответствует тому, что пользователь наберёт в Google, контент может ранжироваться по запросу, которого не существовало на момент написания. Это демонстрирует силу оперативного контента в захвате «нового» поискового спроса.

    AI и обратная матрешка: от широкого к узкому

    Исследование М.Дж. Качон показало, что ChatGPT генерирует подзапросы, которые также не случайны. Изначально модель использует общий, разговорный язык, затем сужает поиск с оператором site: и начинает проверять точные цитаты.

    Использование цитат увеличивается в 25 раз между первым и последним поиском. Это принцип «матрешки», но в обратном направлении: AI начинает широко и сужается до точной фразы для верификации. Такой подход AI к поиску открывает новые возможности для репурпозинга запросов.

    Длина запросов: новая реальность AI-поиска

    Согласно данным Google за май 2026 года, средняя длина AI-запроса в США втрое превышает традиционный поисковый запрос. Данные Качон показывают, что один брендированный запрос ChatGPT разветвляется на подзапросы, в среднем состоящие из семи слов.

    Репурпозинг запросов: как «Матрешка» 2003 года обманывает AI-поиск — illustration 2

    Длина — это не побочный эффект AI-поиска, а новая норма, к которой индустрия шла годами. Это означает, что контент должен быть оптимизирован под более длинные и детализированные запросы, чтобы соответствовать поведению AI.

    Практические шаги: как обмануть алгоритмы и масштабировать контент

    Чтобы эффективно использовать эти знания для репурпозинга запросов, необходимо выработать три ключевые привычки:

    1. Ищите вложенные фразы, а не только ключевые слова. Для каждой трёхсловной ключевой фразы найдите две-три четырёх- и пятисловные фразы, которые её естественно содержат. Стройте свои вводные абзацы или заголовки H2 вокруг более длинной версии.
    2. Публикуйте со скоростью новостей. 15% новых запросов связаны с недавними событиями. Если у вашей организации есть канал для публикации в тот же день (пресс-релиз, блог, страница быстрого реагирования), это ваш лучший шанс занять место в выдаче до того, как конкуренты узнают о существовании фразы.
    3. Пишите дословный ответ как цитируемое предложение. Данные Качон показывают, что AI-системы всё чаще проверяют утверждения, ища точную цитату из вашего контента. Перепишите предложение, отвечающее на вопрос, так, чтобы оно могло быть взято целиком и при этом сохраняло смысл.

    Эти методы не заменяют фундаментальные принципы SEO, но дополняют их, фокусируясь на длинном хвосте запросов, который раньше был недооценён. Они позволяют эффективно адаптироваться к меняющимся алгоритмам AI-поиска.

    Часто задаваемые вопросы

    Что такое «веерный запрос» в контексте AI?

    «Веерный запрос» (query fan-out) — это процесс, при котором одна исходная пользовательская фраза или запрос разветвляется на множество более специфичных подзапросов, генерируемых AI-системой. Это позволяет AI глубже изучить тему и найти более релевантную информацию, сужая поиск от общего к частному.

    Как принцип «русских матрешек» связан с SEO?

    Принцип «русских матрешек» в SEO означает включение коротких, высокочастотных ключевых фраз в более длинные, низкочастотные запросы. Например, фраза «авиабилеты» может быть вложена в «дешевые авиабилеты в Филадельфию». Это позволяет контенту быть найденным по запросам разной длины, увеличивая его видимость и охват аудитории.

    Почему 15% запросов Google всегда новые?

    Эти 15% запросов всегда новые, потому что они напрямую связаны с развитием событий в реальном мире: новостями, появлением новых продуктов, изменением законодательства, культурными феноменами. Люди ищут информацию о том, что только что произошло или появилось, генерируя уникальные формулировки, которые ранее не существовали. Это подтверждает важность оперативной публикации контента.

    Как AI-системы используют цитаты для проверки информации?

    Исследование М.Дж. Качон показало, что AI-системы, такие как ChatGPT, после широкого поиска начинают проверять информацию, используя точные цитаты. Они ищут конкретные предложения в контенте, чтобы убедиться, что источник действительно утверждает то, что AI интерпретирует. Это подчеркивает необходимость формулировать ответы максимально точно и цитируемо.

    Заключение

    В эпоху доминирования AI, понимание того, как системы генерируют и обрабатывают запросы, становится критически важным. Применяя принципы «матрешки», оптимизируя контент для длинных и вложенных фраз, и публикуя его оперативно, вы сможете опередить конкурентов и захватить трафик, который ещё даже не родился в сознании пользователей.

    Начните применять эти хакерские приёмы уже сегодня, чтобы ваш контент не просто существовал, а масштабировался и обманывал матрицу поисковых алгоритмов. Не упустите возможность стать лидером в своей нише, используя передовые стратегии репурпозинга запросов!

  • AI-диалоги в Search Console: как распознать и использовать

    AI-диалоги в Search Console: как распознать и использовать

    В августе SEO-специалист Анастасия Куру заметила в отчете Search Console запросы, не похожие на поисковые: «Да», «Да, продолжай», «Да, цена». Джон Мюллер подтвердил: Search Console учитывает данные AI Overviews и AI Mode в общем отчете, а последующие вопросы внутри AI Mode фиксируются как новые запросы. Это открывает возможность анализировать фрагменты ИИ-диалогов, которые попадают в вашу статистику.

    В этой статье разберем, как распознать такие фрагменты в данных Search Console, чем они отличаются от обычных запросов и как использовать эту информацию для оптимизации контента под ИИ-поиск.

    Семь типов ИИ-фрагментов в данных Search Console

    Я проанализировал 16 месяцев данных своего сайта и выделил семь категорий таких запросов. Каждая имеет свое происхождение и особенности.

    Краткие ответы

    Это одиночные слова или фразы вроде «да», «конечно», «покажи». Они возникают, когда пользователь отвечает ИИ в ходе диалога, и ответ обрабатывается как поисковый запрос. Позиции в таких случаях берутся из блока ответа, а не из выдачи.

    Сравнения в диалоге

    Фразы типа «а как насчет Resend?» или «а если попробовать Gemini?» — пользователь просит ИИ сравнить альтернативу с уже полученным ответом. Это сигнализирует о конкретном интересе к вашему контенту.

    Вопросы, адресованные собеседнику

    Грамматика таких запросов подразумевает наличие слушателя: «Можно ли взломать Meta Ray-Bans?», «Как мне это продать?». Они отличаются от обычных поисковых фраз.

    Синтетические промпты от SEO-инструментов

    Регулярные запросы, например, «оцените [компанию] по [критерию]» или «. мое местоположение — сша». Они повторяются ежедневно в течение месяцев, что указывает на автоматизацию.

    Полные инструкции для агентов

    Машины иногда логируют целые промпты, например, «найди в вебе… верни 3 наиболее релевантных результата… не выдумывай URL». Такие строки попадают в отчет как запросы.

    Ошибки и заголовки таблиц

    Люди и пайплайны ищут как есть. В моих данных была целая строка из CSV-файла трекера ранжирования, которая получила 146 показов.

    Длинные запросы без маркеров

    Фразы длиной 10+ слов без явных признаков диалога. Классификатор отправляет их на ручную проверку, так как они могут быть как ИИ-фрагментами, так и обычными длиннохвостовыми запросами.

    AI-диалоги в Search Console: как распознать и использовать — illustration 2

    Как отличить ИИ-фрагменты от обычных запросов

    Ключевое различие — адресат. Обычный длинный запрос никому не адресован, а разговорный — обращен к собеседнику. Четыре сигнала выдают разговорный характер:

    • наличие обращения;
    • вопросительная конструкция;
    • неполные предложения;
    • разговорные частицы.

    Длина сама по себе слабый сигнал, поэтому запросы 10+ слов с вопросительной интонацией классифицируются как разговорные, а без маркеров — отправляются в карантин.

    Практические выводы из анализа

    На моем сайте ИИ-фрагменты начали появляться с марта 2026 года, стабильно 20–30 показов в месяц. Например, запрос «да» дал 110 показов и 6 кликов при средней позиции 4.5 — это невозможно в обычной выдаче, но типично для блока ответа ИИ.

    Сравнительные запросы идеально коррелируют с моими статьями: «а как насчет Claude?» привел к руководству по WebMCP, «а как насчет Xcode?» — к посту об Xcode. Это показывает, что пользователи активно сравнивают альтернативы, и ваш контент может быть упомянут в ответах ИИ.

    Часто задаваемые вопросы

    Можно ли отделить AI Overviews от AI Mode в данных?

    Нет, Google объединяет их в отчете как веб-поиск. Фрагмент указывает на факт диалога, но не на конкретный тип поверхности.

    Почему Google скрывает запросы и клики в отчете Generative AI?

    Отчет показывает показы, страницы, страны, устройства и даты, но не запросы и клики. API не поддерживает эти данные, а экспорт в BigQuery не содержит колонки AI. Единственный способ получить данные — кнопка экспорта в интерфейсе.

    Как настроить классификатор для своего сайта?

    Классификатор genai_conversation_queries доступен в бесплатном Search Console MCP v2.4.0. Установите MCP одной командой, выберите свой проект и запустите анализ. Для больших сайтов используйте версию для BigQuery v4.1.0.

    Заключение

    Анализ ИИ-фрагментов в Search Console дает уникальную информацию о том, как пользователи взаимодействуют с ИИ и находят ваш контент. Используйте классификатор, чтобы выявить скрытые возможности и оптимизировать контент под ИИ-диалоги.

    Начните с бесплатного инструмента и получите данные, которые большинство SEO-специалистов упускают.