Почему-то, когда речь заходит о продвижении в Google, именно в русскоязычной среде специалистов я особенно часто замечаю характерный акцент на Domain Authority. Словно эта метрика — не просто удобный ориентир «для прикидки», а почти главный рычаг, от которого якобы напрямую зависят позиции.

Domain Authority — это не фактор ранжирования. Это метрика, придуманная сторонними сервисами для оценки «силы» домена, а не сигнал, который поисковые системы обязаны учитывать напрямую.

А вот PageRank (в смысле оценки ссылочного веса/авторитетности через граф ссылок) относится к реальным механизмам, которые могут влиять на позиции. Точно так же на выдачу способны воздействовать поведенческие и контекстные вещи: клики, CTR и геолокация пользователя — особенно в запросах с локальным намерением, когда одному и тому же запросу в разных местах система показывает разные ответы.

При этом важно не путать термины:

Ranking signals (сигналы) — это любые наблюдаемые данные, которые поисковик может использовать: ссылки, текст, скорость, клики, свежесть, геопозиция, устройство, язык и т. д.

Ranking factors (факторы) — это те элементы/механизмы алгоритма, которые реально участвуют в вычислении позиции (или веса при итоговом скоринге).

То есть не всякая метрика, которую любят обсуждать в SEO, становится «фактором ранжирования» просто потому, что она коррелирует с успехом. Domain Authority может хорошо предсказывать результаты, но не обязана быть причиной этих результатов. Часто она лишь отражает сумму реальных причин: качество ссылочного профиля, упоминания, траст, историю домена, стабильный спрос на бренд и т. п.

И, пожалуй, сама мысль тут в том, что упор на DA — это не столько про SEO, сколько про человеческую психологию и рынок. DA удобно превращает хаос в одну цифру: её легко сравнить, ею легко объяснить результат, ею легко оправдать бюджет.

Но беда начинается в момент, когда инструмент для грубой оценки начинают принимать за модель реальности. Тогда стратегия подменяется гонкой за показателем: покупают «сильные» домены, меряются цифрами, наращивают «авторитет» ради самого авторитета — и удивляются, почему это не даёт стабильного роста.

Базовая настройка безопасности Linux сервера.

Не надо мудрить. Начинайте защиту не с сложных IDS и фаерволов, а с базовой, но правильной минимизации поверхности атаки.

Отключите неиспользуемые сервисы. Удалите лишние пакеты.
Проверьте список активных портов и закройте те, которые не нужны для работы.

Настройте SSH.
Отключите вход для пользователя root.
Используйте аутентификацию по ключам. Отключите вход по паролю.
Смените стандартный порт 22.
Установите Fail2ban для блокировки множественных попыток подключения.

Настройте файерволл.
Разрешите входящие соединения только на определенные порты, например, 80, 443 и ваш SSH-порт.
Запретите все остальные входящие подключения.

Настройте систему логирования.
Проверяйте логи аутентификации и сетевых подключений. Используйте инструменты вроде logwatch для анализа.

Настройте регулярные обновления.
Включите автоматические обновления безопасности или выполняйте их вручную каждую неделю.

Измените настройки парольной политики.
Установите минимальную длину пароля и срок его действия для локальных учетных записей.

Создавайте резервные копии конфигурационных файлов перед внесением изменений.
Храните копии на отдельном сервере.

Эти простые действия снизят риск несанкционированного доступа к системе минимум на 90%.

Закончил читать новую книгу Dr.Maxa. Что могу сказать: книга сильна как архитектурная модель мышления. Слаба как руководство к точному воздействию и опасна как инструкция к Google.

SEO по книге может быть архитектурно идеальным, но есть большая опасность в итоге получить идеальный сайт без трафика. Почему она опасна как инструкция? Потому что создаёт иллюзию управляемости. Это неверно: Google не работает как механизм с кнопками. Он не прямой и не предсказуемый.

Он обучается на огромном объёме данных, меняется без предупреждений и смотрит не на отдельные действия, а на общую картину. Важно не то, что именно ты сделал, а какой устойчивый рисунок из этого сложился.

Когда люди начинают следовать инструкции, их действия быстро становятся одинаковыми. Появляется шаблон. Такие шаблоны легко заметить, особенно в большом масштабе. Как только шаблон распознан, он перестаёт давать результат.

Опасность в том, что можно делать всё «правильно», строго по правилам, и при этом не получить роста. Или даже потерять позиции, не понимая, в какой момент схема перестала работать.

Очень много внимания уделено утечкам. На самом деле утечки — это разрозненные куски внутренней информации. Они относятся к разным годам, разным командам и разным этапам экспериментов. В них нет целой картины, только отдельные детали.

Проблема в том, что утечки часто воспринимают как рабочую истину. Их используют как доказательство, как аргумент в спорах и как основу для решений. Создаётся ощущение, что теперь всё понятно и можно действовать уверенно.

Если смотреть на такие данные без контекста, легко сделать неверные выводы. Возникают связи там, где их на самом деле нет. В итоге стратегия строится на обрывках, а не на понимании того, как система работает сейчас.

Сам факт того, что какие-то сигналы существуют, начинают воспринимать так, будто ими можно напрямую распоряжаться.

На деле большинство этих сигналов собираются в общем виде, сглаживаются и сильно зависят от внешних факторов: поведения людей, ситуации на рынке, сезона. Это не ручки и не кнопки.

Их нельзя просто включить, подкрутить или отмерить с нужной точностью. Любая попытка так действовать — это попытка управлять тем, что на самом деле не находится под контролем. Именно здесь чаще всего и возникают ошибки.

Я ни в коем случае не могу сказать, что книга плохая. Наоборот, она сильная, подробная и заставляет думать. Она хорошо объясняет, как вообще можно смотреть на поиск как на систему, а не как на набор случайных советов. Книга даёт язык, с помощью которого легче обсуждать сложные вещи и видеть связи там, где раньше для вас был хаос.

Проблема не в самой книге, а в том, как её могут использовать. Если читать её как способ расширить мышление и задать вопросы — она полезна. Если воспринимать её как прямую инструкцию к действиям — начинаются риски. В этом и разница между хорошей теорией и практикой.

Обратились ко мне с интересным запросом, у клиента по данным метрики в Safari большое количество отказов, хотя в других браузерах всё нормально. И он очень сильно топает ногами и переживает, что теряет клиентов.

Сначала я было решил, что проблема в сайте с отображением или безопасностью, но быстро стало понятно, что пользователи ни при чём.

Safari — один из самых "строгих" браузеров в плане приватности. Он активно ограничивает: cookies, трекинг сессий, передачу событий и тд.

Из-за этого аналитика часто не видит реальные действия пользователя, даже если он читал страницу, скроллил и взаимодействовал с контентом.

В итоге такие посещения в отчётах выглядят как "отказы", хотя по факту ими не являются.

Достаточно было подправить настройки Метрики, и цифры стали логичными. Этот метод позволяет измерить вовлечённость пользователей, не требуя от них явных действий (кликов, отправки форм).

<script>
setTimeout(function() {
  if (typeof ym === 'function') {
    ym(XXXXXXX, 'reachGoal', 'time_20s');
  }
}, 20000);
</script>

Как настроить цель в интерфейсе:

Зайдите в настройки вашего счётчика в Яндекс.Метрике.

Перейдите в раздел Цели.

Нажмите Добавить цель.

В типе цели выберите «JavaScript-событие».

В поле Идентификатор цели укажите time_20s (или другое имя, которое вы использовали в скрипте).

Сохраните.

Второй вариант:

ym(XXXXXXX, 'hit', location.pathname);

Когда выполняется этот код, Метрика фиксирует визит на конкретной странице, даже если пользователь быстро ушёл, Safari обрывал cookies или сайт был SPA/React/Vue (страница не перезагружалась).

Как установить на VUE:

Берём стандартный код счётчика с Яндекса и вставляем его в head вашего сайта.

В SPA страница не перезагружается, поэтому Метрика по умолчанию видит только первичный визит. Чтобы учитывать все переходы:

В React: добавляем вызов ym('hit', …) каждый раз, когда меняется маршрут.

Пример для Vue (Vue Router):

router.afterEach((to, from) => {
  if (typeof ym === 'function') {
    ym(XXXXXXX, 'hit', to.path);
  }
});

Вывод простой: высокие отказы в Safari чаще всего не из-за сайта, а из-за браузера, сравнивать Safari и Chrome напрямую неправильно. Если видите странные цифры, сначала смотрите аналитику, а не сайт.

Со временем я понял одну простую вещь: выбирать клиентов стоит так же внимательно, как людей в своё близкое окружение.

Главный критерий — чтобы работать было спокойно внутри, без сопротивлений. Чаще всего это становится ясно уже в первые секунды разговора.

И начала вырисовываться чёткая закономерность: самые долгие и прибыльные отношения получаются с теми, с кем легко общаться по-человечески. Без напряжения, без постоянного доказательства своей ценности.

Всегда есть люди и команды, с которыми совпадают темп, интересы и стиль общения. За всей этой суетой, за страхом упустить прибыль, за погоней за маржой — кроются тревога и выгорание.

Траффик на казики гнать станет проще?😂

Google на днях представила новый алгоритм машинного обучения GIST, который помогает обучать модели быстрее и эффективнее, не используя весь массив данных.

Как работает GIST?

Алгоритм решает проблему в два этапа:

🔹 Сначала он задает порог минимального разнообразия — то есть минимальное расстояние между любыми двумя выбранными точками (в пространстве признаков) и строит граф, где похожие точки связаны между собой.

🔹 Далее GIST ищет подмножество точек, которые не связаны между собой (то есть достаточно разные), но при этом дают максимальную суммарную пользу для обучения. Это похоже на поиск гостей для идеальной вечеринке: ты хочешь много интересных людей, но не тех, которые конфликтуют между собой.

Чтобы это делалось быстро и эффективно, GIST пробует разные уровни порогов разнообразия и находит лучший баланс между разнообразием и полезностью с помощью данного алгоритма. Сам процесс отбора очень быстрый по сравнению с самим обучением моделей, что делает его практичным даже для огромных наборов данных.

К чему я это пишу? К тому, что описанный алгоритм как нельзя лучше ложится на принципы веб-поиска. GIST идеально ложится на реальные SEO-задачи, особенно сейчас, когда поиск и AI-ответы всё больше зависят от качества, а не количества данных.

Поисковая система решает ту же самую задачу, что и GIST в ML: Из огромного массива похожих сущностей выбрать небольшое подмножество, которое даст максимальный эффект.

Сущности могут быть: ключевые запросы, страницы, тексты, интенты, анкоры, доноры ссылок, куски контента для LLM / AI-ответов

GIST = максимум пользы + минимум повторов + сохранение разнообразия.

AI-SEO и попадание в ответы LLM — это на самом деле прямое применение GIST. Языковые модели не читают весь интернет и не пытаются учесть всё. Они выбирают несколько фрагментов, которые не повторяют друг друга, закрывают разные стороны вопроса и выглядят максимально полезными. По сути, им нужен набор разных смыслов, а не куча одинаковых формулировок.

И вот тут начинаются проблемы у сайтов. Если контент построен только на максимальном раскрытии семантики, если на сайте нет своих смысловых якорей и чётких акцентов, модель просто не видит причин брать именно тебя. Такой сайт не плохой — он просто сливается с шумом и не попадает в выборку.

Если смотреть на сайт через призму GIST, сразу становится понятно, почему плоская структура почти всегда работает плохо. Когда все страницы похожи друг на друга, для поиска и для AI они превращаются в одну кучу — смыслы слипаются, ценность размывается.

Страницы не должны быть для полного раскрытия миллионной семантики. Каждая нужна не "для галочки", а чтобы усиливать какой-то свой, отдельный кусок темы. Один вопрос — одна страница, один смысл — одна роль.

А хабы в этой логике — это не просто разделы. Это самые ценные точки на сайте, страницы с максимальным весом, которые собирают вокруг себя всё остальное и дают поиску понять: вот здесь главное, отсюда всё растёт.

GIST-подход в AI-SEO и SEO— это когда страниц становится меньше, но каждая из них про что-то своё. Когда между ними есть реальные смысловые различия и задачи. Когда у каждой страницы понятная роль и специализация. И когда внутри есть фрагменты с высокой ценностью — чёткие определения, сравнения, таблицы, куски, которые удобно забрать в ответ. Именно такие вещи LLM замечают и выбирают.

Если убрать все термины, главное SEO-следствие тут очень простое. Поиск движется ровно туда же, куда давно движется машинное обучение. Важен уже не объём, а информационная ценность того, что ты отдаёшь. Не сколько у тебя страниц, текстов или ключей, а насколько эта выборка вообще имеет смысл.

GIST просто дал формулы и язык для того, что адекватные SEO-специалисты давно чувствуют на уровне интуиции. Меньше мусора, меньше повторов, больше осмысленных различий. Понятная структура, где каждая страница не случайная, а со своей ролью и причиной существовать. И именно это сегодня начинает решать больше, чем любые количественные показатели.

Ссылка: https://research.google/blog/introducing-gist-the-next-stage-in-smart-sampling/

Январь выдался совершенно сумасшедшим по колебаниям позиций в Google.

Особенно заметно это стало в последние дни — во всех инструментах отслеживания просто взрыв активности, и в зарубежных SEO‑сообществах не утихают обсуждения.

Такое ощущение, что весь поиск трясёт, а Google при этом до сих пор официально не подтверждает изменение алгоритмов. Но, складывается впечатление: что-то действительно серьёзное происходит.

Так вот, не связано ли это с GIST? Это многое бы объяснило...

Удивляют кейсы, когда пишут: "Ведём клиента по SEO около 3 лет", но в рамках GEO мы попросили его создать новые посадочные под запросы, пересмотрели структуру статей и начали продвижение бренда на популярных площадках.

У меня возникает вопрос: а что вы вообще раньше делали?

Многие любят говорить о концепции EEAT (Expertise, Expertise, Authority, and Trust) от Google, которая не является фактором ранжирования .

Это концепция, используемая в руководстве для оценщиков качества, документе, используемом живыми аксепторами для проверки веб-страниц. Результаты этих проверок передаются инженерам. Вот и всё.

Экспертиза приобретается годами практики (в виде опыта), и Google использует граф знаний сущностей, чтобы помочь понять взаимосвязи. Вы не можете просто добавить EEAT на веб-страницу, это то, чего вы достигаете, подтверждая свою экспертность и опыт посредством накопления авторитета и доверия. Вы не становитесь экспертом за одну ночь, и доверие тоже не завоевывается за одну ночь.

Таким образом, EEAT развивается благодаря неизменному стремлению к совершенству в вашей области и на вашем веб-сайте.

Количественно оценить эти аспекты невозможно, хотя проприетарные инструменты предоставляют собственные метрики, используя показатели авторитетности домена (Domain Authority).

Существует понятие тематического авторитета, когда ваш веб-сайт/страницы и их авторитетность демонстрируют вашу компетентность. Для расширения в другие области вы просто разрабатываете и продвигаете контент. Это не считается "экспертизой".

Если ваш веб-сайт посвящен приложениям для Android, ваш тематический авторитет — это приложения для Android. Но вы не добьетесь больших успехов в отношении смарт-часов. Поэтому вам придется начать разрабатывать контент, посвященный смарт-часам, и продвигать его.

Вот так живёшь себе спокойно, никого не трогаешь — и вдруг бац: сорок лет...

Что ж, у каждого свои приоритеты в день рождения: кто‑то бухает и отмечает, а я иду на матч звёзд КХЛ...