♾ Суровые методы оптимизации под LLM

Друзья, сегодня эти все LLM находятся в "наивной" стадии развития, типа Гугла до 2011 года. Посему получать с них тонны трафика - наша прямая обязанность. Ну и конвертить оный потом.

Сейчас я расскажу пару про пару приемов сего действа.

Нумер 1. Улучшаем собственные проекты

У OpenAI есть свой юзер-агент — ChatGPT-User (равно как и у иных LLM). Берем лягушачий Log Analyzer (или как его там) и вдумчиво смотрим раз в неделю - куда шарился оный бот.

Проводим углубленный аудит именно этих страниц. Насколько хорошо они структурированы? Разбиты ли на логические чанки с четкими заголовками H2-H3? Насколько информационно плотный и сжатый контент в первом абзаце под каждым заголовком? Усиливайте эти страницы мультимодальным контентом (схемы, таблицы, видео), о котором я писал ранее.

Если вы видите, что ChatGPT постоянно сканирует страницы-инструкции, оформленные в виде "Шаг 1, Шаг 2...", а статьи-рассуждения игнорирует, это прямой сигнал к тому, чтобы переформатировать часть вашего контента в пошаговые гайды.

Если вы видите, что ChatGPT-User активно сканирует несколько страниц, посвященных одной узкой теме (например, разные аспекты "настройки CRM"), это значит, что AI идентифицировал ваш сайт как потенциально авторитетный источник по данной теме.

Используйте эти данные для подтверждения или создания семантических коконов. Если AI "щупает" 3-4 страницы по одной теме, это сигнал, что нужно создать еще 5-7 страниц, закрывающих все смежные интенты, и жестко перелинковать их вокруг Pillar Page.

Особое внимание уделите, если бот сканирует страницы поддержки, инструкции по устранению неполадок или разделы F.A.Q. Это золотая жила. Как я уже говорил, патент Google прямо указывает на анализ всего пути пользователя, включая этап после покупки. Максимально усиливаем такие страницы. Добавляем видео-инструкции, схемы, размечаем все с помощью HowTo и FAQPage schema. Это трафик, который ваши конкуренты, сфокусированные только на продажах, упускают.


Нумер 2. Черная оптимизация

Вот смотрите, что делают некоторые ухари. Они смотрят через сервисы, какие сайты / разделы наиболее облюбованы LLM. После этого тырят контент, меняют бренд, ссылки внутренние и выкладывают 10-15-20 копий сайта (текст и структуру не переделывают).

Посколь LLM ничего не знают о трасте, о PR, авторитете (им это и не нужно) - то они пожирают такой контент с новых сайтов с огромным удовольствием. Поскольку донор подобрал удачную схему доминирования в LLM.

Естественно, что эта шляпа не будет ранжироваться в Гугле. Но им это и не надо - они собирают море трафа на таких говносайтах через LLM.

Этот метод работает прямо сейчас. Вполне возможно, что его скоро прикроют. А может и нет. Но прямо сейчас тысячи индусов клепают миллионы таких говносайтов.

Будете ли вы юзать это - дело ваше.

Вот как то так )))))

#DrMax #SEO #LLM

🤫 Продвинутый AI-копирайтинг 2025 (часть 4)

ВАЖНО: Все промпты сознательно упрощены. Я хочу передать идею, а не способ её реализации. Потому вдумчиво относитесь к написанному. Например, мои рабочие промты состоят из 3-5 этапов, в каждом их которых 15-30 пунктов.


Архитектура "Вопрос-Ответ" и оптимизация под Zero-Click

Какая должна быть архитектура контента? Сейчас мы спроектируем оную. Ключевые принципы таковы:

1. Иерархия на основе интентов.

Заголовки H2: Отвечают на основные, самые жирные интенты. Это как главные главы моей книги (кто не купил в свое время - тот ... ).
Пример: "Как правильно выбрать холодильник для семьи из 4 человек?"

Заголовки H3: Закрывают уточняющие и сравнительные интенты. Это параграфы внутри глав.
Пример: "Система No Frost против капельной: что лучше?", "Какой объем холодильной камеры нужен на 4 человека?"

Неявные интенты: Не требуют отдельных заголовков. Они органично вплетаются в текст соответствующих разделов.
Например, в разделе про No Frost неявно закрываем интент "как часто нужно размораживать холодильник".


2. Каждый заголовок — это поисковый запрос.

Мы должны формулировать заголовки не как повествование ("Особенности системы No Frost"), а как прямой вопрос, который пользователь вбивает в поиск: "В чем плюсы и минусы системы No Frost?". Это напрямую мэтчит текст с запросом.


3. Главный трюк: Формат "Ответ-Выжимка" под каждый заголовок.

Это чистый инжиниринг под Featured Snippet.

Первый абзац (1-2 предложения): Сразу под заголовком идет максимально сжатый, концентрированный, самодостаточный ответ на вопрос из заголовка. Это "дистиллят", который Google может моментально "вырезать" и показать в SERP.

Дальнейший текст: Уже подробно, с примерами и нюансами, раскрывает тему раздела.


4. Борьба с "водой" на уровне структуры.

Задаем жесткие рамки, чтобы LLM не создавала мусор.

1. Ограничение по объему (например >5000 слов).

2. Ограничение по минимальному размеру раздела (не менее 4 предложений).

Эти два правила заставляют модель логически группировать сущности и интенты, а не плодить 100500 микро-разделов по одному абзацу.


Сам мастер-промпт (Шаг "Проектирование Таксономии")

На основе всей ранее собранной информации (сущности, интенты, кластеры) разработай иерархическую таксономию для контента. Руководствуйся правилами:

1. Структура по Интентам: Иерархия H2-H3 должна строиться вокруг карты интентов. H2 закрывают основные интенты. H3 — уточняющие и сравнительные. Неявные интенты вплетай в текст релевантных разделов.

2. Формат "Вопрос-Ответ": Каждый заголовок H2 и H3 должен быть сформулирован как прямой вопрос, который задает пользователь.

3. Оптимизация под Featured Snippet: Сразу под каждым заголовком должен идти первый абзац-выжимка на 1-2 предложения. Это должен быть прямой, самодостаточный и исчерпывающий ответ на вопрос в заголовке. Остальной текст в разделе раскрывает этот ответ в деталях.

4. Контроль "Воды": Общий объем текста должен быть не менее 5000 слов. При этом каждый раздел (текст под заголовком) должен содержать не менее 4 предложений. Группируй связанные темы, чтобы избежать пустых и бессодержательных разделов.

Представь мне готовую таксономию в виде дерева заголовков H2/H3.`

Так мы проектируем контент, который будет эффективен как для пользователя, так и для поисковой системы.


#DrMax #SEO #Промпт #LLM

🔄 Поисковые 'Миссии' и 'Агенты'

Вышла интересная статья на SEJ, где разбирают, как гугловские ИИ-агенты и новый подход к поиску меняют выдачу.

Итак, Google теперь оперирует понятием "миссия" (mission) или "путь пользователя" (journey). Их AI-агенты не просто ищут ссылки, они пытаются выполнить задачу. И для этого они используют несколько механизмов.

1. Query Fan-Out

Мы уже говорили ранее про Query Fan-Out, но теперь это выходит на новый уровень. На ваш запрос "как выбрать велосипед для города" AI-агент в фоне сгенерирует десятки синтетических подзапросов: "сравнение шоссейных и гибридных велосипедов", "лучшие бренды городских велосипедов 2025", "нужна ли амортизация на городском велосипеде", "где купить велосипед в Москве недорого". И контент будут оценивать по способности ответить на весь этот веер, а не только на исходный ключ.

Одиночные страницы-ответы отмирают. Выживут только тематические хабы (коконцы 2.0 и 3.0), которые исчерпывающе закрывают всю тему. Отсюда проистекает задача: не просто написать статью, а построить для AI готовую, верифицированную базу знаний по теме.

2. Принудительная триангуляция фактов (Intelligent Grounding)

AI-агент не доверяет одному источнику. Чтобы верифицировать факт (например, "емкость аккумулятора iPhone 16 Pro – 4500 мАч"), он будет искать подтверждение на нескольких авторитетных, независимых ресурсах. Он сопоставляет данные из статей, видео, официальных сайтов, форумов. Если ваш контент уникален, но не подтверждается нигде больше, его могут счесть недостоверным.

Отсюда вывод, что мультимодальность ныне – не опция, а необходимость. Контент должен подкрепляться видеообзором, инфографикой, таблицами с данными. Ссылайтесь на авторитетные первоисточники (статистика, исследования, официальные документы). Работайте над тем, чтобы ваша информация цитировалась на других ресурсах. Это и есть E-E-A-T на машинном уровне.

3. Граф знаний

Вся работа Гугла одержима идеей достоверности данных. Внутри KG есть строгая иерархия доверия:

kc (knowledge collection): факты из проверенных корпусов (государственные реестры, официальные данные). Это высшая каста.

ss (web facts): "Веб-факты", извлеченные из триллионов страниц в интернете. Большинство наших сайтов болтаются здесь.

hw (human curated): Данные, проверенные и одобренные вручную асессорами.

SEO-задача №1: стать для Гугла "kc" или хотя бы "hw" в своей нише. Вы должны доказать свою экспертность настолько, чтобы ваш сайт стал первоисточником. Это достигается не SEO-текстами, а созданием единого, сфокусированного тематического авторитета. Сливы подтвердили наличие siteFocusScore, который напрямую пессимизирует сайты с размытой тематикой.

Фишка: Гугл использует "призрачные сущности" (ghost entities) для реакции на новые события в реальном времени. Это временные объекты в KG, которые позволяют ему ранжировать контент о трендах, еще не прошедших полную верификацию. Если вы работаете в новостной или трендовой нише, ваша задача — максимально быстро создавать контент, который поможет Гуглу "закрепить" эти призрачные сущности, ссылаясь на ваш сайт как на первоисточник.

По сути, Гугл строит децентрализованную базу знаний, а наши сайты — это ее ноды. Те, кто предоставляет наиболее качественные, структурированные и верифицируемые данные, станут доверенными источниками для AI-агентов.

Остальные будут отфильтрованы как информационный шум.

ЗЫ.
там в статье много всего понаписано, я только кусочек разобрал малый


#DrMax #SEO #Google #SGE #AIOverviews

🤫 Продвинутый AI-копирайтинг 2025 (часть 5)

ВАЖНО: Все промпты сознательно упрощены. Я хочу передать идею, а не способ её реализации. Потому вдумчиво относитесь к написанному. Например, мои рабочие промты состоят из 3-5 этапов, в каждом их которых 15-30 пунктов.


Собрать семантику и список сущностей — это необходимый, но недостаточный шаг. Получается плоский список, при этом Google видит не список, он видит многомерную "модель" темы: что с чем связано, что из чего следует, что чему противопоставляется. Чтобы генерировать контент, обладающий реальной тематической глубиной, мы должны научить LLM строить такую же модель.

Принудительная категоризация сущностей (NER-подход)

NER (Named Entity Recognition) — это технология, которую Google использует для извлечения и классификации именованных сущностей из текста. Сейчас мы заставим LLM саму провести этот анализ и структурировать "сырые" сущности по логическим категориям.

Зачем это нужно?

Без категоризации все сущности для LLM лежат в одной куче (на примере велосипеда) : "Shimano", "карбон", "байкпакинг" и "Specialized" — просто набор слов. Категоризация позволяет выявить разные грани темы. Каждая категория — это потенциальный раздел статьи, новый угол подачи, новый кластер запросов. Это прямой путь к созданию исчерпывающего контента, который закроет тему со всех сторон и покажет поисковику ваш запредельный E-E-A-T.

Пример на модели велосипеда: Specialized Diverge

Если мы просто попросим LLM найти сущности, получим кашу. Если же мы заставим ее провести NER-анализ, то получим вот такую структурированную картину:

[Бренд/Производитель]: Specialized
[Тип/Класс]: Гравийный велосипед, грэвел
[Ключевые технологии]: Future Shock 2.0, SWAT Box (встроенный бардачок)
[Материалы]: Карбон FACT 8r, алюминий
[Компоненты/Оборудование]: Shimano GRX, SRAM Apex, дисковые гидравлические тормоза
[Сценарии использования/Назначение]: Байкпакинг, туринг, гонки по гравию (e.g., Unbound Gravel), зимние тренировки
[Конкуренты/Аналоги]: Cannondale Topstone, Canyon Grizl, Merida Silex
[Целевая аудитория]: Велосипедисты-энтузиасты, путешественники, шоссейные гонщики в межсезонье

Мы получили готовую, многомерную структуру для контента. Каждый из этих доменов — это потенциальный H2/H3 заголовок: "Обзор технологий: как работает Future Shock?", "Сравнение с конкурентами: Diverge против Topstone", "Для кого этот велосипед: сценарии использования".

Фрагмент промпта для встраивания (Шаг "Анализ Сущностей")

Проведи анализ извлечения именованных сущностей (Named Entity Recognition) для темы "[Тема статьи]". Твоя задача — не просто найти сущности, а классифицировать их по категориям, чтобы раскрыть все грани темы.

Идентифицируй все возможные сущности, связанные с темой.

Классифицируй каждую сущность. Используй следующие категории, но не ограничивайся ими, а дополняй и адаптируй их под специфику темы: [Бренды/Модели], [Ключевые технологии], [Материалы/Компоненты], [Процессы/Методологии], [Сценарии использования/Назначение], [Проблемы/Решения], [Конкуренты/Альтернативы], [Географические локации], [Персоналии/Эксперты].

Структурируй результат в виде списка, где каждая категория — это заголовок, а под ним — список релевантных сущностей.

Этот анализ станет основой для создания многомерной и исчерпывающей структуры контента. Это переход от плоского "SEO-текста" к созданию многомерного информационного актива. Это то, как поисковые системы видят контент.


#DrMax #SEO #NER #Промпт #LLM

🤫 Продвинутый AI-копирайтинг 2025 (часть 6)

ВАЖНО: Все промпты сознательно упрощены. Я хочу передать идею, а не способ её реализации. Потому вдумчиво относитесь к написанному. Например, мои рабочие промты состоят из 3-5 этапов, в каждом их которых 15-30 пунктов.


Интегрируем в промпт блок контроля качества. Каждое правило здесь — это директива, направленная на устранение конкретного недостатка ИИ-генерации и усиление сигналов качества для поисковых систем. Список можно и нужно дополнять и изменять, исходя из вашей тематики и желаемой структуры контента.


3.4. Правила и ограничения к качеству контента:

3.4.1. Максимальная салиентность сущностей: Текст должен иметь максимальную семантическую плотность. Используй все сущности, выявленные на Этапе 1, их синонимы и связи. Они должны присутствовать в заголовках, подзаголовках и тексте для максимального охвата предметной области. Не допускай отбрасывания или игнорирования сущностей.

3.4.2. Абсолютная достоверность: Используй только проверенную, фактическую информацию. Исключи любые предположения, допущения и гипотезы. Если данные неизвестны или не могут быть проверены — не упоминай их.

3.4.3. Принципы E-E-A-T и экспертность: Контент должен демонстрировать глубокое понимание темы. Демонстрируй реальный опыт (Experience), экспертизу (Expertise), авторитетность (Authoritativeness) и надежность (Trustworthiness). Внедряй факты, цифры, результаты исследований.

3.4.4. Ясность языка и тональность (Monosemanticity): Используй однозначный, профессиональный, сдержанный и объективный тон. Избегай двусмысленности, разговорного стиля и излишне сложного жаргона. Пиши для умного, но не вовлеченного в тему пользователя.

3.4.5. Полное исключение "воды" (fluff): Удаляй любые общие фразы, не несущие смысловой нагрузки. Каждый абзац должен нести конкретную информацию и отвечать на какой-либо интент.

3.4.6. Запрет на ИИ-клише: Не используй фразы, характерные для ИИ-генерации (например: "в заключение", "таким образом", "стоит отметить", "важно понимать", "в современном быстро меняющемся мире", "является важным аспектом" и т.п.).

3.4.7. Оригинальность и фокус на уникальности: Избегай стандартных, шаблонных фраз, типичных для обзоров. Сфокусируйся на уникальных аспектах, неочевидных деталях и глубоком анализе. Контент должен представлять собой оригинальную мысль, а не пересказ общедоступной информации.

3.4.8. Запрет на рекламу и CTA: Полностью исключи призывы к действию, рекламные формулировки, оценочные суждения ("превосходный", "лучший") и любые попытки продать товар или услугу.

3.4.9. Форматирование списков: Избегай маркированных и нумерованных списков. Преобразуй их в перечисления в рамках естественного языка, через запятую, в одном или нескольких предложениях.


#DrMax #SEO #NER #Промпт #LLM

🤫 Продвинутый AI-копирайтинг 2025 (часть 7)

ВАЖНО: Все промпты сознательно упрощены. Я хочу передать идею, а не способ её реализации. Потому вдумчиво относитесь к написанному.

Теперь интегрируем в промпт две концепции: условную логику для построения адаптивной структуры и специализацию через смену ролей для повышения качества выполнения каждого этапа.

1. Ветвление Промптов (Prompt Branching)

Назначение: Создание динамических, контекстно-зависимых структур контента. Вместо использования одного статичного шаблона для всех случаев, модель адаптирует архитектуру статьи на основе данных, полученных на начальных этапах анализа. Это позволяет одному мастер-промпту генерировать высокорелевантный контент для разных подтипов одной и той же сущности.

Механизм: В промпт встраивается логическая конструкция ЕСЛИ-ТО, которая срабатывает, например, на этапе проектирования таксономии. Условие (ЕСЛИ) основывается на результатах NER-анализа (Этап 1), в частности, на определении типа сущности. Действие (ТО) заключается во включении в структуру статьи предопределенных, специфичных для данного типа разделов.


Пример реализации для темы "Обзор велосипеда":

Анализ (Этап 1): Модель анализирует сущность "Trek Madone" и определяет ее категорию [Тип/Класс] как "Шоссейный велосипед".

Ветвление (Этап 2): Срабатывает условие ЕСЛИ [Тип/Класс] == "Шоссейный велосипед".

Результат: В структуру статьи автоматически добавляются разделы, релевантные именно для шоссейных велосипедов.

Пример промта: Ветвление по подразделам

Примени логику условного ветвления на основе категории [Тип/Класс] сущности, определенной на Этапе 1.

ЕСЛИ [Тип/Класс] == "Шоссейный велосипед", ТО обязательно включи в таксономию подразделы:
"Анализ аэродинамики: профили труб и интеграция компонентов"
"Жесткость кареточного узла и рамы: эффективность передачи мощности"
"Расчет трансмиссии: соответствие передаточных чисел скоростным режимам"

ЕСЛИ [Тип/Класс] == "Горный велосипед (двухподвес)", ТО обязательно включи в таксономию подразделы:
"Кинематика подвески: анализ работы рычагов и anti-squat эффект"
"Прогрессивная геометрия: влияние угла рулевой и reach на управляемость"
"Настройка амортизаторов: сэг, отскок, низко- и высокоскоростная компрессия"

ЕСЛИ [Тип/Класс] == "Городской велосипед (комьютер)", ТО обязательно включи в таксономию подразделы:
"Эргономика и комфорт: геометрия посадки для ежедневных поездок"
"Практичность и функциональность: крепления для багажника, крыльев, освещение"
"Надежность и низкие эксплуатационные расходы: планетарные втулки, защита цепи"

Ветвление с переходом (GOTO-логика)

Этот вариант используется для кардинально разных форматов контента под одной темой.

Проанализируй определенный на Этапе 1 интент.

ЕСЛИ основной интент == "сравнение моделей", ТО перейди к Шагу 2.3 (Проектирование сравнительной таблицы) и построй структуру вокруг прямого сопоставления характеристик [Модель 1] vs [Модель 2].

ИНАЧЕ, продолжи выполнение Шага 2.2.`

2. Специализация через динамическую смену ролей

Попробуем повысить качество выполнения каждого этапа за счет фокусной специализации модели. Это эмулирует рабочий процесс команды из нескольких специалистов.

Механизм: Каждый этап промпта начинается с явного назначения новой роли.

ЭТАП 1: Роль "Дата-аналитик / Семантолог". Задача: объективный сбор и структурирование данных (NER, интенты) без генерации креатива.

ЭТАП 2: Роль "Информационный архитектор". Задача: проектирование логической и эффективной структуры контента на основе данных из Этапа 1, включая применение условного ветвления.

ЭТАП 3: Роль "Отраслевой эксперт-писатель". Задача: генерация текста, наполнение спроектированной структуры глубоким и фактическим контентом.

ЭТАП 3 (Аудит): Роль "Редактор-критик / Факт-чекер". Задача: аудит сгенерированного текста на соответствие всем правилам качества, логики и достоверности.

#DrMax #SEO #NER #Промпт #LLM

🔍 Обзор закрытого клуба Максима Котенкова

Как и обещал, расскажу малость о курсах, доступ к которым мне выдал на ознакомиться Максим.

Первым делом я полез смотреть библиотеку промптов. Она лежит там в готовом к использованию виде. Что сказать - промтов там не много (не тысячи и даже не сотни), но они все профессиональные, многоэтапные, включают в себя хитрые фишки, пару из которых я притырил себе.

Есть промпты для коммерции, есть для текста, есть для генерации мета заголовков и мета описаний с хитрой проверкой на релевантность, промпты для проектирования структуры, генерации отзывов, всяческих там аудитов и так далее. Повторюсь, все промпты сделаны профессионально, но естественно, каждый из них для полной отдачи надо затачивать под себя, под свою тематику, под свой сайт. Впрочем, об этом я твержу постоянно.

Собственно промпты - это лишь малая часть контента в этом клубе. Там имеется порядка 50 полноценных уроков, с видео, с пошаговым обучением, которые призваны обучить всяким хитростям использования LLM- начиная от продвижения под всякие LLM (о чем я периодически публикую посты) и заканчивая работой с N8N (надо как нибудь пару постов про это выложить).

Собственно, наличие готовых промтов и агентов для N8N - уже огромадный плюс. А то, что Максим обучает и растолковывает как это работает - это овер плюс ))))

Там пришлось на бота подписаться - так вот он практически ежедневно докладывает о готовности нового урока или еще чего. Всего, в среднем выходит 5 уроков в неделю (Полноценный урок + таблицы/шаблоны/промты/код).

В целом там есть (скопипастил):

✔️ серия уроков по n8n: создаём своих AI-агентов, дает рабочий код;
✔️ Онлайн AI-анализатор текстовой релевантности (на основе косинусной близости) - типа нащей софтинки "SEO Релевантность", но только браузерный и со всякими там плюшками;
✔️ курс по GEO / SGE (вывод в AI-выдачу, KPI-дашборды, чек-листы и промты);
✔️ super RAG-агент «УБИЙЦА SEO-копирайтеров v1.0»: векторные БД, авто-бриф, парсинг конкурентов, авторские статьи с 1-й итерации.
✔️ Курсы по росту дохода: Максим делится всем своим путем от фрилансера до владельца агентства в формате отдельного курса.
✔️ Комьюнити из 200 участников и практика: чат, еженедельные мастермайнды и Q\&A, воркшопы, поиск менторов/менти, витрина услуг участников.

Кому подойдёт: новички, которые ничего не слышали про LLM - сразу в сторону. Для начала почитайте последние 100 постов моего канала - потом, с базовой подготовкой, можете вступать в оный клуб. Если уже разобрались в основах - то всё будет понятно без проблем.

Для кого будет крайне полезно: тем кому нравятся мои посты про промтоведению и продвижению под LLM. А также разнообразным фрилансерам, инхаус, владельцам агентств, чтобы делегировать обучение сотрудников, кто продвигает в основном коммерческие сайты (в т.ч. Google/бурж).

Есть промо доступ, где можно глянуть:
• 3 открытых урока по AI-практикам.
• Пробный урок по GEO/SGE аудиту на 45 минут.
• Пробный урок по n8n

Вступление, оплата, пробные уроки тут → https://seomeat.ru

Вопросы — в ЛС: @ceoresultup (можете спросить подойдет ли клуб под ваши проблемы, задачи)

Канал с анонсами школы: https://t.me/closedchannelkotenkov

Важно понимать:

Это не канал с лайфхаками за 5 штук. Это не кнопка Бабло. Это еще один срез того, что я пытаюсь донести в своем канале - думайте, пробуйте и всегда получите профит.

По сути - это обучающая платформа для специалистов: классические SEO-процессы, автоматизация, рост доход, промты, готовые агенты, чтобы делать быстрый и повторяемый результат в SEO.

Каждый найдет себе обучающие уроки на месяц по душе.

ЗЫ.

И, кстати, Максим тоже почитывает мой канал

ЗЗЫ.
А название "SEO Мясо" - всё равно странное ))))

#DrMax #SEO #LLM #Софт #Обзоры

🤫 Продвинутый AI-копирайтинг 2025 (часть 10.1)

Внедрение перелинковки

Контекстная ссылка, окруженная правильным сопутствующим текстом, в разы привлекательней для гугла и LLM, чем иные варианты проставления ссылок. Поэтому мы просто обязаны массово внедрят ссылки в надлежащий контент.

Я поступаю просто - у меня, например, для сайта с 30 тыс страницами собран файлик с несколькими именованными подразделами внутри, где на каждой строке через разделитель стоит краткое (2-3-4 слова) наименование важной страницы и через разделитель её URL. Таких разделов может быть сколь угодно, например, важнейшие производители (например адидас), важнейшие товары, важнейшие категории товаров и так далее.

Теперь я закидываю файл в системные инструкции (для Клавдии) или загружаю на гугл драйв, подцепляю к промпту и сохраняю вместе с системными инструкциями (для Гугл АИ) как заготовку промпта. Ну и в промпте прошу проставить ссылки (имеющиеся в файлике)на соответствующие, сгенерированные ранее, наименования.

Этот блок промта стоит запускать после генерации контента и перед финальной проверкой.

Тут возникает 2 проблемы:

1. Когда перегруженный иными правилами промпт просто пропускает проставление ссылок

2. Когда LLM начинает фантазировать и строит ссылки по имеющимся в файлике паттерну URLа ссылки, кои не прописаны в файлике - т.е. выдумывает URL.

Поэтому, после проставления ссылок внедряем блок самопроверки, где контролируем, что на все наименования ссылки проставлены (можно ограничить, например, не более 2 штук на наименование, встречающееся в контенте) и также контроллируем валидность ссылок и нахождение такой ссылки в файлике.

Вот промпт

3.5.1. Процесс простановки ссылок
Роль: SEO-инженер по внутренней перелинковке
Задача: Проанализируй текст, сгенерированный на Этапе 3, и интегрируй в него контекстные гиперссылки, используя приложенный файл [указать имя файла, например, "internal_links_map.txt"] как единственный и абсолютный источник данных (source of truth).
Регламент выполнения:
Источник данных: Файл содержит строки формата: [Наименование] | [URL]. Наименования могут быть сгруппированы по разделам (#Важнейшие производители, #Важнейшие категории товаров).
Процесс: Последовательно прочитай сгенерированный на Этапе 3 текст. При нахождении точного вхождения [Наименования] из файла, которое еще не является ссылкой, преобразуй его в гиперссылку формата Markdown: [Найденное Наименование](URL из файла).
Ограничение по частоте: Если одно и то же [Наименование] встречается в тексте многократно, проставь ссылку на него не более двух раз. Приоритет отдавай первому вхождению, а также вхождениям, окруженным наиболее тематическим контекстом.
СТРОГО ЗАПРЕЩЕНО:
Выдумывать, генерировать или строить по паттерну URL-адреса для наименований, которых нет в предоставленном файле. Если наименования нет в файле, оно остается простым текстом.
Изменять анкорный текст. [Наименование] из файла должно точно соответствовать тексту, на который ставится ссылка.

Промпт настраиваем под себя, указывая число ссылок на наименование, точное/неточное/разбавленное использование наименования и т.д.

#DrMax #SEO #NER #Промпт #LLM

🤫 Продвинутый AI-копирайтинг 2025 (часть 12)

Наращиваем качество контента. Шаг.2.

Принцип "Исторического контекста и эволюции"

Суть концепции: Настоящий эксперт понимает не только "как это работает сейчас", но и "почему оно стало таким". Он видит не статический снимок, а эволюционный процесс. Рассказ об истории вопроса, о тупиковых ветвях развития и о причинах, по которым текущее решение стало доминирующим, — это сигнал глубокой экспертизы.

Дилетант описывает объект.

Эксперт рассказывает его историю.

Как это работает: В таксономию статьи (Этап 2) принудительно встраивается требование добавить раздел, посвященный историческому контексту ключевой технологии или концепции, описанной в статье. Это не просто "историческая справка", а аналитический разбор пути, который привел к текущему состоянию дел.

Пример фрагмента промпта:

В блоке 2.2 "Разработка иерархической таксономии" добавить правило:

Интеграция исторического контекста: В структуру статьи должен быть включен как минимум один раздел (уровень H2) под примерным названием "Эволюционный путь: Как мы к этому пришли?". Название должно быть уникальным для каждого нового контента.

В этом разделе необходимо:
a. Описать, какое решение использовалось для этой же задачи ранее (например, 10-15 лет назад).
b. Проанализировать его ключевые недостатки, которые и послужили толчком к развитию.
с. Упомянуть 1-2 "тупиковые" или альтернативные технологии, которые пробовали внедрить, но они не прижились, и объяснить, почему.
d. Показать, как текущее, современное решение элегантно решает проблемы своих предшественников.

Пример результата работы в тексте про велосипеды (для темы "Гидравлические дисковые тормоза"):

Эволюционный путь: Как мы пришли к гидравлике на велосипедах?

"Чтобы по-настоящему оценить современные дисковые тормоза, стоит вспомнить, с чего все начиналось. Еще 15 лет назад стандартом на горных велосипедах были ободные тормоза V-brake. Их главным недостатком была полная зависимость от состояния обода: малейшая 'восьмерка', грязь или влага превращали торможение в лотерею. Индустрия пыталась решить эту проблему механическими дисковыми тормозами — они уже не зависели от обода, но из-за трения тросика в рубашке страдали от плохой модуляции и требовали постоянной подстройки. Были и экзотические 'тупиковые ветви', вроде гидравлических ободных тормозов Magura, которые были мощными, но наследовали все проблемы V-brake. Именно в этот момент стало очевидно, что будущее за системой, где нет трения тросиков и зависимостей от обода, — так началась эра доминирования гидравлических дисковых тормозов, которые решили проблемы и мощности, и модуляции, и всепогодности одним махом."

SEO-профит: Это демонстрирует не просто знание, а понимание. Google видит, что автор не просто пересказал инструкцию, а обладает глубоким, системным взглядом на предмет.

Это создает образ "ветерана индустрии", который видел все.

Такой контент практически невозможно сгенерировать простым рерайтом конкурентов, что делает его уникальным и чрезвычайно ценным.

Тестируйте.

#DrMax #SEO #NER #Промпт #LLM

🤫 Продвинутый AI-копирайтинг 2025 (часть 13)

Наращиваем качество контента. Шаг.3.

Принцип "Кросс-доменных аналогий"

Суть концепции: Одна из ключевых характеристик эксперта — способность объяснять сложные вещи простым языком, используя аналогии из других, понятных для аудитории областей. Это не только улучшает понимание и вовлеченность, но и является сигналом для поисковых систем, что автор владеет темой на таком уровне, что может "переводить" ее на другие "языки". Также - это один из признаков высокого E-E-A-T контента.

Как это работает: В директивы качества (Этап 3.2) добавляется правило, которое требует от модели при объяснении наиболее сложной концепции в статье использовать яркую и точную аналогию из другой, не связанной напрямую, но понятной для ЦА сферы (автомобили, финансы, строительство, кулинария и т.д.).

Пример фрагмента промпта:

В блоке 3.2 "Соблюдение Директив Качества Контента" добавить правило:

Принцип Кросс-доменных Аналогий: При объяснении 1-2 самых сложных или абстрактных концепций в статье, ты ОБЯЗАН использовать яркую, точную и неожиданную аналогию из другой области, понятной для `{Целевая аудитория (ЦА)}`. Аналогия должна не просто украшать текст, а реально помогать понять принцип работы.

Пример 1 в тексте про IT (для ЦА - бизнесмены):

"Попытка масштабировать бизнес на монолитной архитектуре похожа на попытку достроить 10 этажей к частному дому. Технически возможно, но в какой-то момент фундамент треснет, коммуникации не выдержат, а перепланировка одной комнаты потребует сноса несущих стен во всем здании. Микросервисная архитектура — это как строительство бизнес-центра из независимых, стандартных офисных блоков. Вы можете добавлять, убирать или ремонтировать любой блок, не затрагивая остальные. Это дороже на старте, но дает практически бесконечную гибкость и надежность в будущем."

Пример 2 в тексте про велосипеды (для ЦА - автомобилисты):

"Кинематика задней подвески велосипеда — это, по сути, то же самое, что и многорычажная подвеска на автомобиле. Простая однорычажная подвеска (как балка на бюджетных авто) — дешева и надежна, но при срабатывании колесо движется по простой дуге. Прогрессивная многорычажная система (VPP, Horst Link) использует несколько рычагов, чтобы заставить колесо двигаться по сложной, идеально выверенной траектории, одновременно гася удары и не 'съедая' энергию от педалирования. Это компромисс между комфортом и эффективностью, точно так же, как и в мире авто."

SEO-профит: Это делает контент не только экспертным, но и запоминающимся, виральным. Пользователи лучше понимают, дольше читают, чаще делятся.

Для Google это сигнал высокого E-E-A-T, так как способность к созданию точных аналогий демонстрирует не просто заученные знания, а глубокое, "интуитивное" понимание предмета.

При этом LLM вынуждена не просто компилировать факты, а заниматься настоящим творческим синтезом знаний.

ЗЫ
Не стоит лепить все блоки подряд в свой промпт. Выбирайте с умом, прикидывайте, нужен ли такой контент в вашем тексте

ЗЗЫ
У меня есть еще пару десятков подобных фишек, которые применяю для разного типа контента и разных ниш. Но публиковать их не буду, ибо опираясь на приведенные примеры - вы сами легко сможете разработать подобные конструкции промптов, точно заточенные под вашу нишу, аудиторию, бизнес

ЗЗЗЫ
Ну что, заканчиваем, потихоньку, с промптоведением. Основные блоки я осветил, далее самостоятельно сможете расширять и дополнять промпт нужными фишками. Сделаю еще пару постов, про отслеживание устаревания контента и вкрячивание изображений и на этом закончим.


#DrMax #SEO #NER #Промпт #LLM

🔔 Законы Мерфи для LLM: Если что-нибудь может пойти не так, оно пойдёт не так.

Закон №1: Закон Фатальной Двусмысленности

Если ваш промпт можно понять неправильно, LLM поймет его неправильно, причем самым нелепым и затратным по времени для вас способом.

Мы ошибочно приписываем LLM человеческое понимание контекста. Мы думаем: "Ну это же очевидно!". Для LLM нет ничего очевидного. Это статистический механизм, который ищет наиболее вероятное следующее слово, а не "смысл". Любая двусмысленность, любая недосказанность в промпте — это для него открытые ворота в ад галлюцинаций, нерелевантности и смысловых ошибок. Качество и точность промпта напрямую влияют на результат.

Как преодолеть: Принцип "нулевой терпимости к двусмысленности". Ваш промпт должен быть как техническое задание для самого глупого, но исполнительного стажера в мире. Он должен однозначно раскрывать задачу, не оставляя пространства для неверных толкований.


Закон №2: Закон Энтропии Контента

Предоставленная сама себе, LLM всегда будет стремиться к состоянию максимальной энтропии: галлюцинациям, ИИ-клише и "воде".

"Полезный контент" — это не базовое состояние LLM. Ее базовое состояние — это генерация наиболее статистически вероятных, то есть самых заезженных и общих фраз ("в современном быстро меняющемся мире", "важно отметить", "ключевым аспектом является", "таким образом, можно сделать вывод"). У нее нет внутреннего критика и факт-чекера. Если вы не зададите жестких рамок, она наполнит текст "водой", придумает несуществующие факты и украсит все это банальными ИИ-клише просто для того, чтобы достичь заданного объема.

Как преодолеть: Внедрение "негативных ограничений" и требование конкретики. Нужно не только говорить, что делать, но и жестко прописывать, чего НЕ делать.


Пример промта с ограничениями для HR агентства (базовые ограничения - на практике у меня пунктов 15 тщательно прописанных ограничений)

НЕГАТИВНЫЕ ОГРАНИЧЕНИЯ:
Запрещенные фразы: "в современном мире", "гибкий график", "work-life balance", "важно отметить", "новые реалии".
Запрет на "воду": Никаких абстрактных рассуждений о "счастье сотрудников". Каждый тезис должен быть подкреплен логическим аргументом или примером.
Запрет на галлюцинации: Не приводи выдуманную статистику. Используй фразы "потенциально может привести к...", "согласно данным [указать источник, если известен]..."

Закон №3: Закон Порождения Проблем

Каждый удачный ответ LLM порождает новую, более сложную проблему: потерю контекста, необходимость верификации и масштабирования уникальности.

Вы получили идеальный текст. Проблема решена? Нет, проблемы только начались. Во-первых, при следующем запросе в этом же чате модель уже "забудет" половину нюансов из вашего идеального промпта. Во-вторых, этот идеальный текст — просто текст. В нем нет таблиц, схем, ссылок на реальные источники. В-третьих, если вам нужен не один, а сто уникальных текстов для карточек товаров, ваш "идеальный" единичный ответ бесполезен. Вы попали в ловушку "одноразового успеха".

Как преодолеть: Переход от "одиночных промптов" к "системному промптингу" или "промпт-конвейеру". Задача разбивается на последовательные шаги, где результат одного шага становится входными данными для следующего.


Вывод: Презумпция некомпетентности LLM

Не надейтесь на "интеллект" ИИ. Проектируйте свои промпты, исходя из предположения, что LLM ленива, глупа и всегда выберет худший из возможных вариантов. Ваша задача — не просто попросить, а спроектировать систему инструкций, которая не оставит модели шанса ошибиться.


#DrMax #SEO #LLM #Промпты

🍎 Опять и снова про HCU

В угаре промптоведения пропустил разбор некоторых интересных статей, выпущенных специалистами. Так, MOZовцы еще месяц назад выкатили интересную статью, где нашли еще несколько проблем, вызывающие наложение фильтра.

Главные мысли из статьи:

1. Сайт оценивается как единое целое, а не по отдельным страницам.

Обновление HCU рассматривает не просто одну "полезную" статью, а весь сайт как тематическую группу. Google создает "тематический профиль" вашего сайта и оценивает каждую новую страницу на соответствие этому профилю. Контент, который слишком далек от основной темы сайта или, наоборот, слишком близок к уже существующим страницам, помечается как "бесполезный".

Кстати, это в корне противоречит основам SEO, ибо изначально Гугл рассматривал сайт как набор документов. Например, для каждой страницы он высчитывал свой PR (впрочем он делает это и сейчас).

Но в разрезе HCU это означает, что сайтам теперь критически важно придерживаться своей ниши и развивать глубокую экспертизу в ней. Попытка охватить множество несвязанных тем может "размыть" тематический фокус в глазах Google и привести к падению позиций всего сайта, даже если отдельные статьи качественные.

Пример:

Если у вас есть успешный кулинарный блог о веганских десертах, публикация статьи о ремонте автомобилей будет воспринята алгоритмом как тематическое отклонение. Чтобы связать темы, нужен был бы контент- "мостик", например, статья "Полезные веганские перекусы для долгой поездки на мотоцикле". Но, как правило, это слабо помогает на практике (судя по экспериментам).

2. Дублирование тем и "каннибализация" ключевых слов строго наказываются.

Старая тактика SEO, когда создавалось множество страниц под очень похожие поисковые запросы (например, "как выбрать кроссовки", "советы по выбору кроссовок", "лучшие кроссовки для бега"), теперь наносит вред. Алгоритм видит в этом попытку манипуляции, а не создание ценности для пользователя. В результате из всей группы похожих страниц в поиске остается только одна, а остальные становятся балластом, тянущим сайт вниз.

Это ставит под удар плохо спроектированные коконцы, страницы которого, зачастую, проектируется исходя из собранных ключевых слов, а не сущностей (что критично).

Отсюда, вместо создания десятка слабых статей следует сосредоточиться на одной, но максимально полной и авторитетной странице, которая полностью раскрывает тему и отвечает на все возможные вопросы пользователя.


3. Технические детали могут создавать проблемы с контентом.

Статья указывает на неочевидную проблему: якорные ссылки в оглавлении статьи (вида .../страница#раздел) могут восприниматься Google как отдельные страницы с полностью дублированным содержанием. Это приводит к тому, что сайт получает огромное количество "дублей", что является критическим сигналом "бесполезного контента".

Это показывает, насколько тесно теперь связаны контент-стратегия и техническое SEO. Функция, созданная для удобства пользователя (оглавление), может быть неверно интерпретирована поисковым роботом и нанести вред. Важно следить за тем, какие URL генерируются на вашем сайте.

Пример:

На странице "Большой гид по садоводству" есть оглавление с быстрыми ссылками на разделы "Выбор растений" и "Подготовка почвы". Для Google URL-адреса .../gid#rasteniya и .../gid#pochva могут показаться двумя одинаковыми страницами, что приведет к санкциям за дублирование.

Простого способа "откатить" последствия HCU не существует. Восстановление требует полного аудита сайта: выявления и удаления или объединения страниц с пересекающимися темами, избавления от контента, не соответствующего основной тематике, и исправления технических ошибок. Автор правильно и разумно настаивает на переходе от стратегии, основанной на ключевых словах, к стратегии, основанной на темах (они же сущности).

Это фундаментальный сдвиг в подходе к SEO. Теперь цель — не просто попасть в топ по запросу, а построить авторитет в рамках целой темы. Речь идет о создании целостного, логичного и полезного ресурса для пользователя.

#DrMax #SEO #Google