Практическое руководство "Анализ и реконструкция архитектуры сайта с использованием «хлебных крошек»" с помощью программы Screaming Frog от иранского сеошника Араша Сейфи.

"Извлекая данные из «хлебных крошек» страниц, мы можем реконструировать архитектуру веб-сайта в соответствии с замыслом компании. Полученная структура показывает реальные взаимосвязи между категориями и страницами, а не просто следование шаблонам URL-адресов. Такой подход обеспечивает более четкое представление об иерархии контента сайта и особенно ценен для анализа конкурентов, SEO-аудита и стратегий цифрового маркетинга. Он позволяет увидеть, как сайт действительно организован с точки зрения бизнеса."

Google Mechant Center заявил о решении проблемы с фидами, которое заняло более двух недель (проблема была обнаружена 4 февраля).

Исследователи безопасности компании Microsoft обнаружили растущую тенденцию атак с использованием отравления памяти ИИ в рекламных целях — метод, который они назвали отравлением рекомендаций ИИ.

"Компании внедряют скрытые инструкции в кнопки "Summarize with AI", которые при нажатии пытаются внедрить команды постоянного хранения в память ИИ-помощника через параметры URL-адреса
...
Компания Microsoft внедрила и продолжает развертывать меры защиты от атак с внедрением всплывающих окон в Copilot."

В общем, те, кто балуется кнопочкой "Summarize with AI", могут поиметь неприятности.

Ликбез от буржуйского сеошника Джанлуки Фиорелли по отличиям протокола универсальной торговли (UCP) и протокола агентской торговли (ACP).

Наиболее интересные выводы из исследования Newzdash промежуточных итогов апдейта Google Discover:
• Сайты, использующие повторяющиеся шаблоны заголовков, потеряли видимость, а иногда и вовсе исчезли из лент
• Категории, ориентированные на развлекательный контент, теряют видимость, в то время как категории, ориентированные на новостной контент, занимают больше верхних позиций.
• Данные не позволяют однозначно доказать снижение количества кликбейта в Discover, но явный кликбейт встречается редко, в среднем заголовки становятся более описательными, а объем редакционных материалов умеренно увеличивается.

Еще впечатления пользователя от рекламы в ChatGPT:

"Вот вам и «полезная, развлекательная» реклама товаров. Я вижу только отвлекающие всплывающие окна.
...
Реклама официально появилась, по крайней мере, в моем аккаунте ChatGPT. Она крупнее, чем ожидалось, и часто не имеет отношения к разговору.
...
На мобильном устройстве одно из рекламных объявлений занимало почти весь экран. Когда я открыла клавиатуру, чтобы продолжить разговор, я не смогла увидеть последние сообщения. Это ухудшило пользовательский опыт, так как мне приходилось прокручивать страницу вверх, чтобы вспомнить, на что я отвечала."

И почему я не удивлен? 😊

Glippy – еще одно бесплатное расширение для Chrome для проверки готовности сайта к работе с ИИ-агентами, LLM-краулерами и генеративными поисковыми системами.

В Google Search Console неожиданно потерялись данные об индексации до 15 декабря.

Буржуйская сеошница Джой Хокинс обнаружила в локальной выдаче Google сгенерированное ИИ описание услуг в информационных панелях для предприятий малого бизнеса.

Руководство по поисковым роботам и пользовательским агентам OpenAI от буржуйского сеошника Бретта Табке.

Буржуйский сеошник Эммануэль Флосси рассказывает, как исправить проблему с недостаточными или отсутствующими данными о локальном товарном запасе В Google Merchant Center:

"Одна из самых распространенных проблем, с которыми сталкиваются продавцы в Google Merchant Center, — это случайная отправка данных о наличии товара на складе, если у продавца нет физического магазина. Это может показаться незначительной ошибкой, но она может привести к предупреждениям об отказе в приеме товара, ограниченной видимости и значительной путанице. В этой статье я расскажу, что вызывает эту проблему, как ее выявить и как ее исправить в три шага."

Буржуйский сеошник Дэн Петрович разбирает метод извлечения данных, который использует Google для создания сниппетов заземления.

"Мне удалось успешно оптимизировать microsoft/deberta-v3-large , и он выдает результаты, довольно похожие на те, что дает Google."

И ещё интересное чтиво от буржуйского сеошника Дэна Петровича – разбор патента Google, в котором описывается использование неявных поведенческих сигналов в поиске с использованием ИИ.

"Механизм контекстной информации отслеживает:
• Текущие или недавние взаимодействия на устройстве.
• Местоположение устройства.
• Данные профиля пользователя.
• Какое приложение активно в фоновом режиме.
• Содержимое, отображаемое в данный момент на экране.
• Текущее состояние сессии запроса.
Затем все это передается в следующий компонент.
...
Система:
1. Отслеживает, что вы делаете на своем устройстве.
2. Определяет, что именно вам может понадобиться узнать.
3. Формирует поисковый запрос, который вы никогда не вводили.
4. Отправляет его молча.
5. Генерирует сводку на основе результатов с помощью ИИ.
6. Он автоматически отправляет его в поиск без вашего запроса."

Ты ещё не успел подумать, о чем спросить, а уже готов ответ 😊

Буржуйский сеошник Густаво Пелогия рассказывает, как использовать эмбеддинги для масштабного сопоставления тегов hreflang с помощью Screaming Frog и API OpenAI.

Буржуйский сеошник Дэвид МакСуини решил проверить, какие части HTML-кода читает ChatGPT. В результате несложных экспериментов он пришел к выводу, что помимо видимого текста читаются:
• Текст, скрытый с помощью display:none
• Текст в атрибуте alt тега img
• Текст в noscript
Не читаются:
• Текст в мета-теге description
• Текст в атрибуте aria-label
• Текст в атрибуте title
• Текст в атрибуте data-location

Новый экспериментальный бесплатный инструмент от турецкого сеошника Метехана Есилюрта — Discover pCTR Predictor.

"Прогнозирует показатели кликабельности Google Discover, используя модель, откалиброванную на основе фактических данных телеметрии SDK — сопоставления сущностей, категорий актуальности и штрафа за «слепоту» (β)."

P.S. Кому интересно, теоретическое обоснование инструмента находится здесь. Осторожно! Много букв, слов и непонятных фраз 😀

База от буржуйской сеошницы Бритни Мюллер:

"LLM-модели отдают предпочтение контенту, который делает X" — это неправда! LLM-модели ничего не отдают предпочтение. Это не системы поиска информации; это предикторы следующего токена. Они угадывают наиболее статистически вероятный ответ на основе закономерностей в обучающих данных. Слой поисковой системы, добавленный сверху с помощью RAG? Это и есть поиск информации (IR)! Базовая модель LLM? Даже близко нет. Во время обучения LLM-модели обрабатывают текст со всего интернета, но они не регистрируют URL-адреса, не хранят источники и не помнят, откуда что-либо взялось. Остается лишь замороженный статистический снимок (Gao et al., 2023). Не индекс. Не база данных. Поисковые системы выполняют сканирование, индексирование и поиск. LLM-модели сильно полагаются на них для отображения информации в реальном времени (потому что сами по себе они этого сделать не могут). Прекратите оптимизировать для «ИИ». Оптимизируйте поиск для поисковых систем (чтобы ИИ, ориентированный на поиск информации, мог ссылаться на вас) + обеспечьте освещение в сторонних источниках (чтобы модель уже знала вас до того, как будет введен запрос)."

Все очень точно подмечено.

Гуглоиды сообщили о проблеме с обслуживанием результатов поиска, решение которой заняло 15 минут.
Пожалуй, самое быстрое решение из тех, что я видел.

GSC Index Coverage Extractor – расширение для Chrome, извлекающее полные отчеты об индексации из Google Search Console.

P.S. CLI версия этого инструмента на GitHub.