"Лучшие практики SEO остаются актуальными, потому что наши функции генеративного ИИ в поиске Google основаны на наших основных системах ранжирования и качества поиска. Эти функции используют методы ИИ для выделения контента из нашего поискового индекса."

"Вот несколько вещей, которые вы можете игнорировать в поиске Google:
• Файлы LLMS.txt и другая «специальная» разметка : Вам не нужно создавать новые машиночитаемые файлы, текстовые файлы для ИИ, разметку или Markdown, чтобы появиться в результатах поиска генеративного ИИ. Обратите внимание, что Google может обнаруживать, индексировать и сканировать множество типов файлов, помимо HTML, на веб-сайте: это не означает, что файл обрабатывается особым образом.
• «Разбивка» контента на фрагменты: для лучшего понимания ИИ нет необходимости разбивать контент на мельчайшие части. Системы Google способны понимать нюансы множества тем на странице и показывать пользователям релевантный фрагмент. Однако иногда более короткие (или более длинные!) страницы могут хорошо работать в зависимости от вашей аудитории и тематики. Идеальной длины страницы не существует, и в конечном итоге создавайте страницы для своей аудитории, а не только для поиска с помощью генеративного ИИ.
• Переписывание контента специально для систем искусственного интеллекта: вам не нужно писать определенным образом только для генеративного поиска с использованием ИИ. Системы ИИ могут понимать синонимы и общие значения того, что ищет пользователь, чтобы связать его с контентом, который может не использовать те же самые слова. Это означает, что вам не нужно беспокоиться о том, что у вас недостаточно «длиннохвостых» ключевых слов или что вы не охватили все варианты того, как кто-то может искать контент, подобный вашему.
• Поиск недостоверных «упоминаний»: Как и остальная часть поиска Google, наши функции генеративного ИИ могут показывать, что говорится о продуктах и ​​услугах в интернете, включая блоги, видео и обсуждения на форумах. Однако поиск недостоверных «упоминаний» в интернете не так полезен, как может показаться. Наши основные системы ранжирования ориентированы на высококачественный контент, в то время как другие системы блокируют спам ; наши функции генеративного ИИ зависят от обоих типов контента.
• Чрезмерное сосредоточение на структурированных данных: Структурированные данные не являются обязательными для поиска с использованием генеративного ИИ, и нет необходимости добавлять специальную разметку schema.org. Однако целесообразно продолжать использовать их в рамках общей SEO-стратегии, поскольку это помогает получить доступ к расширенным результатам в поиске Google."

"В контексте поиска Google спамом называются методы, используемые для обмана пользователей или манипулирования поисковыми системами с целью повышения рейтинга контента, например, попытки манипулировать поисковыми системами для ранжирования контента на высоких позициях или попытки манипулировать ответами генеративного ИИ в поиске Google."

"Мне неизвестно о каких-либо конкретных проблемах, я знаю, что API индексирования перегружен сообщениями от блогеров, пытающихся выдавать себя за легитимные сайты, поэтому я предполагаю, что сейчас они просто стали немного осторожнее."

"Панель мониторинга цитирования показывает, как ваш контент используется в ответах, сгенерированных ИИ, в поддерживаемых системах ИИ, путем обобщения и агрегирования активности цитирования по следующим областям:
• Ссылки на страницы: Общее количество упоминаний страниц вашего домена в ответах, сгенерированных ИИ, за выбранный период времени, включая множественные ссылки в одном и том же ответе.
• Доля авторитета: конкурентный показатель, демонстрирующий процент цитирований, приписываемых вашему домену, по сравнению с другими цитируемыми доменами в том же наборе поисковых запросов, где появился ваш домен.
• Реферальный трафик от ИИ: процент сессий на вашем сайте, приходящих от ИИ-помощников за выбранный период времени, рассчитывается как количество сессий, привлеченных с помощью ИИ, деленное на общее количество сессий.
• Запросы: Запросы, используемые системами искусственного интеллекта для извлечения и анализа вашего контента перед генерацией ответа, что помогает вам понять, как системы ИИ интерпретируют намерения пользователя и связывают их с вашим контентом.
• Мои цитируемые страницы: Обзор страниц, показывающий, какие URL-адреса с вашего домена были процитированы в ответах, сгенерированных ИИ, а также количество цитирований и связанные с ними запросы. Это помогает определить, какой контент чаще всего выбирается системами ИИ в качестве надежного источника.
• Линии тренда: С помощью линий тренда для цитируемых страниц и запросов вы можете анализировать, как меняется активность с течением времени по мере развития контента и изменения шаблонов запросов ИИ."

"Структура «сущность-атрибут-значение» (Entity-Attribute-Value, EAV) — это метод структурирования контента, который организует информацию в три компонента: сущность (тема вашей страницы, например, компания или продукт), атрибут (конкретная характеристика, которую Google ожидает для данного типа сущности, например, «год основания» или «радиус обслуживания») и значение (конкретные данные, удовлетворяющие этому атрибуту, например, «2009» или «радиус 25 миль»). Страницы, структурированные на основе полного охвата EAV, проще анализировать, извлекать и цитировать в обзорах AI, поскольку они предоставляют полный набор фактов, которые ожидает Граф знаний для данного типа сущности, а не только ключевые слова, которые используют пользователи для поиска страниц по данной теме."

"SEO-специалисты на конференциях исказили понятие «разбивка на фрагменты» (chunking) просто чтобы произвести хорошее впечатление на руководителей, не имеющих отношения к SEO!
Кажется, почти 12 месяцев назад кто-то увидел слово «разбивка на блоки» в контексте RAG в области машинного обучения и решил использовать его в презентации следующей SEO-конференции.
И с этого момента началось искажение этого слова...
Но SEO-специалисты, хорошо разбирающиеся в области машинного обучения и знающие все технические детали, с самого начала знали, что одни и те же 500 слов, представленные на пяти разных страницах в виде различных структур, таких как заголовки и абзацы, могут в итоге превратиться в одни и те же блоки, когда каждая из этих страниц используется в каком-либо RAG-конвейере.
Те же 500 слов, представленные в виде заголовков и абзацев, могут в итоге превратиться в точные блоки, как и эти 500 слов, просто в виде строки. И именно поэтому способ представления этих слов и их структурирования на странице не имеет ничего общего с концепцией разбивки на блоки в машинном обучении — это просто оптимизация читабельности.
Но чтобы выглядеть круто на SEO-конференциях, некоторые люди восприняли буквальное английское значение выражения «разбивка на фрагменты» и представили его как некую новую блестящую тактику, которую компаниям необходимо применять на своих страницах для повышения видимости в поисковой выдаче с использованием искусственного интеллекта."