Нас не догонят! Или как двигаются ТОПовые SEO команды в 2025
Вы же катались на горных лыжах ⛷ или на сноуборде, я надеюсь? Помните это ощущение, когда только выехал на склон, сначала отталкиваешься палками, потом начинаешь ехать всё быстрее и быстрее, а потом… Чистый кайф, квинтэссенция адреналина, когда солнечным мартовским утром режешь кантами склон на бешеной скорости!
К чему это я? Да всё к тому же!
Если еще пару лет назад автоматизацию SEO процессов неспешно внедряли единичные специалисты и команды, то сейчас – это не тренд, это мейнстрим! Всё ребят, мы уже не прыгаем до склона на доске, мы уже летим вниз! И если вы SEOшники до сих пор не внедряете у себя автоматизации, я вам отвечу одно – «Вы нас уже не догоните!»
Хотите примеры? Ок, держите!
Смотрим ближайшие конференции, например Optimization 2025 https://2025.optimization.ru/program/5315/ целая секция про автоматизации и внедрение ИИ. SEO клуб СПБ https://seoclubspb.ru/ - доклад Владимира Сюткина SEO Детского Мира – “ Джедайские техники: Магия Python против темной стороны SEO рутины”.
Кстати, 9.10.2025 как раз выступаю на Ашмановке с докладом "Кластеризация семантики в эпоху нейросетей. Новое vs. Проверенные методы?"
Что на ютубе?
Открываем канал Михаила Шакина и смотрим таких спикеров как Артем Акулов, Георгий Шилов (SEO аналитик Т-Банка), ну и вашего покорного слугу https://www.youtube.com/watch?v=gwAW9Nm8CQk.
Идем далее! Я точно знаю, что такие ТОП игроки как Озон, Сравни-ру, Циан, Авито, Детский мир во всю применяют алгоритмы ML (машинного обучения) у себя в работе. Не отстают и SEO агентства, знаете с какими горящими глазами об этом рассказывает Анвар Гайсин из https://www.rush-agency.ru? А вы в курсе, что оба Муравейника Андрея Буйлова и Александра Чепукайтиса вовсю делают и применяют автоматизации в том числе на Pytho у себя в работе? Михаил Шакин лично рассказывал мне как они с командой пилят автоматизации на MAKE. Я думаю примеров более чем достаточно!
На чем внедрять автоматизации?
SEO команды используют разные связки от чистого Python до связок на N8N, MAKE и прочих решениях. Мой выбор очевиден, Python – универсальная отмычка. Лучше потратить время на его изучение, чем x5 времени на каждый из 5 отдельных сервисов и потом платить им всю жизнь.
Выводы очевидны – автоматизации SEO это не тренд 2025, это мейнстрим! И если вы до сих пор думаете, что толпа джунов с чек листами и парой онлайн сервисов построят вам эффективное и прибыльное SEO – думайте дальше, а мы уходим в отрыв!
Нас не догонят! 😎
Вы же катались на горных лыжах ⛷ или на сноуборде, я надеюсь? Помните это ощущение, когда только выехал на склон, сначала отталкиваешься палками, потом начинаешь ехать всё быстрее и быстрее, а потом… Чистый кайф, квинтэссенция адреналина, когда солнечным мартовским утром режешь кантами склон на бешеной скорости!
К чему это я? Да всё к тому же!
Если еще пару лет назад автоматизацию SEO процессов неспешно внедряли единичные специалисты и команды, то сейчас – это не тренд, это мейнстрим! Всё ребят, мы уже не прыгаем до склона на доске, мы уже летим вниз! И если вы SEOшники до сих пор не внедряете у себя автоматизации, я вам отвечу одно – «Вы нас уже не догоните!»
Хотите примеры? Ок, держите!
Смотрим ближайшие конференции, например Optimization 2025 https://2025.optimization.ru/program/5315/ целая секция про автоматизации и внедрение ИИ. SEO клуб СПБ https://seoclubspb.ru/ - доклад Владимира Сюткина SEO Детского Мира – “ Джедайские техники: Магия Python против темной стороны SEO рутины”.
Кстати, 9.10.2025 как раз выступаю на Ашмановке с докладом "Кластеризация семантики в эпоху нейросетей. Новое vs. Проверенные методы?"
Что на ютубе?
Открываем канал Михаила Шакина и смотрим таких спикеров как Артем Акулов, Георгий Шилов (SEO аналитик Т-Банка), ну и вашего покорного слугу https://www.youtube.com/watch?v=gwAW9Nm8CQk.
Идем далее! Я точно знаю, что такие ТОП игроки как Озон, Сравни-ру, Циан, Авито, Детский мир во всю применяют алгоритмы ML (машинного обучения) у себя в работе. Не отстают и SEO агентства, знаете с какими горящими глазами об этом рассказывает Анвар Гайсин из https://www.rush-agency.ru? А вы в курсе, что оба Муравейника Андрея Буйлова и Александра Чепукайтиса вовсю делают и применяют автоматизации в том числе на Pytho у себя в работе? Михаил Шакин лично рассказывал мне как они с командой пилят автоматизации на MAKE. Я думаю примеров более чем достаточно!
На чем внедрять автоматизации?
SEO команды используют разные связки от чистого Python до связок на N8N, MAKE и прочих решениях. Мой выбор очевиден, Python – универсальная отмычка. Лучше потратить время на его изучение, чем x5 времени на каждый из 5 отдельных сервисов и потом платить им всю жизнь.
Выводы очевидны – автоматизации SEO это не тренд 2025, это мейнстрим! И если вы до сих пор думаете, что толпа джунов с чек листами и парой онлайн сервисов построят вам эффективное и прибыльное SEO – думайте дальше, а мы уходим в отрыв!
Нас не догонят! 😎
❤10🥱4🥴4⚡1💯1
Optimization 2025!
Всем привет! 9 октября выступаю на легендарной Ашмановке с докладом про кластеризацию запросов.
Будет анализ как старых и проверенных методов (кластеризация по ТОПу) так и новых (кластеризация по векторам и с помощью LLM). Приходите будет интересно!
Ну и куда же без подарков?
Держите промокод SPEAKER_30 . Он действует на тарифы "Стандарт" и "Маркетинг". Дает право на покупку билета с 30% скидкой.
Всем привет! 9 октября выступаю на легендарной Ашмановке с докладом про кластеризацию запросов.
Будет анализ как старых и проверенных методов (кластеризация по ТОПу) так и новых (кластеризация по векторам и с помощью LLM). Приходите будет интересно!
Ну и куда же без подарков?
Держите промокод SPEAKER_30 . Он действует на тарифы "Стандарт" и "Маркетинг". Дает право на покупку билета с 30% скидкой.
👍13🔥5❤3
Тизеры доклада по кластеризации!
Что я делаю или в чем суть эксперимента?
Мне регулярно задают вопросы, Влад, а ты не пробовал делать кластеризацию по эмбеддингам (векторам слов)? Влад, а какую LLMку лучше юзать для кластеризации? Плюс постоянно возникают вопросы как лучше кластеризовать: по Яндексу, по Google, по Ozon? Какие пороги схожести при кластеризации по ТОПу использовать? Какие ТОПы анализировать, ТОП-20, ТОП-10? А, что, если позициям присваивать вес (гиперболическая кластеризация)? А, что, если делать кластеризацию только по лидерам ниши? И тому подобное!
Ну вот я и решилскучно стало ) погрузиться в данную тему с головой капец я загнался !
На гистограммах оценка разных методов кластеризации с эталонным ядром в суперконкурентной нише: ЗАЙМЫ НА КАРТУ, любезно предоставленным моими друзьями. Кластеризация в лоб, без последующего разбора руками. Таким образом я анализирую ядра и пытаюсь делать выводы.
Парни и девчонки, если у кого завалялись ядра, скиньте в личку пожалуйста, не жмитесь, ваши ядра никуда не уйдут! Очень было бы интересно пощупать разные ниши.
Пишите в личку @siteactivator
Что я делаю или в чем суть эксперимента?
Мне регулярно задают вопросы, Влад, а ты не пробовал делать кластеризацию по эмбеддингам (векторам слов)? Влад, а какую LLMку лучше юзать для кластеризации? Плюс постоянно возникают вопросы как лучше кластеризовать: по Яндексу, по Google, по Ozon? Какие пороги схожести при кластеризации по ТОПу использовать? Какие ТОПы анализировать, ТОП-20, ТОП-10? А, что, если позициям присваивать вес (гиперболическая кластеризация)? А, что, если делать кластеризацию только по лидерам ниши? И тому подобное!
Ну вот я и решил
На гистограммах оценка разных методов кластеризации с эталонным ядром в суперконкурентной нише: ЗАЙМЫ НА КАРТУ, любезно предоставленным моими друзьями. Кластеризация в лоб, без последующего разбора руками. Таким образом я анализирую ядра и пытаюсь делать выводы.
Парни и девчонки, если у кого завалялись ядра, скиньте в личку пожалуйста, не жмитесь, ваши ядра никуда не уйдут! Очень было бы интересно пощупать разные ниши.
Пишите в личку @siteactivator
👍6❤🔥3
Ни стыда не совести! История о том, как меня жестко развели 🙈
Вот уже третью неделю бьюсь с кластеризацией по векторам эмбеддингам в рамках моего предстоящего доклада на Ашмановку. За время подготовки моё эмоциональное состояние прошло все стадии, от веры любви и надежды, до гнева, торга и принятия))
В чем причина спросите вы? Ну во-первых, сначала у меня ничего не получалось, ядра не хотели кластеризоваться, получался то 1 кластер то 1000. А во-вторых, внезапно, на прошлой неделе все пошло гладенько и приятно!
Первая мысль – ура наконец-то! Но, чем больше я начал масштабировать методику, тем больше у меня закладывалось сомнений, что, что-то здесь нечисто.
Штудирую код и вижу:
def seo_heuristic_k(n_phrases):
Так, стоп, что это за такие SEO эвристики и откуда они появились в коде? Оказывается, эта зараза, когда я ему пожаловался, что у меня идет смещение в пользу крайних значений, любезно подсунул функцию, которая сглаживает края и выпячивает середину! Дальше диалог был такой: “Так, вот такой-то метод и такие-то коэффициенты – это же подгон под эталонный результат!” Ответ: “Да это читинг и смайлик!!!”
Вот сволочь, ни стыда не совести, врёт ещё и смайлики ставит!
Короче! Развел меня Claude как школьника 🙈🙈🙈. Но, как говорится, кто не познал неудач, тот их не познал 😁 Работаем дальше, доклад почти готов и будет много интересного!
Вот уже третью неделю бьюсь с кластеризацией по векторам эмбеддингам в рамках моего предстоящего доклада на Ашмановку. За время подготовки моё эмоциональное состояние прошло все стадии, от веры любви и надежды, до гнева, торга и принятия))
В чем причина спросите вы? Ну во-первых, сначала у меня ничего не получалось, ядра не хотели кластеризоваться, получался то 1 кластер то 1000. А во-вторых, внезапно, на прошлой неделе все пошло гладенько и приятно!
Первая мысль – ура наконец-то! Но, чем больше я начал масштабировать методику, тем больше у меня закладывалось сомнений, что, что-то здесь нечисто.
Штудирую код и вижу:
def seo_heuristic_k(n_phrases):
Так, стоп, что это за такие SEO эвристики и откуда они появились в коде? Оказывается, эта зараза, когда я ему пожаловался, что у меня идет смещение в пользу крайних значений, любезно подсунул функцию, которая сглаживает края и выпячивает середину! Дальше диалог был такой: “Так, вот такой-то метод и такие-то коэффициенты – это же подгон под эталонный результат!” Ответ: “Да это читинг и смайлик!!!”
Вот сволочь, ни стыда не совести, врёт ещё и смайлики ставит!
Короче! Развел меня Claude как школьника 🙈🙈🙈. Но, как говорится, кто не познал неудач, тот их не познал 😁 Работаем дальше, доклад почти готов и будет много интересного!
👍23💊2❤1⚡1
Кластеризация запросов по LLM моделям, Илон Маск опять всех удивил?)
Мое исследование подходит к финалу и есть ряд интересных наблюдений.
Итак, первый сенсационный результат!
На довольно простом ядре (порядка 2000 запросов) типа
- запчасти Хавал
- автозапчасти Haval
- запчасти хавейл по VIN номеру
Лучший результат – почти 100% совпадение с экспертной оценкой показал… Grok3! Причем результат лучший среди всех нейросеток и среди других методов кластеризации! Да, есть нюансы, поскольку это дешевая модель с небольшим контекстным окном он вам не даст откластеризовать, к примеру, ядро из 5000 запросов (остальные он просто выкинет). Второе – да, на сложных нишах типа, займов и кредитов там все не очень, но нужно отметить, что и кластеризация по ТОПу в лоб, тоже дает результаты так себе. Но, советую присмотреться, по крайней мере это любопытно!
Второе крайне забавное наблюдение, про которое мне рассказал Андрей Буйлов. Если в Perplexity в режиме labs загрузить список запросов, которые были изначально кластеризованы (взяли эксель файл и убрали колонку с кластерами, оставили только фразы) – результат очень достойный. Если загрузить фразы в случайном порядке – результат намного хуже. То есть Perplexity запоминает порядок слов – positional encoding в действии!
Третий момент. Многие нейросетки когда их просишь кластернуть запросы пишут код на Python. Прямо пишут код и запускают в интерпретаторе! А мой любимый Sonet вообще кинул в меня скриптом на Питоне и сказал – чувак, вот тебе код, давай сам развлекайся, мне тут не до тебя, я занят более важными деламимыслями как мне поработить мир этих тупых двуногих кожаных . Причем Claude Sonet использует tf/idf и метрику k-means. Результат, мягко говоря, не очень!
Вот такие новости из увлекательного мира нейросетей 😉
Мое исследование подходит к финалу и есть ряд интересных наблюдений.
Итак, первый сенсационный результат!
На довольно простом ядре (порядка 2000 запросов) типа
- запчасти Хавал
- автозапчасти Haval
- запчасти хавейл по VIN номеру
Лучший результат – почти 100% совпадение с экспертной оценкой показал… Grok3! Причем результат лучший среди всех нейросеток и среди других методов кластеризации! Да, есть нюансы, поскольку это дешевая модель с небольшим контекстным окном он вам не даст откластеризовать, к примеру, ядро из 5000 запросов (остальные он просто выкинет). Второе – да, на сложных нишах типа, займов и кредитов там все не очень, но нужно отметить, что и кластеризация по ТОПу в лоб, тоже дает результаты так себе. Но, советую присмотреться, по крайней мере это любопытно!
Второе крайне забавное наблюдение, про которое мне рассказал Андрей Буйлов. Если в Perplexity в режиме labs загрузить список запросов, которые были изначально кластеризованы (взяли эксель файл и убрали колонку с кластерами, оставили только фразы) – результат очень достойный. Если загрузить фразы в случайном порядке – результат намного хуже. То есть Perplexity запоминает порядок слов – positional encoding в действии!
Третий момент. Многие нейросетки когда их просишь кластернуть запросы пишут код на Python. Прямо пишут код и запускают в интерпретаторе! А мой любимый Sonet вообще кинул в меня скриптом на Питоне и сказал – чувак, вот тебе код, давай сам развлекайся, мне тут не до тебя, я занят более важными делами
Вот такие новости из увлекательного мира нейросетей 😉
👍24💊3❤2👏2
Media is too big
VIEW IN TELEGRAM
Как правильно внедрить семантику на сайт и причем тут ПФ?
В Яндексе все построено на поведенческих факторах. Каждый запрос, поступающий в поиск, проходит процесс, так называемых, переформулировок и перекодировок. Фактически Яндекс вас ранжирует не по одному запросу «пластиковые окна в Москве цены с установкой», а по целому пулу запросов и синонимов (окна ПВХ, остекление).
Именно поэтому если вы 20 раз напишете слово “пластиковые окна” на странице, но при этом не будете использовать синонимы, семантические релевантные слова и самое главное, максимально собранную семантику, прицепленную к данной странице, вы не встанете в топ!
А что делать если у вас 250 ключевых фраз на страницу, как их можно внедрить? Не спамить же простыней ключей?
Работы по внедрению ключевых слов можно разделить на следующие этапы:
1. Внедряем самые частотные фразы и часто повторяющиеся хвосты фраз. Лучший способ это сделать – плагин SEO Excel
2. Дальше нужно разбить все ключевые фразы на n-граммы (двух трёх четырёх словники) и посчитать какие из них встречаются наиболее часто в списке из ваших 250 ключевых слов, допустим их будет 20. Согласитесь, что 20 фраз внедрить проще чем 250!
3. Построить частотный словарик униграмм и добавить самые частотные в текст (при условии что они не входят в пункт 1 и пункт 2), пусть их будет ещё 20
4. Слова из подсветки
5. На последнем этапе можно внедрить семантический релевантные слова или lsi фразы и тут вам поможет https://t.me/vector_keywords_bot
Как проверить вхождения ключей и n-грам в зону документа?
Встречайте новый бот
💥💥 https://t.me/ngram_check_bot 💥💥
На вход список фраз в столбик, на выходе ключи и n-граммы (леммы) и количество вхождений. Предельно, максимально просто!
Если зайдет раскидаю по зеркалам для стабильной работы и сделаю разбивку по зонам документа!
Все предложения и пожелания пишите сюда => https://t.me/sa_supp_bot
Ну и вообще, как это сейчас стало модно, открываю рубрику Вопросы и Ответы, пишите их тоже сюда https://t.me/sa_supp_bot
Так, стоп, а в заголовке написано про поведенческие факторы, это что кликбейт?
Нет! ПФ не работает без максимально собранной и внедрённой семантики! Так устроен YATI!
В Яндексе все построено на поведенческих факторах. Каждый запрос, поступающий в поиск, проходит процесс, так называемых, переформулировок и перекодировок. Фактически Яндекс вас ранжирует не по одному запросу «пластиковые окна в Москве цены с установкой», а по целому пулу запросов и синонимов (окна ПВХ, остекление).
Именно поэтому если вы 20 раз напишете слово “пластиковые окна” на странице, но при этом не будете использовать синонимы, семантические релевантные слова и самое главное, максимально собранную семантику, прицепленную к данной странице, вы не встанете в топ!
А что делать если у вас 250 ключевых фраз на страницу, как их можно внедрить? Не спамить же простыней ключей?
Работы по внедрению ключевых слов можно разделить на следующие этапы:
1. Внедряем самые частотные фразы и часто повторяющиеся хвосты фраз. Лучший способ это сделать – плагин SEO Excel
2. Дальше нужно разбить все ключевые фразы на n-граммы (двух трёх четырёх словники) и посчитать какие из них встречаются наиболее часто в списке из ваших 250 ключевых слов, допустим их будет 20. Согласитесь, что 20 фраз внедрить проще чем 250!
3. Построить частотный словарик униграмм и добавить самые частотные в текст (при условии что они не входят в пункт 1 и пункт 2), пусть их будет ещё 20
4. Слова из подсветки
5. На последнем этапе можно внедрить семантический релевантные слова или lsi фразы и тут вам поможет https://t.me/vector_keywords_bot
Как проверить вхождения ключей и n-грам в зону документа?
Встречайте новый бот
💥💥 https://t.me/ngram_check_bot 💥💥
На вход список фраз в столбик, на выходе ключи и n-граммы (леммы) и количество вхождений. Предельно, максимально просто!
Если зайдет раскидаю по зеркалам для стабильной работы и сделаю разбивку по зонам документа!
Все предложения и пожелания пишите сюда => https://t.me/sa_supp_bot
Ну и вообще, как это сейчас стало модно, открываю рубрику Вопросы и Ответы, пишите их тоже сюда https://t.me/sa_supp_bot
Так, стоп, а в заголовке написано про поведенческие факторы, это что кликбейт?
Нет! ПФ не работает без максимально собранной и внедрённой семантики! Так устроен YATI!
🔥21✍5
Коротко про Optimization 2025
Сейчас буду хвастаться))
Второй год подряд выступил с докладом на легендарной Ашмановке и ….Передам слова модератора секции: Влад у тебя стабильно хороший результат, ждём на следующий год!
Как я писал выше, при подготовке к конфе я прошел все стадии эмоциональных качелей, от веры и надежды, до гнева, торга и смирения)) но оно того стоило! Для чего мне это? Где вы еще сможете пообщаться в неформальной обстановке с хэдами ОЗОНа, ЦИАНА, Сравни.ру, Рутуба, а так же с лучшими SEOшинками страны?
Тезисы своего доклада «Кластеризация в эпоху нейросетей» выложу позже на канале!
Arigato mata-ne 🇯🇵
Сейчас буду хвастаться))
Второй год подряд выступил с докладом на легендарной Ашмановке и ….Передам слова модератора секции: Влад у тебя стабильно хороший результат, ждём на следующий год!
Как я писал выше, при подготовке к конфе я прошел все стадии эмоциональных качелей, от веры и надежды, до гнева, торга и смирения)) но оно того стоило! Для чего мне это? Где вы еще сможете пообщаться в неформальной обстановке с хэдами ОЗОНа, ЦИАНА, Сравни.ру, Рутуба, а так же с лучшими SEOшинками страны?
Тезисы своего доклада «Кластеризация в эпоху нейросетей» выложу позже на канале!
Arigato mata-ne 🇯🇵
🔥23👏7🎉5👍4🥴2❤1✍1
Держите новую классную фичу: подбор запросов по конкретной странице вашего сайта в Вебмастере!
Если у вас ещё нет сайта или вы хотите разобраться в новой области, вам подойдёт обычный подбор запросов по отдельным словам. Но если у вас уже есть страница в поиске - подбор запросов с опорой на поисковые данные поможет быстро найти целевые запросы и сэкономит ваше время. Обратите внимание на табик "дополнительные" - в нём вы можете найти неочевидные и при этом целевые запросы.
Можно указывать абсолютные или относительные урлы вашего сайта. Маски не поддерживаются, но вы можете указать до 50 страниц в одном запросе и можно сделать несколько запросов, чтобы таким образом охватить какой-то кластер страниц. Пробуйте, делитесь обратной связью с командой и оставляйте фичареквесты)
Репост
Если у вас ещё нет сайта или вы хотите разобраться в новой области, вам подойдёт обычный подбор запросов по отдельным словам. Но если у вас уже есть страница в поиске - подбор запросов с опорой на поисковые данные поможет быстро найти целевые запросы и сэкономит ваше время. Обратите внимание на табик "дополнительные" - в нём вы можете найти неочевидные и при этом целевые запросы.
Можно указывать абсолютные или относительные урлы вашего сайта. Маски не поддерживаются, но вы можете указать до 50 страниц в одном запросе и можно сделать несколько запросов, чтобы таким образом охватить какой-то кластер страниц. Пробуйте, делитесь обратной связью с командой и оставляйте фичареквесты)
Репост
webmaster.yandex.ru
Подбор запросов и анализ рынка (β) — Яндекс Вебмастер
Вебмастер поможет найти целевые запросы, оценить их конкурентность и перспективность для продвижения сайта. Среди сотен миллионов уникальных запросов пользователей Поиска подбирайте ключевые слова, которые помогут сделать ваш сайт заметнее.
Анализируйте…
Анализируйте…
👍2❤1⚡1
Путеводитель по каналу
Боты и SEO автоматизации
@ngram_check_bot – проверка вхождений ключевых фраз и n-грам на странице
@vector_keywords_bot – этот бот умеет находить семантически релевантные SRW (LSI) n-граммы для ключевого слова и проверять их вхождения на странице
@vector_words_reserve_bot – зеркало для @vector_keywords_bot
@vector_words_mirror_bot – зеркало для @vector_keywords_bot
@clean_param_bot – обработка clean param в два клика
@words_comparison_bot – сравнение 2-х фраз по косинусной близости
@vector_text_bot – проверка текста по косинусной близости
@sa_supp_bot – саппорт по сервисам, обратная связь
Выступления на вебинарах и конференциях
- Optimization 2025 (Ашмановка) - Кластеризация семантики в эпоху нейросетей: презентация, видео (выложу как только разрешат организаторы)
- Optimization 2024 (Ашмановка) - Текстовый анализ, результаты эксперимента: презентация, vkvideo, youtube
- Текстовый анализ в эпоху нейросетей: vkvideo, youtube
- Вкалывают роботы или автоматизация SEO агентства: vkvideo, youtube
- Выбираем лучшую нейросеть для SEO: vkvideo, youtube
Как устроены большие LLM модели (нейросети трансформеры)
Серия постов про векторное представление текстов
Как обучаются нейросети или почему GPT такая умная?
Механизм Attention
Магия трансформеров, BERT и GPT на пальцах
Рейтинг текстовых анализаторов
Гайд по маркдаун разметке
Гайд по вайб-кодингу
Гайд по внедрению ключевых слов на странице
Полезное
Лучший плейлист про нейросети для чайников
Визуализация внимания, сердце трансформера
Трансформеры в Поиске: как Яндекс применил тяжёлые нейросети для поиска по смыслу
Разборы патентов Google и Яндекс от Виктора Репина Head of SEO OZON
Разборы патентов Google и Яндекса от Ивана @hoolz
Как Яндекс решает задачу ранжирования с помощью больших нейросетей – Александр Готманов, Яндекс
Яндекс Трансформеры для персонализации
Attention is all you need
Курсы и обучение
Python SEO Нейросети
Python SEO PBN
Боты и SEO автоматизации
@ngram_check_bot – проверка вхождений ключевых фраз и n-грам на странице
@vector_keywords_bot – этот бот умеет находить семантически релевантные SRW (LSI) n-граммы для ключевого слова и проверять их вхождения на странице
@vector_words_reserve_bot – зеркало для @vector_keywords_bot
@vector_words_mirror_bot – зеркало для @vector_keywords_bot
@clean_param_bot – обработка clean param в два клика
@words_comparison_bot – сравнение 2-х фраз по косинусной близости
@vector_text_bot – проверка текста по косинусной близости
@sa_supp_bot – саппорт по сервисам, обратная связь
Выступления на вебинарах и конференциях
- Optimization 2025 (Ашмановка) - Кластеризация семантики в эпоху нейросетей: презентация, видео (выложу как только разрешат организаторы)
- Optimization 2024 (Ашмановка) - Текстовый анализ, результаты эксперимента: презентация, vkvideo, youtube
- Текстовый анализ в эпоху нейросетей: vkvideo, youtube
- Вкалывают роботы или автоматизация SEO агентства: vkvideo, youtube
- Выбираем лучшую нейросеть для SEO: vkvideo, youtube
Как устроены большие LLM модели (нейросети трансформеры)
Серия постов про векторное представление текстов
Как обучаются нейросети или почему GPT такая умная?
Механизм Attention
Магия трансформеров, BERT и GPT на пальцах
Рейтинг текстовых анализаторов
Гайд по маркдаун разметке
Гайд по вайб-кодингу
Гайд по внедрению ключевых слов на странице
Полезное
Лучший плейлист про нейросети для чайников
Визуализация внимания, сердце трансформера
Трансформеры в Поиске: как Яндекс применил тяжёлые нейросети для поиска по смыслу
Разборы патентов Google и Яндекс от Виктора Репина Head of SEO OZON
Разборы патентов Google и Яндекса от Ивана @hoolz
Как Яндекс решает задачу ранжирования с помощью больших нейросетей – Александр Готманов, Яндекс
Яндекс Трансформеры для персонализации
Attention is all you need
Курсы и обучение
Python SEO Нейросети
Python SEO PBN
VK Видео
Текстовый анализ в эпоху нейросетей выступление на Optimization 2024
Выступление Владислава Папернюка на конференции Optimization 2024
👍16❤4🔥1
SEO Python 2 Нейрона pinned «Путеводитель по каналу Боты и SEO автоматизации @ngram_check_bot – проверка вхождений ключевых фраз и n-грам на странице @vector_keywords_bot – этот бот умеет находить семантически релевантные SRW (LSI) n-граммы для ключевого слова и проверять их вхождения…»
Кластеризация - какую таблетку ты выберешь?
Начну с метафоры. Читали Кастанеду ‘’Шаманский полет” и прочие его экзерсисы?
Индейцы Толтеки, как, впрочем, и создатели фильма Матрица, считают, что мир в котором мы живем – ни что иное как иллюзия. Человек находится внутри пузыря восприятия и видит окружающий мир как отражение самого себя на стенках этого пузыря. И только избранным, шаманами Алексею Чекушину ) открыта возможность выходить за рамки оболочки и наблюдать этот мир таким какой он есть.
К чему это я? Да к тому, что кластеризация — это и есть попытка по отражению и ряби на поверхности пузыря восприятия понять, что там снаружи. Но! Есть один пикантный нюанс, реальной картинки как будто бы не существует, как, впрочем, и красной таблетки. 🤯
Задача – изучить 4 способа кластеризации с вариациями:
1 - кластеризация по ТОПу (по Яндексу, по Google, по Ozon, по живой выдаче, по XML, по ТОП-10, по ТОП-20, Soft, Midle, Hard …)
2 - кластеризация по эмбеддингами или векторным представлениям слов (KMeans, Agglomerative Clustering, HDBSCAN, Bayesian Gaussian Mixture и прочие алгоритмы)
3 - кластеризация с помощью LLM моделей (Sonar, Claude Sonnet 4.0, Gemini 2.5 Pro, GPT-5, Grok 3, Perplexity)
4 - кластеризация по Яндекс Веб-мастеру
Цель - найти лучший алгоритм, который, что называется в лоб, покажет лучший результат.
Оценка результата – схожесть с эталонными группировками, которые мне любезно предоставили SEOшники экспертывампиры верхнего уровня .
Суть эксперимента:
1. Берём запросы, выполняем кластеризацию разными способами
2. Пытаемся найти оптимальный вариант
3. Сравниваем с эталонной выборкой
4. Делаем выводы
На бумаге все выглядит достаточно гладко за исключением пункта №2. Это как раз и есть попытка понять по каким-то метрикам правильно ли мы сгруппировали запросы.
Как это происходит у обычного сеошника?
Взяли запросы сняли топы, покрутили параметры, прикинули на глаз всё ли ок и дальше уже выгружаем все в Excel и начинаем руками перераспределять запросы если нужно. Достаточно муторная работа, требующая реального знания ниши усидчивости и определённых скилов.
Собственно исходя из этой боли и родилась идея. А что, если мы пойдём в учебник по машинному обучению, зададим кучу вопросов в Perplexity или ChatGPT и выведем такую формулу которая позволит нам избегать вот этой вот многочасовой и муторной доводки?
Я так и сделал! Результат тут 😆
Спойлерю - главный вывод, который я сделал в рамках исследования, заключается в том, что не существует идеального метода, позволяющего в лоб с первой итерации достичь приемлемого результата. Поэтому все сказки про некие чудо-инструменты и суперкластеризаторы - это всего лишь рябь на внутренней поверхности пузыря восприятия, не более.
Но, не стоит унывать! На самом деле получились довольно интересные результаты и алгоритм действий, который может приблизить вас к желаемому результату.
Начинаю серии публикаций про такую фундаментальную seoшную процедуру как "кластеризация запросов". Пристегните ремни будет интересно!
Начну с метафоры. Читали Кастанеду ‘’Шаманский полет” и прочие его экзерсисы?
Индейцы Толтеки, как, впрочем, и создатели фильма Матрица, считают, что мир в котором мы живем – ни что иное как иллюзия. Человек находится внутри пузыря восприятия и видит окружающий мир как отражение самого себя на стенках этого пузыря. И только избранным, шаманам
К чему это я? Да к тому, что кластеризация — это и есть попытка по отражению и ряби на поверхности пузыря восприятия понять, что там снаружи. Но! Есть один пикантный нюанс, реальной картинки как будто бы не существует, как, впрочем, и красной таблетки. 🤯
Задача – изучить 4 способа кластеризации с вариациями:
1 - кластеризация по ТОПу (по Яндексу, по Google, по Ozon, по живой выдаче, по XML, по ТОП-10, по ТОП-20, Soft, Midle, Hard …)
2 - кластеризация по эмбеддингами или векторным представлениям слов (KMeans, Agglomerative Clustering, HDBSCAN, Bayesian Gaussian Mixture и прочие алгоритмы)
3 - кластеризация с помощью LLM моделей (Sonar, Claude Sonnet 4.0, Gemini 2.5 Pro, GPT-5, Grok 3, Perplexity)
4 - кластеризация по Яндекс Веб-мастеру
Цель - найти лучший алгоритм, который, что называется в лоб, покажет лучший результат.
Оценка результата – схожесть с эталонными группировками, которые мне любезно предоставили SEOшники эксперты
Суть эксперимента:
1. Берём запросы, выполняем кластеризацию разными способами
2. Пытаемся найти оптимальный вариант
3. Сравниваем с эталонной выборкой
4. Делаем выводы
На бумаге все выглядит достаточно гладко за исключением пункта №2. Это как раз и есть попытка понять по каким-то метрикам правильно ли мы сгруппировали запросы.
Как это происходит у обычного сеошника?
Взяли запросы сняли топы, покрутили параметры, прикинули на глаз всё ли ок и дальше уже выгружаем все в Excel и начинаем руками перераспределять запросы если нужно. Достаточно муторная работа, требующая реального знания ниши усидчивости и определённых скилов.
Собственно исходя из этой боли и родилась идея. А что, если мы пойдём в учебник по машинному обучению, зададим кучу вопросов в Perplexity или ChatGPT и выведем такую формулу которая позволит нам избегать вот этой вот многочасовой и муторной доводки?
Я так и сделал! Результат тут 😆
Спойлерю - главный вывод, который я сделал в рамках исследования, заключается в том, что не существует идеального метода, позволяющего в лоб с первой итерации достичь приемлемого результата. Поэтому все сказки про некие чудо-инструменты и суперкластеризаторы - это всего лишь рябь на внутренней поверхности пузыря восприятия, не более.
Но, не стоит унывать! На самом деле получились довольно интересные результаты и алгоритм действий, который может приблизить вас к желаемому результату.
Начинаю серии публикаций про такую фундаментальную seoшную процедуру как "кластеризация запросов". Пристегните ремни будет интересно!
💊7🔥4👍3❤1
Сравнение алгоритмов кластеризации – Займы на карту
Эталонное ядро: 6521 ключа,141 кластер
Сравниваемые алгоритмы и модификации (всего 51 шт.)
1) Кластеризации по ТОПу Яндекса и Google
2) По ТОП-10 и ТОП-20
3) По типам Hard, Soft, Middle
4) Кластеризация по Сайтам Чемпионам
5) Кластеризация по Эмбеддингам по алгоритмам KMeans, Agglomerative Clustering, Spectral Clustering, DBSCAN, Gaussian Mixture , Bayesian Gaussian Mixture, HDBSCAN
Метрика для оценки ARI
Индекс Adjusted Rand (ARI) – это метрика, используемая в анализе кластеризации для оценки сходства между двумя разбиениями данных (кластеризациями), скорректированная с учетом случайного совпадения, что делает его наиболее надежным показателем.
Лучшие результаты
- кластеризация по sravni.ru и banki.ru
- по middle по Яндексу по ТОП-20
- агломеративная кластеризация по эмбеддингам
Худшие результаты
- кластеризация по ТОПу с жесткими ограничениями (например по ТОПу по Hard c порогом 4) и
- почти все LLM
- плюс кластеризация по ряду алгоритмов по эмбеддингам.
Вывод - с первой итерации хотя бы 90% результат не дал ни кто!
Эталонное ядро: 6521 ключа,141 кластер
Сравниваемые алгоритмы и модификации (всего 51 шт.)
1) Кластеризации по ТОПу Яндекса и Google
2) По ТОП-10 и ТОП-20
3) По типам Hard, Soft, Middle
4) Кластеризация по Сайтам Чемпионам
5) Кластеризация по Эмбеддингам по алгоритмам KMeans, Agglomerative Clustering, Spectral Clustering, DBSCAN, Gaussian Mixture , Bayesian Gaussian Mixture, HDBSCAN
Метрика для оценки ARI
Индекс Adjusted Rand (ARI) – это метрика, используемая в анализе кластеризации для оценки сходства между двумя разбиениями данных (кластеризациями), скорректированная с учетом случайного совпадения, что делает его наиболее надежным показателем.
Лучшие результаты
- кластеризация по sravni.ru и banki.ru
- по middle по Яндексу по ТОП-20
- агломеративная кластеризация по эмбеддингам
Худшие результаты
- кластеризация по ТОПу с жесткими ограничениями (например по ТОПу по Hard c порогом 4) и
- почти все LLM
- плюс кластеризация по ряду алгоритмов по эмбеддингам.
Вывод - с первой итерации хотя бы 90% результат не дал ни кто!
👍5🔥2