Лет десять назад я бы вам сказал прямо: хотите в топ — вставьте ключ в title, в первый абзац, в alt картинки, и не забудьте про точное вхождение. Работало. Поиск тогда был, по сути, очень быстрым и очень тупым счётчиком: он сравнивал слова в запросе со словами на странице и считал, у кого больше совпадений и в каких местах они стоят.
А потом случилась штука, которую многие SEO-специалисты до сих пор толком не осознали. У меня был клиент — небольшая клиника. Страница про лечение спины вышла в топ по запросу «болит поясница после сидячей работы». Хотя на странице не было ни слова «сидячая» и ни слова «работа». Вообще. Я сначала подумал, что глюк выдачи. А это был не глюк. Это поиск понял, о чём текст, не считая слова. Вот про этот сдвиг я и хочу поговорить подробно, без академической зауми, но и без упрощений уровня «нейросеть — это магия».
Почему совпадение слов — это тупик
Представьте, что вы ничего не понимаете в языке, но вам дали две стопки бумаг и линейку. Задача: найти документы, которые отвечают на запрос. Единственное, что вы умеете — сравнивать наборы букв. Запрос «недорогой ремонт двушки» — ищете страницы, где есть «недорогой», «ремонт», «двушки».
Проблема в том, что человек, который написал отличную статью про бюджетную отделку двухкомнатной квартиры, мог ни разу не употребить слово «двушка». Он писал «двухкомнатная», «эконом-вариант», «без переплат». Для счётчика слов этот текст — мимо. А по смыслу — идеальное попадание.
И наоборот: дорвей, в который натолкали «недорогой ремонт двушки» пятнадцать раз, для счётчика выглядел релевантнее живой экспертной статьи. Отсюда вся эпоха переоптимизации, тошноты текста и фильтров вроде Баден-Бадена, которыми Яндекс потом гасил эту вакханалию. Я через эту эпоху прошёл целиком и хорошо помню, как мы считали «плотность ключевых слов» в процентах. Сегодня это звучит примерно как «измерять температуру на глаз».
Поиску нужно было научиться понимать, что «двушка» и «двухкомнатная квартира» — про одно и то же. А «лук» в запросе про рецепт и «лук» в запросе про стрельбу — про разное. Совпадение букв тут не помогает в принципе. Нужно было схватить смысл. И вот тут начинается интересное.
Палех: первый раз, когда Яндекс посмотрел не на буквы
В 2016 году Яндекс запустил алгоритм, который назвал в честь палехской росписи — Палех. Это был первый случай, когда в ранжирование запустили нейросеть, работающую со смыслом.
Идея, если убрать математику, такая. Каждому слову, а потом и целой фразе, присваивается длинный набор чисел — вектор. Не случайный, а обученный на гигантском объёме текстов так, чтобы слова с похожим смыслом получали похожие наборы чисел. «Кот» и «кошка» оказываются рядом. «Кот» и «асфальт» — далеко друг от друга. Машина не знает, что такое кот в человеческом смысле, но она знает, что это слово ведёт себя в языке похоже на «кошку» и совсем не похоже на «асфальт».
Палех сравнивал не слова запроса со словами страницы, а вектор запроса с вектором заголовка страницы. То есть впервые поиск начал отвечать на вопрос «про одно ли это вообще, по сути?», а не «совпали ли буквы». Тогда это касалось в основном заголовков и длинных редких запросов — тех самых, которые люди задают живым языком и которые раньше почти никогда не находились нормально.
Королёв: машина начала читать всю страницу
Через год, в 2017-м, вышел Королёв. И это был шаг гораздо больше, чем кажется по дате.
Палех смотрел на заголовок. Королёв научился строить смысловой вектор всей страницы целиком — по всему тексту, а не по одной строчке. Грубо говоря, поиск стал читать документ и складывать из него общее представление о том, чему этот документ посвящён. А потом сравнивать это представление со смыслом запроса.
Вот тут-то моя клиника и взлетела по запросу про сидячую работу. Текст был про причины боли в пояснице, про гиподинамию, про разгрузку позвоночника. Слов из запроса там не было, но смысловой портрет страницы лёг ровно на смысловой портрет запроса. Королёв это увидел. Счётчик слов — никогда бы.
Ещё важная деталь: Королёв обучался в том числе на поведении людей. На том, по каким страницам пользователи кликали и оставались, отвечая на похожие запросы. То есть в смысловую модель подмешался коллективный опыт миллионов людей, которые своими кликами как бы говорили: «вот эта страница реально про это». Поэтому поведенческие факторы и семантика — это не два разных мира, как многие думают, а довольно тесно связанные вещи.
Что такое векторный эмбеддинг, если совсем на пальцах
Слово «эмбеддинг» пугает, а штука простая. Embedding — это «вложение». Мы вкладываем смысл слова, фразы или целого текста в точку многомерного пространства.
Вообразите карту. На обычной карте две координаты — широта и долгота, и близкие по смыслу города стоят рядом. Теперь представьте карту не с двумя координатами, а с сотнями. Каждое понятие — точка на этой карте. И расположены они не по географии, а по смыслу. Всё, что связано с дачей, садом, грядками — собирается в одном районе этой карты. Всё про автомобили — в другом. «Удобрение» и «подкормка растений» стоят почти вплотную. «Удобрение» и «ипотека» — на разных концах.
Когда приходит запрос, поиск превращает его в такую же точку и смотрит, какие документы лежат ближе всего по этой смысловой карте. Расстояние между точками (математики считают его через угол между векторами — косинусную близость, но вам это знать необязательно) и есть мера смыслового сходства.
Главный вывод для практика: поисковик больше не ищет ваши слова. Он ищет вашу точку на смысловой карте. И задача SEO сместилась с «впихнуть нужные слова» на «попасть в нужную смысловую область и закрыть её плотно». Об этом я постоянно пишу в своём блоге про SEO — потому что до сих пор половина заказчиков приходит с ТЗ из 2015 года, где главное — плотность ключа.
Трансформеры и YATI: поиск научился держать контекст
Палех и Королёв — это вектор слова и вектор документа. Но у ранних эмбеддингов была слабость: слово получало один и тот же вектор независимо от контекста. «Замок» на двери и «замок» с башнями — одна точка, хотя смыслы разные.
Решили это трансформеры — архитектура, на которой сегодня построены все большие языковые модели, включая те, что отвечают вам в чатах. В 2020 году Яндекс внедрил в поиск свою трансформерную модель — YATI (Yet Another Transformer with Improvements, в названии есть доля самоиронии). YATI смотрит на слово не само по себе, а вместе со всем окружением, и понимает, какой именно «замок» имеется в виду. Он считывает связи между словами в предложении, держит контекст и оценивает, насколько глубоко и по делу текст отвечает на запрос, а не просто упоминает тему.
Для нас, тех кто делает контент, это означало очередной поворот гайки. Стало почти невозможно обмануть поиск поверхностным текстом «обо всём и ни о чём». YATI чувствует, когда страница реально раскрывает вопрос, а когда просто набита тематическими словами для вида. Поверхностная статья на 2000 знаков, написанная «чтобы было», в конкурентной нише сегодня не имеет шансов против материала, который действительно отвечает на вопрос пользователя до конца.
Что всё это меняет для владельца сайта
Давайте перейдём от теории к деньгам, ради которых вы это читаете.
Первое. Точное вхождение ключа умерло как самоцель. Не нужно коверкать русский язык ради «купить пластиковые окна Москва недорого». Пишите как человек. Поиск поймёт «пластиковые окна в Москве по доступной цене» ничуть не хуже, а пользователь не сбежит от уродливого текста.
Второе. Выросла ценность полноты раскрытия темы. Если страница про выбор межкомнатных дверей, семантическая модель ждёт, что там будут затронуты материалы, типы конструкций, фурнитура, замеры, установка — весь смысловой кластер вокруг темы. Не потому что это «LSI-слова для робота», а потому что так выглядит текст, который реально закрывает вопрос. Когда я заказываю или пишу экспертные SEO-тексты, я первым делом смотрю не на ключи, а на то, все ли смысловые подтемы закрыты.
Третье. Интент важнее формулировки. Десять разных запросов с одним намерением поиск сегодня склеивает в одну смысловую группу. Поэтому семантическое ядро нужно собирать не списком слов, а картой намерений: что человек на самом деле хочет, придя с этим запросом — узнать, выбрать или купить. Это основа любого вменяемого SEO-аудита и стратегии, который я провожу перед стартом.
Четвёртое, и про него забывают. Техника никуда не делась. Если страница грузится восемь секунд, закрыта от индексации или дублируется в трёх вариантах, то самый смысловой текст в мире просто не дойдёт до оценки. Сначала поиск должен страницу прочитать — а для этого сайт должен быть технически здоров. Поэтому я почти всегда начинаю с технической доработки сайта, а уже потом занимаюсь смыслами. Результаты этого подхода видны в моих кейсах — сотни проектов в топе без единого фильтра за двадцать лет.
Как писать тексты, которые нравятся векторным моделям
Никакого секрета, который продают на курсах за сто тысяч, тут нет. Есть здравый смысл, переведённый на язык того, как работает семантический поиск.
Берёте один запрос — одно намерение — одну страницу. Не валите пять разных интентов в одну простыню. Раскрываете тему так, чтобы человек после прочтения не пошёл дочитывать к конкуренту: разбираете подтемы, отвечаете на сопутствующие вопросы, даёте конкретику вместо воды. Используете естественную лексику темы — синонимы, смежные понятия, профессиональные термины — но потому что вы реально в теме, а не потому что подсмотрели список «LSI-фраз». И пишете для человека. Векторные модели обучены на человеческом тексте и человеческом поведении, поэтому то, что нравится живому читателю, в среднем нравится и им. Это не совпадение, это конструкция.
Звучит просто. На потоке, когда нужно закрыть смысловыми текстами сотню страниц без потери качества, — совсем не просто. Но это уже вопрос ресурса и опыта, а не магии.
GEO: следующий виток той же самой истории
И вот тут я подхожу к тому, что считаю главным трендом ближайших лет. Всё, что я описал — векторы, смысл вместо слов — это фундамент, на котором стоит не только поиск Яндекса. На нём же стоят генеративные ответы: и Нейро в Яндексе, и ответы YandexGPT, GigaChat, ChatGPT, Perplexity.
Когда человек спрашивает ИИ «к кому обратиться за продвижением сайта в Петербурге», машина не листает выдачу — она достаёт из своего смыслового пространства источники, которые сочла авторитетными и релевантными, и собирает из них ответ. И вот ключевой момент: если вашего бренда нет в этом смысловом пространстве — вас для генеративного поиска не существует. Совсем. Не «на второй странице», а просто нет.
Оптимизация под это — отдельная дисциплина, GEO (Generative Engine Optimization). И это ровно тот же сдвиг, что был от Палеха к Королёву, только на новом уровне: учимся попадать не в выдачу, а в ответ нейросети. Кто заходит в эту дверь сейчас, в 2026-м, получает то же преимущество, что получили те, кто всерьёз занялся SEO в нулевых. Я в этой теме с момента её появления на российском рынке и говорю ответственно: окно первопроходца ещё открыто, но закрывается оно быстро.
Если вам не хватает целевого трафика — давайте разберёмся предметно
Теперь по-честному, без расшаркиваний. Если вы дочитали досюда, у вас наверняка есть сайт, который недополучает клиентов из поиска. Семантические модели уже оценивают ваши страницы прямо сейчас — вопрос только в том, в вашу пользу или нет.
Я частный SEO-специалист с 2005 года, работаю напрямую, без агентств и менеджеров-прокладок, беру один проект на нишу и не берусь за то, в чём не уверен. За двадцать лет — 300+ сайтов в топ-3 и ноль фильтров Яндекса. Что предлагаю конкретно:
Начнём с бесплатного аудита вашего сайта — покажу точки роста по делу, без воды и без впаривания. Дальше, если поймём, что сработаемся — берусь за полноценное SEO-продвижение с выводом в топ Яндекса по коммерческим запросам, технической базой и смысловым контентом, который любят и люди, и векторные модели. А чтобы вас находили не только в поиске, но и в ответах нейросетей, отдельно делаю GEO-продвижение — встраиваю ваш бренд в то самое смысловое пространство, из которого ИИ собирает ответы клиентам. По обоим направлениям напишите мне напрямую, обсудим вашу нишу и реальный потенциал — без завышенных обещаний и «топа за неделю».
Поиск давно понимает смысл. Пора сделать так, чтобы он понимал и ценность вашего бизнеса.
#seo #геопродвижение #семантическийпоиск #нейросетияндекса #векторныеэмбеддинги #продвижениесайтов #generativeengineoptimization #яндекс