SEO Python 2 Нейрона

🎯 SEO-конференция

Гостиница Беларусь
ул. Сторожовская, 15, Минск (большой конференц зал)

Дата: 28.05.2026 (Четверг)
с 10:00 до 18:00 часов (регистрация с 9:30)

❤️ 12 топовых SEO-спикеров раскроют:

Как быстро попасть в топы Яндекса
Автоматизацию контента
Оптимизацию сайтов под SEO/AEO/AIO/GEO/E-E-A-T
Продвижению с учётом сезонности
Анализ свежих патентов Google, связанных со ссылками.
Эксперименты по линкбилдингу в Google.
Как продвигаться в AI-ответах и измерять результаты
Автоматизация SEO: от скриптов к скиллам
Спицифика SEO в SaaS, SDaaS в продвижении на Бурж и Mena
И многое другое!

👉 Подробная информация и продажа билетов на сайте, в шапке профиля
https://seo-conference.by/

😀Это мероприятие для вас, если вы:
SEO-специалист, маркетолог или digital-эксперт, ищущий передовые подходы
Владелец бизнеса или топ-менеджер, заинтересованный в росте трафика и продаж
Фрилансер, развивающий персональный бренд и поиск клиентов
Аналитик и стратег, работающий с SEO-данными и трендами поисковиков

Не пропустите главный SEO-ивент осени!
https://www.instagram.com/p/DWV_hj2CA_H/?igsh=MWdvNjh2dDhzbDBj

Структура SEO-AI агентства!

Пока не без кожаных, но уже с нейро агентами!

Я надеюсь всем понятно куда мы идем? 😉

PS На картинках не видно OnPage и блока по линкбилдингу. Короче это как с суликом 🐿 его не видно, но оно там есть) просто на картинку не поместилось

ИИ уничтожит вас и оставит без работы

Кликбейт, каюсь. Но то, что сейчас происходит в SEO индустрии уже можно смело назвать революцией. Изменения колоссальны, скорость неимоверная.

То чем мы занимались еще год назад (умные боты помощники в телеграме) кажутся теперь детскими играми в песочнице. Выход Claude Code, внедрение ИИ агентов, Скиллы - всё это переворачивает шахматную доску, я уж молчу про OpenClaw.

Вангую - скоро появятся коробочные решения, это когда ты клонируешь папочку со скилами на серваке, заводишь в неё вводные по очередному проекту даешь команду ИИ агенту и.... И всё процесс пошел!

Вчера был очередной созвон нашего SEO Python чата, это выпускники моих курсов и такие же как я больные на всю голову амбассадоры ИИ. Чем только народ не развлекается! Пилит целые новостные агрегаты, ИИ агентов которые меж собой общаются и взаимодействуют, дашборды, автоматизации, я по ходу встречи, скажем так, был пару раз несколько удивлен)) и задавал себе вопрос, ОГО! А так можно было? )

И вот на этом контрасте я последние 3 недели активно собеседовал кандидатов. Мы искали себе в команду SEOшника. Обычного, кожаного) Блин! Как всё печально! Вот общаешься с человеком, 5-10 лет в SEO. Ничего нового, работа по чек листам, DR>10, ИКС, длина title <70 ... Спрашиваю - у кого учились? Нас ХЭД учил. На кого подписан в телеге - да особо ни на кого. Эксперименты ставишь? Вайбкодишь? Ну да chat gpt юзаю. Опыт накрутки ПФ есть? Да через сервис 🙈

Что я вижу? 👀

1. Настало время умных SEOшников способных в соло с помощью ИИ агентов разгребать за час задачи целого агентства.
2. SEO Джуны, работники по чек листам и люди с закостеневшим мозгом и мышлением - пора надевать желтый рюкзачок, садится на электровелосипед (на завод вас тоже не возьмут)

Наблюдаю отход от стандартных грейдов: Хард, Мидл, Джун. Скорее всего будет так:

1. SEO супервайзер + ML инженер + ИИ агенты
2. Руки - по факту админы сайтов и контент менеджеры (сайты на Тильде никто не отменял)

Йорошику онегай шимас! - Или прошу любить и жаловать новый дивный мир! (вольный перевод с 🇯🇵 )

AI-first подход для сложного парсинга

На прошлой неделе повозился полдня с Клодом и сделал умный парсер ЖК для сайта о недвижимости.
Предыстория: нужно добавить на проект порядка 200 объектов – жилых комплексов. Как бы я поступил раньше? Я бы выгрузил топы, спарсил картинки, заголовки, нанял бы четверых фрилансеров, чтобы они руками заполнили информацию об объектах.

Каюсь, первая мысль была именно такой – сделать все по старинке. Но как только моя рука потянулась, чтобы написать сообщение моему ассистенту, я почувствовал дискомфорт. Это было моё уязвлённое самолюбие! Эй, чел, ты же автоматизатор, блин, нейронщик, пропагандируешь принцип AI-first, а сам втихаря ручками?))

Неее, так не пойдёт, подумал я и за пару тройку часов написал умный парсер.

Идея предельно проста: вытаскивать парсером все тексты со страниц ЖК и отправлять их по API в OpenAI, снабдив мастер-промптом, который найдёт в текстах нужную мне информацию, структурирует её и выдаст в Markdown по шаблону. Написал скрипт, покрутил мастер промпт и температуру, протестировал разные модели, лучшей оказалась GPT-5.

Схема работы
1. На вход - список жилых комплексов
2. Парсим топы, в том числе используя вайт-лист и стоп-лист сайтов
3. Готовим табличку: объект, урлы доноры (от 5 до 7 в среднем ), и тайтлы для проверки адекватности найденных углов
4. Следующий шаг пришлось сделать вручную – это проверить URL-адреса и теги title, чтобы выкинуть нерелевантные странички. На данном этапе лучше кожаных пока не справляется никто
5. Дальше всё улетает в GPT и возвращается в виде Markdown списка и json файла
6. Маркдаун нам пригодится для итоговой проверки. В нем собрана и структурирована информация по объекту, например, срок сдачи, ближайшие локации, тип недвижки (апарты, таунхаусы и прочее), статус объекта, класс объекта и прочее и прочее
7. Json файл пойдет у нас для импорта в админку после проверки и фактчекинга риэлторами

Знаете, что самое интересное? Я думал, у меня израсходуется куча денег, тем более что я использовал дорогую модель GPT-5. 100 объектов мне встали в 12 центов или примерно в 10 рублей!

Короче, AI-first подход работает! Теперь не нужно выискивать CSS-селекторы, XPath-выражения – экономия времени в разы. Если для интернет-магазинов, как будто бы, до сих пор лучше парсить по старинке с помощью XPath-выражений, то для разнородных страниц – например, для сайтов услуг или объектов недвижимости – выделение сущностей без нейронок выглядело просто неосуществимой задачей!

Опыт использования Вайбкод платформ от учеников

Небольшое овервью, данный пост написал Адександр Чумак, один из лучших учеников на курсе). Я попросил у него разрешения опубликовать личный опыт проб, ошибок и набивания шишек!

Пост Александра:

Я сделал сбор семантики.
Изначально начинал вайб-кодить на ChatGPT через диалоговое окно.
Потом перешёл на Claude AI, также в окне.
Потом стал пробовать разные IDE.
Начал с Cursor. За 5 дней улетели 20$ месячной подписки + ещё в минус 43$.
На этом с Cursor закончил.
Потом поставил Antigravity AI от Google.
За пару дней закончились лимиты от Антропик, пауза на 5 дней. Но плюс в том, что можно почти неограниченно использовать родную гугловскую модель Gemini 3 Pro High.
Она конечно похуже, чем Сонет 4,5 и Опус 4, но работает. Правда нужен аккаунт не Российский и хороший сами знаете что)) на зарубежном сервере.
На днях ещё опробовал TRAE.AI, но в нем нет моделей от Антропик, но есть ChatGPT 5,2 High, который по ощущениям работает лучше, чем также Gemini 3 Pro High.
Плюс а том, что месячная подписка на Trae в 1й месяц 3$, далее 10$.
На днях поставил VS Code + Claude Code Cli.
Фишка в том, что можно использовать обычную подписку за 20$ без API.
Пока только начал и не могу оценить, но судя по отзывам как людей, так и нейронок , последний вариант в настоящее время - это самое лучшее решение для вайб-кодера.

Полезно? По моему да!

Не отпускают меня сущности)

Вчера в очередной раз посмотрел доклад Олега Шестакова про сущности и задал ему вопрос по итогам своего эксперимента.

Скажу вкратце, не все так красиво и гладко как в докладе, есть нюансы. Так например если вы делаете статью о том как поступить в MIT (Массачусетский технологический университет) из РФ, то за счет сущностей entities и ноулидж графа вы получите строгую академичную статью про MIT, да там будет масса информации об основателях, о кампусе, благотворительной деятельности, выдающихся выпускниках, но! Именно про особенности поступления из РФ и прочие моменты будут отсечены по порогу косинусной близости, потому что main entity (главная сущность) у нас это MIT. На вебинаре, который я проводил, я как раз это подсвечивал. И вопрос который у меня был - баг это или фича? На что последовал ответ, что да тупо по одной кнопке не всегда получается, есть разные ниши, разные запросы и иногда нужно бить полученные данные на 2 или 3 статьи. Примерно эти же выводы я озвучил у себя на вебинаре, что одних сущностей недостаточно, что это скорее хороший инструмент обогащения, но ни как не сильвер буллит!


Запилить бота, чтоли очередного, который будет это доставать 🤔? Накидайте огонёчков, если их наберется, что нибудь замучу в ближайшие дни!

Как устроена работа в нашем агентстве и причем тут Python 🐍

Начнем с того, что типовые задачи у нас оцифрованы и шаблонизированы. Для каждой задачи в рамках проекта идет описание, порядок выполнения, чек-лист для проверки, примерное время выполнения и самое важное - ЦКП

Мы для каждой задачи ставим ЦКП (ценный конечный продукт). Так, например, для задачи «написать статью в блог» - ЦКП звучит как: опубликованная на сайте, проиндексированная в Яндексе и Google статья написанная под определенную семантику, проверенная по SEO параметрам согласно чек-листа.

Зачем мы это сделали? Да потому что конечную цель все воспринимают по разному. Кто-то может посчитать, что достаточно написать статью в Гугл докс и приложить её к отчету. Кто-то может разместить её на сайте но не опубликовать. Это не значит, что у нас работают тупые сотрудники)) это стандарт качества, который должен быть!

Есть несколько стилей управления командой. От: "Мы нанимаем самых лучших и дорогих и не лезем к ним", до регламентирования каждого шага. Мой подход - здоровая диктатура 👨‍✈ кто был в Сингапуре тот меня прекрасно поймёт). Я за планомерную четко регламентированную работу, но без микроменеджмента и задротства по мелочам.

В конце месяца мы делаем шахматку - строим планы на следующий месяц по всем проектам. В столбик у нас проекты, в строку - типовые задачи с комментариями. Обычная эксель таблица, очень удобно и наглядно.

А причем тут Python спросите вы?

Мы используем MooTeam - это CRM от Алаича и у неё довольно удобная API. И вот эту вот шахматку мы с помощью python и API импортируем в CRM, предварительно проставив дедлайны, приоритеты и ответственных. Удобно? Вы не предоставляете насколько! Мой хэд просто пищал от восторга когда мы это сделали. До этого приходилось заносить все вручную.

Второй писк радости был когда мы автоматизировали отчеты (полуавтоматизировали) если уж быть до конца честными. Фишка в том, что все выполненные нами в CRM системе работы мы экспортируем в заготовки презентаций отчетов о выполненных работах, экспортируем как вы догадываетесь одной кнопкой.

Что следующее на очереди и над чем я работаю сейчас? Это автоматизация аккаунтинга.

Краткое ТЗ выглядит так.
Регулярно скармливать LLMке (видимо это будет Gemini):
1. Мониторинг клиентских чатов
2. Самари зум созвонов
3. Отчеты и планы, а так же текущие спринты по задачам

Если еще закинуть туда какой нибудь крутой seoшный курс, я даже знаю чей 😉. Можно сделать идеального помощника аккаунт менеджера, который будет не просто тупо отвечать: "Здравствуйте передаю ваш запрос SEOшникам вернусь до конца дня". Грамотно и по существу закрывать тревоги клиента.

Если все сделать как я хочу, получится очень крутой и востребованный продукт! Я надеюсь вы понимаете что без Питона тут никак не обойтись?)))

Напоминаю, сегодня в 20-00 по Москве Вебинар по сущностям!

Ловим сущности в прямом эфире! Анонс вебинара!

С некоторых пор https://t.me/seo_python_2neuron/173 меня интересуют сущности 👻👻👻. Речь не о привидениях, домовых и прочей нечисти, речь идет про entities.

Как поступает настоящий адепт Python? Правильно погружается в кодинг и готовит исследование! Новогодние выходные прошли крайне продуктивно я допинал скрипт, который находит сущности на поиске, векторизирует их, обогащает через Google Knowledge Graph и потом готовит по ним аутлайн для статьи.

Да, SEO статья это не только про "Давай спарсим h2 конкурентов и добавим ключи по списку в перемешку с LSI". Нужно ещё раскрыть все интенты, ответить на вопросы, и вот тут-то как раз нам и пригодится NLP от Google со своими сущностями (entities).

Ну, что интересно?

Тогда присоединяйся к Вебинару!

Тема: Сущности (entities) на поиске, как их юзать в SEO?
Время: 15 янв. 2026 08:00 PM Москва
Подключиться к конференции Zoom
https://us06web.zoom.us/j/81317083935?pwd=A4ajQCO4bbOZCvro0RMaQWnFG0VBsA.1
Идентификатор конференции: 813 1708 3935
Код доступа: 054742
Инструкции по подключению
https://us06web.zoom.us/meetings/81317083935/invitations?signature=A5b4fl16kWuDqnFJX7G3h_p7JYt0BrmfOaQ8B3xbbV8


Присоединяйтесь, будет интересно! Покажу, что у меня получилось, а с чем возникли проблемы и как это юзать для SEO!

🗂Кластеризация в «Подборе запросов и анализе рынка β»

В инструменте «Подбор запросов и анализ рынка β» теперь есть столбец «Кластер».

Кластеризация — группировка поисковых запросов, близких по смыслу или по намерению пользователя. Каждый кластер — это группа запросов, характеризующая конкретную нишу. В столбце кластер называется по самому высокочастотному запросу в нём.

SEO‑специалисты с помощью кластеризации могут:

🔴планировать структуру сайта: кластеры показывают, какие разделы и категории стоит создать — например, запросы «купить ноутбук», «ноутбук недорого» логично объединить в категорию товаров;

🔴избегать «каннибализации» страниц — выявлять разные по смыслу запросы;

например, информационные «как выбрать ноутбук», и коммерческие «купить ноутбук», которые стоит распределить по разным страницам, чтобы они не конкурировали между собой в поисковой выдаче

🔴улучшать внутреннюю перелинковку — добавлять связанные блоки и подсказки «Вам может быть интересно».

Маркетологи могут:

📎анализировать семантику сайтов, рядом с которыми сайт находится в поисковой выдаче — быстро узнавать, какие темы и подтемы они используют;

📎тестировать гипотезы о том, какие темы сейчас востребованы;

📎оптимизировать контент‑план — понимать, каких тем не хватает на сайте, а какие уже охвачены;

📎повышать конверсии — через продуманную структуру и релевантные подсказки — например, в карточке товара выводить сопутствующие товары из близких кластеров.

❓ Подробнее об инструменте читайте в Справке или спрашивайте у Нейробевмастера.

Инструмент находится в бета‑версии, и мы активно его дорабатываем. Ваша обратная связь очень важна — тестируйте новые функции и делитесь впечатлениями в комментариях 👍

Всем привет! Сегодня в 17:00 по Москве буду у Михаила Шакина рассказывать про Вайбкодинг! Что это такое, какие как его правильно готовить и как не свалиться в Манкикодинг! 🐒

Трансляции:

https://vkvideo.ru/video80770238_456241281

https://rutube.ru/video/93f7ff62e356b6fa73ab3727b170e9f4/

https://www.youtube.com/watch?v=JZvCajlx8mM

Пояснения к скриншоту.

1) Голубые круги справа - это entity обогащенные из Knowledge Graph Google. Там где нет синих кругов - это сущности добытые из статей из ТОПа.
2) Similarity - косинусная близость сущности к вектору кластера запросов
3) Mentions - количество упоминаний сущностей в статьях из ТОПа
4) У себя в докладе Олег судя по цифрам юзал эмбеддинги от openAI (но это не точно) поэтому у него значения косинусной близости ближе друг к другу. Я же юзал свои любимую базу от Яндекса и там всегда разброс идет больше.

Само собой есть шероховатости, но для первой итерации вполне себе интересный результат получается. Мне интересно другое смотрите Гарвард (ORGANIZATION) и Гарварде (LOCATION) - это косяк при обработке русского языка или он реально так думает? По идее я учусь (где?) в Гарварде действительно можно воспринимать как локейшн

GEO конференция, доклад Олега Шестакова, готовлюсь к вебинару у Шакина

Краткий дайджест как я провел прошлую неделю.

1. Сгонял на конфу от Ашманова по продвижению в нейросетях. Встретил кучу знакомых, очень рад был всех видеть. Что касается конфы – сыровато, но оно и понятно, все только начинают въезжать в тему. По моему скромному мнению, лучший доклад был у хэда сравни.ру Артема Багненко.

2. 15 декабря будет теплый ламповый вебинар у Михаила Шакина посвященный хайповой теме Вайбкодинга, анонс сделаю чуть позже

3. Ну и событие, поразившее меня в самую пятку – доклад Олега Шестакова на SEO клубе СПБ. Рекомендую к просмотру! Вообще команда Рашей, пожалуй, глубже и фундаментальнее всех копает в сторону ИИ. Основная идея доклада – строить структуру инфостатей на основе entities (сущностей), обогащать их с помощью API Google Knowledge Graph и потом на триплетах строить статьи, предварительно отсеяв нерелевантные сущности с помощью механизма косинусной близости. Надеюсь несложно написал? 😉

Короче, идея мне зашла настолько, что в один из вечеров, я открыл свой любимый МАК где живет Питон и собрал скриптину по докладу Олега. Получилось прикольно и довольно быстро, учитывая, что у меня уже была куча решений и связок, которые я собрал воедино. Спасибо Олег!). Короче у меня новая игрушка теперь. Посмотрим как будут заходить в ТОП статьи написанные по данному алгоритму

Кластеризация – эксперименты и выводы, продолжение

Пример сложной тематики №2 - кредиты, эталонная выборка – 1490 ключей, 143 кластера, 24 алгоритма для исследования

Лучшие результаты кластеризации:
По ТОП-20 XML Яндексу по сайту banki.ru (middle)
По ТОП-20 Google по сайту banki.ru (middle)
По ТОП-20 XML Яндексу (middle)
По ТОП-20 Google по (\ middle)

Худшие результаты кластеризации:
Perplexity в режиме research
По ТОП-20 Google (soft)
По ТОП-20 Yandex (soft)

Дальше приводить результаты экспериментов не вижу смысла, поскольку спустя почти 2 месяца проб, ошибок и выгорания я смог сделать определенные выводы и давайте я вас с ними познакомлю.

Выводы из экспериментов
1) Софт не имеет значения, все они делают одно и то же, снимают ТОПы по запросам и находят пересечения. Я в исследовании использовал keyassort и собственный кластеризатор на Python, результаты идентичны.
2) XML и Live выдача в Яндексе – не увидел принципиальной разницы. XML работает стабильней и быстрее, поэтому нет смысла заморачиваться.
3) Лучший агрегатор XML для массовых проверок - https://xmlstock.com/, работает стабильнее чем River плюс поддерживает больше потоков
4) Как это не удивительно, но я не увидел большой разницы в оценках между Яндекс и Google. Честно говоря, ожидал большего разброса, но результаты схожи.
5) На схожесть результатов сильно влияет разброс ядра. Чем оно разнообразнее, тем лучше результаты.
6) Нейросети (LLM) пока рано использовать, слишком большой разброс и нестабильный результат.
7) Хорошо, когда в нише есть безоговорочный лидер, например exist.ru в автозапчастях. Зачастую кластеризация по сайту лидеру дает лучший процент схожести с эталонной выборкой. Ну и кто возразит, что banki.ru – у нас явный и многолетний лидер?
8) Кластеризация по жестким условиям – плохой результат, например по Хард алгоритму по ТОП-10 с порогом схожести 4 и выше
9) Кластеризация по Яндекс Вебмастеру – сложно, долго. ЯВМ больше под сбор семантики чем под кластеризацию
10) Кластеризация по эмбеддингам - хорошо отрабатывает на больших разнородных ядрах. Причем сами эмбеддинги стоят копейки. Я в общей сложности просмотрел порядка 500 к запросов и потратил на это не более 70 р. Да для сложных тематик эмбеддинги не подходят, но для тех же самых автозапчастей разобрать пару миллионов запросов - легко! Вы на таких объемах запаритесь ТОПы снимать.

Ну и возможно самый главный вывод: Кластеризация в Яндексе – напрямую коррелирует с ПФ вашей страницы. Чем лучше ПФ, тем больше он вам докидывает запросов. И то, что вы кластеризуете сейчас – это некая средняя температура по больнице. Если вдруг, ваш сайт окажется лучшим в ТОПе по ПФ, то с высокой степенью вероятности первоначальная кластеризация, которую вы делали по ТОПам или по Лидерам – сломается.

Я двигаю пару проектов в нише агрегаторов GPT и прочих нейросетей и могу сказать, что есть пара сайтов находящихся в ТОПе почти без вхождений, но поскольку там сумасшедшие ПФ за счет бесплатно представляемой услуги – они показываются по очень широкому ядру запросов!

Роадмап
1) Снимаете ТОПы
2) Кластеризуете по несильно жестким условиям, выявляете лидеров
3) Крутите коэффициенты
4) Сравниваете с лидерами
5) Смотрите корреляцию по сайтам из ТОПов по Яндекс Вебмастеру.

Что делать после кластеризации? Внедрять в различные зоны документов, не забывайте при этом про n-граммы и LSI термины. Боты в помощь!