Кириченко SEO | ex-Staurus

Один скриншот из Алисы AI ничего не говорит об устойчивой видимости.

Я трижды проверил 40 запросов — получилось 120 наблюдений. AI-ответ появился 104 раза, но посимвольно совпали только восемь ответов. Из 682 связок «запрос — URL» лишь 314 повторились во всех трёх проходах.

Самое показательное: с видимой органикой исходного запроса совпало в среднем 47,3% точных URL. Обычный поиск остаётся основой, но место в топ-10 не гарантирует, что Алиса возьмёт страницу в источники.

В статье показываю, как это проверять на проекте: отдельно фиксировать появление AI-блока, текст ответа, карточки источников, ссылки возле конкретных тезисов и повторяемость URL. Заодно разобрал 42 совета рынка — для половины подтверждений не нашлось.

Полный разбор:
https://sk-seo.ru/blog/kak-alisa-ai-vybiraet-istochniki.html

Обновил детектор ИИ-текста на сайте. Самое заметное изменение в отчёте: теперь он размечает весь проверенный текст.

Каждое срабатывание подсвечено на своём месте. Двоеточие, которым вводится список. Тире вместо связки. Абзацы, открытые по одной схеме. Места, где слова слишком предсказуемы. Слои включаются по отдельности, так что видно, что именно переписывать. А блок «Что сдвинуло сигнал» показывает, какой признак сколько добавил по сравнению с типичной страницей выдачи.

Выдачу я тоже прогнал через тот же движок: 4542 страницы Google и Яндекса по 160 запросам. Теперь рядом с сигналом и каждым признаком написано, где ваш текст стоит среди них.

Этот замер поправил и то, как читать сам отчёт. Хотя бы один признак за порогом у 73% страниц выдачи, а общий сигнал выше порога только у 10,9%. Одна красная строка ещё ничего не значит, вывод делается по сумме признаков.

Ещё по мелочи:
• проверка по адресу страницы теперь по умолчанию, текст можно вставить как раньше;
• длины предложений показаны на одном графике с человеческим и машинным профилем;
• пример разбора открывается без капчи, на моей статье про AI-детекторы.

Бесплатно, без регистрации, текст не сохраняется.
https://sk-seo.ru/tools/detektor-ii-teksta.html

Проверил привычный SEO-чеклист на 7370 страницах Google. Встречу с выдачей он пережил плохо.

160 запросов, 16 ниш, топ-20 против позиций 21–50. Шпаргалка после замера вышла заметно короче чеклиста, с которого я начинал: несколько пунктов, которые годами переходят из одного ТЗ в другое, отличают топ от страниц ниже на уровне подброшенной монетки.

Из текстовых пунктов устоял один. Я пытался сломать его пятью разными проверками и не смог.

Какие пункты вычёркивать и какой оставить, разобрал в статье. Прочитайте её до того, как отдадите копирайтеру следующее ТЗ.

https://sk-seo.ru/blog/chto-otlichaet-top-20-google.html

Есть у меня один довольно показательный кейс про ИИ. Не из серии «мы автоматизировали 37 процессов и повысили эффективность команды на 214%», а гораздо проще.

Промышленная тематика. Сайт сделан с нуля практически целиком с помощью ИИ. Затраты на создание — в основном токены и моё время. Без дизайнера, копирайтера, фронтендера, отдельного SEO-шника и менеджера, который раз в два дня пишет: «Коллеги, подскажите, пожалуйста, статус».

Теперь к цифрам.
Лиды с сайта по месяцам: 9 → 15 → 14 → 34 → 63 → 136

То есть в первый месяц было 9 лидов, в последний — 63. За пять месяцев сайт принёс 135 обращений. В промышленности, где один нормальный контракт может стоить очень приличных денег, дальнейший расчёт окупаемости становится немного издевательским.
Особенно если вспомнить, сколько обычно стоит запуск корпоративного сайта.
Сначала несколько недель обсуждают структуру. Потом дизайнер рисует три варианта первого экрана. Потом все выбирают четвёртый. Потом верстальщик собирает макет, копирайтер пишет про «динамично развивающуюся компанию», SEO-шник просит это удалить, а в день релиза кто-нибудь случайно оставляет `noindex`.

Здесь было немного иначе.
Нужна страница — собрали. Нужен новый блок — сделали. Нужно переработать структуру — переработали. Увидели проблему — исправили. Основная стоимость каждой такой итерации — некоторое количество токенов.
И нет, вывод не в том, что теперь достаточно написать нейросети «сделай сайт завода в топе» и через неделю ехать выбирать Porsche.

ИИ всё ещё отлично умеет производить технически аккуратную херню. Причём очень быстро.
Если человек не понимает SEO, структуру сайта, интент, перелинковку, коммерческие факторы, индексацию и вообще не представляет, зачем существует конкретная страница, ИИ просто поможет ему сделать плохой сайт быстрее.
Но если понимает — экономика разработки меняется очень сильно.

Раньше для нормальной реализации идеи часто требовалась небольшая команда. Сейчас один специалист может сам собрать структуру, тексты, интерфейс, код, микроразметку, аналитику и десятки мелких вещей, на которые раньше приходилось ставить задачи разным людям и потом неделю ждать.

Сайт обошёлся в токены. Предприятию он приносит потенциальных клиентов, каждый из которых может превратиться в контракт совсем не на стоимость токенов.

Можно долго обсуждать, заменит ли ИИ разработчиков, дизайнеров и SEO-шников.
Мне сейчас интереснее другое: насколько сильно он уже уменьшил стоимость производства результата.
Потому что поисковику, как выяснилось, глубоко безразлично, сколько человек участвовало в создании страницы и сколько часов они провели в Zoom.

Если страница решает задачу — она работает.

Трафик упал в три раза. Количество "Страница просканирована, но не проиндексирована" растет как на дрожжах. И Путь в пропасть. Знакомо?

Особенно актуально в эру ИИ, когда большие дядьки экономят на всем, включая мощности краулинга, как только могут. Это в GSC аналог МПК, и воевать можно только выпиливанием контента без спроса и без частоты.

Решение:
Анализ всех миллионов страниц, выгрузка метрики за все время, сбор частоты по H1.
Нет ни одного захода с ПС - минус.
Нет ни одной частоты в wordstat - минус.

Удалили около 400к страниц, и о чудо, страницы в индексе начали расти, и трафик возвращается. Хотя других действий на сайте вообще не было. Пользуйтесь.

Недавно, я рассказывал как там состоят дела с Onpage в Яндексе

Я провел новое исследование по технической части сайтов. Как и в прошлых данных, ищите для себя открытия сквозь строки.

Технические факторы ранжирования Яндекса: 2585 страниц топа

https://sk-seo.ru/blog/tehnicheskiy-profil-topa-yandeksa.html

Я открыл 64 GEO-кейса российских агентств. Отдельная техническая работа, которой нет в обычном SEO, нашлась ровно в одном.

Медианный ценник в открытых прайсах — сто тысяч рублей в месяц.

Что за эти деньги делают. Контент в 58 кейсах из 64. Внешние публикации, отзывы и каталоги в 50. Техническое SEO в 26. Всё это уже стоит в вашем SEO-договоре.
llms.txt встретился в четырёх кейсах. Отдельная HTML-версия для AI-ботов в одном. Столько в GEO-пакете «новых технологий».
Новое там есть, и оно ровно одно. Мониторинг промптов с архивом ответов, 35 кейсов из 64. Работа на 30–60 тысяч в месяц, а не на сто.

Я сам продаю GEO-аудит и сопровождение в том же диапазоне. Читайте с поправкой.
Возьмите смету и вычеркните строки, которые уже оплачены по SEO-договору. Остаток и есть честная цена GEO.

64 кейса, 18 прайсов, сырые данные:
https://sk-seo.ru/blog/geo-otdelnaya-usluga-ili-seo.html

Если после вычёркивания страница пустеет, вы покупали название.

Onpage SEO в Яндексе: ориентиры ТОП-20

В топ-3 Яндекса я нашёл страницы без единого подзаголовка, без изображений, без микроразметки, с title в тринадцать знаков, с 239 словами текста и без единой зоны, где ключ стоял бы целиком.

А первое место по «гидроизоляция под плитку» занимает домен, зарегистрированный 23 марта этого года. Ему пять месяцев, DR ноль, на странице 334 слова и раскрыто четыре составляющих интента из двенадцати.

Я собрал 1601 страницу топ-20 Яндекса по 162 запросам и померил двадцать признаков, которые оптимизатор правит руками: ключ в title, h1, description и подзаголовках, плотность, объём, структуру, микроразметку, изображения, полноту раскрытия интента и приметы машинного текста. Метод и критерии зафиксировал до того, как открыл выдачу, чтобы потом не выбирать показатели, которые красиво подтверждают ожидания.

Когда вы последний раз писали в ТЗ «раскрыть интент полнее конкурентов» или «добавить ключ в h1» — на какие данные вы опирались?

Теперь они есть. Результат я перепроверил на втором корпусе, а потом сверил с чужим мониторингом выдачи, который идёт по шестистам параметрам с 2015 года. Сходится.

В статье лежит коридор значений, по которому видно, где ваша страница выбивается из конкурентного диапазона, и разбор реальной страницы с двадцатого места.

Читайте до того, как сядете писать следующее ТЗ.

https://sk-seo.ru/blog/polnota-intenta-i-pozicii-v-vydache.html

В графе знаний Google живут пять «Станиславов Кириченко». Ещё недавно я был неотличим от остальных четырёх — пустой узел без лица и фактов.

92 дня я собирал свою сущность так, чтобы поиск и нейросети перестали путать меня с однофамильцами. И поймал приборами то, чего раньше не было: Google показал панель с моей датой рождения и вузом. Этих данных у него без моей работы не было — панель собралась из того, что я сам разметил.

Попутно вскрылось неприятное. Научная база приписала мне чужую диссертацию по истории — я её не писал. Свою личность пришлось разводить с чужой руками.

Написал не гайд «как надо», а измеренный кейс. Что сделал, что реально увидели приборы — Алиса уже цитирует сайт, — и честно, чего доказать нельзя. Факт, сигнал и догадка разведены, как в исследовании, а не в рекламе.

Сущность собирается не разметкой. Она собирается тем, что машина наконец перестаёт путать тебя с чужим именем.

https://sk-seo.ru/blog/entity-seo-na-praktike.html

«Оптимизация 2026» — главная конференция в мире поискового маркетинга уже этой осенью

8 и 9 октября в Сколково пройдёт юбилейная, 25-я «Оптимизация». За последний год правила игры в поиске изменились сильнее, чем за несколько предыдущих. Нейросети встроились в путь клиента, привычные каналы дорожают, решение о покупке всё чаще принимается в диалоге с ИИ. На конференции разберут, как перестроить SEO и маркетинг под новую реальность.

В программе:

🏳️ Как выстраивать работу SEO на стыке команд и переводить поисковые метрики в бизнес-эффект;
🏳️ Реальные факапы специалистов: честные истории о граблях, цене ошибок и выводах;
🏳️ Управление репутацией в нейросетях — когда любое действие отражается в ответах ИИ-систем;
🏳️ Автоматизация SEO с Claude Code, Cursor, n8n и собственными MVP — без презентаций вендоров, только кейсы и разборы того, что не взлетело;
🏳️ Карьерные треки: как вырасти из технического эксперта в маркетолога, отвечающего за бизнес-результат;
🏳️ Как меняется путь онлайн-покупателя под влиянием ИИ-агентов и как будет выглядеть борьба за клиента завтра.

➡️ Программу модерируют практики из Ozon, Wildberries, Lamoda, Циан, «Ашманов и партнёры» и других лидеров рынка. И не только контент: конференция — отличная возможность завести полезные контакты в SEO-сообществе и даже получить оффер от крупных компаний.

➡️ А ещё вас ждет вечеринка в честь 25-летия и вручение премии Optimization за лучшую видимость сайтов.

По промокоду loveopti_15 — скидка 15% на все категории билетов.

📌 Купить билет 📌

Я прогнал техники промптинга через 5737 реальных вызовов. На классификации ни одна не обошла обычную инструкцию.

Взял 9 техник (CoT, few-shot, step-back и другие), три модели — локальную gemma, GPT и Claude — и две живые SEO-задачи: разложить 150 запросов по интентам и написать Title под жёсткие критерии. Мерил точность и цену каждого вызова.

Что вышло:

— Лучший результат на классификации дала обычная инструкция: 0,787 у Claude. Все «усилители» — ниже.
— Chain-of-Thought на Title поднял GPT с 0,700 до 1,000 и уронил gemma с 0,560 до 0,260. Одна и та же техника.
— Few-shot — единственный, кто где-то выиграл и нигде не провалился. Но с устаревшими примерами упал до 0,220 против 0,760: примеры сильнее инструкции, причём в обе стороны.
— Step-back стоил в 3,4 раза дороже обычного промпта при точности ниже.

Мой вывод из замера: техники помогают точечно, а платить за них токенами и временем приходится всегда. Самая дорогая ошибка — тащить технику в задачу, где она не нужна.

Полный разбор с таблицами и методологией:
https://sk-seo.ru/blog/tehniki-promptinga-test.html

Генератор — собирает промпт по любой из техник:
https://sk-seo.ru/tools/generator-promptov.html

Каталог 54 техник: что делает, когда окупается, где ломается (+ xlsx):
https://sk-seo.ru/tools/katalog-tehnik-promptinga.html

Улучшил детектор, и добавил новый Метод Ильдара. (это маркировака водяных знаков от Claude)

Одну и ту же статью четыре детектора оценили в 6%, 47%, 74% и 94% машинности. Один текст, четыре ответа, и каждый выдан с точностью до процента.

Поэтому в своём детекторе я процент не показываю.

Вместо него — пять признаков, которые видно глазами и можно починить руками. Список через двоеточие там, где просится фраза. Тире вместо союза. Одинаковые зачины абзацев. Слишком ровный ритм. Отсутствие повторов даже там, где повтор уместен. По каждому признаку инструмент даёт значение, порог и цитаты мест, где он сработал.

Пороги я снял на 231 человеческой статье 2007–2021 годов и 360 машинных, написанных пятью моделями по трём режимам задания. Учились они на одних площадках, а проверялись на других, иначе проверка хвалит сама себя. Инструмент ловит 71% машинных SEO-текстов при 5% ложных срабатываний, а на коммерческих текстах 91%.

Два признака из пяти оказались перевёрнуты. Я считал, что машина повторяется чаще человека и пишет рвано. Всё наоборот. Ритм у неё ровнее, а трёхсловные сочетания она обходит там, где живой автор спокойно повторится.

Про слабые места я написал на той же странице. На художественной прозе инструмент ошибается в каждом пятом случае, на новостях в каждом восьмом, а короткие тексты и перечни судить отказывается совсем.

Ещё я прогнал его на 127 живых страницах Википедии и Хабра. Ложных срабатываний 5,3%.

https://sk-seo.ru/tools/detektor-ii-teksta.html

Запустил точечную проверку текста для сайтов - https://sk-seo.ru/tools/seo-analiz-teksta.html

Больше 20 метрик анализа, куча фишек с платных проверок, которые у меня бесплатны.

Для особо дотошных, просто весь спектр проверок по всем возможным продвинутым метрикам - Лексика, ритм, читаемость и пригодность к цитированию AI.

Сравнивайте ТОП1 и ваши текста, если плохо идут. Возможно, поможет.

Поставил порог детектору так, чтобы он ловил машинные тексты. На одном человеческом блоге он обвинил 85% статей. На другом, при том же пороге, 20%. Писали люди и там, и там.

Я взял четыре языковые модели, посчитал вероятность каждого слова в 3902 русских SEO-статьях и посмотрел, что измеряет величина, на которой стоят перплексионные детекторы: средняя предсказуемость текста.

Ничего устойчивого она не измеряет. AUROC 0,109 · 0,337 · 0,573 и 0,231 по четырём моделям, трижды из четырёх признак работает в обратную сторону. Человеческий текст оказывается предсказуемее машинного, хотя теория обещает наоборот.

Форма распределения держится лучше: 0,697 · 0,831 · 0,696 · 0,807 и десять контролей. Но дальше начинается то, ради чего я это писал.

Двадцать восемь человеческих площадок расходятся по метрике вдвое, от 1,23 до 2,50. Машинные каналы лежат от 1,00 до 1,99. Диапазоны перекрываются почти целиком, и три человеческие площадки стоят ниже среднего машинных. На русской модели таких одиннадцать.

Порог, настроенный на одном сайте, на другом врёт. В статье это можно потрогать руками: ползунок, три реальные площадки, живой счётчик ложных обвинений.

https://sk-seo.ru/blog/perpleksiya-ai-tekst-russkiy-seo.html

Метрика, которая меняет направление от прибора к прибору, называется не детектором, а показанием прибора.

Купил билеты на конференцию, на поезд и забронировал отель.
Давно не был профильных конференциях. Самое интересное конечно же будет в кулуарах.

Подробнее - https://vysokovtop.ru

Чат конференции - @vysokovtop

Я убрал из текста звёздочки, которыми размечают жирный шрифт. Ни одной буквы не тронул, проверил побайтово: 14 485 знаков до и столько же после.

Все шесть моделей, минуту назад звавших текст машинным, сказали «человек».

Это кусок моего исследования: 1882 текста, четыре независимых измерителя машинности, дизайн зарегистрирован до сбора данных. Препринт с DOI лежит на Zenodo.

Оценку тянет оформление. Заголовки, списки и выделения весят вдвое больше, чем язык и словарь вместе взятые. Уберите структурные признаки из расчёта, и знак эффекта перевернётся.

Модель способна выучить площадку вместо стиля. Один признак «откуда взят файл» ранжировал классы точнее, чем модель на 22 признаках стиля.

Строчка «пиши без штампов» в запросе роняет обнаружимость в 12 раз: 1,1% пропусков против 13,1%. Те же модели, те же темы, другая формулировка просьбы.

Хуже всего проверка работает на наших с вами SEO-текстах. В худшем разбиении почти каждый третий живой автор получил обвинение в машинном происхождении, и там же проверка прошляпила больше трети настоящих генераций — промахивается в обе стороны сразу.

Отсюда следствие для работы. «0% AI» в техзадании — требование ни о чём: показатель двигается от смены шаблона публикации, без участия автора. Проверять надо факты, источники и готовность автора отвечать за каждое утверждение в тексте.

Полный разбор со схемами, ограничениями и промптом для правки текста:
https://sk-seo.ru/blog/chto-izmeryayut-ai-detektory-issledovanie.html

Когда GA сертификаты не актуальны, приходиться вертеться. А вы уже обновили свои сертификаты?