В одном уважаемом чатике подсмотрел разговор, который даже не совсем понял сначала, но стало интересно, и я пошел разбираться. Речь про первое для меня фундаментальное отличие классического seo от aeo/geo.
Что вообще происходит.
Раньше люди искали в интернете короткими SEO-запросами:
пластиковые окна
купить пластиковые окна
пластиковые окна цена
пластиковые окна Москва
установка пластиковых окон
Поисковик выдавал список сайтов, а задача маркетолога была — понять, какие ключевые слова люди вводят, и под эти слова оптимизировать страницы.
С нейросетями ситуация меняется. Пользователь всё чаще пишет не «ключ», а разговорный запрос с контекстом:
Какие окна поставить в спальню, если рядом шумная дорога? / У меня зимой дует от окна, менять всё окно или можно отрегулировать?
Это уже не SEO-запрос, а мини-бриф. И логика «собрать частотные ключи» плохо работает. Нужно собирать не просто слова, а сценарии человеческих задач, они же интенты, они же старые-добрые jtbd.
Как это делается по уму
1. Создаем карту или спектр клиентских сценариев.
2. Раскладываем каждый сценарий на параметры:
Объект: квартира / дом / балкон / детская / спальня / новостройка
Проблема: холод / шум / конденсат / продувание / цена / безопасность
Стадия: изучаю / выбираю / готов купить / проверяю смету / проблема после установки
Тип пользователя: собственник / арендатор / родитель / человек после ремонта
Коммерческий потенциал: низкий / средний / высокий
3. Генерируем первичные запросы/промпты
4. Делаем Verbalized Sampling типа:
Представь, что 10 000 пользователей спрашивают AI-ассистента про пластиковые окна. Распредели их запросы по интентам.
Для каждого интента укажи:
- примерную долю,
- 10 живых формулировок,
- стадию пользователя,
- коммерческий потенциал.
5. Скоррим промпты по потенциалу
6. Прогоняем на бою в доступных системах и фиксируем:
- Есть ли нейроответ?
- Ответ релевантный?
- Не уводит ли в коммерческую выдачу?
- Не уводит ли в другую тему?
- Есть ли шанс попасть в рекомендацию/ответ?
7. Делаем верхнеуровневый скорринг на пригодность к работе и чистим нерелевантные и слабые запросы
Запрос: какие окна поставить в детскую, если рядом шумная дорога
naturalness: 5
intent clarity: 5
commercial value: 5
AI answer: 5
relevance: 5
specificity: 5
8. Повторяем цикл, обогащая удачные.
Было — какие окна поставить в спальню, если рядом шумная дорога
Стало — какие окна поставить в детскую, если рядом шумная дорога / какой стеклопакет выбрать для спальни с окнами на проспект / помогут ли пластиковые окна от шума трамвая под окнами / что лучше для тишины — профиль или стеклопакет
9. Скрещиваем интенты для получения пересечений и комбинаций.
10. Прогоняем цикл несколько раз, до образования плато сценариев, когда последующие циклы не приносят существенных изменений.
Финальные запросы можно использовать для контент-плана, FAQ, блоков «вопрос-ответ», AI SEO / GEO-оптимизации имеющихся страниц, тестирования нейровыдачи и подготовки экспертных ответов, которые могут попадать в нейроответы.
Главный риск по бюджету сидит на этапе 6 (боевые тесты). Если делать руками — это медленно и дорого. Если автоматизировать прогоны — железо, разработка и бюджеты на токены. При этом нейровыдача дрейфует, модели обновляются, конкуренты докручивают свои ответы. Без перепрогона раз в 2–3 месяца результат будет тухнуть.
И отдельно: всё это считается осмысленно только если у бизнеса есть кому потом всё это применять.
#seo #ии
Что вообще происходит.
Раньше люди искали в интернете короткими SEO-запросами:
пластиковые окна
купить пластиковые окна
пластиковые окна цена
пластиковые окна Москва
установка пластиковых окон
Поисковик выдавал список сайтов, а задача маркетолога была — понять, какие ключевые слова люди вводят, и под эти слова оптимизировать страницы.
С нейросетями ситуация меняется. Пользователь всё чаще пишет не «ключ», а разговорный запрос с контекстом:
Какие окна поставить в спальню, если рядом шумная дорога? / У меня зимой дует от окна, менять всё окно или можно отрегулировать?
Это уже не SEO-запрос, а мини-бриф. И логика «собрать частотные ключи» плохо работает. Нужно собирать не просто слова, а сценарии человеческих задач, они же интенты, они же старые-добрые jtbd.
Как это делается по уму
1. Создаем карту или спектр клиентских сценариев.
2. Раскладываем каждый сценарий на параметры:
Объект: квартира / дом / балкон / детская / спальня / новостройка
Проблема: холод / шум / конденсат / продувание / цена / безопасность
Стадия: изучаю / выбираю / готов купить / проверяю смету / проблема после установки
Тип пользователя: собственник / арендатор / родитель / человек после ремонта
Коммерческий потенциал: низкий / средний / высокий
3. Генерируем первичные запросы/промпты
4. Делаем Verbalized Sampling типа:
Представь, что 10 000 пользователей спрашивают AI-ассистента про пластиковые окна. Распредели их запросы по интентам.
Для каждого интента укажи:
- примерную долю,
- 10 живых формулировок,
- стадию пользователя,
- коммерческий потенциал.
5. Скоррим промпты по потенциалу
6. Прогоняем на бою в доступных системах и фиксируем:
- Есть ли нейроответ?
- Ответ релевантный?
- Не уводит ли в коммерческую выдачу?
- Не уводит ли в другую тему?
- Есть ли шанс попасть в рекомендацию/ответ?
7. Делаем верхнеуровневый скорринг на пригодность к работе и чистим нерелевантные и слабые запросы
Запрос: какие окна поставить в детскую, если рядом шумная дорога
naturalness: 5
intent clarity: 5
commercial value: 5
AI answer: 5
relevance: 5
specificity: 5
8. Повторяем цикл, обогащая удачные.
Было — какие окна поставить в спальню, если рядом шумная дорога
Стало — какие окна поставить в детскую, если рядом шумная дорога / какой стеклопакет выбрать для спальни с окнами на проспект / помогут ли пластиковые окна от шума трамвая под окнами / что лучше для тишины — профиль или стеклопакет
9. Скрещиваем интенты для получения пересечений и комбинаций.
10. Прогоняем цикл несколько раз, до образования плато сценариев, когда последующие циклы не приносят существенных изменений.
Финальные запросы можно использовать для контент-плана, FAQ, блоков «вопрос-ответ», AI SEO / GEO-оптимизации имеющихся страниц, тестирования нейровыдачи и подготовки экспертных ответов, которые могут попадать в нейроответы.
Главный риск по бюджету сидит на этапе 6 (боевые тесты). Если делать руками — это медленно и дорого. Если автоматизировать прогоны — железо, разработка и бюджеты на токены. При этом нейровыдача дрейфует, модели обновляются, конкуренты докручивают свои ответы. Без перепрогона раз в 2–3 месяца результат будет тухнуть.
И отдельно: всё это считается осмысленно только если у бизнеса есть кому потом всё это применять.
#seo #ии