10.3Семантика, структура и контент с LLM: модель предлагает, выдача и данные решают

На созвоне показывают новый каталог: дерево в три уровня, у каждого раздела название, описание и обоснование, интент размечен, запросы разложены. Всё это модель собрала из двух тысяч запросов за вечер. Таблица кластеризатора по выдаче, сделанная за день и за деньги, рядом выглядит хуже: номера групп вместо названий, остаток «не распределено». Дерево утверждают, потому что оно убедительнее. Через полгода выясняется, что убедительность и правильность здесь — разные свойства.

Модель делает семантику, структуру и тексты быстро, уверенно и с объяснениями. Она не видит выдачу, не знает спрос и не знает ваш бизнес. Всё, что зависит от этих трёх вещей, она может только предложить, а решают выдача, данные и владелец. Общая карта задач, где модель помогает и где вредит, — в главе о LLM в рабочих процессах, как ставить ей задачу — в главе о промптинге; готовые промпты — в библиотеке промптов (П3).

Кластеризация и разметка интентов: где модель сильна, где систематически ошибается

Раздел о текущем состоянии моделей, проверено на 25.10.2026; пересматривается раз в квартал.

У кластеризации, как в главе о спросе и интенте, два основания — смысл и совпадение выдачи, и модель владеет только первым. Она группирует запросы по тому, насколько близки слова и смыслы в текстах, на которых её обучали. Кластеризатор группирует по тому, показывает ли поисковая система по двум запросам одни и те же адреса. Выдача — уже результат решения системы, проверенного на поведении людей: какие страницы их устраивают по этому запросу. Как это считается, какой брать порог и чем жёсткая группировка отличается от мягкой — в уроке «Кластеризация»; как читать интент по выдаче — в уроке «Интент запроса и тип страницы»; откуда брать сами запросы — в уроке «Сбор семантического ядра».

В большинстве групп оба основания совпадают. Расходятся они там, где решаются деньги: товар против услуги, готовое против сделанного на заказ, «сделать самому» против «вызвать мастера», город против области. По смыслу «кухонный гарнитур» и «кухня на заказ» — одно и то же. По выдаче — разные задачи: по первому запросу стоят каталоги готовых модулей и маркетплейсы с ценой за комплект, по второму — производители с замером и расчётом. Модель уверенно положит их в одну группу, потому что так написано в тысячах текстов. Система разведёт, потому что так ведут себя люди.

Решает выдача. Это прямое следствие позиции книги: семантику собирать по выдаче конкурентов и по своим заявкам, не по частотностям в одиночку. Модель топ не видит. Она не знает, какие адреса Яндекс показывает сегодня в Москве по вашему запросу. Даже модель с доступом к поиску видит несколько результатов своей поисковой системы — как правило, без поправки на ваш регион и устройство, — а не топ-10 той системы, которая даёт вам заявки. Интент «по выдаче» она определить не может, пока вы не дали ей саму выдачу.

Где модель сильна

Сильна она на всём, что не требует знания выдачи и спроса, и на разборе данных, которые вы ей принесли. До кластеризации она чистит список быстрее и полнее человека: отделяет чужие бренды, другие значения слова («кухня» как телепередача, «купе» как вагон), вакансии, чужие регионы, — и ошибка здесь дешёвая, потому что выброшенное лежит отдельным списком. После кластеризации она даёт группам человеческие названия, которые станут рабочими названиями страниц, — лучше кластеризатора, называющего группу самым частым запросом. Она же даёт первую гипотезу интента по словам, по сетке из главы о спросе и интенте: разобраться, выбрать способ, выбрать у кого, сделать немедленно; гипотезу, а не разметку.

Самое ценное — разбор снимка выдачи. Дайте модели по главному запросу каждой группы заголовки и адреса топ-10, снятые в нужном регионе, и она разметит тип каждой страницы: услуга, категория, статья, агрегатор, форум. Здесь она работает с выдачей, а не с памятью, и делает это хорошо. Хорошо она справляется и с остатком — редкими запросами, которые кластеризатор никуда не отнёс, — и, если дать ей список того, что компания делает и чего не делает, находит в группах запросы, которые на сайте некуда вести.

Где ошибается систематически

Ошибки модели в кластеризации не случайны — они повторяются от проекта к проекту, и их можно искать прицельно.

• Склеивает синонимы, которые выдача разводит. Товар и услуга, готовое и на заказ, материал и изделие. Это самая дорогая ошибка: страница под два интента проигрывает обоим.
• Дробит оттенки, которые выдача склеивает. «Шкаф-купе на заказ», «шкаф-купе по индивидуальным размерам», «изготовление шкафов-купе» для модели — три стадии решения, для системы — один запрос. Три страницы под него — каннибализация, разобранная в главе о дубликатах.
• Размечает интент по словам. «Цена» в запросе для модели — сигнал выбора исполнителя. Выдача по такому запросу бывает целиком из калькуляторов и статей «из чего складывается стоимость».
• Не воспроизводится. Тот же список, загруженный второй раз, даёт другие границы групп; на наших прогонах расходилось от десятой до пятой части запросов. Кластеризатор по выдаче на тех же данных даёт тот же результат.
• Объясняет любое решение. У каждой группы есть обоснование, и оно не доказательство: попросите модель обосновать противоположную границу, и она обоснует её так же уверенно.
• Теряет и удваивает. В длинном списке часть запросов пропадает, часть попадает в две группы. Как задать формат, при котором потери видны, и разрешить модели «не определить» — в главе о промптинге.
• Придумывает частотность. Частотность модель не знает и называет правдоподобные числа — почему, в главе о LLM в рабочих процессах.

Порядок, в котором это работает

Основа — кластеризация по выдаче в той системе, которая даёт больше заявок; для сайта, работающего на Россию, это обычно Яндекс, а важные группы сверяют с Google. Модель стоит до неё и после. До — чистка списка. После — названия, гипотеза интента, разбор снимков выдачи по главным запросам, остаток. Группировку по совпадению выдачи модель не заменяет и не повторяет: это правило, которое записывается, и его выполняет программа.

Самый полезный документ всей работы — таблица расхождений: где модель по смыслу и кластеризатор по выдаче разложили запросы по-разному. Каждое расхождение — либо смешанная выдача, либо реальная граница между интентами, и решается оно вручную, по выдаче в обеих системах и по формулировкам из заявок. Здесь работает позиция книги: один интент — одна страница. Страница под два интента проигрывает двум страницам под один. Неверно, когда интенты неразделимы в выдаче; тогда одна страница с двумя блоками и проверкой по выдаче.

SEO отвечает за метод и за сверку: кластеры модели без проверки по выдаче в работу не идут. Бизнес отвечает за ассортимент — только он знает, что из найденного компания делает. Граница влияния — сама выдача: система перестраивает интенты, и группа, проверенная сегодня, через полгода может разделиться. Ни модель, ни кластеризатор этого не предскажут; важные группы перепроверяют по выдаче раз в несколько месяцев.

Построение таксономии и структуры сайта

Из утверждённых групп модель за минуту собирает дерево. Дерево красивое: симметричное, в три уровня, у каждого узла название и описание. Кухни делятся по стилям, стили — по материалам, у каждой пары своя страница. Именно симметрия и выдаёт проблему: спрос несимметричен, а дерево, построенное по логике классификации, похоже на оглавление энциклопедии, а не на то, как ищут.

Таксономия здесь — дерево разделов и признаков, по которому раскладываются ассортимент, услуги или темы сайта. Принципы, по которым оно строится, — в главе о структуре сайта: структура выводится из спроса, уровней столько, сколько уровней вложенности в спросе, промежуточная страница без спроса — пустая прослойка.

Что модель делает хорошо

Черновик дерева из утверждённых групп — быстро и без пропусков: модель не забудет группу, которую человек потерял на третьем часу работы. Распределение по типам: что из групп — раздел, что — сочетание фильтров, что — блок на чужой странице, что — материал. Пробелы в обе стороны: группы спроса без страницы и существующие страницы без группы. Названия узлов словами клиента: «шкаф в нишу», а не «встроенная корпусная мебель». И при переделке структуры — черновик таблицы соответствия старых и новых адресов, который потом проверяется построчно, как в главе о миграциях.

Где ошибается

Первая ошибка — симметрия. Модель достраивает все сочетания признаков: если есть «кухни лофт» и «кухни из массива», появятся «кухни лофт из массива», хотя такой выдачи нет. Вторая — прослойки: узел «Корпусная мебель» между главной и шкафами, который никто не ищет. Третья — путаница раздела и фильтра: материал фасада у кухни — свойство, которое человек выбирает внутри категории, а модель делает из него ветку дерева. Четвёртая — логика производства вместо логики спроса: «встроенная», «корпусная», «модульная» мебель — это деление цеха, а ищут «шкаф в нишу», «шкаф в прихожую», «гардеробная под лестницей».

Пятая ошибка самая дорогая и самая незаметная: модель не знает, что бизнес может показать. Критерий отдельной страницы из главы о структуре — три условия разом: своя выдача, свой спрос и бизнесу есть что показать отдельно — свою цену, сроки, примеры. Модель не проверяет ни одно из трёх. Выдачи она не видит, спроса не знает, ассортимента и портфолио не знает. Узел, у которого нет фотографий пяти выполненных проектов и своей цены, станет страницей-копией, сколько бы хороших слов модель ни написала в его описании.

Как проверять

Каждый узел дерева должен стоять в таблице с четырьмя колонками: группа запросов, на которой он держится; подтверждение по выдаче (какие страницы стоят в топе по главному запросу); спрос по данным поисковых систем и по своим заявкам; что бизнес покажет на странице. Пустая колонка — узла нет. Модель может заполнить первую и предложить четвёртую, вторую и третью заполняет SEO по данным, четвёртую подтверждает владелец. В разработку уходит дерево, у которого заполнены все четыре колонки, а не дерево, которое понравилось на созвоне.

Модель предлагает, SEO проверяет выдачу и спрос, бизнес вычёркивает узлы, которые нечем наполнить, разработка воплощает дерево в шаблонах и адресах — и ошибку в нём после запуска исправляют уже переездом. У магазина каталог задаёт структуру сильнее, чем запросы, — модель здесь полезна как проверка каталога на спрос, а не как источник дерева; у портала дерево — это рубрики, и цена ошибки ниже. Граница влияния та же, что в главе о структуре: дерево даёт спросу место на сайте, но не обещает этому месту выдачу.

Пример: каталог, собранный по смыслу

Один из клиентов — интернет-магазин мебели на заказ: кухни, шкафы-купе, гардеробные, прихожие, своё производство в Подмосковье, замер и монтаж по Москве и области. Из поиска приходило около 64 заявок на расчёт в месяц. Перед переделкой каталога маркетолог компании загрузил в модель 2 300 запросов из статистики поисковых систем и панелей и попросил разложить их по страницам. Модель вернула 58 групп, дерево в три уровня и короткое обоснование для каждой группы. Обоснования звучали убедительно, и дерево ушло дизайнеру и разработчику без проверки по выдаче. Переделка каталога стоила около 420 тысяч рублей.

Нас позвали через четыре месяца после запуска, когда заявок из поиска стало 41 в месяц. Мы прогнали те же 2 300 запросов через кластеризацию по выдаче Яндекса в Москве и получили 48 групп, которым нужна страница; остальное — хвосты к ним. Из 58 групп модели 33 совпали с выдачей. Двадцать одна оказалась оттенками всего семи групп: «шкаф-купе на заказ», «по индивидуальным размерам» и «изготовление шкафов-купе» стали тремя страницами, хотя по главным запросам у них совпадали семь-восемь адресов из десяти. Такие страницы менялись местами в выдаче и держались между 4-м и 15-м местом, а часть из них Яндекс исключил со статусом «Дубль». Четыре группы модель, наоборот, склеила. Главная из них — «кухни на заказ» вместе с «кухонными гарнитурами»: страница получила заголовок под оба запроса и с третьего места по главному запросу ушла на 7–12-е, потому что пыталась ответить и тем, кто ищет готовый комплект с ценой, и тем, кто ищет замер и проект. Когда маркетолог ещё до запуска спросил модель, не объединить ли три страницы шкафов-купе, она согласилась и объяснила, почему объединить правильно. Когда спросил, не оставить ли три, — согласилась тоже.

Исправление заняло два месяца и около 140 тысяч рублей. Четырнадцать лишних страниц объединили с соседними постоянными перенаправлениями. Из четырёх склеенных групп разделили три. По «кухонным гарнитурам» решение принял владелец: готовых комплектов компания не продаёт, страницу под этот интент делать не стали, запросы вычеркнули из ядра. Зато «встроенный шкаф в нишу», который модель растворила в шкафах-купе, получил свою страницу с проектами в нишах и своей ценой — по выдаче это отдельная задача. Через три месяца после исправления заявок из поиска стало 71 в месяц.

Итог ошибки — семь месяцев ниже прежнего уровня, около 120 недополученных заявок. При конверсии в договор около 15 % и среднем чеке около 210 тысяч рублей это примерно восемнадцать заказов: около 3,8 млн рублей выручки и, при марже около трети, которая обычна для мебели на заказ со своим производством, около 1,3 млн рублей маржи, — плюс 140 тысяч на исправление. Проверка по выдаче до разработки стоила бы день работы. Мебель модель понимает прекрасно; она ответила на другой вопрос — что похоже по смыслу, — а структура строится на вопросе, что поиск показывает вместе. Решение бизнеса: модель осталась для чистки, названий и черновиков, а новый раздел каталога заводится только с подтверждением по выдаче и фотографиями пяти выполненных проектов.

Сбор сущностей и работа с семантическим полем

Копирайтер получает задание: «добавить в текст слова: фурнитура, доводчик, ЛДСП, кромка, столешница, фасад». Слова добавлены, страница не стала лучше: человек, который выбирает кухню, так и не узнал, чем фасад из эмали отличается от плёнки по цене и сроку службы. Список слов — тень того, что нужно странице, а не она сама. Почему «LSI-слова» — не механизм ранжирования, разобрано в главе о текстовых факторах.

Сущности здесь — те же, что в главе о разметке, только не компания, а объекты темы: материалы, механизмы, размеры, этапы, неисправности, смежные услуги. Семантическое поле темы — набор этих сущностей, их свойств и связей между ними: что человек должен узнать, чтобы принять решение. Для кухни на заказ это материалы фасадов и столешниц и их влияние на цену, фурнитура и её ресурс, замер и проект, сроки производства, встраиваемая техника, монтаж, гарантия. Связи важнее списка: материал фасада меняет цену и срок изготовления, тип мойки — размер столешницы, встраиваемая техника — проект.

Что модель делает хорошо

Разворачивает поле быстро и широко — полнее, чем человек за то же время, потому что усредняет тысячи текстов о теме. Раскладывает сущности по ролям: у каких есть собственный спрос (кандидаты в страницу или фильтр), какие — вопрос, на котором человек застревает перед решением (блок на странице), какие — фон, которому хватит фразы. Находит связи, которые человек внутри ниши перестал замечать: что клиенту неочевидно, почему угловая кухня дороже прямой той же длины.

Где ошибается

Она даёт среднее по рынку, а не ваше: фурнитуру, которую вы не ставите, материалы, с которыми вы не работаете. Придумывает значения: сроки службы, стандартные размеры, номера стандартов, цены — всё, что выглядит как справка, может оказаться галлюцинацией в смысле главы о текстовых факторах. Смешивает рынки: практика и марки, которые давно ушли с российского рынка, встречаются в её ответах как текущие. Путает близкие понятия — свойства разных плит, разных механизмов выдвижения — там, где в текстах, на которых она училась, их путали люди.

Правило простое: модель даёт имена ячеек, а не их содержимое. «Срок изготовления кухни с фасадами из эмали» — правильная ячейка; число в ней даёт технолог. Список ячеек полезен и сам по себе: это готовый перечень вопросов к человеку, который знает предмет, и он короче и точнее, чем вопросы, придуманные на ходу.

Как отбирать

Каждую сущность из списка модели проводят через три фильтра. Есть ли она у большинства страниц топа — это обязательный минимум ответов, который в главе о текстовых факторах назван списком ответов из выдачи. Есть ли она в вашем ассортименте, процессе и звонках клиентов. Есть ли у неё собственный спрос. Прошла первый и второй — входит в содержание страницы. Прошла второй и третий — кандидат в отдельную страницу или фильтр, и дальше по таблице из раздела о структуре. Прошла только первый — упоминание без обещаний: если вы этого не делаете, так и написать. Не прошла ни одного — вычёркивается, сколько бы раз она ни встречалась в текстах конкурентов.

У магазина мебели из примера выше модель развернула поле «кухни на заказ» в 46 сущностей. В содержание страницы прошли 14: материалы фасадов и столешниц, замер, проект, сроки, монтаж, гарантия, встраиваемая техника. Две получили свои страницы — кухни с фасадами из эмали и кухни с островом: у обеих своя выдача, свой спрос и проекты в портфолио. Девять остались упоминаниями. Двадцать одну вычеркнули, в том числе фурнитуру марок, которые компания не ставит, и кухни из массива, которых она не делает. Главная польза оказалась побочной: из оставшихся ячеек получилось одиннадцать вопросов технологу, и сорокаминутный разговор с ним дал странице больше, чем все сорок шесть слов списка.

Модель отвечает за ширину списка, SEO — за отбор по выдаче и спросу, владелец и технолог — за значения: цены, сроки, свойства, ограничения. Ограничение по типу проекта: там, где страница конкурирует экспертизой, — медицина, право, сложные инженерные услуги, — семантическое поле от модели опасно уже на уровне имён ячеек: она уверенно включит в него то, что эксперт вычеркнул бы первым, и содержимое ячеек без эксперта по имени не публикуется.

Тематические кластеры и внутренняя перелинковка на основе смысла

Модели дают список из четырёхсот страниц, и она возвращает полторы тысячи ссылок «по смыслу» с готовыми анкорами. Список выглядит идеально, пока его не сверишь с сайтом. В одном таком списке, который мы проверяли, около десятой части адресов назначения не существовало вовсе: модель достроила их по образцу соседних. Ещё часть вела на страницы, которые давно перенаправлены или закрыты от индексации, — модель не знает статусов страниц, она знает только то, что ей дали.

Две позиции из главы о структуре и перелинковке здесь действуют без изменений. Автоматический модуль перелинковки по умолчанию лучше ручной расстановки — при записанных правилах. Схема перелинковки внедряется только с контрольной группой: эффект в пределах колебаний контрольной группы — работу снимают с бюджета. Роль модели поэтому другая: она пишет не ссылки, а правила и карту связей, по которым ссылки ставит модуль.

Что модель даёт

Карту смысловых связей между страницами — какие страницы соседние ступени одного решения, какие решают одну проблему, какие выбирают между собой. Модели для этого нужно содержание страниц или их краткие описания, а не только заголовки: по заголовкам она связывает по общему слову. Обзорные страницы там, где у группы их нет: тематический кластер — это группа страниц вокруг обзорной страницы темы, то, что в главе о структуре названо звездой. Черновик такой обзорной страницы модель напишет, но условие главы о структуре прежнее: обзор, в котором нет ответа, а есть только список ссылок, — карго-культ. И анкоры словами человека: «шкаф в нишу», а не «встроенный шкаф купить недорого».

Для больших сайтов есть второй способ мерить смысловую близость — векторные представления: текст страницы превращается в набор чисел так, что близкие по смыслу страницы оказываются рядом. Это дешевле и стабильнее, чем спрашивать модель в чате о каждой паре, и годится для блоков «похожие товары» и «читайте также» на тысячах страниц. Но близость по смыслу и здесь не равна пользе: «ремонт кухни» и «ремонт ванной» рядом по словам, а человеку после одной из них нужна смета, а не другая комната. Векторная близость даёт кандидатов, правило модуля — отбор.

Что проверять до внедрения

• Каждый адрес назначения есть в списке краулера, отвечает «всё хорошо» и открыт для индексации. Список страниц для модели берут из краулера, а не из памяти и не из меню, и ссылки сверяют с ним же.
• Один анкор ведёт на одну страницу: модель охотно называет двумя похожими формулировками разные страницы и одной — две.
• В блоке столько ссылок, сколько человек просмотрит, обычно четыре-восемь; модель предлагает связать всех со всеми, если её не ограничить.
• Связи по смыслу решения, а не по общему слову: у магазина мебели «кухни в стиле лофт» не связываются со «шкафами лофт» только потому, что в названии одно слово.
• Связи стабильны: модуль показывает одни и те же ссылки, пока не изменилась структура, — правило из главы о структуре, которое модель в чате нарушает при каждом новом прогоне.

Где модель нужна, зависит от масштаба. Сайту услуг на сорок страниц карту связей составляют руками за час, а ставит ссылки всё равно модуль, и модель здесь — вторая пара глаз, не больше. Магазину связи внутри категорий даёт дерево каталога и свойства товаров; модель полезна для связей между ветками, которые дерево не видит: кухня — встраиваемая техника — монтаж техники. Порталу с тысячами материалов без векторной близости блоки «читайте также» не собрать, и там модель с правилами окупается сильнее всего.

Внедряют на половине похожих страниц, вторая половина — контрольная; метод — в главе о тестировании. SEO отвечает за правила и приёмку, разработка — за модуль, редактор или владелец — за ссылки в тексте на денежные страницы: какая услуга решает какую проблему, знает только он. Граница влияния: вклад отдельной внутренней ссылки мал, и даже идеальная смысловая карта не вытянет страницу, у которой нет ответа на интент.

Генерация контента с контролем: что модель пишет сама, что только черновиком, что не пишет

Раздел о текущем состоянии моделей и правил поисковых систем о сгенерированном контенте, проверено на 25.10.2026; пересматривается раз в квартал.

После исправления каталога у магазина мебели на столе лежал объём работы на полгода: тексты для сорока семи категорий, описания шестисот моделей, три десятка материалов о выборе, метаданные для всего этого. Модель могла закрыть его за выходные. Вопрос был не в том, писать ли моделью, а в том, какую часть она пишет сама, какую черновиком и какую не трогает.

Позиция книги: ИИ-контент — наступившее будущее. Допустим. Модели отдаются структура, черновик, варианты, справочная часть, расшифровки; не отдаются экспертная часть, цены, факты о бизнесе, кейсы, юридически значимые формулировки — за них отвечает тот, кто публикует. Поиск режет не ИИ-текст как таковой, а текст без ответа на интент и без автора; ИИ-текст без правки — такой текст почти всегда. Неверно, когда: страница конкурирует экспертизой (медицина, право, сложные услуги) — там черновик модели не публикуется без эксперта по имени.

И вторая, о процессе: объём, частота и формат — из анализа выдачи по интенту, не из плана; пишет человек со знанием предмета по структуре, которую может дать модель; владелец проверяет цены, факты и позицию; модель без правки не публикуется. Что именно нельзя отдавать модели ни при каких условиях, разобрано в главе о LLM в рабочих процессах; критерий «текст можно сгенерировать, не задав ни одного вопроса владельцу» и контур проверки — в главе о текстовых факторах.

Три режима

Граница между режимами проходит не по типу текста, а по источнику фактов. Модель пишет сама то, что целиком выводится из данных, которые вы ей дали, и проверяется механической сверкой с ними. Пишет черновиком то, что требует знания бизнеса: черновик собирается из расшифровки разговора с мастером или технологом и списка ответов из выдачи, а текст пишет человек. Не пишет то, что она не может знать или за что кто-то отвечает лично: цены и условия, примеры работ, отзывы, гарантии, сравнения с конкурентами, экспертные суждения.

Главное правило процесса: модель пишет из данных, а не из памяти. Всё, чего нет во входных данных, она должна пометить пропуском, а не заполнить по аналогии. Пропуск дешевле выдуманного факта: его видно при вычитке. Исключение одно — справочная часть общего знания (что такое МДФ, как устроен доводчик): её модель пишет черновиком из памяти, а человек сверяет с источником.

Входные данные для каждого типа страниц стоит собрать до первой генерации, а не по ходу. Для карточек это таблица характеристик, проверенная владельцем каталога. Для категорий и услуг — строка таблицы фактов (цены, сроки, материалы, ограничения, три примера с цифрами), расшифровка разговора с технологом и список ответов из выдачи. Для вопросов — выгрузка формулировок из звонков и переписки. Если данных для типа страниц собрать не удалось, этот тип не генерируют: черновик без данных — среднее по интернету, и его всё равно придётся писать заново.

Из справки Google о сгенерированном контенте (обновлена 01.10.2026) для этого процесса важны две вещи сверх сказанного в главе о текстовых факторах. Проверка фактов касается и метаданных: заголовков, описаний, структурированных данных, альтернативного текста изображений, — то есть ровно того, что генерируют массово и не читают. И Google советует подумать о том, чтобы сообщать, как создан контент, — в понятной аудитории форме. Моё решение: на коммерческих страницах пометку о модели не ставим — человеку важнее, кто отвечает за цену и сроки; на экспертной странице стоит автор по имени.

Порядок работы

Сначала таблица фактов от владельца — цены, сроки, материалы, что компания делает и чего не делает, примеры с цифрами. Затем список ответов из выдачи по каждому типу страниц — его собирает SEO. Затем модель: структура и черновик из этих двух источников и расшифровки разговора с технологом. Затем автор, затем подпись владельца, затем сверка подзаголовков с выдачей. Как устроена проверка слоями и почему партия ограничена не скоростью генерации, а часами тех, кто подписывает, — в главе о LLM в рабочих процессах. У SEO к этому есть своя причина: первая партия одного типа страниц — десять-пятнадцать штук — должна пройти два-три обновления выдачи до остальных. Ошибку шаблона она показывает на десяти страницах, а не на шестистах.

Экономия распределяется по типам страниц неравномерно. На карточках из таблицы характеристик она кратная: шестьсот описаний вручную — полторы сотни часов, с моделью — день работы и день сверки. На категориях и страницах услуг она скромная: время уходит на разговор с технологом и подпись владельца, и модель его не сокращает.

Чего делать нельзя. Генерировать из памяти модели — без таблицы фактов. Разрешать ей заполнять пропуски «по аналогии с конкурентами». Публиковать сотни страниц одним выпуском: чем это кончается, если подрядчик дал модели заполнить цены и сроки, показывает разбор ста шестидесяти страниц в главе о провалах. Ответственность здесь не делится на модель: за каждое число на странице отвечает тот, кто её опубликовал.

Проверка на шаблонность и однородность: как не получить сто одинаковых страниц

Раздел о текущем состоянии правил поисковых систем, проверено на 25.10.2026; пересматривается раз в квартал.

Один промпт и список из ста позиций дают сто страниц с одним скелетом: тот же порядок блоков, та же первая фраза, те же доводы, меняются только существительные. Уникальность высокая — слова разные, ответ один, и для поисковой системы это почти-дубли из главы о дубликатах. Модель делает шаблонность незаметной: раньше одинаковые страницы выдавала замена слова, теперь — только чтение подряд.

Системы относятся к этому по-разному, и расхождение меняет цену ошибки. Google с марта 2024 года выделяет в правилах о спаме злоупотребление масштабированным контентом — множество страниц без ценности ради позиций, как бы они ни были созданы; первым примером названа генерация страниц инструментами ИИ (правила обновлены 28.08.2026). Нарушителю грозит понижение или исключение, в том числе ручной мерой на часть страниц или на весь сайт. Яндекс называет автоматически сгенерированный и бесполезный контент признаком некачественного сайта, а среди причин исключения — много практически одинаковых товаров, отличающихся только цветом, размером или конфигурацией. На практике Яндекс такие страницы просто исключает из поиска со статусом «Малоценная или маловостребованная страница» — потеряны деньги на их создание; в Google под риском сайт целиком.

Как проверять до публикации

• Тест подмены из главы о дубликатах: замените на странице название модели, района или материала на соседнее. Страница осталась верной — она неразличима, сколько бы в ней ни было уникальных слов.
• Скелеты рядом. Подзаголовки, первые и последние фразы десяти страниц — в столбцы. Одинаковый список в одном порядке — один текст в десяти редакциях.
• Доля своих фактов. Сколько утверждений на странице нет на соседней: цена, срок, размеры, примеры, ограничения. Ноль — страница не нужна.
• Совпадение фраз между парами. Скрипт считает, какая доля фраз из нескольких слов повторяется на двух страницах после удаления шаблонных блоков. Если общих больше половины, это одна страница в двух адресах — порог из практики, не из справки.

Модель полезна и как проверяющий: попросите её перечислить факты, которые есть на одной странице пары и нет на другой. Решение по паре принимает человек.

У магазина мебели первый прогон описаний сорока семи категорий дал тридцать два текста с одной первой фразой и одинаковыми подзаголовками. Лечили данными, а не переписыванием: технолог заполнил для каждой категории строку таблицы фактов, и черновики собрали вокруг неё. Нет фактов, которых нет на соседней странице, — нет страницы; SEO отвечает за проверку, бизнес — за факты.

Мифы

• «Модель понимает смысл лучше кластеризатора, значит, её группы точнее». Она лучше понимает смысл — и именно поэтому ошибается там, где смысл и выдача расходятся. Страницу ранжирует система по своему решению об интенте, а не по словарю синонимов.
• «Модель знает, сколько ищут». Не знает, и почему — в главе о LLM в рабочих процессах; спрос — из статистики поисковых систем, панелей и своих заявок.
• «Структуру от модели можно сразу отдавать в разработку». Дерево без проверки каждого узла по выдаче, спросу и тому, что бизнес покажет, превращается в переделку каталога и переезд. Пример с мебелью стоил компании семь месяцев.
• «Сущности — это новые LSI-слова: собрал список и вписал в текст». Список сущностей от модели — карта вопросов, которые человек задаёт перед решением. Вписанное слово без ответа ничего не добавляет; ответ без слова работает.
• «Перелинковку можно сгенерировать моделью и расставить по её списку». В таком списке есть несуществующие адреса и закрытые страницы, а через полгода он устаревает. Модель пишет правила для модуля, ссылки ставит модуль.
• «Если генерировать каждую страницу отдельным запросом, они получатся разными». Получатся разные слова и один скелет. Различие страниц создают факты, которых нет на соседней, а не отдельный запуск модели.

Что запомнить

Модель предлагает — выдача и данные проверяют — бизнес подписывает. Всё, что зависит от выдачи, спроса и знания о бизнесе, модель может только предложить; всё, что выводится из данных, которые вы ей дали, она делает сама и проверяется сверкой.

Если про любой результат модели нельзя сказать, чем он проверен и кто под ним подписался, он не готов к внедрению — сколько бы времени он ни сэкономил. Модель ускоряет работу с выдачей, данными и знанием бизнеса, но не заменяет ни одно из трёх.

Базовый уровень этой главы — глава о структуре сайта и перелинковке и глава о дубликатах; место модели в работе специалиста в целом — глава о LLM в рабочих процессах, разбор данных и диагностика с моделью — глава о LLM в аналитике и диагностике.