Выскажу непопулярное мнение по поводу SEO и LLM поиска. Ключевое тут это все же, что в фразе "LLM поиск" есть слово поиск.

В американском Google появилась новая вкладка в поиске https://labs.google/ (в одном ряду с поиском по картинкам и видео). Это новый шаг в сторону ухода от 10 синих ссылок. На фоне этого пошла волна очередной смерти SEO.

Моё мнение по этому поводу:

LLM будут выводить вам результаты своих поисковых алгоритмов. Под которые нужно оптимизировать сайт. Инфопоиск заточенный под рекламу точно мертв, и слава Богу. Но возникает проблема источников свежей информации для LLM. Им как-то придётся всё же делиться или трафиком, или доходом от частоты показа сайтов в их результатах ответов. Останется блогинг и крупные издания.

Но коммерческий поиск останется и станет распределенным. Вместо оптимизации под Google и Яндекс будет оптимизация кучки LLM поисковиков.

Основные факторы ранжирования в AI поисковиках — это релевантность контента запросу и авторитет бренда. А эти штуки не берутся из воздуха. Нужно также понимать, что ищет аудитория, какая информация с наших коммерческих страниц выводится в ответ, как сделать так, чтобы выводился наш сайт, а не сайт конкурента.

Например, люди не перестанут искать юристов. Но будут это делать в GPT и более длинно, типа: "Найди и сравни 30 юристов по семейному праву, которые подойдут под мою задачу .....". И вот перед SEO стоит задачка попасть в эти 30 юристов, которых GPT отберет из 10 000.

Чтобы это понять, мы начнем проводить анализы, смотреть, что он берет, какие фрагменты, сайты. Если это агрегаторы, то регистрироваться в них. Если это личные сайты, то изучать, по каким критериям он их выбрал, и внедрять их на наши сайты.

Классическое SEO постепенно умрет, но оно переродится в поисковый маркетинг под AI алгоритмы. А это даже интереснее.

LLM коммерческий поиск — это слишком лакомый кусочек, чтобы отдать его просто на откуп случаю.

Важная идея, что в любом случае появляется маркетинговый канал, в который сеошникам будет очень легко войти и не остаться без работы. Остальное — это уже нюансы.

Быстрая визуализация архитектуры или схемы перелинковки сайта в Draw.io с помощью ИИ

Недавно мне было лень визуализировать схему перелинковки сайта. Если попросить это сделать ИИ, он напишет код на Python, сгенерирует схему и выдаст картинку, которую потом будет сложно (или невозможно) отредактировать и полноценно использовать. Genspark тоже может выдать интересный результат, но его также будет не отредактировать.

Немного подумав, я нашёл решение: использовать XML-схемы и Draw.io (app.diagrams.net). Это бесплатный инструмент (или сервис) для создания диаграмм и блок-схем, в который можно быстро импортировать XML-схему, сгенерированную ИИ.

Сам промпт довольно большой, поэтому я оставлю его в комментариях.

Остальное я показал на видео. Работает очень просто.

P.S. Забыл сжать видео перед отправкой. В комментах сжатый вариант.

Код чек-листа про РКН если чек-лист не запускается по ссылке https://gemini.google.com/share/7245334530f4

Можете переписать этот код в Канвас Gemini (его там можно редактировать). Работать с ним и дорабатывать под себя.

Инструкция: закиньте код в диалог и попросите переписать его в Канвас. Обязательно нажмите это https://skr.sh/sVi0RrZGCrt

Текстовый чек-лист для проверки соответствия сайта требованиям РКН https://docs.google.com/document/d/1nU3Uee6W7mt5gD8enwAj67W5IYcrBIwA7AO_qGQQG3c/edit?tab=t.0

Об AI-детекции, в частности на Text.ru: как она вообще работает и стоит ли ей доверять?

Мне пришлось докопаться до сути AI-детекторов и их принципов работы. Ожидается, что они производят какие-то свои расчеты.
Но в большинстве своем, они делают запрос к ИИ с промптом вроде: «Вот текст пользователя, оцени поабзацно на признаки генерации ИИ по следующим критериям; абзацы, не прошедшие AI-детекцию, выдели тегом <em>». А потом на сервере считают, сколько фрагментов ИИ выделил тегом, и выводят процент.

Это очень хорошо иллюстрирует новость о том, что ИИ признал Декларацию независимости США текстом, написанным языковой моделью: https://hottg.com/NeuralShit/6492. Почему? Потому что в LLM заложили промпт, согласно которому, если текст написан слишком гладко, то его писал ИИ.

Мой любимый пример
Посмотрите на скриншот, прикреплённый к посту. Абсолютно одинаковые тексты, но один я скопировал из LLM без разметки, а другой — с разметкой. А если передать тот же текст в формате JSON (скрин: https://skr.sh/sVrNf6XG85d), то он уже на 65% определяется как текст, написанный ИИ.
Почему это произошло? Потому что в промпт, который анализирует текст, не добавлены исключения из правил.
LLM не глупа. Ход её логики следующий:
— Я вижу характерную для LLM разметку. Но это Markdown-разметка, которую могут использовать и люди. Значит, здесь будет 30% вероятность того, что это текст от ИИ. О, а это Json. Люди редко его используют. Значит это написала ИИ с вероятностью 60%.

Стоит ли использовать?
Да, но... Наша цель — не добиться «чистого» от ИИ текста по мнению какого-то сервиса, а создать более-менее качественный, человечный текст, который понравится людям, что будут его читать. И здесь на помощь приходят AI-детекторы.
Например, в Text.ru, похоже, встроен действительно хороший промпт для определения «человечности» текста. Его можно использовать для того, чтобы собрать правила для генерации текстов. Как, спросите вы, их можно собрать, если он не даёт рекомендаций, а только подсвечивает проблемные места красным?

Я показал это в лекции из закрытого клуба, которую открыл для общего доступа: https://my.seomeat.ru/library/eWR6_Z3Dk0idamdiNNSBAw/O0eG9mhztkiHwwULVNJaDA
Из этого урока вы узнаете, как обходить любой детектор, если это вам важно, а, самое главное, научитесь «очеловечивать» тексты. Там не рыба, там удочка.

Очень важно и полезно для SEO-шников

Как получить консультацию по AI бесплатно и без регистрации

Теперь можно делиться своими папками в NotebookLM — и я сразу выкладываю свою.
Там всё, что нужно, чтобы начать работать с ИИ уверенно: от азов до продвинутых промтов.

https://notebooklm.google.com/notebook/0081c6fa-7fdd-473e-9a87-dd6b879195c7

Как пользоваться:
1. Можете спросить, как AI может помочь в вашей профессии, учебе, жизни. И попросить привести примеры решения задач.
2. Попросите его выписать актуальные правила для промт инжениринга.
3. Попросите написать методичку на уровне языка подростка и с большим количеством примеров.

Вам не надо читать эти методички! Взаимодействуйте с чатом, который будет вытаскивать ответы на ваши вопросы из них за вас.

Проверка контента вашего сайта под AI поисковики
Цикл: Оптимизация сайта под генеративный поиск (SGE и GEO)

Начните анализировать то, как популярные генеративные поисковики формируют ответы на основе вашего сайта и какой контент они считают наиболее важным. Это поможет убедиться, что они «вытягивают» именно ту информацию, которая действительно важна.

Кейс: На скриншоте пример проверки сайта по продаже металлопроката. AI распознаёт в карточке товара две цены (без скидки и по скидке) и выбирает первую. Однако правильной должна быть вторая.
Аналогичная ошибка наблюдается и в Яндекс Нейро (поиск Алисы) пример будет в комментариях. И нейроответ там может выводиться по запросам "сколько стоит арматура такая-то", где мы заведомо проигрывает из-за ошибки чтения нашего контента AI и вывода цены без скидки.

Как править
В отличие от классического поиска, генеративные системы позволяют задать уточняющие вопросы и получить решение проблемы, а значит, есть возможность выявить и исправить такие ошибки. Возможных причин может быть вагон и так же куча способ исправить. В комментах приложу пример рекомендации по исправлению ошибки с 2 ценами.
Но основная причина это верстка страницы.
Если у вас сайт на JS, то делайте проверку обязательно.

Валидация HTML-кода, как делать правильно по моему мнению.
Цикл: Оптимизация сайта под генеративный поиск (SGE и GEO)

Прежде чем начать говорить про семантическую верстку и теги <article>, <nav>, <aside>, нужно разобраться с валидацией HTML-кода.

Одно из самых дебильных, что может сделать SEO-шник — это зайти на validator.w3.org, сделать валидацию и скинуть ее разработчику со словами «на, правь». Второе по дебильности — это просканировать сайт Лабрикой и скинуть весь пункт с 1 млн ошибок валидации. Третье это когда скидывают ошибки валидации для Тильды. Четвертое это когда ошибки валидации выносят в ТОП приоритет для пустого сайта без контента и так далее, ну вы поняли, потому-что в Лабрике это критическая проблема.

Я прям чувствую, как разработчики сгорают на таких задачах и начинают ненавидеть сеошников. Напишите в комментах, если вы разработчик и замучались плеваться от таких правок.

Я не знаю, как с этим бороться полностью, и в команде всегда бью по рукам за такие задачи. Но они всегда пробиваются. Обращаюсь к представителям Labrika (Лабрика) если вы мониторите соц. сети, умоляю, уберите валидацию HTML кода из критических багов или как-то распределите их. Даже лучше в отдельный пункт убрать "Ошибки валидации" и там сделать приоритеты от критических, до неважных. Там всегда есть и будет миллион ошибок.
Это серьезно портит сводку отчета. Видишь 1245 ошибки критические на сайте. Заходишь, там 1243 ошибки валидации и 2 битые картинки.

Хватит крика души!
Как сделать ТЗ на правку валидации нормально?

Нужно править только те пункты, что будут мешать машине правильно понимать код вашего сайта и смысл находящегося на ней. Т.е. нарушать правила семантической верстки.

Но зачем разбираться в этом самому, если у нас есть AI?

Шаг 1. Берем выгрузку из validator.w3.org и код вашей страницы. Закидываете это все в вашу любимую AI. И просите выделить ошибки, которые мешают нормальному семантическому чтению страницы.
Шаг 2. Просим составить ТЗ для разработчика с примером неправильного кода и как должно быть правильно. Мы дали код нашего сайта, поэтому AI напишет не абстрактное ТЗ, а под ваш конкретный пример.

Вуаля, разработчики будут вам руки целовать за такую постановку. Даже если баг нельзя пофиксить. Вам будут говорить: "Вот до тебя у нас был Вася. Он скинул просто список. А в тебе мы видим совершенно другое отношение к работе." Вы станете примером для детей. Вас будут звать выступать на конференции.