Векторные эмбеддинги и семантический поиск: как нейросетевые модели Яндекса (после Палеха и Королёва) понимают смысл, а не слова

Векторные эмбеддинги и семантический поиск звучат как термины для инженеров, но именно от них зависит, придёт к вам трафик или нет: после нейросетевых моделей «Палех» и «Королёв» поиск сопоставляет не буквы запроса с буквами на странице, а смысл с смыслом. Практическое следствие простое — приёмы, работавшие пятнадцать лет назад, перестали работать не потому, что кто-то ужесточил правила, а потому, что изменилась сама арифметика подбора.

Ниже — как устроено это сопоставление, что изменилось в работе с ключевыми словами, почему полнота раскрытия темы теперь важнее плотности вхождений и что из старых правил всё-таки осталось в силе. Я в SEO с 2005 года и застал переход целиком: от подсчёта вхождений у конкурентов до текущего состояния, где такой подсчёт бесполезен.

Почему поиск по словам перестал справляться

У классического подбора по ключевым словам есть встроенная дыра. Люди формулируют одну мысль десятками способов, и между крайними вариантами может не быть ни одного общего значимого слова. «Чем закрыть дырку в стене», «как заделать отверстие в гипсокартоне», «ремонт повреждения перегородки» — три запроса об одном и том же. Алгоритм, умеющий только сравнивать слова, считает их разными темами.

Вторая проблема серьёзнее. Значительная доля запросов задаётся впервые: длинные, кривые, с опечатками, надиктованные голосом фразы. По ним нет ни статистики кликов, ни точных вхождений на страницах. Машина, которая умеет только сличать слова, на длинном хвосте слепнет — а именно там сидит самый конверсионный спрос, потому что человек, формулирующий подробно, обычно уже готов покупать.

Третья проблема — многозначность. Одно и то же слово в разных контекстах означает разное: «ключ» в запросе про замки и «ключ» в запросе про воду. Пословное сопоставление тут беспомощно, потому что различие живёт не в словах, а в соседях по фразе.

Чтобы закрыть эти три дыры, поиску нужно было научиться делать то, что человек делает не задумываясь, — понимать, что две разные фразы означают одно и то же. Решением стала математика смысла.

Что такое векторный эмбеддинг без математики

Представьте пространство не из трёх измерений, а из сотен. Нейросеть берёт кусок текста — запрос, заголовок, абзац, целую страницу — и превращает его в точку в этом пространстве. Координаты точки и есть вектор, или эмбеддинг: длинный список чисел, который целиком описывает смысл фрагмента.

Ключевое свойство такого пространства: фрагменты с близким смыслом оказываются рядом, независимо от того, какими словами они написаны. Запрос «чем закрыть дырку в стене» и абзац «шпаклевание отверстий в гипсокартонной перегородке» попадают в соседние точки, хотя пересечений по словам между ними почти нет.

Дальше всё сводится к геометрии. Поиск переводит запрос в точку, находит в своём индексе документы, чьи точки расположены ближе всего, и выдаёт их. Никакого сравнения строк на этом этапе не происходит вообще — идёт измерение расстояния между смыслами.

Именно поэтому поиск умеет отвечать на запросы, которых никогда раньше не видел. Ему не нужна статистика по конкретной фразе: он вычисляет её положение в пространстве смыслов и смотрит, что лежит рядом. Уникальность формулировки перестала быть препятствием.

Подробнее об этом — в статье «Поиск по картинкам Яндекса — забытый источник трафика, который качает продажи».

Как поиск сравнивает две точки

Стоит добавить одну деталь, без которой картина остаётся неполной. Векторы считаются не только для запроса и документа целиком, но и для отдельных частей: заголовка, абзаца, элемента списка, ответа в блоке вопросов. Поэтому одна страница может участвовать в подборе сразу по десяткам разных запросов — каждым своим фрагментом по-своему.

Помогу с продвижением: SEO-продвижение для бизнеса — вывожу сайты в топ Яндекса белыми методами.

Отсюда следует важное для практики правило: разделы страницы должны быть смысловыми, а не декоративными. Раздел, который целиком посвящён одному вопросу и отвечает на него, становится самостоятельной единицей подбора. Раздел, где смешаны три темы, размывается и не выигрывает ни по одной из них.

Второй практический вывод касается заголовков разделов. Они задают смысл фрагмента и потому работают как микро-заголовки страницы. Формулировка «Преимущества» не сообщает ничего — она одинакова для миллиона страниц и в пространстве смыслов стоит в пустом месте. Формулировка «Почему септик для сезонной дачи выбирают меньшего объёма» задаёт фрагменту чёткое положение и приводит людей с соответствующими запросами.

И третье: близость измеряется не только к запросу, но и между вашими собственными страницами. Если две страницы сайта расположены в пространстве почти в одной точке, для системы это признак дублирования смысла, и она будет выбирать между ними, а не показывать обе.

Что именно изменили «Палех» и «Королёв»

Первая из этих моделей научилась сопоставлять смысл запроса со смыслом заголовка страницы. Это был прорыв, но с ограничением: сравнивался только заголовок, то есть очень короткий фрагмент. Страница с точным по смыслу содержанием, но неудачным заголовком, всё равно оставалась в тени.

Вторая модель сняла это ограничение, распространив сопоставление на весь документ. С этого момента страница стала участвовать в подборе целиком: смысл всего текста, а не одной строки, сопоставляется со смыслом запроса.

Практические следствия из этого сдвига три, и все три меняют работу.

Тему разбирал отдельно: «К чему стремится поиск Яндекса | Со слов Михаила Сливинского».

• Заголовок перестал быть единственным входом. Страница может выйти в выдачу по запросу, которого нет ни в заголовке, ни в тексте дословно, — достаточно, чтобы содержание отвечало на этот запрос по сути.
• Точное вхождение перестало быть обязательным. Раньше отсутствие фразы означало отсутствие шансов. Теперь важно, раскрыта ли тема, а не встречается ли конкретное сочетание слов.
• Переспам стал не просто бесполезным, а вредным. Повторение одной фразы не приближает точку страницы к точке запроса, зато ухудшает читаемость и поведенческие показатели.
• Картинки из нейросети на сайте: юридические риски и как это видит поиск

Как теперь устроена релевантность

Что было раньше	Что работает сейчас	Почему изменилось
Точное вхождение ключа в заголовок	Заголовок, отражающий суть страницы	Сопоставляется смысл, а не совпадение строк
Плотность ключевых слов в тексте	Полнота раскрытия темы	Расстояние в пространстве смыслов не зависит от повторов
Отдельная страница под каждую словоформу	Одна страница под группу близких по смыслу запросов	Близкие формулировки попадают в одну точку
Разбавленные вхождения и подсветки	Естественная терминология предметной области	Модель учитывает контекст, а не отдельные слова
Оценка страницы целиком	Оценка отдельных фрагментов страницы	Вектор считается и для пассажей, а не только для документа
Опора на статистику по фразе	Работа с ранее не встречавшимися запросами	Положение в пространстве вычисляется, а не берётся из истории

Правая колонка объясняет, почему споры вроде «сколько раз вставить ключ» потеряли смысл. Это вопрос из логики сравнения строк, а сравнение строк на этом этапе больше не выполняется.

Полнота темы вместо плотности вхождений

Если смысл страницы — это точка в пространстве, то задача автора формулируется так: поместить эту точку как можно ближе к тем запросам, по которым вы хотите показываться. Достигается это не повторением фраз, а покрытием тех аспектов темы, которые ожидает увидеть человек с таким запросом.

Практически это выглядит как ответы на все вопросы, естественно возникающие вокруг темы. Для страницы про установку септика это устройство и виды, зависимость выбора от грунта и уровня воды, сезонные ограничения, состав работ, сроки, цена и что в неё входит, обслуживание, документы, типичные ошибки. Страница, закрывающая этот набор, оказывается ближе к десяткам разных формулировок запроса, чем страница, где та же услуга описана красиво, но поверхностно.

Есть и обратная сторона, о которой предупреждаю каждый раз. Полнота не означает, что на страницу надо свалить всё, что вы знаете о предмете. Раскрывать нужно те аспекты, которые относятся к намерению человека с этим запросом. Читателю, ищущему исполнителя, не нужна история появления технологии, а читателю, разбирающемуся в устройстве, не нужен прайс на монтаж. Лишние аспекты не добавляют близости к нужному запросу и одновременно тянут страницу в сторону чужих тем.

Отсюда рабочий приём подготовки текста. Вместо списка ключевых слов составляется список подтем и вопросов: что человек хочет узнать, прежде чем принять решение. Ключевые слова при этом появляются в тексте сами, потому что вы описываете предмет, а не подгоняете текст под фразы.

Если нужна помощь по теме — продвижение в нейросетях.

Второй приём — терминология. Используйте слова, которыми предметная область реально описывается: названия материалов, технологий, единиц, этапов. Для модели это сигнал принадлежности к теме куда более сильный, чем повторение коммерческой фразы. Текст, где вместо конкретики стоят общие слова, оказывается в пространстве смыслов посередине между темами и не побеждает ни по одной.

Что делать с текстами практически

1. Собирать не ключи, а вопросы. Отчёт по поисковым запросам, подсказки, переписка с клиентами, обсуждения в отзывах. Из них формируется структура страницы.
2. Группировать запросы по смыслу, а не по словам. Проверка простая: посмотрите выдачу по двум фразам. Если результаты в основном совпадают, это одна страница; если различаются — разные.
3. Писать разделами под подтемы. Каждый раздел закрывает один аспект и сам по себе является цельным фрагментом — это важно, потому что вектор считается и для фрагментов.
4. Отвечать прямо в первом предложении раздела. Так фрагмент становится пригодным для цитирования в блоке ответа, а это отдельный источник переходов.
5. Убирать воду. Абзацы без фактов не приближают страницу ни к какому запросу, зато размывают её положение в пространстве смыслов.
6. Проверять покрытие по выдаче, а не по счётчику плотности. Откройте первую десятку по своему запросу и выпишите подтемы, которые есть у них и отсутствуют у вас. Это и есть список пробелов.

Отдельно про объём. Длина сама по себе не является фактором: длинный пустой текст находится в пространстве смыслов не ближе короткого. Но полное раскрытие темы обычно требует объёма, поэтому корреляция между длиной и позициями существует — просто причина в содержании, а не в количестве знаков.

Смежный материал по теме — «Семантический поиск».

Чего семантический поиск не отменил

Разговоры про смысл иногда доводят до вывода «теперь достаточно писать хорошие тексты». Это неверно: сопоставление смысла — только один из механизмов подбора, и он не отменяет остальных.

• Техническая доступность. Страница, которую робот не может получить или которая грузится десять секунд, не участвует в подборе вообще, каким бы точным ни был её смысл.
• Коммерческие факторы. Для запросов с намерением купить учитываются цены, контакты, ассортимент, условия доставки и оплаты, реквизиты. Смысл текста тут не заменяет отсутствие цены.
• Поведение людей. Возврат в выдачу после перехода — сильный сигнал, что страница не ответила, независимо от того, насколько её вектор близок к запросу.
• Доверие к сайту. Возраст, история, упоминания, отсутствие нарушений влияют на то, попадёт ли смысловое соответствие в реальную выдачу.
• Соответствие типу запроса. Если по запросу нужны товары, то самая содержательная статья проиграет каталогу: система определяет, что человек хочет увидеть, и подбирает документы этого типа.
• Картинки из нейросети на сайте: юридические риски и как это видит поиск

Ещё одно ограничение стоит назвать прямо: смысловое сопоставление работает с тем, что написано, а не с тем, что подразумевалось. Если на странице услуги нигде не сказано, в каком городе вы работаете, никакая модель этого не додумает, и по запросам с названием города вы не появитесь. То же касается цен, сроков и условий: отсутствующая информация не компенсируется общей содержательностью текста.

Точнее всего описать текущую картину так: смысловое сопоставление определяет, попадёт ли страница в круг кандидатов, а остальные факторы решают, какое место она займёт внутри этого круга. Работать нужно и над тем, и над другим.

Частые вопросы

Нужно ли вообще вставлять ключевые слова в текст? Нужно, но не ради алгоритма, а ради человека и ради ясности. Формулировка, которой люди называют предмет, должна встречаться в заголовке и в тексте естественно — это помогает и пониманию, и подсветке в сниппете. Считать вхождения и подгонять плотность бессмысленно.

Значит ли это, что можно писать одну страницу под всё? Нет. Близкие по смыслу запросы объединяются, далёкие — нет. Страница, пытающаяся закрыть и «купить», и «сделать самому», оказывается в пространстве смыслов между двумя темами и проигрывает специализированным страницам по обоим направлениям.

Как проверить, правильно ли я сгруппировал запросы? По совпадению выдачи. Наберите две фразы подряд и сравните первые десять результатов. Существенное пересечение означает, что поиск считает эти запросы одной задачей, и делать под них разные страницы не нужно.

Влияет ли на всё это генеративный ответ наверху выдачи? Влияет на распределение переходов, а не на принцип подбора. Механизм тот же: система ищет фрагменты, близкие по смыслу к вопросу, и собирает из них ответ. Поэтому структура «раздел — прямой ответ — детали» одновременно улучшает и обычные позиции, и шансы попасть в цитируемые источники.

Как понять, что моя страница «не о том» с точки зрения смысла? Посмотрите в панели вебмастера, по каким фразам у неё есть показы. Если это фразы из соседней темы, значит, содержание тянет страницу не туда, и нужно убирать посторонние разделы или выносить их на отдельную страницу.

Устарели ли тексты, написанные под старые правила? Не автоматически. Если текст содержательный, он продолжит работать, даже если написан десять лет назад. Переделки требуют тексты, написанные ради вхождений: там мало содержания и много повторов, и их положение в пространстве смыслов размыто.

Коротко

• Пословный подбор не справлялся с тремя вещами: разными формулировками одной мысли, ранее не встречавшимися запросами и многозначностью слов.
• Эмбеддинг превращает текст в точку в многомерном пространстве, где близость означает близость смысла, а не совпадение слов.
• «Палех» сопоставлял смысл запроса с заголовком, «Королёв» распространил сопоставление на весь документ — с этого момента страница участвует в подборе целиком.
• Точное вхождение перестало быть обязательным, а плотность ключей — измеримым фактором; повторы не приближают страницу к запросу.
• Работает полнота раскрытия темы и естественная терминология предметной области, а не подгонка текста под фразы.
• Вектор считается и для отдельных фрагментов, поэтому структура «раздел — прямой ответ — детали» даёт и позиции, и попадание в цитируемые источники.
• Смысловое соответствие определяет попадание в круг кандидатов, а место внутри круга решают техническая исправность, коммерческие факторы, поведение и доверие к сайту.
• Картинки из нейросети на сайте: юридические риски и как это видит поиск

Если хотите понять, куда «смотрит» ваша страница по смыслу и почему она не выходит по нужным запросам, приходите на SEO-консультацию — разберём структуру, группировку запросов и пробелы в раскрытии темы.