Пока SEO-специалисты пытаются наполнить тексты синонимами и работают по математическим принципам, надеясь подстроиться под алгоритмы, поисковые системы в очередной раз меняют их, поэтому подобные действия не дают какого-либо заметного прироста в выдаче.
Google учитывает не знаки и не ключи, а сам текст воспринимает теперь как взаимосвязь сущностей. И ни одним SEO или LSI под это текст не оптимизировать, да и разница здесь довольно существенная.
LSI часто путают с сущностным SEO, но это кардинально разные методы, а потому разберем конкретику технической части без рекламы и упрощений.
Почему LSI — это мертвая математика прошлого века
Скрытая семантика (LSI) появилась еще в конце 1980-х, когда вычислительные мощности еще не позволяли проводить масштабную каталогизацию. Метод основан на расчете появления общих слов в массиве с помощью сингулярного разложения матриц. Например, если в тексте об автомобилях встречаются слова «колеса, двигатель и бензин», алгоритм сочтет их общими.
Но если попытаться сформировать семантическое ядро путем сбора родственных маркеров с помощью парсеров подсказок, то получим лишь спамные околотематические слова. Сейчас это не работает, ведь LSI не формирует контекстуальных связей. По такой логике, в текстах о корпорации Apple должно встречаться слово «яблоко», но это было бы неправильно.
Более того, в Google сообщили, что LSI-ключи в ранжировании сайтов теперь вообще не применяются. За это топят разве что разработчики софта по подсчету слов. Но втискивая в статью десятки каких-то непонятных слов, вы рискуете попасть под фильтры.
Эра сущностей: как граф знаний изменил правила игры в SEO
Entity SEO — это работа с контекстуальными объектами с идентификаторами и связями. Сущностью выступает бренд, человек или идея.
В патенте Google «Question Answering Using Entity References» описан процесс извлечения сущностей и построения связей.
Граф знаний оперирует связями субъект – предикат – объект: например, Леонардо ди Каприо (субъект) сыграл (предикат) в фильме «Титаник» (объект). Поисковый алгоритм замечает структуру в тексте и коде, понимая суть страницы без подсчета повторений фразы.
Для RAG-систем, на которых работают ChatGPT или Gemini, фундаментом для генерации ответов являются именно сущности. Вместо поиска точных вхождений модели извлекают инфоблоки через эмбеддинги. Неструктурированный ресурс ИИ проигнорирует при генерации ответа.
Практическая разница между Entity SEO и LSI на живом примере
Представим текст о ремонте автомобильных тормозов. В LSI-методе копирайтер берет перечень ключей: колодки, тормоза, цена, недорого, купить и распределяет их по тексту. Результат — скучная статья для роботов.
При методе entity SEO страница оптимизируется под сущности:
- Марка/модель авто — BMW 5 Series;
- Конкретные системы тормозов — дисковые вентилируемые;
- Инструменты — ключ, поршень;
- Материалы – керамика/органика, жидкость DOT 4, DOT 5.1.
Система видит связь и понимает, что при упоминании DOT 5.1 с трековыми колодками в статье речь пойдет о ремонте спорткара, а не хэтчбека. Это дает прирост тематического авторитета (Topical Authority).
Как оптимизировать контент под микросхемы ИИ-ботов
Уже в 2025 году мы неоднократно сталкивались с проблемой, когда сайт с высокими техническими показателями, LSI-словами и супер-оптимизированными тегами Title и Description почему-то теряет позиции в выдаче и трафик. В 2026 году такие сайты в дополнение ко всему не попадают также и в выдачу Gemini и Perplexity. А достаточно лишь убрать туманные описания и заменить их структурированными сущностями — как все вдруг улучшается.
Что стоит внедрить уже сейчас для улучшения RAG-оптимизации:
1. Микроразметка Schema.org — основной язык роботов. Авторов маркируют через Person, фирмы — через Organization, а сложные понятия — другими дополнительными тегами. Пишете обзор на гаджет? Робот должен видеть в коде, где сущность товара, а где – характеристики.
2. Прямой ответ в начале. Нейронные сети экономят токены. Поэтому – сразу к сути: «Керамические колодки содержат цветные металлы, керамические волокна и связующие материалы. Преимущество — выдержка температуры +600⁰С». А не «качественное качество металла» или «профессионалы помогут подобрать идеальный вариант под ваши потребности»…
3. Для перелинковки — не анкоры, а смысловые хабы. Страница о замене жидкости должна ссылаться на страницу о тормозных системах, создавая соответствующий кластер.
Аналитика Gartner подтверждает диалоговый характер поиска. Пользователь не вводит «колодки купить Киев», а спрашивает: «Какие колодки поставить на кроссовер для городской езды?» И бот находит сайт, где есть четкая связь между колодками, типом авто и стилем езды. А не тот, где набито «купить», «цена», «недорого» и прочий мусор.
Стоит ли полностью отбрасывать старые методики SEO и LSI
Текстовый анализ полезен, но использовать его стоит только для проверки структуры документа и полноты информации, а не для продвижения. Насыщение статьи словами без понимания иерархии не приносит никакого результата, и сейчас короткие, но насыщенные связями тексты лучше лонгридов с тридцатью тысячами SEO или LSI ключей.
Поисковые системы в первую очередь оценивают ценность статьи и внутренние связи, и если вы будете писать тексты, адаптируя содержание и структуру под эти алгоритмы, то добьётесь успеха.
© Студия копирайтинга Ямбус
