SEO Semantic Lab 1.0.0.27 интервью с создателем - Алексеем Солтык

Солтык Алексей

SEO специалист и разработчик программы SEO Semantic Lab.

Занимается SEO-аналитикой, семантикой, кластеризацией по SERP и подготовкой ТЗ на контент/структуру. Работает с проектами в РФ и на международных рынках.

1) С какой проблемой вы лично столкнулись, что смотивировало написать собственную программу SEO Semantic Lab? Какую задачу вы перед собой ставили?

Изначально у меня был собственный кластеризатор, который по техническим ограничениям (память/ресурсы) стабильно работал примерно до 8 тысяч запросов. Но в реальной работе ядра часто бывают 100–200 тысяч запросов, и разбивать их на десятки итераций по 8 тысяч — это долго, дорого и, главное, всё равно приводит к ошибкам: в первую очередь к каннибализации и «разъезжающейся» структуре.

Я написал Python-скрипт, который позволил кластеризовать большие ядра корректно и воспроизводимо. Дальше я перенёс в программу накопленную Excel-логику «скоринга» и приоритизации (которую раньше делал макросами), и так появилась идея SEO Semantic Lab: автоматизировать путь от семантики к конечному результату — структуре посадочных, понятной стратегии и прикладным ТЗ на контент и внедрения, чтобы это влияло не только на позиции, но и на лиды/продажи.В какой-то момент я понял, что это надо упаковать в продукт: сделать инструмент, который закрывает полный цикл — от семантики до готовых внедряемых ТЗ, а не просто «раскидать фразы по группам».

Задача была максимально бизнесовая: чтобы после работы с ядром у вас на выходе было не «красиво сгруппировано», а понятно:

1. какие страницы создавать и в каком порядке;
2. где есть быстрые победы (низкая конкуренция/высокий спрос);
3. где у тебя дырка в структуре относительно топа;
4. и что именно на странице должно быть, чтобы она реально начала приносить трафик и лиды.

2) В чём принципиальное отличие подхода Semantic Lab к построению семантического ядра от традиционных методов «по частотности»?

Традиционно ядро часто строят так: собрали фразы, отсортировали по частотности, сгруппировали по словам, назвали кластер маркером — и дальше начинается «магия на глаз»: какую страницу делать, какой тип контента, как избежать пересечений, что именно писать.

В SEO Semantic Lab логика другая: мы не начинаем с частотности — мы начинаем с выдачи. На входе — факт: запрос → позиция → URL, и дальше алгоритм оценивает, какие URL реально «несут» интент, какие страницы сильнее, как правильно привязать запросы к посадочным так, чтобы не плодить мелкие кластеры, которые будут каннибализировать друг друга.

А уже потом мы накладываем слои: частотность, бюджеты, конкурентов, прогнозы, доли Яндекс/Google, конверсии/роботность (если выгружены из Метрики/консолей). И на выходе получается не просто «семантика», а план работ: какие посадочные нужны, как выглядят эталоны, где вы отстаёте и что нужно внедрить.

Для владельца бизнеса это про понятный ответ на вопрос: "Что конкретно делать на сайте, чтобы забрать спрос?"Для SEO — это про системность: не гадать, а повторять успешные паттерны выдачи.

3) Как кластеризация учитывает семантическую близость и контекст? Насколько адаптирована под русский поиск?

Мой подход — это интентная кластеризация по фактическим данным выдачи, а не «семантика слово-к-слову». Я не пытаюсь соединять запросы на основе косинусных близостей или внешних словарей «смыслов». Вместо этого используется то, что уже «решил» поисковик: если по запросам ранжируются схожие URL/домены, значит интент близок, и эти запросы логично продвигать вместе.

Алгоритму по сути не важен язык — важны данные: запрос, позиция (обычно 1–10) и URL. Поэтому метод воспроизводимо работает и в русскоязычных, и в других нишах. А к особенностям русского поиска он адаптирован за счёт того, что опирается именно на русскоязычный SERP (Яндекс/Google), где морфология и формулировки особенно сильно влияют на интент и тип выдачи.

Плюс поверх кластеризации у меня есть слой контекста: в текстовом анализе смотрится окружение ключевых слов (что стоит рядом с запросами у лидеров). Это даёт правильные «смысловые добавки» для текста и заголовков — без переспама и без попыток угадать, «как надо».

4) Учитывает ли программа изменения в алгоритмах (BERT/MUM/YandexGPT) при пересчёте релевантности и структуры?

Я честно считаю, что самый надёжный способ «учитывать апдейты» — это не читать новости и не гадать, что именно поменяли, а смотреть на то, что реально ранжируется сейчас.

Если поисковики меняют понимание интента или качества — меняется выдача: состав лидеров, типы страниц, структура контента в топе. В SEO Semantic Lab вы обновляете входные данные (SERP/позиции/конкуренты) — и система автоматически перестраивает кластеры и рекомендации под новую реальность.

Дальше включается «технарская» часть:

1. прямые вхождения запросов по зонам (title/h1—h6/текст/списки/ссылки/nav/alt),
2. TF-IDF, BM25,
3. n-граммы (включая 4—5-граммы),
4. контекстное окно вокруг ключей у лидеров,
5. микроразметка конкурентов как часть структурирования для ИИ-поиска.

То есть программа помогает не «переиграть алгоритм», а собрать страницу, максимально похожую на то, что уже доказывает эффективность в топе, но при этом закрывающую ваши пробелы.

5) Есть ли автоматическое выявление «семантических дыр» относительно конкурентов? Как это превращается в рекомендации?

Да. На уровне стратегии я вижу кластеры, где конкуренты присутствуют в топ-10, а моего сайта там нет — это прямой сигнал «у нас нет посадочной / нет релевантности». Также видно, где средняя позиция далеко за топ-50/100 — значит страница либо отсутствует, либо не соответствует интенту топа.

Дальше это превращается в конкретику: какой кластер требует новую страницу, какой — доработку, где каннибализация (несколько URL сайта ранжируются по одному кластеру), и как выстроить структуру.А на уровне текстового анализа я получаю «семантические дыры» по контенту: каких терминов/тем/формулировок не хватает, и в каких зонах у лидеров они встречаются. Это превращается в понятное ТЗ: что добавить в заголовки, что — в списки/FAQ/таблицы, что — в анкоры и навигацию.

6) Как обрабатывается user intent: NLP, поведенческие метрики или другие сигналы? Насколько точна дифференциация коммерции и инфо?

В большинстве проектов самая дорогая ошибка — написать «идеальный текст» не под тот интент. Поэтому я ставлю интент в центр.

У меня intent определяется двумя слоями:

1) Выдача и лидерыЕсли в топе статьи — значит информационный интент. Если в топе категории/услуги/карточки — значит коммерческий. Если смешанная выдача — значит нужно гибридное решение: структура + контент, которые закрывают обе потребности.

2) Контент и признаки лидеровЯ анализирую, какие слова и сущности реально используются у лидеров рядом с ключами, какие блоки встречаются чаще. «Цена/стоимость», «отзывы», «программа», «условия», «сроки», «гарантии», «прайс-лист», «калькулятор» и т.д. — это не просто слова, это маркеры ожиданий пользователя.

Поведение (визиты/роботность/конверсии) подключается как усилитель, если у вас есть данные из Метрики/консолей. Тогда можно не просто «делать как у топа», а приоритизировать по качеству трафика и потенциальным лидам.

7) Какие кейсы подтверждают рост конверсий и снижение CAC?

SEO Semantic Lab как продукт действительно свежий (публичный запуск — осень 2025), поэтому по части «CAC в цифрах» я аккуратен: для этого нужны полноценные кейсы с аналитикой и разрешением клиента на публикацию.

Но сам подход, на котором построен инструмент, как раз про бизнес-результат: при подключении данных из Метрики/консолей я агрегирую показатели по кластерам — включая конверсии/цели и долю роботов — и можно выбирать приоритеты не по частотности, а по ожидаемой ценности. Ещё до выхода продукта у меня были проекты, где я оказывал услугу «скоринг/стратегия по семантике» на этой логике: внедрение недостающих посадочных и точечная доработка страниц (включая метатеги и структуру) давали рост видимости и трафика, а в ряде ниш — рост заявок.

Как публичный пример я обычно привожу собственный сайт/блог: он растёт без накруток поведенческих и без «серых» методов — за счёт правильной структуры, контента и соответствия интенту топа. По клиентским кейсам я готов дать конкретику после согласования: ниша, период, что внедряли, как изменились лиды/CR и какая динамика по органике.

В завершение: «чтобы SEO-шник захотел прямо сейчас»

Если упростить, SEO Semantic Lab отвечает на три вопроса, которые в реальных проектах стоят денег:

1. Какие посадочные страницы нам реально нужны, чтобы охватить спрос?
2. Какие из них дадут быстрый результат и какой приоритет по бизнес-эффекту?
3. Что именно должно быть на странице (структура, зоны, термины, микроразметка), чтобы она вошла в топ?