Традиционные методы кластеризации ключевых слов устарели. Ручная работа занимает недели, результаты субъективны, а динамика поиска меняется быстрее, чем вы успеваете обновить ядро. ИИ-кластеризация — это переход от статических списков к динамическим семантическим картам, которые понимают контекст, интенты пользователей и связи между понятиями.
[запрос] | [месячная частота] | [сопутствующие вопросы] | [URL топ-3] "купить беговую дорожку" | 12 450 | "какую выбрать для дома", "отличие магнитной от электрической" | domain1.ru, domain2.com
Промпт для ChatGPT-4:
Ты SEO-специалист с 10-летним опытом. Проанализируй список поисковых запросов и сгруппируй их по:
1. Основной коммерческий интент (покупка, сравнение, информация)
2. Тип товара/услуги
3. Специфические характеристики
Запросы:
{вставить 200-300 запросов}
Формат вывода:
Группа: [Название группы]
• Запрос 1 (частота: X)
• Запрос 2 (частота: Y)
...
Продвинутый промпт:
Создай иерархическую структуру кластеров для темы "{основная тема}".
Уровни:
1. Мега-кластеры (основные категории)
2. Кластеры (подкатегории)
3. Микро-кластеры (конкретные аспекты)
Для каждого запроса определи:
- Поисковый интент (навигационный, транзакционный, информационный, коммерческий)
- Стадию воронки (осведомленность, рассмотрение, решение)
- Семантическую близость к другим запросам (по шкале 1-10)
Представь результат в виде JSON-структуры.
Промпт для проверки:
Вот кластеризация запросов для "{тема}". Критически оцени:
1. Логичность группировки
2. Полноту охвата темы
3. Возможные пересечения между кластерами
4. Пропущенные важные запросы
Предложи улучшения и выдели 5-7 приоритетных кластеров для продвижения.
python
# Пример использования sentence-transformers
from sentence_transformers import SentenceTransformer
model = SentenceTransformer('paraphrase-multilingual-MiniLM-L12-v2')
queries = ["купить iPhone 15", "цена айфон 15", "стоимость iPhone 15 Pro"]
embeddings = model.encode(queries)
# Кластеризация методом HDBSCAN
import hdbscan
clusterer = hdbscan.HDBSCAN(min_cluster_size=2)
clusters = clusterer.fit_predict(embeddings)
text
Проанализируй поисковые запросы и классифицируй их по модифицированной матрице интентов: 1. Коммерческие: - Покупка (buy) - Аренда (rent) - Заказ (order) 2. Информационные: - Общее ознакомление (learn) - Сравнение (compare) - Решение проблемы (solve) 3. Навигационные: - Поиск бренда (brand) - Поиск сервиса (service) 4. Локационные: - Рядом со мной (near me) - В конкретном городе (city-specific)
python
import pandas as pd
from openai import OpenAI
import numpy as np
client = OpenAI(api_key="your_key")
def cluster_with_gpt(queries, theme):
prompt = f"""
Группируй запросы по теме '{theme}'.
Запросы: {queries[:50]}
Верни JSON: {{"cluster_name": ["query1", "query2"]}}
"""
response = client.chat.completions.create(
model="gpt-4-turbo-preview",
messages=[{"role": "user", "content": prompt}],
temperature=0.3
)
return eval(response.choices[0].message.content)
Кластер: "Выбор беговой дорожки для дома" • Столбовая статья: "Как выбрать беговую дорожку: полное руководство 2024" • Поддерживающий контент: - "Магнитная vs электрическая: сравнение" - "Топ-10 дорожек для квартиры" - "Как собрать дорожку самостоятельно"
Промпт: "Сгруппируй эти запросы на русском, английском и испанском, определив межъязыковые соответствия. Выдели культурные особенности."
sql
-- Связь кластеров с поведенческими метриками
SELECT
cluster_name,
AVG(session_duration) as avg_time,
AVG(pageviews) as avg_views,
SUM(conversions) as total_conversions
FROM ga4_data
JOIN query_clusters ON ga4_data.page_path = query_clusters.target_page
Решение: Минимум 5-7 запросов на кластер, иначе объединять
Решение: Отдельный процесс обработки low-frequency запросов
Решение: Раз в месяц перепроверять 20% случайных кластеров
Решение: Отдельные кластеры для «Москва», «СПб», «регионы»
Семантическое ядро через ИИ — это не разовая задача, а непрерывный процесс. Нейросети становятся вашим стратегическим партнёром, который:
Стартовый чек-лист на 30 дней:
Ключевой инсайт: В 2024 лучшая кластеризация — та, которую понимает не только поисковик, но и пользователь. ИИ помогает найти баланс между машинной логикой и человеческой интуицией, создавая семантические карты, которые работают и для SEO, и для реальных людей.
Канал в телеграмм — https://t.me/+-BsUnghNcJ81OGYy
Наш канал на Youtube — https://youtube.com/@traff058
Telegram Паблик — https://t.me/+R2NG4GVGqS4yOTky
Паблик в VK — https://vk.com/traff_agency
Инстаграм TRAFF — https://www.instagram.com/traff_agency
Блог на vc.ru — https://vc.ru/u/2452449-studiya-razrabotki-saitov-traff
Сервисы, которыми пользуемся мы: хостинг Beget — https://beget.com/p1898855
