Семантика под AI-поиск: вопросы вместо ключевых слов

У вопросов, которые люди задают чат-ботам, нет частотности. Сервисы подбора слов таких формулировок не показывают, а часть из них вообще звучит впервые. Семантика под AI-поиск собирается руками из пяти источников: переписки с клиентами, звонков продаж, чужих комментариев, подсказок платформ и фильтров в поисковой консоли.

На выходе получается список из 50-100 вопросов, разложенный по стадиям решения и проверенный на спрос. Из него растет план материалов: часть формулировок идет строками в блок вопросов и ответов, часть становится разделами существующих страниц, часть тянет на отдельный материал. Первый проход занимает два-три вечера. Дальше список пополняется по ходу работы.

Почему у вопросов нет частотности и чем ее заменить

Привычный ключ - два-три слова. Обращение к чат-боту длиннее в разы и почти всегда несет условия: город, бюджет, ограничение, срок. Кратность в пять раз приводят в разборах AEO, сопоставляя логи чатов с поисковыми запросами; собственных замеров по русскоязычным нишам публично не показывал никто. Сервис подбора слов такую фразу не отдает, потому что спроса в его понимании у нее нет: ноль показов или пять.

Ждать, что частотность появится позже, не стоит. Ни один из владельцев моделей не отдает наружу то, что люди пишут в окно чата, и причина тут скорее юридическая, чем техническая: это переписка, а не поисковая строка. Сервисы подбора слов достраивают спрос по кликстриму и данным провайдеров, а чат в этот поток не попадает. Единственная щель наружу - отчет по запросам в поисковой консоли, куда падает та часть, где модель сходила в поиск и человек перешел на сайт.

Люди перестали писать обрывки. Отраслевые замеры по логам чатов дают такую динамику: доля подробных вопросов за восемь месяцев поднялась с 38 до 87 процентов. Первоисточник цифр закрыт, проверить их со стороны нельзя, но направление совпадает с тем, что видно в отчете консоли на любом сайте с историей: запросы удлиняются.

Есть и вторая причина, из-за которой частотность у вопросов не появится никогда. Система разворачивает одно обращение в десятки уточняющих подзапросов и собирает ответ из разных источников, и большую часть этих подзапросов формулирует машина, а не человек. Искать у них спрос бессмысленно по устройству процесса. Подробнее - в разборе, почему один вопрос превращается в десятки подзапросов.

Вместо частотности работают три опоры:

• Повторяемость. Сколько раз формулировка прозвучала в переписке, на звонках, в заявках. Три раза за месяц от разных людей - сигнал сильнее любого показателя из сервиса.
• Близость к деньгам. На какой стадии решения вопрос задают. Человек, который спрашивает про сроки внедрения, ближе к оплате, чем тот, кто выясняет, что такое CRM.
• Ответ модели. Если по вопросу в поиске уже показывается сгенерированный ответ, тема отработана и попасть в нее возможно.

Объем показов обманывает. За англоязычным запросом про инструменты управления проектами с 50 тысячами обращений в месяц стоят студенты с курсовыми, а не операционный директор, который выбирает систему для отдела. Двести обращений от человека, сравнивающего два сервиса, стоят дороже десяти тысяч от любопытных.

Отсюда правило отбора. Узкий вопрос с низкой конкуренцией берется вместо широкой темы: по формулировке «какая CRM подойдет службе доставки в Ташкенте с двумя складами» попасть в ответ проще, чем по слову «CRM», а покупатель там точнее. Примеры вопросов дальше по тексту собраны под разные ниши для показа строя фразы, свои формулировки будут другими. Что такое GEO и чем оно отличается от классического продвижения, разобрано отдельно - в обзорном материале кластера.

Пять источников вопросов

Ни один из пяти не выгружается кнопкой. Порядок ниже - по точности, а не по скорости: чем ближе источник к прямому разговору с покупателем, тем меньше в нем придуманных формулировок.

Свои звонки и переписка

Расшифровки звонков отдела продаж, тикеты поддержки, записи вебинаров и разборов загружаются в модель, и оттуда вытаскиваются вопросы дословно, без причесывания. Формулировки получаются на языке аудитории, а не на языке отрасли: клиент спрашивает «а если у меня две точки в разных городах», отраслевой специалист написал бы «мультифилиальность».

Расшифровка часового звонка вычитывается минут за пятнадцать, два десятка звонков складываются в полдня работы. Вопросов оттуда выходит 30-50, и половина из них повторяет друг друга.

Слабое место у источника одно. Если продажи ведет один человек, собранные вопросы отражают его манеру переспрашивать и уточнять, а не разброс по рынку. Половину формулировок приходится чистить от имен, сумм и названий компаний.

Комментарии под чужими материалами

Берется ниша, набирается сотня материалов по теме, и из комментариев под ними выписываются вопросы. Сюда же идут комментарии под роликами, включая ролики на других языках: под англоязычным разбором той же темы люди спрашивают то же самое, но формулируют иначе. Обсуждения на форумах и профильных площадках работают так же.

Сотня материалов при беглом просмотре комментариев - два-три вечера. Пригодных формулировок остается 40-80.

Работа занудная, зато вопросы настоящие: их написали люди, которым тема была интересна настолько, чтобы открыть форму комментария. Мусора много - половина веток уходит в спор о чем-то своем.

Подсказки самих платформ

Perplexity под ответом показывает смежные формулировки, и они собираются копированием. Расширения для браузера снимают похожие запросы по десятку базовых. Прием быстрый и годится, чтобы добрать хвост к уже собранному списку.

Десяток базовых запросов с копированием подсказок под каждым - около часа, на выходе 20-40 формулировок.

Ограничение очевидное: платформа отдает соседние вопросы, а не вопросы вашей аудитории. Без первых двух источников список получится обобщенным.

Поисковая консоль с фильтрами

В отчете по запросам ставится фильтр по длине от пяти слов, а к нему - командные слова: «покажи», «сравни», «подбери», «найди». Такая связка выделяет обращения, характерные для работы с моделями. Отдельный прием - регулярное выражение на очень длинные запросы, от шестнадцати слов и выше. На сайте агентства недвижимости в такой фильтр попали вопросы других риелторов о том, как вести бизнес: тема, о которой владелец сайта не думал вообще.

Сборка фильтра и выгрузка занимают час. Улов зависит от посещаемости: при заметном трафике набирается 10-30 вопросов, при слабом - единицы.

Фильтр настраивается один раз и сохраняется закладкой. Дальше он работает потоком: раз в месяц оттуда снимаются формулировки, которых в прошлый заход не было. Источник требует истории и посещаемости, поэтому новый сайт отсюда не получит ничего.

Сами модели

В режиме без истории у модели спрашивают, какие вопросы задают по теме, и получают список формулировок. Второй прием - загрузить свой материал и спросить, на какие вопросы он отвечает: пробелы видно сразу.

Три-четыре запроса к модели с разными углами - двадцать минут и 30-60 строк, из которых до плана доживает меньше половины.

Постановка запроса решает многое. Просьба «дай список вопросов по теме» возвращает общие места, которые встречаются в любой статье по отрасли. Просьба назвать десять вопросов, которые задает владелец сети кофеен в Алматы при выборе системы учета, с сохранением его собственных слов, дает строки, пригодные для списка. Разница между двумя запросами - минута работы и десяток пригодных формулировок.

Источник самый быстрый и самый ненадежный. Модель выдает правдоподобное, а не наблюдаемое, поэтому вся ее выдача идет в проверку из следующего раздела без исключений.

Способы вытащить вопросы с высоким намерением из рекламных и поисковых данных - конверсионные ключи, страницы с конверсиями, разведка по конкурентам и остальные - разобраны в материале про аудит видимости в нейросетях. Здесь они не дублируются. Заодно стоит держать в голове, где модели берут источники: площадки, которые попадают в ответы, и площадки, где стоит читать вопросы, пересекаются процентов на семьдесят.

Отдельная оговорка про списки. Набор из 15-30 вопросов, по которому снимают видимость бренда в нейросетях, и семантика для плана материалов - два разных документа. Первый маленький и стабильный, чтобы цифры сравнивались от месяца к месяцу. Второй растет и меняется. Путать их не стоит: замерять видимость по трехсотенному списку дорого и бессмысленно.

Ориентир по первому проходу: 50-100 вопросов, если пройти хотя бы три источника из пяти.

Вопросы по этапам решения

Собранная куча вопросов перекошена, и почти всегда в одну сторону. Люди охотно комментируют вводные материалы, поэтому вопросов уровня «а что это вообще такое» набирается втрое больше, чем вопросов уровня «кого нанять». Пока список не разложен по стадиям, перекос не виден.

Стадий три: человек осознал задачу, сравнивает варианты, выбирает исполнителя. Пара с краев шкалы выглядит так. На входе - «почему у компаний такого типа не работает такой-то подход». На выходе - «какой подрядчик лучше для такой-то задачи». Между ними лежит все остальное.

Внутри стадий вопросы делятся по устройству. Рекомендательные просят посоветовать. Сравнительные сталкивают два варианта. Ситуативные описывают обстоятельства и просят решение. Репутационные проверяют компанию. Поисковые ищут конкретный ответ на конкретную задачу. Шансы попасть в ответ у типов разные: платформы отслеживания видимости показывают стартовую долю упоминаний около 3-5 процентов для первых четырех типов и до 10 процентов для поисковых формулировок. Логика за цифрами простая, поисковый вопрос требует фактов, а факты берутся из материалов.

Ближе к покупке идут вопросы про свойства и совместимость: работает ли сервис вместе с той системой, которая уже стоит; что делать, если склад один, а точек выдачи шесть. Такие формулировки закрываются страницами про интеграции и разборами частных ситуаций.

Раскладка делается таблицей: строка на вопрос, колонки под стадию и тип. Через полчаса видно, чего в списке нет. Картина после первого прохода почти всегда одна - густо слева, пусто справа.

Правую колонку добирают отдельно. Вопросы стадии выбора редко пишут публично: человек, который ищет подрядчика, не обсуждает это в комментариях под чужой статьей. Их достают из двух мест. Первое - собственные звонки, где сделка не состоялась: там звучат возражения и сравнения, которых нет больше нигде. Второе - прогон вариаций по моделям с записью того, кого система советует. Второй способ заодно показывает, какой ответ на вопрос про исполнителя в вашем городе система считает нормальным сегодня.

И еще одно. Разговор с моделью идет цепочкой: ответ порождает следующий вопрос. Человек спрашивает, из чего делать грядки в дождливом климате, получает ответ про сталь, и следом спрашивает, кто такие грядки продает. В списке нужны обе ступени, иначе материал отвечает на первый вопрос и молчит там, где начинаются деньги.

Как проверить, что вопрос задают

Проверка отделяет работу от фантазии. Особенно это касается формулировок, которые придумала модель: звучат они гладко, а спроса за ними нет.

Первая проверка занимает минуту. Вопрос вводится в поиск, и смотрят, показывается ли по нему сгенерированный ответ. Показывается - тема отработана, попадание возможно, вопрос остается в списке.

Вторая: тот же вопрос задается модели, и смотрят, что она отвечает и кого цитирует. Уверенный ответ с источниками говорит о том, что материала по теме хватает, а список цитируемых площадок сразу дает понимание, куда идти.

Третья - следы в своих данных. Формулировка ищется в переписке, в расшифровках, в отчете по запросам. Вопрос, которого нет ни у клиентов, ни в отчетах, ни в ответах моделей, откладывается в отдельный список. Не выбрасывается, а откладывается: формулировки клиентов меняются, и через квартал такой вопрос может ожить в переписке.

Четвертая проверка тяжелее остальных, но она же расставляет приоритеты. Берется 10-20 вариаций одного вопроса, прогоняется по нескольким моделям, и в таблицу записывается, кого упомянули в ответе. Там, где вас нет, а конкуренты есть, - пробел. С таких вопросов начинают, потому что тема уже отвечается, и материалы под нее нужны системе прямо сейчас. Какие показатели брать в отчет по всей этой работе, разобрано в материале про показатели GEO.

Таблица для четвертой проверки устроена просто: строка на вариацию вопроса, колонки на модели, в ячейке - кого упомянули в ответе. Двадцать строк на четыре модели собираются за час и держатся квартал без обновления. Пустые ячейки в вашей строке и есть очередь на ближайший месяц.

Вопросы для регулярного отслеживания берутся из тех, что задают часто, а не из тех, что красиво звучат. Красивая формулировка - типичная ловушка при сборе через модель.

Из списка вопросов в план материалов

Первое решение по каждому вопросу - объем ответа. Ответ укладывается примерно в тысячу знаков - вопрос идет строкой в блок вопросов и ответов внизу страницы. Не укладывается - становится разделом или отдельным материалом. Правило грубое, зато решает спор за минуту.

Второе решение - группировка. Вопросы собираются в темы, и тема закрывается целиком, кластер за кластером. В документации Google по AI-поиску это сказано прямым текстом: страница должна закрывать 5-10 связанных вопросов, а не по тонкой странице на каждую формулировку. Пятьдесят страниц по 400 слов проигрывают десяти страницам, каждая из которых отвечает на группу.

Часть формулировок в списке различается парой слов: «сколько стоит настройка» и «сколько стоит настройка для интернет-магазина». Разводить такие пары по разным страницам не нужно. Общая формулировка идет в заголовок раздела, частная - строкой ниже, внутри того же раздела. Обе закрыты, страница не раздроблена, а поисковая система видит на ней связную тему вместо двух огрызков.

Блоки вопросов и ответов работают потому, что повторяют формат обращения к модели: вопрос, короткий ответ, следующий вопрос. Система забирает такой фрагмент целиком, без пересборки.

Формулировка переносится в заголовок дословно. Не «преимущества зеленого чая», а «чем полезен зеленый чай при ежедневном употреблении» - в том виде, в каком человек спрашивает. Редакционное причесывание заголовка убивает совпадение. По замерам AirOps последовательная структура заголовков повышает шансы на цитирование в 2,8 раза, а точное совпадение вопроса в заголовке добавляет к ним отдельно. Как устроен сам раздел с ответом, разобрано в материале про структуру текста под цитирование.

Чего ждать по объему. Публичных ориентиров по переходам из чат-ботов почти нет, а те, что ходят по разборам, собраны на чужих проектах и к вашей нише отношения не имеют. Порядок сил примерно такой: раздел с разбором выбора товара приносит заметно больше переходов, чем блок вопросов на странице услуги, а техническое руководство держится где-то между ними. Считать стоит по своей консоли за первые три месяца, а не по чужим цифрам. Часть работы вообще не оборачивается переходами: система разворачивает вопрос в подзапросы, цитирует материал внутри ответа, и человек до сайта не доходит.

Куда девать старое семантическое ядро

Ядро не выбрасывается. Вопрос и ключ устроены одинаково, разница в условиях: вопрос - тот же ключ, к которому добавили город, ограничение и обстоятельства. Страница, оптимизированная под ключ, работает и на вопрос, если ответ на странице есть.

Перенос делается разворачиванием. Широкий ключ «доставка еды Ташкент» превращается в несколько формулировок с условиями: где заказать ужин на двоих поздно вечером, кто возит горячее в Юнусабад, у кого доставка бесплатная при заказе от определенной суммы. Ключ «курсы английского Бишкек» разворачивается в вопросы про формат, расписание, уровень и цену за месяц. Один ключ дает от трех до восьми вопросов, и все они уходят в общий список.

Отсекается то, что набиралось ради объема. Ключи с размытым намерением, по которым непонятно, чего хотел человек, в план не идут: под них невозможно написать ответ, потому что неясно, на что отвечать.

Страницы под такие ключи не удаляются. Они пересобираются под вопросы - это отдельная работа со своими правилами, как пересобрать существующие страницы под вопросы.

Хранится список таблицей на четыре колонки: формулировка, откуда пришла, стадия решения, решение по объему. Пятая появляется позже - страница, где вопрос закрыт. По ней сразу видно, что сделано, а что лежит в очереди второй квартал подряд. Пары десятков строк хватает, чтобы понять, чем занят ближайший месяц.

Список вопросов не бывает готовым. Формулировки клиентов меняются вслед за тем, что они узнали от моделей: полгода назад спрашивали «что такое GEO», сейчас спрашивают «как проверить, цитирует ли нас ChatGPT». Рабочий ритм такой: пополнение по ходу работы, разбор накопленного раз в квартал, пересмотр отложенного списка тогда же. Отдельная тема - формулировки на разных языках региона: вопрос на русском, узбекском и казахском строится по-разному, и переводом это не решается.

Собрать первую сотню вопросов можно самому за пару вечеров. Обновлять список, сверять его с ответами моделей и превращать в поток материалов - работа на постоянной основе, и здесь имеет смысл посмотреть, как HITZ Agency ведет список вопросов на проектах. HITZ Agency, GEO-агентство в Центральной Азии, ведет такие списки по проектам в Узбекистане, Казахстане и ОАЭ.

Коротко

• Частотности у вопросов к моделям нет, и не будет: формулировки длинные, часть подзапросов генерирует машина.
• Вместо частотности - повторяемость вопроса в разговорах, стадия решения и наличие сгенерированного ответа в поиске.
• Пять источников: свои звонки и переписка, чужие комментарии, подсказки платформ, поисковая консоль с фильтрами, сами модели. Первый проход дает 50-100 вопросов.
• До плана вопрос доходит через четыре сита: сгенерированный ответ в поиске, ответ модели с источниками, след в своих данных, прогон вариаций по нескольким моделям.
• Короткий ответ, до тысячи знаков, идет строкой в блоке вопросов, длинный - разделом или страницей. Страница закрывает 5-10 связанных вопросов.
• Старое ядро разворачивается в вопросы с условиями, страницы под него пересобираются.

Частые вопросы

Как собрать семантику для продвижения в нейросетях?

Первым делом - собственные разговоры с покупателями: записи продаж и обращения в поддержку прогоняются через модель, а из них выписываются формулировки клиентов слово в слово. Дальше подключаются комментарии под чужими материалами, подсказки самих платформ и отчет по длинным запросам в поисковой консоли. Три источника за два-три вечера дают около сотни вопросов.

Где посмотреть частотность запросов в ChatGPT?

Нигде. Переписку с чат-ботами не публикует ни одна платформа, а сервисы подбора слов работают только с поисковой строкой. К тому же часть уточняющих подзапросов система придумывает сама, и человек их не набирал. Спрос оценивают иначе: как часто формулировка звучит от клиентов и показывает ли поиск по ней готовый ответ.

Чем промпты отличаются от ключевых слов?

Устроены они одинаково, отличается количество условий. Ключ - два-три слова без контекста. Вопрос к модели содержит город, бюджет, ограничение, сроки и обстоятельства, поэтому длиннее в разы. Из-за этого по нему нельзя посмотреть спрос, зато намерение человека видно сразу, а конкуренция за узкую формулировку ниже.

Нужна ли отдельная страница под каждый вопрос?

Нет, и рекомендации Google говорят обратное: одна страница должна отвечать сразу на 5-10 родственных формулировок. Короткий ответ до тысячи знаков занимает строку в блоке вопросов внизу страницы. Ответ подлиннее превращается в раздел. Отдельный материал пишется под группу вопросов одной темы, а не под одну фразу.

Как проверить, что вопрос действительно задают нейросетям?

Способов четыре. Ввести формулировку в поиск и увидеть, есть ли сверху сгенерированный ответ. Спросить у модели и посмотреть, какие источники она подтягивает. Поискать след в переписке, записях звонков и отчете консоли. Прогнать 10-20 вариаций по разным моделям, отмечая упомянутые компании. Формулировка, не прошедшая ни одного способа, отправляется в отложенный список до следующего квартала.

Что делать со старым семантическим ядром при переходе на AI-поиск?

Оставить и развернуть. Широкий ключ дает три-восемь формулировок, если добавить к нему город, размер бизнеса, ограничение или срок. Убираются те ключи, по которым непонятно намерение человека: писать под них ответ не на что. Старые страницы не удаляются - у них меняют заголовки на вопросы клиентов и добавляют внутрь перечень коротких ответов.