Визуальная семантика: что это такое и как влияет на тематический авторитет сайта

Традиционно в SEO делали фокус только на содержимом страницы. Однако в последнее время становится всё более важным учитывать форму, в которой эта информация представлена.

По мере того как Google — и другие ПС — глубже понимают структуру и функциональность страниц, визуальная семантика приобретает всё большее значение в процессе интерпретации веб‑документов поисковыми системами.

Что такое визуальная семантика? 

Визуальная семантика — модель понимания документов, которая использует не только текст, но и визуальные элементы. Она помогает разбивать документы на части, классифицировать их и лучше понимать их содержание.

Google меняет подход к анализу веб‑документов, переходя от «веб‑текста» к «веб‑макету». Это позволяет лучше определять реальную экспертизу, уникальность и оригинальность контента, уделяя больше внимания функциональным аспектам страниц.

В руководстве Google по оценке качества поиска «усилия и вовлечённость человека» указаны как ключевые принципы, которые определяют качество контента. Одним из аспектов этой оценки являются «усилия, затраченные на дизайн».

Полный гайд по факторам E‑E‑A‑T 

С самых ранних этапов развития SEO, когда алгоритмы Google были ориентированы на структуру страницы, макет страницы играл важную роль. Эти ранние алгоритмы были сосредоточены на размещении рекламы и простых сигналах ранжирования документов, в отличие от современных, более сложных подходов к пониманию страниц.

Почему Google теперь уделяет больше внимания макету страницы

Google недавно представил новые разработки и патенты, которые показывают, как важно понимать структуру страниц. Большинство сайтов давно перестали делать просто текстом или примитивной вёрсткой «текст над текстом» — сейчас на страницах гораздо больше информации.

Именно поэтому ведущие инженеры Google — в том числе те, кто работал над Gemini и AI Mode, — сейчас развивают такие технологии, как «карты структурированной информации» и «мультимодальное понимание документов».

Поэтому компании нужны системы, которые понимают структуру разных типов карточек: товаров, отелей, недвижимости, путешествий, кредитных карт и других.

Иными словами, современным поисковым системам приходится анализировать не только текст на странице, но и её структуру: макет, иерархию, визуальные связи, аннотации и то, какую функцию несёт каждый выделенный блок информации.

От семантики до хлебных крошек: строим SEO‑структуру сайта в высококонкурентной нише 

Почему вёрстка так важна для поисковых систем

Чтобы правильно понимать структурированные карточки и анализировать документы с учётом вёрстки, нужны нейронные сети и, возможно, новый тип больших языковых моделей. Таких, которые смогут с высокой точностью интерпретировать документы: составлять качественные аннотации и давать на них ссылки.

Без глубокого понимания такого формата данных — как на сайтах бронирования авиабилетов, банковских агрегаторах и похожих платформах — Google не сможет точно их ранжировать.

Большая часть этих данных представлена не простым текстом, а уникальными структурированными карточками, сравнительными модулями, таблицами и интерактивными макетами.

Позже Google запатентовал альтернативный подход, основанный на сегментации и широком использовании HTML.

LLM всё ещё не читают ваш HTML. И вот почему 

Подходы тесно связаны между собой и во многом опираются на HTML, чтобы определить, какой текст относится к какому разделу, компоненту, сущности или визуальному блоку на странице.

С ростом популярности векторных алгоритмов такое понятие, как разбиение на фрагменты (chunking), стали активно обсуждать в SEO‑сообществе. Однако в этих обсуждениях часто упускают важный момент: разбиение на фрагменты — это не только лингвистическая задача, но ещё и вопрос макета и структуры документа.

Поисковым системам по‑прежнему нужно понимать, к какому фрагменту относится каждая часть информации, как она связана с соседними элементами и какой визуальный или функциональный компонент придаёт ей смысл.

Как разметка ключевого элемента влияет на ранжирование

В современном поиске одного качества информации уже недостаточно. Она должна быть подана в таком макете, который помогает машинам понимать её границы, контекст и назначение.

Google называет это явление разметкой центрального элемента (centerpiece annotation) — так он описывает визуальные аннотации, которые помогают его системам лучше понимать документ.

Секреты алгоритма Google: что известно после утечки внутренней документации компании 

Мартин Шплитт из Google говорит, что разметка центрального элемента — это «основное содержание» страницы.

Позже в документах, раскрытых в ходе антимонопольного дела против Google, выяснилось, что эту разметку также использовали для классификации и ранжирования новостных материалов. Обычно она занимала около 400 символов. Но в документах нашлись и другие любопытные детали.

Например, ниже показано, как Google извлекает такую разметку из HTML‑кода. Как видно, предложение обрывается из‑за лишних HTML‑элементов — например, кнопок «Поделиться» в Facebook, по почте, в Twitter (X) и Google+.

В следующем примере из документов Министерства юстиции США правильная структура HTML не позволяет шаблону кнопки «Поделиться» прерывать эту разметку. Это даёт Google возможность корректно извлекать контент.

Как визуальная семантика работает на практике

Рассмотрим простой пример из SEO. В ходе работы на сайт внесли 19 изменений. Но самое масштабное улучшение позиций в поисковой выдаче произошло благодаря одному — перемещению компонента калькулятора с нижней части страницы на верхнюю. Это сделало его центральным элементом страницы.

Результаты изменения:

Этот проект хорошо показывает, насколько тесно связаны визуальная и текстовая семантика, а сам он охватывает более 100 тыс. страниц. При таком масштабе даже небольшое изменение в предложении, обновление компонента или правка макета отражаются сразу на множестве URL. Именно поэтому после изменений в макете Google переиндексировал весь сайт заново, и это привело к росту показов и кликов.

Проект — это сайт‑конвертер величин, который хочет занять высокие позиции по запросам вроде «сколько будет 2 м в см» и по миллионам похожих числовых и метрических вариаций. Конкуренция в этой нише огромная: больше 10 тыс. сайтов предлагают одни и те же данные и один и тот же ответ.

У всех этих сайтов одинаковый тематический охват и одинаково точные факты. Преимущество здесь не в том, чтобы дать ответ лучше, ведь «1 метр = 100 сантиметров» и без того одно и то же везде.

Выделиться можно, если снизить затраты поисковика на обработку страницы, повысить эффективность понимания документа, оптимизировать распределение PageRank внутри сайта и чётко подать ответ для первичных систем ранжирования Google.

Именно поэтому смена центрального элемента заставила Google пересмотреть макет, переранжировать страницы и ещё больше поднять сайт в выдаче.

Микроразметка Schema: что это, зачем нужна и как с ней работать в SEO 

Что такое затраты на извлечение информации и как они связаны с визуальной семантикой 

Несколько лет назад на одной из конференций автор оригинальной статьи представил идею: «затраты на ранжирование документа» не должны превышать «затраты на отказ от его ранжирования». Google, заботясь о качестве поиска, сопоставляет качество сайта и затраты на его обработку. Если обработка сайта обходится дороже, чем оправдывает его качество, Google станет искать альтернативу.

Одновременно компания дала чёткие указания сайтам, которые злоупотребляют ИИ‑контентом. Похоже, Google становится всё менее терпимым к практикам, которые долгие годы допускал, и его решения по индексации и деиндексации, вероятно, станут ещё избирательнее.

Затраты на извлечение информации могут заметно вырасти, если страница не даёт чёткого объяснения того, о чём она, или ей не хватает релевантности и отзывчивости — особенно в части разметки центрального элемента.

Утечка данных об API Google Content Warehouse показывает: компания отбирает документы и прогнозирует их качество по первым же признакам. Если документ не проходит эту раннюю проверку, дальше его уже не рассматривают.

В ходе антимонопольного процесса против Google Панду Наяк, на тот момент вице‑президент Google по поиску, объяснил: компания не применяет самые сложные алгоритмы к каждой странице — просто потому, что по многим страницам недостаточно данных о кликах. Вместо этого Google сначала оценивает базовые признаки тематической релевантности и уже по ним решает, стоит ли вообще индексировать и рассматривать страницу.

Наяк также отметил: алгоритмы вроде RankBrain требуют больших ресурсов. Поэтому Google запускает их только на тех результатах, которые уже получили хотя бы один клик, обладают высокой тематической релевантностью и содержат разметку, — то есть там, где есть смысл нести затраты на сканирование, рендеринг, оценку и дальнейшую обработку.

Другими словами, классифицировать документы по макету, компонентам и структурированным карточкам — более эффективный способ одновременно снизить затраты на обработку и повысить качество поиска.

Именно это всё заметнее отличает сайты низкого качества от сайтов высокого качества. Слабые материалы в первую очередь масштабируют текст. Сильные же масштабируют системы, макеты, компоненты, структурированные карточки и интерактивные опции. Всё это помогает и пользователям, и поисковым системам лучше понимать контент.

Ниже представлен концепт Google о векторном представлении сайтов:

Google классифицирует сайты на основе визуальных и связанных с макетом особенностей, чтобы понять, похожи ли они на источники, созданные экспертами, новичками или любителями.

Классификация веб‑сайтов может включать три категории. Возьмём в качестве примера нишу медицины:

1. Сайты, созданные экспертами в своей области (например, врачами).

2. Сайты, созданные стажёрами (например, студентами‑медиками).

3. Сайты, созданные непрофессионалами.

Раскрытые алгоритмы Google. Как работает поисковая система согласно слитым документам 

Как Helpful Content System от Google связан с визуальной семантикой 

Helpful Content System — это классификатор: он определяет, какие сайты дают пользователям ценную информацию и реально им помогают, а какие лишь имитируют полезность, не закрывая настоящую потребность, с которой человек пришёл в поиск.

В SEO‑сообществе большая часть исследований о Helpful Content System сосредоточена на тексте: перенасыщении ключевыми словами, бессмысленном контенте, добавлении «уникальной информации» ради видимости ценности. Но похоже, что многие алгоритмы этой системы гораздо больше ориентированы на функциональность страницы и тип источника.

Google сначала классифицирует сайты по типу, а не по качеству контента. А значит, один и тот же контент может занимать разные позиции в выдаче — в зависимости от того, находится он на партнёрском сайте или на сайте электронной коммерции.

Как же Google отличает партнёрские сайты, агрегаторы, поставщиков услуг, сайты электронной коммерции и SaaS‑платформы друг от друга? Ответ — в визуальной семантике. То, что страница предлагает пользователю, во многом определяется именно её макетом и компонентами.

Google разработал эффективные системы (например, алгоритм нейронных соответствий), чтобы определить, какие документы наиболее релевантны запросу. Проще говоря, если в запросе и документе нет точного соответствия, то вероятность того, что он окажется в ТОПе, снижается. Таким образом, релевантность является главным критерием для определения позиции.

Но одной релевантности недостаточно, чтобы она была единственным фактором ранжирования. Страница может попасть в ТОП благодаря релевантности, но, если на ней нет важных для пользователя функций (купить, сравнить, оформить заказ, посмотреть отзывы, отфильтровать варианты), она не будет соответствовать тому, зачем пользователь на самом деле пришёл на страницу.

Полезная страница — это не просто страница с релевантными словами. Это страница, которая помогает пользователю что‑то сделать, принять решение или решить задачу, стоящую за его запросом.

После одного из обновлений Helpful Content System Google закрепил эту идею и добавил в свои антиспам‑правила понятие «вводящей в заблуждение функциональности»: страница может казаться полезной, имитируя какую‑то функцию, но на деле её не предоставлять.

Например, страница может обещать пользователю возможность сравнивать товары, фильтровать их, что‑то рассчитывать, бронировать, читать отзывы или покупать — а по факту этих функций нет. Тогда страница выглядит функциональной и для пользователей, и для алгоритмов, но реальную задачу пользователя не решает.

Похоже, Google не только оценивает дизайн и оформление сайтов, но и ограничивает типы результатов, которые показывает в выдаче. Например, по запросу «лучшие женские очки» на одной странице результатов можно увидеть списки, страницы категорий, товарные сетки, видео и коммерческие гайды.

Чтобы учитывать разные потребности пользователей, Google может ограничивать разнообразие выдачи — регулировать, сколько страниц со списками, видео и другими типами результатов попадёт на одну страницу поиска.

В документах Минюста США нашлись функции вроде max_total и BlogCategorizer — они помогают понять, как алгоритм Twiddler классифицирует результаты и ограничивает число страниц одного кластера, категории или типа источника.

Похожее нашлось и в утечке API Google Content Warehouse: там модуль WebrefFatcatCategory присваивает результатам вес в зависимости от их категории.

Получается, Google не просто ранжирует документы по отдельности — он ещё и классифицирует, группирует и ограничивает результаты по типу страницы, категории источника и разнообразию категорий. Из‑за этого страница может быть вполне релевантной для ранжирования, но при этом ограниченной в самой выдаче.

Даже если сгенерированный список сущностей — например, страница «Лучшие товары» — успешно попадает в ТОП, дело не просто в том, что это часть блога. Она ранжируется, потому что выполняет функцию коммерческого ресурса: помогает пользователям сравнивать, оценивать и фильтровать товары, читать отзывы и принимать более взвешенные решения. В этом смысле Google может ранжировать контент, даже если он формально не относится к «функциональным» категориям, если он эффективно решает задачу, ради которой создан.

Получается, «полезный» в терминах Helpful Content System тесно связан с «функциональным».

Следующий пример хорошо иллюстрирует этот принцип. Автор статьи перенёс идентичный контент с партнёрского сайта на сайт электронной коммерции и дополнил его интегрированной тематической картой. Улучшение позиций в рейтинге стало заметно почти сразу.

Как данные о кликах используются для реранжирования результатов поиска с помощью визуальной семантики 

Google постоянно совершенствует понимание того, для чего нужна страница, и анализирует для этого не только текст, но и структуру. Из‑за этого данные о кликах интерпретируются по‑разному в зависимости от типа источника. Многие SEO‑специалисты считают, что долгие клики или долгое время на странице сами по себе говорят о её качестве.

Но, судя по исследованиям Google, это не всегда так. В зависимости от категории страницы короткое время на ней может говорить об успешном опыте пользователя, а долгие сессии — наоборот, о бесполезной вовлечённости.

Ниже представлена модель переранжирования Google. Она использует различные модели ранжирования и корректировки рейтинга на основе поведения пользователей, которое фиксируется компонентами отслеживания.

Ещё один пример можно найти в патенте Google «Объединение результатов поисковой системы». А также на диаграмме «Анатомия Twiddler», опубликованной в документах Министерства юстиции США.

Google также применяет концепцию «Life of a Click / Жизнь клика», чтобы помочь своим разработчикам лучше понять, как алгоритмы ранжирования в поиске интерпретируют поведение пользователей.

В совокупности всё это показывает: данные о кликах становятся значимее для классификации, когда их интерпретируют вместе с дизайном страницы, а не только на основе текста.

7 документов по ранжированию выдачи Google в рамках антимонопольного дела 

Классифицировать страницы по визуальному оформлению может быть эффективнее, чем анализировать миллионы документов, миллиарды лексических единиц, совместные вхождения, сущности, атрибуты и векторные значения.

Если определённые макеты документов стабильно дают более высокую удовлетворённость пользователей, Google может считать такие страницы более полезными или функциональными. А дальше использовать эти сигналы, чтобы находить другие документы с похожими шаблонами макета, структурой компонентов и моделями взаимодействия.

Хорошая тематическая карта должна включать не только сущности, атрибуты, предикаты и связи между ними. Она должна определять ещё и тип страницы, и функциональный макет — то, что нужно для релевантности и отзывчивости одновременно.

Отсюда понимание охвата и классификации уже на уровне домена. Три примера ниже хорошо иллюстрируют этот подход.

Первый пример — сайт AudioToText.com. Это суббренд, сфокусированный на одной теме.

Ниже — показатели GSC для AudioToText.com, полученные с помощью стороннего сервиса — Semrush (не работает в России).

Хотя сайт охватывает всего одну тему и имеет только 13 страниц, его видимость в поиске продолжает расти — по трём основным причинам:

1. Точное совпадение домена с запросом повышает релевантность.

2. Визуальная семантика улучшает отзывчивость.

3. Сайт быстро получает первые клики, а значит, Google раньше запускает по нему более сложные системы ранжирования.

То, насколько пользователи довольны результатами в других языковых версиях сайта, тоже может положительно влиять на английскую версию за счёт межъязыкового поиска информации.

Google умеет анализировать структуру страницы и делать логические выводы: например, определить, что AudioToText.com — это «инструмент транскрипции без регистрации», и ранжировать его в AI Overview. Это значит, что Google не просто сканирует текст. Он ещё и интерпретирует назначение страницы, её визуальные элементы и поведение пользователей.

Другими словами, Google использует агентный поиск на основе визуальных сигналов, чтобы понять, для чего нужна страница, и решить, стоит ли ранжировать её по конкретному запросу.

Ниже — одностраничная тематическая карта сайта AudioToText.com с основными элементами:

Эта страница сделана с минимумом текста, а главный элемент, который отвечает за конверсию (загрузку контента), стоит в самом верху.

Если бы этот элемент подвинули ниже или сделали меньше, позиции сайта в выдаче, скорее всего, просели бы — и здесь одних текстовых правок уже недостаточно.

Ещё один пример — сайт attorneys.lexinter.net, который ранжируется в основном через поддомен. На этот поддомен перенесли основной контент и добавили фильтр, который повышает вовлечённость пользователей.

Основной домен не дотягивал до нужных критериев, зато перенос контента на поддомен с дополнительными функциональными элементами дал результат заметно лучше.

Похожий подход к тестированию поддоменов применили и на сайте Pricelisto.com. Дизайн и контент там в основном остались прежними, но добавились функции и аннотации, связанные с покупкой, сравнением, изучением и оценкой товаров.

Эти изменения в функциональности сделали страницы сайта менее похожими на обычный контент и больше — на коммерческий ресурс, который решает конкретные задачи пользователя. Благодаря этому сайт смог избежать фильтров Helpful Content System.

Улучшение произошло не за счёт правок в тексте. Оно стало результатом пересмотра того, как работал сайт, как пользователи с ним взаимодействовали и насколько чётко Google понимал назначение каждого компонента страницы.

Поисковые системы стремятся сократить затраты на обработку, избегая дорогих алгоритмов там, где можно обойтись без них. Из‑за этого домены, на которые давят старые сигналы или сигналы уровня домена, не всегда сразу получают полностью обновлённую оценку.

Тестирование на поддомене может стать для Google весомым поводом заново обработать документы, переоценить их макеты и подключить более совершенные системы оценки. Так проще понять, связаны улучшения с изменениями в дизайне, функциональности или структуре сайта — или же дело в прежнем состоянии основного домена.

Ещё по теме

SEO‑специалисты анализируют информацию из утечки данных Google 

Как оптимизировать краулинговый бюджет 

Как работает режим ИИ в Google и как оптимизировать под него контент