Зачем нужны ключи, если есть семантическое сходство: исследование Moz

Ключевые слова всё ещё очень важны. Когда вы вводите запрос в Google или промпт в Gemini, вы ожидаете получить соответствующий ответ. Рассмотрим пример: вы ввели запрос «лучшие внедорожники 2026 года». Подойдёт ли вам ответ ниже?

Конечно, нет. 13‑й президент США явно не имеет никакого отношения к внедорожникам, независимо от авторитетности Википедии и качества их SEO‑стратегии…

А что, если бы вы ввели запрос «ТОП дорогих спортивных внедорожников» и получили такой результат:

В названии этой страницы нет слов «ТОП», «дорогие» или «спортивные внедорожники», но она всё равно на первом месте в выдаче. Мы интуитивно понимаем, что эти две фразы означают примерно одно и то же.

С каждым годом достижения в области машинного обучения (ML) и обработки естественного языка (NLP) позволяют Google всё лучше понимать семантическое сходство и значение слов.

Поиск отлично понимает синонимы уже много лет. Например, вот результаты поиска по запросу «cell phone» в 2012 году, взятые из интернет‑архива:

Google распознал, что «mobile phone» и «cellular phone» — это схожие запросы, ещё за год до того, как выпустил обновление Hummingbird и внедрил текстовые векторы, и за 10 лет до появления первых открытых LLM.

Вместе с Google меняется и поведение пользователей, которые всё чаще обращаются к поисковику на естественном языке. В 2026 году вы уже не просто ищете «смартфон», а спрашиваете: «лучший бюджетный телефон на Android с хорошей камерой». И ожидаете, что Google вас поймёт.

Всё об алгоритме Google: как думает поисковая система 

Как измерить развитие Google в цифрах

Чтобы точно измерить, как менялись алгоритмы Google, авторы оригинальной статьи собрали 1 000 длиннохвостых (long‑tail) запросов из 20 отраслевых категорий. Например:

• «Какие показатели нужно отслеживать в электронной коммерции?»

• «Насколько полезнее заниматься спортом утром?»

• «Отслеживают ли стриминговые сервисы то, что я смотрю в автономном режиме?»

Авторы ввели запросы в Google в США на десктопах и сосредоточились на органических результатах на первой странице.  Из‑за особенностей поисковой системы Google на первой странице может быть меньше 10 органических результатов, поэтому в итоге получилось 8 703 органических результата и заголовка.

Три способа измерить семантическое сходство

Чтобы понять текущие возможности Google, авторы сравнилипоисковые запросы с заголовками в сниппетах, а не в тегах <title> по трём методам оценки

1. Точное совпадение

Хотя идея «точного совпадения» кажется очевидной, авторы подошли к вопросу более гибко. Они нормализовали регистр и пунктуацию, исключили формы множественного числа и допустили любой заголовок, содержащий полный текст запроса.

2. Коэффициент сходства Жаккара

Этот метод позволяет оценить частичное совпадение между двумя текстами. Он сравнивает количество общих символов в обоих документах и определяет степень их близости. Проще говоря, это отношение числа общих слов в двух строках к общему количеству уникальных слов. Показатель измеряется по шкале от 0,0 до 1,0.

3. Косинусное сходство

Наконец, авторы статьи рассчитали векторы и косинусное сходство между двумя строками, что позволило учесть семантические отношения. В частности, они использовали 768‑мерные векторные вложения Nomic. Косинусное сходство также измеряется по шкале от 0,0 до 1,0.

Результаты и примеры точного совпадения

Даже при использовании более гибкого критерия точного совпадения (напоминаем, что авторы нормализовали регистр и пунктуацию, исключили формы множественного числа и допустили любой заголовок, содержащий полный текст запроса) только 43 заголовка (0,49%) содержали полный запрос. Ниже пример, где разница заключается лишь в дефисе (‑):

…А вот пример, где заголовок включает запрос и немного выходит за рамки:

99,51% отображаемых заголовков не содержали полного запроса. Видно, что в результатах выдачи преобладают длинные и комплексные запросы, и это стало не неожиданностью, а очередным доказательством: с тех пор, когда все просто спамили ключевыми словами, SEO изменилось.

Частичное совпадение: коэффициент сходства Жаккара

Здесь результаты оказались ещё интереснее. Средний коэффициент сходства Жаккара для 8 703 заголовков составил 0,23. При этом сам коэффициент довольно строгий: он показывает, сколько одинаковых слов есть у двух фраз по отношению к общему числу уникальных слов.

На практике значение 0,23 выглядит так — в примерах ниже выделены совпадающие слова:

При среднем значении 0,23 пересечение между запросом и заголовком довольно небольшое. А вот пример с более высоким коэффициентом сходства — 0,75. При этом точным совпадением его всё равно назвать нельзя:

Если не учитывать порядок слов, который эта метрика не принимает во внимание, сходство между фразами будет довольно высоким. Для сравнения: если бы слова совпадали полностью, коэффициент Жаккара был бы равен 1,0.

Семантическое совпадение и косинусное сходство

Среднее значение косинусного сходства по всему набору данных составило 0,76. Этот показатель значительно ниже, чем сходство по Жаккару. Вот пример с показателем 0,76:

Здесь заголовок имеет более структурированный вид, что характерно для SEO. Хотя он относится конкретно к Minecraft и, возможно, не совсем соответствует ожиданиям пользователя, мы видим, что между ними есть некое семантическое соответствие.

Теперь обратимся к примеру с высокой схожестью:

Этот результат имеет косинусную схожесть 0,90. Очевидно, что в векторном пространстве приравниваются понятия «США» и «Америка». Есть и незначительные различия, например «8 of». Однако это не влияет на релевантность запросу.

Как пользователи формируют промпты в нейросетях 

Бонус: высокая косинусная схожесть, низкий индекс Жаккара

Если запрос и заголовок совпадают дословно, коэффициент Жаккара обычно высокий, а это почти всегда означает и высокое косинусное сходство. Но что происходит, когда общих слов почти нет, а смысл один?

В следующем примере косинусное сходство составляет 0,91, а коэффициент Жаккара — всего 0,10. Общее слово здесь только одно — «car».

Для человека связь между этими фразами очевидна. И именно в этом направлении Google за последние годы заметно продвинулся: он всё лучше понимает смысл запроса, даже если формулировки сильно различаются.

Вот ещё один пример. Косинусное сходство здесь равно 0,82, а коэффициент Жаккара — 0:

Формально общих слов в этих фразах нет. Да, некоторые слова имеют общий корень, а аббревиатура EV означает «электромобили». Но для поисковых систем такие сопоставления долгое время были сложной задачей.

Вернёмся к примеру с перегревом автомобиля и посмотрим на первые три результата поиска. Здесь интересно не только сходство заголовков.

Обратите внимание на текст, который Google выделил жирным шрифтом:

Google не просто находит синонимы и определяет смысловое сходство. Он пытается выделить фрагменты, которые могут напрямую отвечать на вопрос пользователя.

Таргетинг по ключевым словам в 2026–2030

Для этого он использует в том числе векторные модели и методы оценки семантического сходства. Такой подход лежит в основе современных алгоритмов поиска уже больше 10 лет и продолжает развиваться. Он используется не только в классическом поиске Google, но и в технологиях, связанных с ИИ‑поиском Gemini.

Векторы помогают поисковой системе оценивать, насколько страница соответствует смыслу запроса. Поэтому при работе с контентом важно смотреть не только на вхождения ключевых слов и различные метрики, но и на то, насколько материал действительно отвечает на вопросы пользователя.

Для SEO это означает, что работать с ключевыми словами нужно шире, чем раньше. Мало просто подобрать набор запросов и разместить их на странице. Важно понимать намерение пользователя, раскрывать тему полностью и учитывать связанные смысловые формулировки.

По мере того как поиск всё активнее объединяет классическую выдачу и ответы на базе ИИ, роль смысловой релевантности будет только расти. А значит, SEO‑инструменты, подходы к анализу и способы оценки контента тоже будут меняться вслед за поисковыми системами.

Ещё по теме

Тихая революция в SEO: от оптимизатора текстов к архитектору доверия 

Секреты алгоритма Google: что известно после утечки внутренней документации компании

LLM Seeding: новая стратегия в SEO, способная вывести ваш бренд на новый уровень