Как сделать кластеризацию семантического ядра

1. Что такое кластеризация семантического ядра

Кластеризация семантического ядра — это распределение ключевых слов на группы, каждая из которых закрывает одну потребность пользователя и соответствует одной странице сайта.

Принцип проверки простой: если по двум запросам Google показывает преимущественно одни и те же сайты, пользователь в этих двух случаях хочет одного и того же — значит, запросы относятся к одному кластеру и могут жить на одной странице. Если выдача разная, нужны две страницы.

Что даёт кластеризация на практике:

• показывает, сколько страниц нужно сайту и какой глубины должна быть структура;
• предотвращает каннибализацию — ситуацию, когда две страницы конкурируют за один набор запросов;
• даёт основу для технических заданий копирайтеру: каждый кластер — это одна страница с конкретным перечнем запросов;
• позволяет расставить приоритеты по суммарной частотности групп и отслеживать SEO-метрики не по отдельным фразам, а по кластерам.

Для сайтов, где к контенту предъявляются повышенные требования, к группировке добавляется ещё один слой — факторы E-E-A-T: часть кластеров потребует не просто текста, а материала с подтверждённой экспертностью.

2. Два принципа группировки

Все способы кластеризации сводятся к двум подходам, и разница между ними принципиальная.

2.1. По смыслу

Фразы группируются по общим словам: всё со словом «шампунь» — в один кластер, всё со словом «маска» — в другой. Так работают формулы в таблицах, фильтры и большинство ручных методов.

Быстро и бесплатно. Но этот подход ничего не знает о том, как запросы видит Google. Две фразы с одним и тем же словом могут иметь разный интент («шампунь купить» и «как выбрать шампунь»), а две фразы без единого общего слова — одинаковый («средство для объёма волос» и «шампунь для тонких волос»).

2.2. По выдаче

Сервис пробивает ТОП-10 по каждому запросу и сравнивает, насколько пересекаются результаты. Если по двум запросам в ТОПе совпадает достаточное количество URL, они объединяются в кластер.

Это точнее, потому что опирается не на предположение, а на то, как поисковая система уже классифицировала запросы.

Тип связи (сила кластеризации) — главная настройка, которая в интерфейсах подписана невнятно, а на деле означает простое: сколько URL из ТОП-10 должно совпасть, чтобы запросы попали в одну группу. Обычно доступны значения от 3 до 7. Чем выше число, тем строже отбор.

Тип кластеризации — вторая настройка, которую путают с первой:

• жёсткий (hard) — запрос попадает в группу, только если он проходит порог совпадения с каждым запросом этой группы. Группы получаются точные, но мелкие, а несортированных много;
• мягкий (soft) — достаточно совпадения с центральным запросом группы. Группы крупнее, несортированных меньше, но внутри попадается лишнее.

Рабочая практика: начинать с жёсткого и средней связи, посмотреть на размер остатка, и уже от него решать, ослаблять или нет.

2.3. Какой подход выбирать

На проектах мы пользуемся комбинированным: черновую работу делает автоматика или формулы, а спорные кластеры проверяются вручную по выдаче. Чистая автоматика без проверки даёт ошибки в самых дорогих местах — именно там, где запросы выглядят похожими, а интент у них разный.

3. Способ 1: функция QUERY в Google Таблицах

QUERY — функция Google Таблиц, которая позволяет извлекать данные языком запросов, построенным на логике SQL. Для кластеризации она удобна тем, что сразу переносит найденные фразы в нужное место, а не просто помечает их.

3.1. Порядок действий

Пример рабочей формулы:

=QUERY(‘Семантика’!A2:B862; "SELECT * WHERE LOWER(A) CONTAINS ‘шампун'")

1. Выгрузите ядро на один лист — например, Семантика. В столбце A — фразы, в столбце B — частотность.
2. Создайте второй лист Кластеры и напишите в нём название первой группы.
3. В ячейку под названием вставьте формулу, подставив свой лист, диапазон и слово кластера.
4. Все фразы, содержащие это слово, автоматически перенесутся в кластер вместе с частотностью.
5. Скопируйте формулу ниже и замените слово — так собирается следующая группа.

3.2. Разбор формулы

• ‘Семантика’!A2:B862 — лист и диапазон, где искать. Вторая буква столбца определяет, сколько колонок перенесётся в кластер;
• SELECT * — взять все столбцы диапазона;
• WHERE A CONTAINS — условие: столбец A содержит указанный фрагмент;
• ‘шампун’ — искомое слово без окончания, чтобы попали все словоформы: шампунь, шампуню, шампуни, шампунем.

3.3. Две ловушки, о которых молчат инструкции

CONTAINS регистрозависим. Запрос с заглавной буквы («Шампунь») формула не найдёт. Именно поэтому в примере выше стоит LOWER(A) — она приводит столбец к нижнему регистру перед сравнением. Без этой обёртки часть фраз тихо потеряется, и вы об этом не узнаете.

Разделитель аргументов зависит от локали таблицы. В настройках с украинской или европейской локалью аргументы разделяются точкой с запятой (;), в США — запятой (,). Если формула возвращает ошибку сразу после вставки, дело обычно именно в этом.

3.4. Когда подходит

Когда вы заранее знаете перечень категорий и хотите быстро раскидать по ним семантику с переносом данных. Минус — формула тянет фразу в кластер, но не помечает её в исходном списке, поэтому легко не заметить, что часть ядра осталась неразобранной.

4. Способ 2: REGEXMATCH вместо FIND

Второй подход — помечать фразы прямо в исходном списке и сортировать по пометке. В старых инструкциях для этого советуют функцию FIND, но у неё два недостатка, из-за которых работу приходится переделывать.

FIND регистрозависима — «Шампунь» не найдётся по запросу «шампун». И возвращает ошибку #VALUE!, когда ничего не находит, поэтому столбец заполняется ошибками, а не пустыми ячейками. Сортировать такой столбец неудобно.

Вместо неё лучше использовать REGEXMATCH:

=REGEXMATCH(LOWER(A2); "шампун")

Функция возвращает TRUE или FALSE — без ошибок и с чистой сортировкой.

4.1. Главное преимущество: несколько вариантов сразу

REGEXMATCH понимает вертикальную черту как «или», поэтому в одну формулу можно заложить все варианты написания кластера, включая транслитерацию и синонимы:

=REGEXMATCH(LOWER(A2); "шампун|shampoo|моющее средство для волос")

Это именно то, чего не умеет ни один из методов «по одному слову»: кластер «шампуни» почти всегда содержит фразы без слова «шампунь», и ловить их отдельными проходами долго.

4.2. Порядок действий

1. В столбце C рядом с первой фразой вставьте формулу.
2. Наведите курсор на правый нижний угол ячейки, дождитесь крестика и дважды кликните — формула протянется до конца заполненного диапазона.
3. Отсортируйте столбец C по убыванию: все TRUE окажутся сверху.
4. Скопируйте группу на лист с кластерами.
5. Удалите перенесённые строки из исходного списка и повторите для следующего кластера.

Шаг 5 — главное преимущество этого способа: ядро постепенно уменьшается, и в конце вы видите точный остаток неразобранных фраз. Пропустить часть семантики становится невозможно.

4.3. Когда подходит

Когда задача — разобрать ядро полностью, ничего не потеряв. Мы пользуемся этим методом, когда нужно спроектировать максимальное количество посадочных страниц: каждый остаток после очередного прохода — это либо новый кластер, либо кандидат на удаление.

5. Способ 3: фильтры

Самый простой способ, для которого не нужны формулы вообще.

1. Выделите диапазон с семантикой и создайте фильтр.
2. В меню фильтра выберите Фильтровать по условию → Текст содержит.
3. Введите слово кластера и нажмите ОК.
4. В таблице останутся только нужные фразы — скопируйте их на лист кластеров.

В отличие от формул, фильтр не меняет данные и снимается одним кликом, поэтому перебирать гипотезы им быстрее всего.

Два замечания. Во-первых, при создании фильтра убедитесь, что диапазон охватывает все строки: если часть ядра осталась за пределами выделения, она просто не попадёт в фильтрацию, и вы этого не увидите. Во-вторых, фильтр тоже ничего не помечает в исходном списке, поэтому для полного разбора ядра его лучше сочетать со способом 2.

5.1. Когда подходит

Для небольших ядер до нескольких сотен фраз и для быстрой проверки гипотез: сколько вообще запросов в нише содержат нужное слово и стоит ли выделять под них страницу.

6. Способ 4: сервисы кластеризации по выдаче

Автоматическая кластеризация доступна в Serpstat, Keyword Insights, Keyword Cupid и других сервисах. Принцип у всех один — сравнение ТОП-10 по каждой паре запросов, разница в базе данных, цене и удобстве интерфейса.

6.1. Порядок действий

1. Создайте новый проект кластеризации и загрузите список фраз.
2. Выберите регион и язык — это критично: кластеры для Киева и для Украины в целом отличаются.
3. Задайте тип связи и тип кластеризации (см. раздел 2).
4. Запустите и дождитесь обработки — на больших ядрах это может занять часы.
5. Выгрузите результат и проверьте его вручную.

6.2. Что показывает практика

Мы прогоняли через автоматическую кластеризацию нечищеное ядро на 100 фраз для косметического бренда с жёстким типом и сильной связью. Результат показателен: 56 фраз из 100 попали в несортированные, отдельной группы под шампуни сервис не создал вообще — часть запросов ушла в группу «бренд + цена», часть образовала отдельную группу «шампунь для объёма».

Переключение на мягкий тип картину почти не изменило.

Вывод не в том, что сервис плохой. Вывод в том, что автоматическая кластеризация — это черновик, а не результат, и закладывать её в план работ нужно вместе со временем на ручную проверку, а не вместо него.

6.3. Когда подходит

На ядрах от тысячи фраз, где ручной перебор нереален. На малых ядрах формулы в таблицах дают тот же результат быстрее и бесплатно.

7. Способ 5: LLM как помощник

Языковые модели неплохо группируют фразы по смыслу, и для первого прохода это более быстрый инструмент, чем формулы. Рабочий сценарий — отдать список и попросить разложить его на группы с пояснением логики каждой.

Что стоит указать в запросе, чтобы результат был пригодным:

• нишу и регион — иначе модель сгруппирует абстрактно;
• тип страниц, на которые раскладываются группы (категории магазина, страницы услуг, статьи);
• требование не выдумывать фраз, которых нет в списке;
• требование отдать результат таблицей с колонкой «интент».

7.1. Ограничение, которое решает всё

Модель группирует по смыслу, а не по выдаче. Это тот же недостаток, что и у формул: она не знает, как Google на самом деле классифицировал запросы в вашем регионе, и уверенно объединит фразы с разным интентом, если они похожи внешне.

Кроме того, на длинных списках модели склонны терять часть строк и не всегда сообщают об этом. Поэтому после LLM-прохода обязательна проверка: совпадает ли количество фраз на входе и на выходе.

Реалистичная роль этого способа — быстро получить черновик структуры и перечень названий кластеров, который дальше проверяется по выдаче.

8. Сравнение способов

Рабочая связка для большинства проектов: LLM или формулы для черновика → сервис по выдаче для проверки спорных групп → ручная правка остатка.

9. Что делать с несортированными

Остаток после автоматической кластеризации — не брак сервиса, а нормальный этап работы. Разбирать его стоит по порядку, а не подряд.

1. Сначала мусор. Пройдитесь фильтром по типичным маркерам нецелевых запросов: «бесплатно», «своими руками», «скачать», «вакансии», чужие бренды, чужие города. Обычно так отсеивается треть остатка.
2. Затем — фразы с высокой частотностью. Отсортируйте оставшееся по убыванию и разберите вручную первые два-три десятка. В них сосредоточена основная ценность остатка; «хвост» с частотностью 10 можно доразобрать позже.
3. Далее — проверка по выдаче. Возьмите фразу и посмотрите, к какому из уже готовых кластеров она ближе по составу ТОП-10. Чаще всего она просто не дотянула до порога и относится к существующей группе.
4. То, что не подошло никуда, — кандидат на новый кластер. Если таких фраз несколько и у них общий интент, это сигнал, что вы пропустили целую категорию.
5. Одиночные фразы без группы не получают собственной страницы. Их добавляют к ближайшему кластеру как дополнительные или оставляют в резерве до следующего обновления ядра.

10. Как проверить, что кластер собран правильно

Проверка не требует сервисов — достаточно вручную сверить выдачу.

10.1. Проверка по пересечению ТОП-10

Возьмите два запроса из одного кластера, откройте выдачу по каждому и сравните URL в ТОП-10. Если совпадает меньше трёх — запросы в одной группе оказались ошибочно, и страница не сможет ранжироваться по обоим.

Проверять стоит не все пары, а крайние: самую частотную фразу кластера и самую длинную. Если совпадают они, остальные почти наверняка тоже.

10.2. Чек-лист

• В кластере один интент. «Купить» и «как выбрать» — всегда разные группы, даже если в них одинаковые слова.
• Кластеру соответствует одна страница, и ни одна страница не претендует на два кластера.
• Название кластера видно из запросов. Если назвать группу одним словом не получается, внутри смешано несколько тем.
• У кластера достаточная суммарная частотность, чтобы страница себя оправдала.
• Под кластер реально есть что продавать. Группа вокруг товара, которого нет в ассортименте, — потраченное время.
• Регион учтён. Кластеризация по выдаче по Украине и по конкретному городу даёт разные группы.

После проверки кластеры переносятся в карту релевантности, и работа переходит к следующему этапу — оптимизации страниц. Общий контекст, куда встраивается кластеризация, мы разобрали в материале о семантическом ядре, а инструменты для обоих этапов собрали в подборке SEO-сервисов.