«Keywords are dead»? Почему лозунг — упрощение, а кластеры — нет

Короткий ответ: нет, ключевые слова не «умерли». Ни один первоисточник Google этого не утверждает — наоборот, официальное руководство по-прежнему советует учитывать слова, которыми люди ищут вашу тему.¹ Реальный сдвиг другой: стратегия «одна страница — один точный ключ» стала недостаточной. AI-поиск дробит вопрос на подтемы, и побеждает тот, кто покрывает тему целиком, а не одну формулировку. Лозунг «keywords are dead» — это маркетинговое упрощение настоящего тренда, а не сам тренд.

Кто и зачем объявил «ключи умерли»?

Откуда взялся лозунг

Фраза «keywords are dead» живёт в SEO-блогах, но в официальных документах Google её нет. Более того, Google SEO Starter Guide прямо рекомендует думать о словах, которые пользователь может ввести, — просто не требует механически покрывать каждую вариацию ключа, потому что языковые системы Google умеют связывать страницу с множеством запросов без точного совпадения терминов.¹

Точнее: «exact-match-стратегии недостаточно»

То есть точнее было бы сказать не «ключи умерли», а «стратегии точного вхождения (exact-match) недостаточно». Ключ остаётся способом понять спрос — какую формулировку люди реально набирают. Он перестаёт быть единственной единицей контент-плана. Это важная разница: первая формулировка продаёт курсы, вторая помогает принимать решения.

От строк к сущностям

В основе сдвига — давняя логика самого Google. Ещё в 2012 году компания описала Knowledge Graph как переход к пониманию «things, not strings» — объектов реального мира и связей между ними, а не просто строк запроса.² Сущности (бренд, продукт, метод, город, услуга) и отношения между ними — то, на чём поиск строит понимание темы. Ключевое слово — лишь вход в эту структуру.

Что изменилось: от ключа к покрытию темы

Механика query fan-out

Главная техническая причина пересмотреть keyword-подход называется query fan-out. Google официально определяет его как набор параллельных связанных запросов, которые модель генерирует, чтобы собрать дополнительную релевантную информацию.³ В анонсе AI Mode Google пишет, что система делает одновременные поиски по подтемам и нескольким источникам, чтобы дать больше широты и глубины, чем обычный поиск.⁴ AI Overviews и AI Mode официально могут использовать этот механизм.⁵

Видимость по смежным запросам

Из этой механики следует практичный вывод. Если AI-система дробит один вопрос на десяток подзапросов, вашему бренду мало быть видимым по главному (head) ключу. Нужна видимость и по смежным fan-out-запросам. Подробнее логику дробления запроса мы разбирали в материале «Query fan-out в ChatGPT: как один вопрос превращается в несколько».

Похожая логика и у ChatGPT Search: OpenAI описывает его как поиск с быстрыми ответами и ссылками на веб-источники,⁶ а в справке уточняет, что система может превращать вопрос в один или несколько поисковых запросов, получать результаты и собирать ответ со ссылками.⁷ И здесь работает набор подзапросов, а не один ключ.

Миф об особой «AI-разметке»

Здесь же стоит снять ещё один миф: будто для AI Mode нужна особая «AI-разметка». Google прямо пишет, что отдельных требований для AI Overviews / AI Mode нет — работают те же фундаментальные практики: индексация, доступность текста, внутренние ссылки, page experience и корректная structured data.⁵

Что такое topic cluster и pillar-spoke?

Определение и архитектура

Topic cluster (тематический кластер) — это группа материалов вокруг одной темы: центральная pillar-страница закрывает общий интент, а spoke-страницы раскрывают подтемы, сценарии, сравнения, вопросы, ошибки, кейсы и смежные сущности. Pillar-spoke — это и есть архитектура такого кластера, где между обзорной страницей и дочерними материалами идут внутренние ссылки с понятными анкорами.

Оговорка про topical authority

Оговорка против хайпа: Google не публикует формулу «topical authority score» как отдельный ранжирующий фактор. В официальных документах есть helpful content, сущности, Knowledge Graph, внутренние ссылки, structured data и руководство по AI-поиску — но не подтверждённая метрика «авторитетности по теме». Термин полезен как рабочая модель, а не как цифра из алгоритма. Подробнее о самой концепции — в статье «Topical Authority: как стать „Википедией“ в своей нише», а про устройство pillar-spoke на практике — в материале «Пилларная структура и контент-план».

Чем кластеры полезны для GEO: что показывают замеры

Прямого причинного доказательства «кластер увеличивает цитируемость на X%» в первоисточниках нет. Но есть корреляционные замеры, и важно читать их именно как корреляцию.

Что показывают корреляционные замеры

• SurferSEO в исследовании 173 902 URL обнаружил, что страницы, ранжирующиеся по нескольким fan-out-запросам, чаще получали цитаты в AI Overviews; указана корреляция Спирмена 0,77.⁸ Это связь, а не доказательство причинности.
• Тот же набор данных в пересказе Search Engine Land: анализ 10 000 ключей и 33 000 fan-out-запросов; страницы, ранжирующиеся по fan-out-запросам, цитировались на 161% чаще, чем страницы, ранжирующиеся только по главному запросу.⁹ Снова корреляция.
• Ahrefs в анализе 863 тыс. SERP и 4 млн URL из AI Overviews показал, что только 38% цитат приходили из топ-10 классической выдачи; остальные — за пределами топ-10 и топ-100.¹⁰ Это значит, что попадание в AI-ответ не сводится к позиции №1.

Осторожный вывод вместо гарантии

Эти наблюдения складываются в осторожный вывод, а не в гарантию: покрытие темы набором связанных страниц коррелирует с большей видимостью в AI-ответах, потому что fan-out проверяет много подзапросов, а цитаты не обязаны совпадать с классическим топом. Создать кластер — не означает автоматически получить цитаты; это смещает шансы, не более того.

Миф «одна большая статья лучше кластера»

Отсюда же ответ на миф «одна большая статья лучше кластера». Google нигде не предписывает именно pillar-spoke. Но раз fan-out официально дробит вопрос на подтемы, рабочая гипотеза — давать системе чёткие автономные страницы под подтемы, а не одну перегруженную статью, где пассажи конкурируют за извлечение. Как писать такие самодостаточные фрагменты — в материале «Что такое чанк и как писать автономные чанки». Это следствие из механики, а не прямая инструкция Google.

Специфика РФ: Яндекс Нейро, Алиса, GigaChat

Яндекс Нейро

Для рунета тезис про кластеры важен не только из-за Google. Яндекс официально описывает «Нейро» как надстройку над поиском: модель (небольшая версия YandexGPT 3) формирует поисковый запрос из последних 16 реплик диалога и идёт искать источники в выдаче.¹¹ То есть видимость в «Нейро» логически зависит от того, виден ли сайт в релевантных поисковых сценариях, а не только по одному главному ключу.

Алиса в Поиске

Яндекс Образование уточняет: ответы Алисы в Поиске не заменяют классическую выдачу, а работают вместе с ней и появляются там, где AI-ответ полезен; там же описана эволюция поиска от точного совпадения слов к смысловому сопоставлению запросов и документов через ML, DSSM и трансформеры YATI.¹² Это прямой аргумент против стратегии вокруг одних exact-match ключей в рунете.

GigaChat

По GigaChat картина слабее. В документации Сбера подтверждены функции и внешние инструменты, через которые модель может получать данные из внешних источников,¹³ но публичного первоисточника, где потребительский GigaChat раскрыт как поисковая система с цитированием сайтов, ранжированием источников или аналогом query fan-out, найти не удалось. Поэтому переносить на GigaChat выводы про fan-out пока некорректно.

Оговорка про отсутствие замеров

Честная оговорка: публичных исследований связи topic clusters с цитируемостью именно в Яндекс Нейро, Алисе или GigaChat нет. Российские выводы строятся на официальном описании механики поиска, а не на замерах цитируемости.

Где это маркетинговое преувеличение, а где реальная польза

Хайп против фактов

Что остаётся после вычета хайпа

Реальная польза остаётся даже после вычета хайпа: Google приоритизирует полезный, надёжный контент, созданный для людей, а не для манипуляции ранжированием,¹⁴ и покрытие интента, подтем и сущностей лучше согласуется с тем, как реально работают и Google AI Mode, и Яндекс Нейро. Чем это отличается от классического подхода по позициям — мы разбирали в статье «GEO vs SEO: чем продвижение в нейросетях отличается от классического».

Какие выводы стоит сделать

Это рекомендации, а не подтверждённые правила Google:

1. Не выкидывайте ключи — пересоберите их в карту темы: главный интент, подтемы, вопросы, сравнения, альтернативы, цены, локальные и русские формулировки, брендовые и небрендовые запросы.
2. Стройте кластер из связанных страниц под отдельные подтемы, а не одну перегруженную статью — так системе проще извлечь автономный пассаж.
3. Покрывайте сущности, а не только частоты: бренд, продукт, метод, конкуренты, типичные ошибки.
4. Цифры исследований трактуйте как корреляцию: они показывают, куда смещаются шансы, но ничего не гарантируют.
5. Для РФ держите в голове, что «Нейро» и Алиса опираются на выдачу, поэтому SEO-фундамент по-прежнему работает на видимость в AI-ответах.

Понять, по каким подтемам ваш бренд уже называют ChatGPT, Яндекс Нейро или Perplexity, а где в кластере остались белые пятна, помогает платформа GeoWatch: она прогоняет список интентов по AI-поисковикам, фиксирует, где бренд присутствует как источник или упоминание, и показывает, какие подтемы стоит закрыть в первую очередь. Если хотите увидеть свою тему глазами нейросетей — начните с GEO-аудита.

Источники