Смотреть урок

Дополнительные файлы из урока

В прошлом уроке мы собрали ядро, теперь его нужно разложить по группам. Я ставлю скилл cluster-core, который кластеризует ядро по выдаче через Arsenkin, а Keys.so подключает как второе мнение. По ходу прогона Claude задаёт вопросы, на которые отвечаем мы: режим soft или hard, порог склейки, что делать с брендами конкурентов, спорными и одиночными фразами. На выходе получается карта кластеров с интентом, типом страницы и частотностью, которую мы дальше используем для контент-плана. Урок рассчитан на тех, кто прошёл сбор ядра в 4.1, в том же проекте лежит папка semantic-core.

Оглавление с таймкодами:

0:00–0:57 Что будет к концу урока. По пилоту ядро около 979 фраз, из них получается 170 кластеров. Решений три, по аналогии с шестью гейтами прошлого урока. В Arsenkin кластеризация стоит 2 лимита за фразу, я проверил цену на момент записи урока. В стеке курса два кластеризатора: Arsenkin и Keys.so.

0:57–2:23 Два движка и три решения. Я прогонял оба режима, снимал интент и нашёл ошибки в API, чтобы у вас всё работало. Решения за вами: пороги и мягкая или жёсткая кластеризация, расхождение движков и приёмка результата. Основным движком идёт Arsenkin, Keys.so служит вторым мнением, и при расхождении можно решить, принимать кластеризацию или просить пересчёт. Какой кластеризатор точнее, определить трудно, и это отчасти вкусовщина. Я выбираю Arsenkin потому, что он отдаёт URL топа по кластеру, и это позволяет потом сопоставить кластер с посадочной страницей.

2:23–3:32 Soft и hard, интент и тихие ошибки. Выбор режима зависит от ниши и цели кластеризации. Интент по словарю (слово «купить» значит коммерцию, «как» значит информационный запрос) срабатывает не всегда, поэтому скилл измеряет выдачу и смотрит, чего…