SEO-анализ SERP
Поиск отклонений от нормы топа цветовая Z-шкала, 49 метрик и ML-тренер
Находите посадочные страницы, где объём текста, релевантность Title или вхождения в ключевые зоны отстают от конкурентов из топ-10. Descore сопоставляет документы с выдачей по 49 базовым и семантическим метрикам, переводит сигналы в цветовую Z-шкалу и обучает ML-модель для поиска реальных закономерностей ранжирования.
Шаг 1 · Массовый аудит страниц
Массовая выборка нужных страниц по всему сайту
Сводная таблица собирает посадочные страницы проекта в единый срез. В каждой из 294 колонок встроен фильтр по Z-отклонениям, медианам и максимумам выдачи. Это позволяет комбинировать условия: например, выделить страницы с дефицитом текста, слабым Title или перекосом по BM25 относительно лидеров топа. Готовая выборка отправляется в ML-тренер или сразу на генерацию ТЗ.
Шаг 2 · Экспресс-диагностика кластера
Цветовая Z-шкала отклонений от нормы топа
Отклонения от топа видны по цвету — не нужно разбирать десятки чисел. В отличие от сервисов со сравнением «в лоб» по медиане, Descore оценивает силу аномалии относительно разброса конкурентов в нише: чем насыщеннее цвет ячейки, тем сильнее ваше отклонение относительно других сайтов топа. Это позволяет сосредоточить внимание именно на реальных аномалиях страницы, а не распыляться на десятки нейтральных метрик и цифр.
Шаг 3 · Детальный профиль выдачи
Анатомия выдачи полные данные по каждому кластеру
По каждому кластеру доступна отдельная страница анализа: клик по названию кластера в сводной таблице открывает полную анатомию поисковой выдачи. В шапке отчёта вас встречает блок Z-метрик с расшифровкой в тултипах, а ниже показано, из чего она сложилась: показатели документов конкурентов, распределение слов по Ципфу, важные для ниши связки (n-граммы) и недостающая лексика.
Шаг 4 · Проверка влияния
Точки роста математика против SEO-мифов
Сильное отклонение от топа не означает, что страницу нужно срочно переписывать. Например, на одном крупном инфо-проекте редакторы долго подгоняли статьи под идеальный закон Ципфа, пока выборку не прогнали через ML-тренер Descore. Модель показала, что на собранных данных фактор находился в зоне чистого статистического шума и не влиял на позиции страниц.
Встроенная модель анализирует 100 признаков (метрики, Z-отклонения, частоту и общую видимость домена) и строит scatter-график связи каждого сигнала с позициями в вашей нише. Анализ помогает найти реальные точки роста: отделить значимые факторы ранжирования от фонового шума и не тратить бюджет на пустую работу.
Шаг 5 · Диапазоны ниши
Лучшие диапазоны по данным именно вашей ниши
После обучения модель рассчитывает интервалы параметров, в которых документы обучающей выборки занимали наиболее высокие средние позиции именно в вашей нише. Сводная таблица задаёт практические ориентиры по объёму текста, лексическому разнообразию, ключевым словам и допустимым Z-отклонениям под специфику вашего топа, исключая работу наугад.
Шаг 6 · Шаблоны ТЗ
Внедрение рекомендации, файлы ТЗ и проверка
Используйте диапазоны из ML при настройке шаблона ТЗ или выберите готовый пресет: «Лайт», «Коммерц» или «Инфо». Шаблон задаёт правила проверки для трёх сценариев:
1. Рекомендации по странице: кнопка «Показать рекомендации» в отчёте кластера открывает чеклист доработок: список слов для добора, зоны риска и метатеги.
2. Пакетная выгрузка ТЗ: выбранные в таблице кластеры выгружаются в архив. Для каждого кластера формируются tz.md с требованиями, skeleton.md со структурой и машинный файл validate.md.
3. Проверка текста: кнопка «Открыть проверку текста» в шапке кластера передаёт сохранённые данные анализа в форму валидации для сверки готовой статьи с нормами топа.
Тарифы
Стоимость операций
Списания происходят только по выбранным кластерам: за сбор и анализ SERP, обучение ML-моделей и генерацию ТЗ.
1 лимит = 1 рубль. Стоимость одинакова на всех тарифах.
Анализ работает для публично доступных страниц. Документы, закрытые антибот-защитой, авторизацией или требующие JavaScript-рендеринга, могут быть пропущены. Это чаще встречается у крупных маркетплейсов и каталогов; такие URL отображаются в отчёте отдельно.
FAQ
Ответы на частые вопросы
Как работает SEO-анализ SERP, зачем нужны Z-отклонения и ML, как читать подсветку аномалий и как сформировать понятное ТЗ по конкурентам.
Что такое SEO-анализ SERP?
Это инструмент сопоставления вашей посадочной страницы с реальной поисковой выдачей по кластеру. Сервис собирает топ конкурентов по маркерному запросу, рассчитывает 49 метрик документа (структура, семантика, вхождения по зонам, спам-сигналы) и определяет норму топа. В результате вы видите конкретные расхождения вашей страницы с лидерами выдачи.
Чем это отличается от обычного SEO-анализатора текста?
Обычные текстовые анализаторы проверяют контент по усреднённым абстрактным нормам SEO: тошнота, вода, фиксированный объём. Здесь анализ строится вокруг фактической выдачи конкретной ниши. Вместо вопроса «хороший ли у меня текст?» сервис отвечает на вопрос «чем моя страница отличается от конкурентов, которые ранжируются выше?».
Как читать Z-отклонения?
Z-отклонение — это радар статистических аномалий. Алгоритм рассчитывает Robust Z-score через медианное абсолютное отклонение (MAD) на базе взвешенной медианы лидеров топа. Значение около нуля означает соответствие норме выдачи. Знак показывает направление: плюс — избыток метрики относительно топа, минус — дефицит. Чем сильнее значение уходит от нуля, тем интенсивнее оттенок красного в ячейке. Это позволяет за секунды локализовать перекосы без ручного сопоставления десятков абсолютных чисел.
Если метрика подсвечена красным, это значит, что на странице ошибка?
Нет. Красная подсветка — это сигнал об аномалии, а не вердикт об ошибке. Например, большой объём текста на странице может быть нормой в одном кластере, а в другом — размывать интент. То же касается коротких страниц: иногда лаконичный документ работает лучше раздутого текста. Система подсвечивает места сильного расхождения с топом, а решение о необходимости правок принимает специалист на основе специфики ниши и данных ML-тренера.
Какие именно метрики вы анализируете?
Сервис рассчитывает 49 метрик: от базового объёма текста и прямых вхождений до зонального BM25 (Title, H1, Description, заголовки, тело документа), закона Ципфа, JSD, n-грамм и плотности по зонам. В сводной таблице и полосе Z-метрик выводятся отклонения, позволяя сразу увидеть аномальные параметры, а детальный экран раскрывает первопричины перекосов.
Зачем вам 49 метрик, если можно просто сравнить объем и ключи?
Потому что слабое место страницы редко сводится к одной цифре. Документ может иметь достаточный объём, но проигрывать топу по семантическому покрытию. Может содержать ключи в тексте, но уступать в Title, H1 или Description. Может выглядеть естественно по частоте слов, но иметь перекос в n-граммах или спам-сигналах. 49 метрик работают как система датчиков, охватывающая структуру, зоны страницы, лексику, когорты LSI и спам-профиль.
Зачем тут машинное обучение (ML), если и так есть 49 метрик?
При 49 метриках на сотни кластеров невозможно вручную определить, какие параметры реально связаны с позициями в нише, а какие являются совпадением. ML-тренер строит регрессионную модель по 100 признакам выборки, включая частоту и общую видимость домена, и рассчитывает корреляцию каждого фактора с ранжированием. Это помогает отсеять шум (факторы с околонулевым весом) и сфокусировать ТЗ только на тех метриках, которые статистически значимы для исследуемой выдачи.
Показывает ли анализ точную причину просадки страницы?
Ни один сервис не знает закрытую формулу ранжирования поисковых систем. Задача Descore — не обещать магическую причину, а подсветить фактические аномалии страницы на фоне топа. Вместо интуитивных догадок специалист получает список конкретных отклонений, что сужает зону поиска проблемы и формирует проверяемые гипотезы для оптимизации.
Как из результатов анализа формируется ТЗ?
Параметры настраиваются ползунками в редакторе шаблона ТЗ: процент покрытия выдачи, зоны вхождения ключей, пороги спама и лексическое разнообразие. В окне генерации выберите готовый шаблон ТЗ для нужных кластеров. Descore формирует пакет файлов с требованиями: объём, вхождения, когорты LSI-слов (40%–100%) и структура документа. Готовый текст затем можно проверить по тем же правилам в анализаторе текста.
А можно сделать ТЗ не для новой страницы, а для доработки старой?
Для этого даже не обязательно выгружать файлы ТЗ: откройте анализ нужного кластера и нажмите «Показать рекомендации». Система выдаст чеклист под вашу посадочную страницу — какие слова дописать, где убрать переспам и как скорректировать метатеги под норму топа. Если задачу нужно передать копирайтеру, при генерации дополнительно выберите «Шаблон страницы» — его данные позволяют учесть уже существующий контент при расчёте требований.
Есть ли ограничения у анализатора SERP?
Анализ работает с публично доступными страницами. Если конкурент закрыт строгой антибот-защитой или контент формируется исключительно клиентским JavaScript-рендерингом, текст может быть прочитан не полностью. Также система фильтрует технические заглушки и страницы без полезного текста. Такие URL отображаются в отчёте отдельно.
Старт работы
Проверьте страницы сайта на отклонения от топа
Локализуйте перекосы по 49 метрикам и сформируйте обоснованные задачи на доработку.