Глубокий SEO-анализ топа конкурентов 49 метрик, ML и ТЗ

Анализ Z-метрик

Посмотрите, где документ выбивается из топа

Откройте кластер и проверьте Z-метрики посадочной на фоне топа: объем и структуру текста, лексическое разнообразие, JSD-отклонение от SERP, BM25 и другие SEO-показатели. Цветные ячейки показывают не просто число, а силу отклонения от нормы выдачи. При этом сильное отклонение — это не всегда ошибка: инструмент подсвечивает аномалии, а понять, тянут они документ вниз или вверх, поможет ML-тренер.

Descore использует Robust Z-score через MAD (медианное абсолютное отклонение). Формула оценивает не просто разницу в абсолютных числах, а силу аномалии с учетом естественного разброса топа. Если у конкурентов метрика сильно скачет, такое же отклонение будет выглядеть менее критичным. Если топ монолитен, даже небольшой выход за рамки подсвечивается цветом. Базовая линия считается как взвешенная медиана, поэтому случайные выбросы не искажают статистику.

Детальный анализ кластера

Вся анатомия топа на одном экране

Когда Z-метрик недостаточно для принятия решения, детальный профиль кластера показывает динамику всех 49 сигналов по позициям топа. На графиках Закона Ципфа вы сравниваете распределение весов слов в своем документе с медианой выдачи и отдельными конкурентами: по частоте, проценту и TF-IDF. Descore строит матрицы n-грамм с расчетом SEO-важности, анализирует вхождение ключей в Title, H1 и Description, а также вычисляет семантическое покрытие LSI: разбивает словарь выдачи на когорты встречаемости от 40% до 100% и сортирует слова по среднему TF-IDF.

Масштаб

Сводный анализ всего сайта

Анализируйте не один кластер, а весь проект целиком. Сводная таблица собирает данные по посадочным страницам и кластерам: фильтруйте строки по 200+ параметрам, отслеживайте Z-отклонения, медианы и максимумы по любой из 49 метрик. Находите массовые риски спама и перекосы в семантике за пару кликов. Когда выборка проблемных страниц готова, выделите нужные кластеры и запустите ML-тренер для поиска скрытых закономерностей ранжирования.

Машинное обучение

Сила влияния на позиции

Встроенная ML-модель собирает 99 признаков: 49 метрик, их Z-отклонения и суммарную частоту кластера. Алгоритм вычисляет, как каждый из этих сигналов связан с позицией в выдаче. На scatter-графиках Partial vs Lift сразу видно, что реально двигает документы: точки в левом нижнем углу показывают признаки, рост которых связан с улучшением позиции, а в правом верхнем — с ухудшением. Это математический пруф того, что работает именно в вашей нише.

Реальный кейс

Как математика разрушает SEO-легенды

Часто мы тратим кучу времени на метрики просто потому, что «так принято». Например, для крупного инфо-проекта мы долго требовали от копирайтеров идеального соблюдения закона Ципфа — подгоняли тексты, тратили часы на редактуру. А потом прогнали топ через наш ML-тренер. Математика показала суровую правду: конкретно в этой нише Яндексу было абсолютно плевать на закон Ципфа, фактор улетел в зону «пустого шума».

ML-модель в Descore создана именно для этого. Она избавляет от гаданий и показывает, что действительно двигает ваши документы в топ, а на чем можно сэкономить бюджет.

Диапазоны

Точные значения вместо догадок

После анализа выборки модель не просто находит важные сигналы, но и вычисляет их оптимальные значения. Инструмент сводит данные в таблицу лучших диапазонов по 49 метрикам и их Z-отклонениям. Вы получаете математически обоснованный коридор, в который нужно попасть вашей странице.

Генерация ТЗ

От диагноза к готовому ТЗ

Превращайте результаты анализа и найденные диапазоны в задачу за пару кликов. Гибко настраивайте глубину проработки через ползунки: выбирайте процент покрытия SERP, жесткость по n-граммам, лексическое разнообразие и важные зоны страницы. Descore генерирует готовый пакет файлов с ТЗ по всем выбранным кластерам — его можно передать копирайтеру или AI-агенту. В основе — реальные данные топа, а не интуиция.

Тарифы

Стоимость

Платные операции списываются по выбранным кластерам: отдельно за анализ кластера и отдельно за обучение ML-моделей.