Как предсказать позиции сайта в поиске или Data Science в SEO на практике

Основа точного прогноза — качественные данные. Сначала собираем информацию из всех доступных источников:

Что именно мы выгружаем и анализируем:

• Из Search Console: переходы, показы, CTR, позиции, ключевые фразы для каждой страницы
• Через Lighthouse: показатели скорости (LCP, FCLS, TTI, TBT) и технические параметры
• С помощью любого парсера сайтов: заголовки, H1, статус-коды, размер страниц, количество ссылок

Это дает нам полную картину по каждому URL в динамике за продолжительный период.

«Мусорные» данные на входе — ошибочные прогнозы на выходе. Мы проводим тщательную подготовку:

Ключевые действия на этом этапе:

• Нормализация метрик для корректного сравнения
• Заполнение пропусков в данных
• Объединение в единую таблицу по ID страницы и дате
• Кодирование категориальных признаков (тип страницы, источник данных)

Без этого этапа любая, даже самая сложная модель, будет работать некорректно.

Нюанс Data Science — в создании правильных признаков. Создаем дополнительные признаки, которые значительно улучшают качество прогноза:

Какие именно фичи мы создаем:

• Временные признаки: день недели, месяц, квартал
• Скользящие средние (rolling average) по поведенческим метрикам
• Взаимодействия признаков (оценка контента × время на странице)
• Агрегированные SEO-показатели (плотность ключевых слов, уникальность анкоров)

Именно этот этап часто отличает хорошие прогнозы от отличных.

Используем современные алгоритмы машинного обучения для построения прогнозов:

Технический стек:

• Алгоритмы: XGBoost, CatBoost, LightGBM
• Разделение данных: train/test с сохранением временной последовательности
• Метрики качества: MAE (средняя абсолютная ошибка), RMSE (корень из средней квадратичной ошибки), R² (коэффициент детерминации)
• Валидация: кросс-валидация с учетом временных рядов

Особенно в SEO никогда не верим на слово даже своим моделям — всегда проверяем качество на тестовых данных.

Самый интересный этап — когда модель начинает предсказывать будущее:

Что мы получаем на выходе:

• Прогноз позиций на 30-60 дней вперед
• Визуализации динамики по ключевым запросам
• Оценку уверенности модели в прогнозах
• Анализ важности факторов, влияющих на позиции

Это позволяет не только предсказывать будущее, но и понимать, какие именно факторы на него влияют.

Традиционные методы SEO-аналитики, такие как корреляционный анализ, обычно ищут простые линейные связи между факторами (например, между позицией сайта и количеством ссылок или длинной текста). Однако в реальности влияние разных SEO-факторов на ранжирование может быть сложным и нелинейным — то есть одни факторы могут взаимодействовать друг с другом, влиять по-разному в разных условиях.

Машинное обучение способно автоматически находить такие сложные, многомерные и нелинейные зависимости в данных, которые трудно или невозможно заметить при обычном анализе. Поэтому методы машинного обучения работают там, где традиционные методы оказываются бессильны — они помогают глубже понять, какие именно факторы и как влияют на результаты, что улучшает качество SEO-аналитики и прогнозов.

Реальные data-driven кейсы из нашей практики, выявленные ML-моделями:

• Влияние мобильной скорости на десктоп: улучшение LCP мобильной версии на 1.5 сек. приводило к росту позиций в десктопном поиске на 5-7% для одной и той же страницы.
• Оптимальная глубина вложенности: для сложных тем страницы 4-5 уровня вложенности показывали на 20% лучшее время на сайте.
• Эффект переоптимизации анкоров: доля точных вхождений запросов выше 35% начинала вредить ранжированию.
  
• Взаимодействие скорости и контента: ускорение загрузки работало только при наличии достаточного объема текста (от 1200 символов).
• Для коммерческих категорийных страниц (каталоги) Core Web Vitals (LCP) были значимы только при наличии определенного порога текстового контента (от 1200 символов). Ускорение LCP с 4.5с до 2.1с на страницах с текстом <500 символов не дало роста, в то время как на страницах с текстом >1200 символов тот же прирост скорости дал увеличение конверсии на 5%. Проверял: LCP × объем текста на странице × коэффициент конверсии.
• На одном из проектов была определена оптимальная частота обновления контента. Модель предсказала, что частое обновление более 30% текста на стабильно ранжирующихся страницах (раз в 1-2 месяца) чаще приводило к падению, чем к росту. Наибольший положительный отклик давало точечное обновление (10-15% текста) раз в 3-4 месяца. Проверял: % обновленного текста × частота обновлений × изменение позиции после обновления.
• Длина title и сегмент рынка: в B2B-сегменте (дорогие IT-решения, корпоративные услуги) title длиной 65-75 символов стабильно показывали CTR на 25% выше, чем короткие (35-45 символов) или длинные (80+). В B2C-сегменте (интернет-магазины) зависимость была обратной: короткие и емкие title выигрывали. Проверял: длину title × CTR × тип бизнеса (B2B/B2C).
• Влияние изображений на глубину просмотра: количество изображений на странице (до 8-10 штук) положительно влияло на глубину прокрутки и время на сайте. Но дальнейшее увеличение числа изображений давало резко негативный эффект на поведенческие метрики и позиции. Модель выявила «золотую середину» — 1 изображение на 250-300 текста. Проверял: количество изображений × объем текста % прокрутки × время на сайте.