Главная/Словарь
Словарь
Термины SEO, GEO и нейросетей — коротко и по делу: что значит, как работает, где обычно ошибаются.
| Слово | Значение |
|---|---|
| SEO12 | |
| E-E-A-TExperience, Expertise, Authoritativeness, Trust | Опыт, экспертность, авторитетность и достоверность — критерии, по которым асессоры Google оценивают качество страницы. |
| Каноникалcanonical | Тег, которым страница указывает поисковику свой основной адрес. |
| Core Web Vitalsосновные веб-показатели | Три метрики Google о скорости и стабильности страницы: LCP, INP и CLS. |
| Краулинговый бюджетcrawl budget | Число страниц, которое робот готов обойти на сайте за отрезок времени. |
| Семантическое ядроkeyword set | Собранный и сгруппированный список запросов, под которые делается сайт. |
| Кластеризация запросовquery clustering | Разбиение запросов на группы по тому, совпадает ли выдача по ним. |
| Анкорanchor text | Видимый текст ссылки. |
| Ссылочный профильlink profile | Совокупность внешних ссылок на сайт: кто ссылается, какими анкорами, как быстро. |
| Донорlinking domain | Сайт, с которого стоит ссылка на твой. |
| Быстробот Яндексаfastbot | Робот, который переобходит страницы почти сразу после публикации. |
| Накрутка ПФbehavioural fraud | Имитация поведения пользователей ради подъёма позиций. |
| Микроразметка (Schema.org)structured data | Машиночитаемое описание содержимого страницы: что здесь статья, автор, дата, цена. |
| GEO3 | |
| GEOGenerative Engine Optimization | Generative Engine Optimization — работа над тем, чтобы твой материал попадал в ответы генеративных нейросетей. |
| AI OverviewsAI-обзоры | Блок ответа нейросети над органической выдачей Google. |
| llms.txt | Текстовый файл в корне сайта с описанием проекта для нейросетевых краулеров. |
| AI16 | |
| LLMLarge Language Model | Большая языковая модель — нейросеть, обученная предсказывать следующий фрагмент текста. |
| Галлюцинацияhallucination | Выдуманный нейросетью факт, поданный тем же тоном, что и достоверный. |
| Эмбеддингembedding | Числовой вектор, в который превращают текст, чтобы сравнивать смыслы арифметикой. |
| RAGRetrieval-Augmented Generation | Схема, при которой нейросеть перед ответом достаёт нужные документы и отвечает по ним. |
| Промптprompt | Текст задания нейросети: роль, задача, ограничения и формат ответа. |
| Токенtoken | Кусок текста, которым оперирует модель: слово, часть слова или знак препинания. |
| Водяной знак в текстеwatermark | Скрытая метка внутри самого текста: не символ и не подпись в файле, а лёгкий перекос в выборе слов. |
| Z-оценкаz-score | Мера того, насколько сильно замер отклонился от случайного, — по ней детектор решает, есть ли в тексте метка. |
| Невидимые символы Unicodezero-width characters | Знаки нулевой ширины: в тексте они есть, глазом их не видно. |
| AI-детекторAI detector | Сервис, который по стилю текста оценивает вероятность, что его писала нейросеть. |
| Детектор watermarkwatermark detector | Проверка не стиля, а конкретной метки: детектор знает секрет, которым её ставили. |
| Метаданныеmetadata | Служебные сведения внутри файла: камера, дата, программа, иногда пометка «сделано ИИ». |
| C2PACoalition for Content Provenance and Authenticity | Отраслевой стандарт, который прикладывает к файлу подписанную историю: чем создан, чем и когда правился. |
| Content Credentialsсведения о происхождении файла | Видимая читателю сторона C2PA: значок у картинки и панель с историей — кто и чем её сделал. |
| SynthID | Технология Google, которая вшивает метку в сами пиксели картинки, а не в метаданные. |
| Происхождение контентаprovenance | Проверяемая история файла: чем создан, что с ним делали, кто за это ручается. |