DSSO » Паспорт параметров семантического анализа метода DSSO.pro

Паспорт параметров семантического анализа метода DSSO.pro

Технология DSSO: Расширенная семантическая экспертиза


DSSO (Deep Semantic Search Optimization) – это экспертная экосистема глубокого анализа текстов с получением итогового IRAT – индекса релевантной привлекательности текста для поисковых систем, переводящая классическую SEO-аналитику в плоскость данных повышенной точности. Для требуемой сегодня оценки SEO-качества текстов с учётом их векторного ранжирования LLM моделями метод DSSO объединяет классические метрики оценки и авторские алгоритмы расширенной семантической оценки, выдавая результат «под ключ» в виде экспортного архива Excel с уникальной графикой и визуализацией.


Инструмент оценки текстов смотрит 70+ SEO-параметров, базовая часть – в списке ниже.

Паспорт параметров включает:


Анализироваться могут тексты: по ссылкам URL, включая ссылки конкурентов для сравнения, загружаемые из файла с компьютера (txt, docx) и вставленные в поле.


1. Классические метрики качества


Базовые параметры, формирующие технический каркас:

  • Подсчет числа символов: Точный замер текстового объема (с пробелами и без) для контроля соответствия техническому заданию.
  • Классическая Водность и Тошнота: Контроль базовых параметров заспамленности и плотности ключевых слов с подробным описанием полученных цифровых значений.

2. Расширенные метрики качества


  • Подсчёт IRAT поблочно: Имеется дополнительный режим, что актуально для крупных лонгридов с множеством подтем, разделяемых смысловыми блоками через заголовки H2, начиная от H1. Тем самым, будет видно качество конкретной смысловой части статьи.
  • Индекс удобочитаемости Флеша (FRE): Оценка контента на трудность чтения (от уровня комиксов до сложных научных трудов).
  • Индекс восприятия Колман-Лиау (CLI): Математический расчет лёгкости восприятия смысла написанного.

Определение индексов FRE и CLI по DSSO для кириллических текстов происходит по формулам, которые отличаются от уже ранее принятых. И адаптированы под реальные литературные тексты широкого диапазона тематик от детских сказок до научных диссертаций.


3. Фундамент сбора данных и окружение


  • Определение ядра семантики: Принципы ИИ-ранжирования по-прежнему частично опираются на набор ключевых слов, отражающих суть контента.
  • Получение смежной семантики: LSI-дополнения (Latent Semantic Indexing) – это семантически связанные термины и фразы, которые дополнительно раскрывают тему и помогают поисковым системам лучше понимать смысл написанного.
  • Аналитика конкурентной среды: Технология раздельного извлечения данных тестируемого сайта и сайта конкурента. Оценка может проводиться параллельно, что гарантирует моментальное сравнение.
  • Оценка общих анкоров сайта SARD (Sitewide Anchor Relevance Domain): Аналитика навигационной ссылочной среды. Алгоритм отделяет ссылочный «шум» от смысловой нагрузки общей анкорной массы.
  • Оценка «Первого экрана»: Критическая оценка контента в зоне первичного внимания пользователя и поискового робота.
  • Аналитика заголовков и их иерархия: Проверка структуры документа (H1-H6) на логику, вложенность и вхождение ключевых слов на соответствие релевантности.
  • Аналитика структуры контента: Оценка разбиения на параграфы чтобы не усложнять чтение, особенно на мобильных устройствах и проверка наличия таблиц.
  • Релевантность и позиция ключей: Оценивается релевантность ключевых слов тексту и их средняя локация.
  • Оценка фраз: Идёт анализирование на наличие устойчивых смыслов через биграммы и триграммы.
  • Смысловой посыл: Вокруг каких ключей строится основной смысл.
  • Главный интент: Вокруг каких ключевых фраз строится общий смысл текста.
  • Оценка Title: Отражает ли Title общий интент статьи.
  • Оценка Description: Отражает ли описание общий интент статьи.
  • Сверка с ядром семантики: Проверка по пяти отдельным ключевым словам, вставленным в поле, из которых потенциально строятся поисковые запросы, на соответствие ключей главному интенту текста.

4. Математическая визуализация: графики Ципфа


В методе DSSO используется закон Ципфа v.2 как «детектор лжи»:

  • Классический график Ципфа: Проверка на естественность распределения слов.
  • Модернизированный график Ципфа v.2 (авторская фишка): Дополнительная аналитика по оригинальным словоформам – уникальный инструмент оценки качества углубленной SEO-оптимизации.
  • Смысловой «отрезок» SSC (Spread Semantic Core): Определение разброса смыслового ядра контента, которое строится на контекстной семантике.
  • Фокус AAS (Advanced Analysis System): Cфокусированность тематического слога. Ключевые слова - это насыщенность семантического ядра, а AAS - это концентрация на смысле.

5. Авторские инновации DSSO


  • Индекс лексического разнообразия текста LDI (Lexical Diversity Index): Эксклюзивная метрика оценки богатства лексики, учитывая дубли слов, и широты охвата темы. Высокий показатель (обычно, свойственно нарративам) свидетельствует о лёгкости и естественности речи.
  • Вода 2.0: Углубленный оценочный алгоритм «чистого смысла», отсекающий лингвистический балласт с определением концентрации на смысловом интенте.
  • Запас прочности: Цифровой показатель качества потенциального задела, если индекс IRAT будет максимальный (100%), например, при сравнении с конкурентом.
  • Тип SEO-проработки: Категоризация стратегии, определяющей глубину проработки ниши.
    1. «Семантический туман»,
    2. «Лаконичная семантика»,
    3. «Глубокая семантика».
  • Оценка E-E-A-T: Определение качества контента по критериям условно-приближенным к E-E-A-T.
  • Гистерезис текста HOT (Hysteresis of Text): Способность текста при первоначальном прочтении одновременно быть интуитивно понятным, не вызывать сложностей с восприятием интентов ключевых смысловых фрагментов, сразу доносить до читателя какую-то конкретную информацию и иметь легко запоминающуюся суть. Такой контент на читателя агрессивно не давит. Измеряется по шкале 0-100%. Максимальной готовности соответствует 100%.
  • Индекс GEO-валидности: GEO-валидность текста по методике DSSO.pro – это метрика готовности контента к попаданию в генеративную выдачу поисковых систем (AEO/GEO) и блоки прямых ответов (Direct Answers). Оценивается по шкале 0-100%. Максимальной валидности соответствует 100%.
  • Энтропия Шеннона семантики текста SETS (Shannon Entropy Text Semantics): Нормализованная энтропия SETS по шкале 0-1 на базе ряда семантических показателей высчитывается с учётом специфики контента – конверсионный, аргументативный, описательный, нарратив. Смысл текста не учитывается. Метрика оценивает только статистические свойства.
  • Индекс лексической когерентности LCIT (Lexical Coherence Index Text): Производный SEO-показатель, который оценивает согласованность частотных характеристик текста: насколько богат словарь и нет ли перекоса между редкой и повторяющейся лексикой. Измеряется по шкале 0-1, диапазон 0.60-0.80 – оптимальная величина.
  • Индекс семантического мусора STIT (Semantic Trash Index Text): Метрика оценки раздутости («стерильности») лексикона текстов при глубоком искажении значимой семантики и дефиците реальной содержательности. Шкала измерения: 0-1. Идеальное значение для семантически глубоких и осмысленных текстов – менее 0.30.
  • Коэффициент экспертной органичности EOC (Expert Organicity Coefficient): Показатель оценивает, сколько реальной смысловой пользы получает читатель без ухода текста в сухой канцелярит или бездушную AI-стерильность нейрогенераций.
  • Индекс синтетичности AISI (AI Syntheticity Index): Поисковые системы пессимизируют тексты, написанные LLM-моделями (ChatGPT, Claude). Для них характерен специфический паттерн: идеальная очистка от традиционного мусора в сочетании с аномально нетипичной («вылизанной») структурой речи.
  • Индекс риска спам-фильтров SPR (Spam Penalty Risk): Интегральный показатель вероятности попадания страницы под текстовые санкции (Баден-Баден, Helpful Content Update).
  • Потенциал удержания внимания AHP (Attention Holding Potential): Метрика прогнозирует поведенческие факторы (время на странице, дочитываемость, отказы). На дочитываемость влияют два фактора: отсутствие раздражающего мусора/воды (чтобы читатель не уставал) и естественный ритм речи (чтобы текст «читался на одном дыхании»).
  • Тест текста на «масло масляное» TTOO (Text Test Oil-Oil): Современные нейросети-авторы (ChatGPT, Claude, Gemini и другие) без качественного и подробного промпта склонны бесконечно долго переливать из пустого в порожнее, меняя формулировки и словоформы, но, не добавляя новых смысловых сущностей.
  • Когерентность графа сущностей EGC (Entity Graph Coherence): Показатель смысловой сцепленности текста. Определяет процент ключевых терминов темы, переплетённых между собой в предложениях текста. Высокий балл (более 75%) подтверждает естественный экспертный контекст (AEO/GEO), низкий (менее 50%) говорит о разрозненных вставках ключевых слов в часть текста в отрыве от контекста.

6. Психологические факторы контента


  1. Аналитика (Экспертность): Подтверждение полноты раскрытия темы через LSI-соответствия.
  2. Лояльность (Окрас): Определение эмоционального фона для формирования доверия у читателя.
  3. Конверсия (Призывы): Проверка наличия и качества CTA-элементов (Call to Action), стимулирующих целевое действие. Применительно к «продающему» типу контента.

7. Определение категории контента и поискового типа


Есть оценка принадлежности контента к одной из категорий:

  1. Конверсионный (услуги, призывы).
  2. Аргументативный (аналитика).
  3. Описательный (характеристики).
  4. Повествовательный (история, опыт, нарратив).
  5. Тип поискового интента (транзакционный, информационный, навигационный).

8. Оценка по DSSO морфологического профиля


Оцениваются следующие характеристики:

  1. Динамика: Низкая (Статичный/Инертный).
  2. Сложность: Умеренно (Технический стиль).
  3. Детализация: Точная (Хорошая детализация действий).
  4. Эмоции: Яркий (Эмоциональный/Рекламный текст).

9. Живость авторской речи и лёгкость слога


  1. «Глупая» нейронка / Плохой автор / Технически-инструктивный текст.
  2. «Умная» нейросеть / Хороший автор / Естественный слог.

10. HTML-ошибки


При аналитике страниц по URL, проверяются ошибки кода HTML и ld+json, включая дубли заголовка H1.


11. Итоговый экспортный архив


После завершения работы алгоритма DSSO формируется полный пакет интуитивно-визуальной отчётности, не имеющий аналогов на SEO-рынке:

  • Excel-файл с интуитивно понятным содержимым: все данные структурированы и готовы для дальнейшей работы или интеграции в техзадание.
  • Классический и модернизированный графики Ципфа в виде картинок: визуальное подтверждение качества оптимизации контента в виде графических файлов.
  • Тройное облако слов в виде одной картинки: облака – не нововведение способа, но уникальная визуализация, которая одновременно в трех различных ракурсах отображает семантический вес и тематическую направленность контента.
  • Качественная картинка-таблица (техзадание для копирайтера): на которой описаны эталонные показатели для получения максимального IRAT – индекса релевантной привлекательности текстов для поисковых систем.
Забыли пароль?