Тезисы из доклада Артема Паклонского (wss.media). Это самый насыщенный, подробный и интересный доклад про Google Discover на русском за все время (презентация в Фигме).
— Топик-ориентированный подход — это то, что нужно изучать в ближайший год-два
— Лента Дискавера формируется на основе ваших интересов
— Topic = Entity = Сущность = Интерес
— Google Topic Interest использует данные Chrome, Google App, Maps, Youtube, историю браузера, запросы, историю местоположений и считает эффективность на основе истории взаимодействия с сервисами Гугла
— Google News, Discover и Trends тесно связаны друг с другом
— Google использует идентификатор Knowledge Graph, чтобы избежать путаницы с обозреваемой сущностью (Tesla — компания, автомобиль, аэропорт, персона)
— Google FLoC: интересы (5 на пользователя) вместо cookies
— Google Natural Language AI (тот же, что в Google Cloud) используется для распознавания каким Topics соответствует статья
— Картинки в статьях/новостях крайне важны, следите за соотношениями сторон и используйте разные (16:9, дополнительно 1:1, 4:3), разрешение > 1200 px
— Добавьте max-image-preview:large
— Не используйте текст на изображениях
— Используйте реальные фото
— Следите за качеством AI-генераций и артефактами
— Используйте RSS (1 общий фид и отдельные под разные темы) и разделите ваши фиды на категории
— Используйте категоризацию Гугла 1-2 уровня
— Entity-Linking: создайте между вашим сайтом и рекомендательным движком семантический слой, устраняющий неоднозначность в определении основной темы, и формирующий связь между несколькими темами внутри страницы или на разных сайтах
— Для этого используем: JSON-LD (sameAs со ссылками на Wikipedia, Wikidata и сам Гугл Поиск с идентификатором kgmid — сущность в графе знаний), перелинковку, структуру сайта
— Перелинковка: текст ссылки должен содержать основные сущности, которые содержит данная статья и слова, задающие тематику
— На Дискавер оказывают влияние ссылок из свежих материалов и материалов, которые регулярно обновляются
— Используйте разметку на страницах тегов
— На рынке есть 2 сервиса для анализа Discover’а — DiscoverSnoop и GDdash, они дают понимание, в каких категориях сколько публикуется материалов и есть ли там спрос, объем трафика
— Гугл Дискавер использует трафик из других источников, например, всплески трафика из соцсетей продвигают evergreen-контент
— Как повысить Relevance Score для основных топиков статьи: включите топики в Tite, H1-H3, первые 500 символов статьи; включите семантически связанные слова, самые важные — в первые 500 символов, самые-самые важные — в рамках одного пассажа
— SPO: Субъект-Предикат-Объект (Subject-Predicat-Object) — логическая связка, на основе которой Гугл понимает связи между сущностями (кто/что? — что делает? — с кем/чем?)
— Как все это организовать? Менять процессы и редакционную политику, проводить регулярный выборочный анализ и разбор топиков.