На удивление, первый раз этот сайт попался в выдаче, да и с видимостью не все так хорошо у него ))

Я хоть и работаю в классической SEOшке, но очень интересуюсь дорвеями. Интервью одного известного в дорвейных кругах IT-деда! Советую почитать: https://telegra.ph/Intervyu-s-dorvejshchikom-iz-90-h-07-15

Все на online Нарижник!
 
⚡️Друзья, зовем вас на первый online Нарижник от Кручу Верчу! Ведущий Денис Нарижный.

💻Будем играть в «Правда или ложь». Игра на платформе MyQuiz. Один раунд на час. Три факта о человеке, угадай один правдивый.
📍Встречаемся в Google Meet 18 июля, 18:00.

🤝10 победителей получат призы: легендарные мемы от Кручу Верчу, фирменный мерч.

Онлайн Нарижник - новый формат, хотим встречаться с вами чаще.
 
🔗Регистрация на сайте: https://meetup.kruchu-werchu.ru/online/ осталось всего 2 дня, не пропустите!
 

Новости в группе ВК: kruchu_werchu

Интересные статьи на Дзен: https://m.dzen.ru/kruchuwerchu

Youtube: @Kruchu_Werchu

Занимательная статистика про Ai: https://ya.ru/ai/stat

Кластеризатор массивных семантических ядер по схожести выдачи

Для огромных семантических ядер скорость и масштабирумость группировки может быть более важна, чем ее точность, поэтому для таких случаев у меня был в запасе другой алгоритм. Он является продолжением идеи кластеризации через меру Жаккара описанной в предыдущих постах (1, 2). В комментариях к постам и в личных сообщениях возник интерес к решениям для массивных семантических ядер, поэтому я переписал предыдущий скрипт для них.

За репост буду благодарен! 🙏

В алгоритме используется техника MinHash и LSH. Этот метод, основанный на хэшировании и индексации множеств, позволяет быстро искать частичные дубликаты на больших данных. Он также, как кластеризатор из предыдущих постов, менее ресурсоемкий, чем векторное преобразование и операции над матрицами.

В чем разница между мерой Жаккара и этим решением?

Точность vs. Эффективность: Коэффициент Жаккара обеспечивает точное значение схожести, но неэффективен для больших данных. MinHash и LSH предоставляют приближенное значение, но значительно более эффективны для обработки больших объемов данных.

Например, японское семантическое ядро в 480 тысяч ключевых фраз было сгруппировано за 30 минут. Конечный результат вполне устроил, учитывая, что метод на основе Жаккара считал такой объем более суток. Отлично подойдет для дорвейщиков!

Скачать можно здесь:
https://drive.google.com/file/d/1b01TbXmWINe3w0haneMcHVy-opFZkwqH/view?usp=share_link

Проект на Github:
https://github.com/dartseoengineer/keyword-clustering-minhash

Инструкция

Внимание! Этот скрипт только кластеризует, для сбора выдачи используйте сторонние программы, например, A-Parser.

1. Предварительно установите библиотеки pandas и tqdm.

pip install pandas
pip install tqdm
pip install datasketch

2. Инструкция по использованию скрипта в командной строке:

Обязательные аргументы

input_file: Путь к входному CSV файлу.
output_file: Путь для сохранения выходного файла с кластеризованными ключевыми словами.

Необязательные аргументы

-s, --separator: Разделитель во входном файле (по умолчанию: `,`).
-k, --keyword_col: Название столбца с ключевыми словами во входном файле (по умолчанию: `Keyword`).
-u, --url_col: Название столбца с URL во входном файле (по умолчанию: `URL`).
-t, --similarity_threshold: Порог схожести (по умолчанию: `0.6`).

Пример команды в терминале

python minhash-cluster-cli.py for-clustering.csv clustered_keywords.csv -s ';' -k 'keyword' -u 'url' -t 0.6

Файл результатов

1. Каждая группа в колонке Group имеет номер, начинающийся с 0.
2. Ключевые фразы, которые объеденены в один кластер, будут иметь один номер группы.
3. Если фраза не имеет общих групп с другими фразами, то она выделяется в отдельную группу.
4. Если фразы не имеют собранных URL, то они все выделяются в группу -1.

SEO - это просто!

💬 Новый подход к расчёту рейтинга интернет-магазинов в Поиске

При выборе товаров и интернет-магазинов покупатели ориентируются на множество факторов, в том числе на рейтинг в Поиске.

Чтобы дать покупателям больше информации об интернет-магазинах, с помощью алгоритмов машинного обучения мы проанализировали отзывы в Яндекс Картах, определили те, которые относятся к онлайн-покупкам, и теперь будем учитывать их в рейтинге магазинов в Поиске.

Новая механика поможет потенциальным покупателям сформировать правильное впечатление о магазине и уровне сервиса и выбрать точку, где они с большей вероятностью совершат покупку.

📌 12 августа отзывы из Яндекс Карт начнут учитываться в рейтинге магазинов из категории «Товары для дома». У таких отзывов при клике на рейтинг появится пометка «Из отзывов на организацию».

Подробнее об обновлении читайте в блоге Вебмастера.

Перелидоз из SEO на сайты услуг - на что делать акцент при продвижении сайтов услуг в SEO?

⏱ Таймкоды:

00:00 - Вступление
1:35 - Боли клиентов в SEO
4:00 - Отзывы клиентов
4:52 - Перед началом
8:35 - Полная стратегия работ
11:15 - Базовая структура
14:40 - Структура страницы
17:15 - Текстовая оптимизация
20:06 - Репутация
23:00 - Отзывы в Я.Браузере
24:15 - Стимулирование отзывов
25:23 - Нужен ли блог
27:00 - Ссылки
29:36 - Накрутка ПФ
32:40 - Аудио отзыв
35:10 - Заключение
35:40 - Аналитика

SEO практика | Кравцов Виталий - @seopraktika

На выходных (9-10 августа) в Калининграде состоялась конференция Baltic Digital Days, на которой, помимо интересных докладов, прошло вручение Премии BDD в различных номинациях.

Инструмент для кластеризации ARSENKIN TOOLS одержал победу в категории «Лучший сервис по кластеризации», опередив конкурентов.

Саня, поздравляю 🔥🤘

Очень поржал с этой картинки 🤣