2. Смена парадигмы: ранжируются не страницы, а фрагменты (чанки)

В классическом SEO мы привыкли мыслить страницами. Оптимизировали Title, H1, распределяли ключи, наращивали ссылочную массу — и ждали, что URL поднимется в выдаче целиком. С нейросетевыми ответами эта модель уходит в прошлое. LLM не оценивают «страницу про токарные станки» как монолит. Они разбирают её на куски — чанки (chunks), — оценивают релевантность каждого фрагмента по отдельности и комбинируют ответ из десятков таких кусочков, собранных с разных сайтов.

Осознание этого принципа — ключ к тому, чтобы ваш контент не просто присутствовал в AI-выдаче, а доминировал в ней.

2.1 Что это означает на практике

Когда пользователь спрашивает ChatGPT «как выбрать токарный станок с ЧПУ для латуни», модель не ищет страницу-победителя. Она ищет фрагмент, который лучше всего отвечает именно на эту часть вопроса. Остальной контент той же страницы — про обработку стали, про цены, про сравнение с фрезерными станками — игнорируется, если не отвечает текущему запросу.

Такой подход переворачивает привычную логику оптимизации.

Одна страница может дать несколько разных фрагментов для разных запросов.
Хорошо структурированная статья, где каждый раздел автономен, способна цитироваться сразу по нескольким независимым темам: первый чанк — для запроса «что такое станок с ЧПУ», второй — для «сравнение моделей X и Y», третий — для «точность обработки латуни». При классическом SEO это одна посадочная страница; для AI — это три разных источника информации в одном URL.

Разные страницы одного сайта (или даже разных сайтов) конкурируют за один фрагмент ответа.
Если ваш раздел «Цены» и раздел «Модели» содержат одинаковые вводные данные о характеристиках, модель может выбрать тот чанк, который компактнее и точнее. И это необязательно будет страница, которую вы продвигаете в топ Google. Побеждает фрагмент, а не домен.

Очень длинный текст без разделения — враг AI.
Сплошная «простыня» на 3000 слов без внутренних заголовков и логических блоков для модели выглядит как мешанина смыслов. Бот не может понять, где заканчивается одна микротема и начинается другая. В результате ни один из чанков не будет признан достаточно автономным и релевантным, и страница просто не попадёт в ответ.

Практический вывод: контент-стратегия для AI должна отталкиваться не от покрытия одной большой темы, а от создания сети самодостаточных фрагментов, каждый из которых закрывает конкретный подвопрос. Позже мы увидим, как это реализовать через правильную фрагментацию.

2.2 Типичные ошибки, которые делают контент невидимым для AI

Многие проекты неосознанно убивают свою AI-видимость тремя привычными приёмами, доставшимися в наследство от классического веб-дизайна и SEO.

Ошибка 1: Длинные текстовые блоки без смыслового разделения

Абзацы по 10–15 строк, где в одном потоке смешаны и определение, и характеристики, и примеры, и цены. Для человека это читаемо; для скользящего окна LLM — катастрофа. Модель получит в один чанк разнородную информацию и не сможет надёжно связать конкретный факт с конкретным атрибутом. Вероятность, что именно этот фрагмент будет выбран для ответа, резко падает.

Пример:

«Токарные станки с ЧПУ представляют собой высокотехнологичное оборудование, которое обеспечивает точность обработки. Модель X200 способна работать с заготовками до 400 мм, при этом важно учитывать тип системы охлаждения, а также возможности по интеграции с промышленными роботами. Цена базовой комплектации стартует от 1,2 млн рублей, но часто требуется приобретение дополнительной оснастки...»

Такой абзац пытается рассказать обо всём сразу, но для AI он не содержит ни одного чётко выделенного факта. Ответ «цена от 1,2 млн» затерян среди рассуждений об охлаждении.

Как исправить: разбить на короткие смысловые блоки, каждый под своим подзаголовком, содержащий только одну мысль или параметр.

Ошибка 2: Скрытие ответов во вкладках и аккордеонах

UI-паттерны вроде табов (вкладок), аккордеонов и «читать далее» экономят место на экране, но прячут контент от AI-ботов. Если ответ на вопрос «гарантийный срок» появляется только после клика по вкладке «Гарантия», то AI-краулер, который не исполняет JavaScript (а мы помним из предыдущего блока, что большинство AI-ботов этого не делают), просто не увидит этот текст. Даже если бот умеет рендерить JS, дополнительные загрузки контента могут не попасть в его скользящее окно из-за тайм-аутов.

Особая опасность — когда в аккордеоны завёрнуты FAQ. Для AI это идеальный формат ответа, но только если он развёрнут в статическом HTML. Скрытый за кликом FAQ-блок для модели не существует.

Рекомендация: откажитесь от обязательного клика для показа ключевого контента. Либо дублируйте аккордеоны статическими HTML-блоками, доступными без JS, либо используйте тег <details> с атрибутом open, чтобы ответ был виден по умолчанию. Но надёжнее всего — оставить текст видимым в потоке страницы.

Ошибка 3: Ключевая информация в PDF или изображениях

Многие компании выкладывают характеристики товаров, инструкции, сертификаты в виде PDF-файлов или сканов. LLM по умолчанию не извлекают текст из PDF, если только не настроен специальный коннектор (что для открытого веба — редкость). Изображения же обрабатываются только через alt-текст, да и то не всеми ботами. ChatGPT при поиске анализирует именно HTML-текст; Perplexity может частично читать PDF, но приоритет всегда за чистым текстом.

Если ваша таблица сравнения моделей — это скриншот, для AI её не существует. Если прайс-лист лежит в PDF, то для ответа на запрос «цена станка X» модель предпочтёт сайт, где цена указана текстом.

Практический совет: любой значимый текст — технические характеристики, цены, инструкции, отзывы — должен быть на странице в виде настоящего HTML-текста. Дублируйте PDF-файлы текстовыми версиями, снабжайте изображения подробными alt-описаниями, а лучше — сопровождайте их текстовым пояснением непосредственно на странице.

2.3 Как правильно фрагментировать контент для AI

Фрагментация — это не просто нарезка на абзацы. Это создание системы автономных, но тематически связанных чанков, каждый из которых может быть независимо извлечён и процитирован. Оптимальный размер чанка для современных LLM — 300–500 слов (или 150–300 токенов). Такой объём достаточно компактен, чтобы легко вписаться в скользящее окно, и достаточно содержателен, чтобы нести законченную мысль.

Правила эффективной фрагментации:

1. Каждый блок — ответ на один подвопрос.
   Прежде чем писать текст, разбейте целевую тему на конкретные вопросы, которые может задать пользователь. Для «токарного станка с ЧПУ» это могут быть: «Что это?», «Какие характеристики важны?», «Сколько стоит?», «Чем отличается от фрезерного?», «Как выбрать под латунь?». Каждому вопросу — свой раздел.
2. Используйте H2 и H3 как смысловые разделители.
   Заголовки — это границы чанков. AI-краулер использует их для сегментации контента. Каждый H2 или H3 должен маркировать начало нового самодостаточного блока. Идеально, когда заголовок сам по себе является мини-запросом: «Сравнение точности токарных и фрезерных станков», «Цены на станки с ЧПУ в 2026 году». Такой заголовок и содержимое блока образуют готовую пару «вопрос – ответ».
3. Соблюдайте единообразие внутри чанка.
   Блок должен быть посвящён одной микротеме. Не смешивайте в одном разделе цены и технические характеристики, если только это не прямая корреляция («Модель X: цена 1,2 млн, точность 0,005 мм»). Если нужно раскрыть несколько аспектов — создайте несколько чанков с собственными подзаголовками.
4. Избегайте вложенных спойлеров и табов внутри чанков.
   Как упоминалось выше, вкладки внутри раздела делают часть текста недоступной для бота. Если очень хочется использовать аккордеоны для удобства людей, обязательно продублируйте их содержимое в открытом HTML (например, через класс .accordion-content.open по умолчанию) или вынесите в отдельные, видимые без JS блоки ниже.
5. Обеспечьте навигацию по якорям.
   Внутренние ссылки-якоря (#раздел) помогают не только пользователям, но и AI-ботам быстро переходить к нужному чанку. Добавьте оглавление в начале длинной страницы с якорными ссылками на каждый раздел. Это увеличит вероятность того, что краулер доберётся до релевантного фрагмента, минуя нерелевантные.

Пример правильно фрагментированной страницы:

<h1>Токарные станки с ЧПУ: выбор, цены, характеристики</h1>




<div class="table-of-contents">

  <a href="#what-is">Что такое токарный станок с ЧПУ?</a>

  <a href="#characteristics">Ключевые характеристики</a>

  <a href="#prices">Цены в 2026 году</a>

  <a href="#material">Обработка разных материалов</a>

  <a href="#faq">Частые вопросы</a>

</div>




<h2 id="what-is">Что такое токарный станок с ЧПУ?</h2>

<p>Токарный станок с ЧПУ — это автоматизированное оборудование для обработки вращающихся деталей. В отличие от ручных станков, он управляется компьютерной программой, что обеспечивает точность до ±0.002 мм...</p>

<!-- блок закончен, ~350 слов -->




<h2 id="characteristics">Ключевые характеристики</h2>

<p>При выборе обращайте внимание на максимальный диаметр обработки (до 400 мм у модели X200), частоту вращения шпинделя (3000–5000 об/мин), количество осей (2–5) и тип системы ЧПУ.</p>

<ul>

  <li>Макс. диаметр: 400 мм</li>

  <li>Частота вращения: 4000 об/мин</li>

  <li>Осей: 3</li>

</ul>

<!-- блок закончен, ~280 слов -->

Каждый раздел — законченный ответ. Бот, попав на страницу, легко найдёт нужный фрагмент по заголовку, извлечёт его и процитирует.

Чек-лист: аудит контента на чанковую дружественность

Пройдитесь по любой важной странице вашего сайта и проверьте:

• Каждый смысловой блок оформлен отдельным разделом с заголовком H2 или H3.
• Размер блоков укладывается в 300–500 слов (без воды).
• Внутри блока раскрывается только одна микротема.
• Ключевые факты (цифры, определения) находятся в открытом HTML-тексте, не спрятаны за вкладками или в PDF.
• На странице есть оглавление с якорями на основные разделы.
• Все важные изображения имеют содержательный alt-текст, а если несут критическую информацию — продублированы текстом.
• Отсутствуют длинные «простыни» без подзаголовков более 500 слов.

Заключение: мыслите фрагментами, а не страницами

Переход к чанковому ранжированию — это не технический каприз AI. Это отражение того, как нейросети понимают мир: через извлечение и комбинацию точных фактов, а не через обобщённое понятие «хорошая статья». Ваша задача — подать эти факты в максимально удобной для машины упаковке, не жертвуя при этом читабельностью для человека.

В следующей статье блока мы поговорим про сквозные элементы, как сигналы для AI. Р

Делитесь в комментариях примерами своих страниц до и после фрагментации — разберём вместе.