Пресс-релиз на Reuters за $1,000 отжимает топ у 14-летнего сайта...

Пресс-релиз на Reuters за $1,000 отжимает топ у 14-летнего сайта за 2 часа — позиции выдаются за траст, а не за качество

В финансовый сайт 2012 года, глубоко нишевый и с привязкой к гео, влили больше $250,000, но он скатился на третью страницу по главному ключу.

Вместо того чтобы продолжать сжигать бюджет, стратегию изменили: купили пресс-релиз за $1,000 и развернули страницу-паразит на Reuters под тот же ключ.

После форсированной индексации она ворвалась в топ-10 в тот же день: 2 часа 20 минут против 14 лет, которые понадобились основному сайту для выхода на третью страницу.

Тот же ключ, тот же Google.

У сайта было больше контента, больше экспертизы, больше E-E-A-T — и он всё равно проиграл.

Позиции — это не награда за экспертизу, это чек за траст и авторитет.

Алгоритм настолько агрессивно отдает приоритет корневому трасту и сигналам UGC, что они перевешивают качество контента, релевантность и историю домена.

Самая эксплуатируемая из базовых механик — консенсус.

Google зашил его в алгоритм: ему не просто нужно совпадение по интенту, он требует полного соответствия тому, что уже стоит в топе — типу страницы, формату, охвату сущностей, глубине и структуре.

Весь топ-10 — это шпаргалка.

Если 8 из 10 результатов — это листиклы "Топ-10", а ты выкатываешь гайд на 4,000 слов, ты не сделал контент лучше, ты сделал неправильную страницу.

Но слепое клонирование упирается в потолок "не хуже других", а у Google есть патенты на прирост информации (information gain), которые оценивают, приносит ли страница что-то новое.

В итоге победная формула — это примерно 80-90% консенсуса плюс 10-20% реального information gain: одна эксклюзивная метрика, уникальная сущность, свежая цифра, в которой все остальные ошибаются, таблица, которой нет в серпе, или ответ на смежный вопрос, который никто в топе не покрыл.

Слишком много уникальности ломает интент; слишком мало — и у машины нет причин ставить тебя выше лидеров ниши.

Это вдвойне важно для AI Overviews.

Модель синтезирует свой ответ из консенсуса, а затем цитирует источники, которые его подтверждают — поэтому страница, противоречащая ответу ИИ, почти никогда не получает ссылку.

"Новые" направления (GEO, AEO, LLMO) унаследовали ту же уязвимость: ни одна модель не может проверить реальность сущности или правдивость заявления, поэтому они просто считают авторитетные площадки и ищут совпадения.

LLM определяет истину через подтверждение, а вашу идентичность — через совместную встречаемость (co-occurrence): когда ваша сущность стабильно появляется рядом с категорией на тех платформах, где училась модель.

Консенсус перестал быть просто фактором ранжирования и стал способом, которым модели конструируют реальность.

Вот почему паразит-SEO не умерло в эпоху ИИ — оно стало его слоем дистрибуции.

Платформы, на которые опираются модели (Reddit, LinkedIn, YouTube, Wikipedia, пресс-релизы, новостники), — это ровно те же трастовые домены, которые позволяют тебе ранжироваться по запросам, недоступным для твоего сайта.

Работа с сущностями по-прежнему требует одного: минимум 30 стабильных, подтвержденных упоминаний с авторитетных доноров.

Только теперь они кормят обучающую выборку и ретривал, а не только Граф Знаний.

Фреймворки, построенные на правилах, ломаются при смене правил; фреймворки, опирающиеся на измеримые машиной сигналы, работают всегда.

@MikeBlazerX

⚠️ Закрытый канал: @MikeBlazerPRO

Источник новости https://t.me/mikeblazerx/6577...