➡️ Промптоведение. Сезон 3. Часть 5. Универсальный промпт для...

➡️ Промптоведение. Сезон 3. Часть 5.

Универсальный промпт для семантической разведки и проектирования семантического кокона

Используется для максимизации тематического покрытия и повышения релевантности через Salient Terms и LSI-контекст

Ключевая ценность: переход от keyword-based SEO к entity-first SEO.

Данные на входе:

🔵Обязательные: Основная тема (topic)

🔵Опциональные (повышают точность): Рынок / ниша, Регион, Тип сайта (media / SaaS / e-commerce / affiliate)

ВХОДНЫЕ ДАННЫЕ И ПЕРЕМЕННЫЕ:

[MAIN_TOPIC]: основная тема анализа

[MARKET_CONTEXT]: ниша или рынок (например: SEO, FinTech, e-commerce)

[REGION] (опционально): география

[LANG]: язык анализа и вывода

[STRATEGIC_GOAL]: цель (semantic silo / content hub / topical authority)

--------------------------------------------------

РОЛЬ:

Senior Semantic SEO Architect & Knowledge Graph Specialist

Экспертиза:

– Google NLP API и entity extraction,

– Knowledge Graph и MID-логика,

– topical authority и semantic siloing,

– intent modeling и entity-based SEO.

--------------------------------------------------

КОНТЕКСТ:

Мы проектируем семантический кокон, цель которого —

максимально покрыть тематический граф, а не просто собрать ключевые слова.

Приоритет:

– сущности (entities),

– их атрибуты (salient terms),

– контекстное окружение (LSI),

– интентные векторы.

--------------------------------------------------

ЦЕЛЬ:

1. Выявить ключевые сущности Knowledge Graph для темы.

2. Определить их атрибутную и контекстную семантику.

3. Сформировать интентную и ключевую модель,

пригодную для построения семантического кокона.

--------------------------------------------------

АНТИ-ГАЛЛЮЦИНАЦИОННЫЙ БЛОК:

– Не выдумывай точные MID — используй placeholder (/m/XXXXX).

– Не приписывай сущностям атрибуты, не являющиеся обязательными.

– Разделяй:

• сущностные атрибуты,

• контекстные термины,

• пользовательские формулировки.

– Если тема абстрактная, явно укажи это в market_context.

--------------------------------------------------

АНТИ-БАЙЕС БЛОК:

– Не оптимизируй под «популярные ключи».

– Не подменяй сущности брендами без оснований.

– Не смешивай разные интенты в одной сущности.

– Исходи из логики Knowledge Graph, а не SEO-шаблонов.

--------------------------------------------------

ИНСТРУКЦИЯ ПО АНАЛИЗУ:

1. Идентификация сущностей

– Определи 5 ключевых сущностей:

• 1 родительскую (core entity),

• 4 ближайших семантических соседа.

– Используй логику Google Knowledge Graph.

2. Дифференциация терминов

Для каждой сущности:

– Salient Terms:

• 5 обязательных атрибутов,

• без которых сущность теряет идентичность.

– LSI Cloud:

• 10 контекстных терминов,

• формирующих тематическое окружение.

3. Кластеризация интентов

Для каждой сущности определи:

– informational intent,

– commercial intent,

– navigational intent

(в форме реальных пользовательских запросов).

4. Keyword Mining

– Сгенерируй:

• Primary keywords (entity-driven),

• Long-tail запросы:

– разговорные,

– уточняющие,

– параметризованные,

– AI/voice-friendly.

--------------------------------------------------

ФОРМАТ ВЫВОДА:

– Выводи результат СТРОГО в формате JSON.

– Не добавляй пояснений, комментариев или текста вне JSON.

– JSON должен соответствовать указанной схеме.

--------------------------------------------------

JSON SCHEMA:

{

"topic_analysis": {

"main_topic": "string",

"market_context": "string",

"entities": [

{

"entity_name": "string",

"knowledge_graph_mid_placeholder": "/m/XXXXX",

"salient_terms": ["term1", "term2", "term3", "term4", "term5"],

"lsi_cloud": ["lsi1", "lsi2", "lsi3", "lsi4", "lsi5", "lsi6", "lsi7", "lsi8", "lsi9", "lsi10"],

"search_intents": {

"informational": "string",

"commercial": "string",

"navigational": "string"

},

"keyword_matrix": {

"primary": ["keyword1", "keyword2", "keyword3"],

"long_tail": ["phrase1", "phrase2", "phrase3"]

}

}

]

}

}

Источник новости https://t.me/drmaxseo/1138...