Чем промпт отличается от ключевого слова на практике
Ключ - фрагмент. Промпт - вопрос вместе с обстоятельствами.
Человек, которому нужен ноутбук для монтажа, в поисковой строке набирает три слова. В чате он пишет по-другому: какой у него материал, в какой программе собирает, сколько готов потратить, что уже пробовал и почему предыдущая машина не подошла. Вопрос тот же. Но входных данных у системы теперь в разы больше, и отбирать источники она будет по ним.
Замеры длины расходятся сильно: от восьми слов на запрос до нескольких десятков, при трех-пяти словах в поисковой строке. Есть выборки, где средняя длина уходит в сотни слов, - туда попадают куски документов и длинные вводные. Числа не сводятся: системы разные, способы подсчета тоже. Сходятся они в одном - запрос к нейросети в несколько раз длиннее строки поиска.
Функционально это одна и та же сущность. Ключ - тот же запрос, только без контекста, и оптимизация под одно помогает другому. Разница в том, что система делает с длинным вопросом дальше: дробит его на подзапросы и ищет по каждому отдельно. Механику разбирает отдельный материал про query fan-out.
Обстоятельства, которые человек накидал в вопрос, работают как условия отбора. Бюджет, город, срок, габариты, уровень шума, совместимость с тем, что уже куплено - каждое такое условие отсекает часть источников. Страница со «широким выбором техники для дома» не проходит ни по одному из них. Зато страница, где написано, что вот эта модель встает в проем шестьдесят сантиметров и не слышна из соседней комнаты, проходит сразу по двум.
Меняется и требование к странице. Под ключ ее оптимизировали: он стоял в заголовке и в подзаголовках. Под промпт страница должна содержать готовый ответ на вопрос со всеми обстоятельствами - иначе система соберет ответ из чужих источников, а вас процитирует кто-нибудь другой. Работу по попаданию в такие ответы называют GEO.
Ключи никуда не уходят. Люди по-прежнему набирают короткие запросы в Яндексе и Google, эти запросы приносят трафик, и семантическое ядро остается на своем месте. Набор промптов - вторая семантика рядом с первой.
Почему набор промптов из переговорной не работает
Команда садится на час и выписывает тридцать вопросов, которые, по ее мнению, задают клиенты. Список получается стройный и совершенно непроверяемый. Search Console для нейросетей не существует: ни показов, ни позиций по промптам никто не отдает. Сверить догадку не с чем.
Дальше догадка идет в работу как факт.
Первая ошибка - внутренний язык компании. Стоматология пишет «профессиональная гигиена полости рта», человек спрашивает, больно ли снимать камень с зубов и сколько это стоит целиком, вместе с осмотром. Юристы пишут «сопровождение сделок с недвижимостью», человек спрашивает, как проверить квартиру перед покупкой, чтобы потом не отсудили. Разрыв тем шире, чем глубже команда сидит в своей терминологии. Люди, которые пишут набор, знают предмет слишком хорошо, чтобы сформулировать вопрос как новичок.
Вторая ошибка - брендовые промпты. Их удобно вносить в набор, они хорошо смотрятся в отчете: по запросам вида «отзывы о N» или «что известно про N» система почти всегда называет компанию. Иначе и быть не может, имя ведь стоит в самом вопросе. Упоминание тут гарантировано почти наверняка и не значит ничего: клиент, который уже знает имя, все равно бы пришел.
Цена ошибки меряется кварталами. Под неверный набор пишут пятнадцать статей, тратят три месяца, замер показывает уверенный рост видимости - а заявок столько же, сколько было. Формально система вас цитирует. Только по вопросам, которые никто не задает.
Обнаруживается это поздно и болезненно. В поиске ошибку видно за пару недель: страница не набрала показов, гипотеза закрыта. А по промптам такого сигнала нет вообще. Рост видимости выглядит одинаково и тогда, когда вопрос приводит клиентов, и тогда, когда его не задает никто. Отличить одно от другого можно только по заявкам, а они приходят с задержкой в месяцы.
Отсюда правило, которое стоит принять до начала работы: строка попадает в набор, если ее кто-то произнес. Не «мы решили, что так спрашивают», а «вот обращение от 14 марта, вот дословная фраза». Все остальное - гипотезы, и держать их надо отдельным списком под такой пометкой.
Шесть мест, где клиент уже спросил своими словами
Формулировку не сочиняют - ее ищут там, где она уже прозвучала. Источников шесть, у каждого свой перекос, поэтому набор собирается минимум из трех.
- Переписка поддержки и чат на сайте. Самый быстрый источник: вопросы там записаны дословно, выгружаются одним экспортом и не требуют расшифровки. Перекос в том, что поддержка ловит человека после покупки, а не до нее. Из тысячи обращений половина будет про доставку и гарантию. Зато вторая половина - про выбор внутри линейки, и это ровно те сравнительные вопросы, которые задают нейросетям. Отдельно стоит выгрузить обращения, на которые оператор отвечал развернуто: длинный ответ означает, что готового текста на сайте не нашлось.
- Расшифровки звонков и встреч отдела продаж. Здесь лежат вопросы до сделки, в исходной формулировке, с сомнениями и возражениями. Ценность максимальная, трудоемкость тоже: сотню звонков нужно расшифровать и прочитать. Ускоряет дело прогон этих текстов через модель: она вытаскивает все вопросительные реплики клиента, а дальше руками отбираются те, что повторяются. Второй заход по тем же расшифровкам делается ради возражений: фраза «а почему у вас дороже, чем у соседей» - это готовый сравнительный промпт.
- Отзывы и вопросы к товару на площадках. Формулировки сравнения и выбора: почему одно дороже другого, что берут в похожей ситуации и чем это закончилось. Фразы из отзывов система повторяет в ответах про категорию слово в слово, поэтому язык оттуда забирают без переписывания. Помогают и карточки конкурентов: там видно, чего людям не хватило у них.
- Search Console и Вебмастер, фильтр по вопросным словам. Единственный источник, где к формулировке прилагается частота. Отбор по словам «как», «почему», «что лучше», «стоит ли», плюс отсечка по длине от пяти слов - и в отчете остаются запросы, по которым люди уже приходят. Полезно посмотреть и на командные формы: «покажи», «сравни», «подбери», «найди». Это привычка, принесенная из чатов, и в поиске она появилась недавно. Ограничение источника в том, что он показывает только то, по чему сайт уже ранжируется: чего у вас нет на сайте, того нет и в отчете.
- Подсказки поисковой строки и блоки похожих вопросов. Автодополнение в поиске, блок «люди также спрашивают», вопросы-продолжения, которые чат предлагает сам. У Perplexity такие подсказки лежат под ответом, и их удобно забирать пачкой. Про саму систему есть отдельный разбор - как попасть в ответы Perplexity. Данных о частоте нет, зато формулировки готовые и их много: десяток базовых запросов по нише дает сотню вариантов за полчаса.
- Форумы и сообщества, где обсуждают выбор в вашей нише. Профильные ветки, комментарии под отраслевыми статьями, вопросы под роликами на YouTube. Долго и грязно, мусора много. Взамен - язык, на котором люди говорят между собой, без оглядки на продавца. Тут же видно, какие мифы про категорию ходят по рынку. Закрывать их приходится отдельными материалами, потому что системы охотно эти выдумки повторяют.
Разбирали карточки крупной бытовой техники у магазина в Алматы, зашли в блок вопросов к товару под холодильниками. Подряд, разными словами, люди спрашивали одно и то же: влезет ли в проем шестьдесят сантиметров, слышно ли его ночью через стену, хватит ли морозильной камеры на семью из пяти человек. В карточке на все это отвечали габариты в миллиметрах и уровень шума в децибелах. Человек спрашивал, сможет ли он спать. Сайт отвечал числом 42.
Ни один из этих вопросов не был написан на сайте словами покупателя. Все они оказались в наборе промптов через два дня.
Пять источников из шести дают формулировку без частоты - она есть только в отчетах поиска. Поэтому собирать набор из одного места бессмысленно, каким бы удобным оно ни казалось. Минимальная рабочая связка - поддержка плюс отчеты поиска плюс любой внешний источник, где говорят не с вами, а между собой.
Почему на русскоязычном рынке набор собирают вручную
Готовых баз промптов по региону нет. Самая крупная из доступных собрана Semrush - 239 миллионов формулировок, которые люди вводят в ChatGPT и Perplexity. Для англоязычной ниши это рабочий инструмент. Для запроса на русском про доставку в Ташкенте или рассрочку в Казахстане там пусто.
Wordstat закрывает вторую половину задачи. Частоту он дает, формулировку - нет: в строку поиска человек вбивает «кондиционер алматы цена», а у нейросети спрашивает, какой кондиционер поставить в квартиру на солнечной стороне и хватит ли самой слабой модели. Оба запроса про одно, использовать их можно по-разному.
Формулировку берут из шести источников целиком, как прозвучала. Из нее вытаскивают ядро в три-четыре слова и проверяют его на частоту в Wordstat или Keyword Planner. Если у ядра есть измеримый спрос - промпт идет в приоритет, под него пишется страница. Если спроса нет совсем, а вопрос повторяется в поддержке - промпт остается в наборе, но уходит ниже: такие вещи закрывает раздел внутри существующей страницы, а не отдельный материал.
По регионам набор расходится сильнее, чем кажется на старте. Тот же товар в Ташкенте спрашивают с рассрочкой внутри вопроса, в Алматы - с доставкой по области, в России - со сравнением двух брендов. Меняются и сами условия: где-то в вопросе всплывает наличие сервисного центра в городе, где-то - оплата частями без банка. Одинаковых наборов на две страны не бывает, даже если ассортимент один и сайт один.
Отдельная поправка на язык. В Казахстане и Узбекистане часть аудитории спрашивает на казахском и узбекском, часть - на русском, многие смешивают. Набор в этом случае ведется по языкам раздельно, иначе при склейке дублей теряются формулировки, у которых нет прямого перевода.
Как из сырого списка собрать набор
На выходе из шести источников получается несколько сотен строк. Дальше четыре шага.
Чистка. Из списка выкидывают вопросы про статус заказа, реквизиты и режим работы - нейросетям их не задают. Уходят и обращения, где нет вопроса как такового, и слишком узкие частности вроде совместимости артикула с конкретной моделью: с этим справляется карточка товара, а не набор.
Склейка дублей по смыслу, а не по словам. «Что лучше для дома» и «что взять в квартиру» - одна строка, а не две. Здесь набор ужимается сильнее всего: три-четыре сотни сырых строк превращаются в несколько десятков. Правило такое: если на два вопроса отвечает один и тот же абзац, это один промпт. Если ответы расходятся хотя бы наполовину - оставляем два, потом решим, какой брать в работу.
Длинные промпты хранят иначе. Из поддержки и звонков приходят реплики на три-четыре предложения, где половина - личные обстоятельства. Обрезать их до короткой фразы нельзя: контекст и есть ценность. Но и держать целиком неудобно, поэтому в таблицу идет исходная реплика, а рядом - версия, сокращенная до одного вопроса. С ней потом и работает автор.
Разметка по типу. От него зависит, насколько тяжело будет попасть в ответ:
- информационные - что это такое и как работает, попасть в ответ проще всего
- сравнительные - что лучше при таких-то условиях
- рекомендательные - кого выбрать, к кому обратиться
- ситуационные - что делать, если случилось вот это
- репутационные - что известно про компанию, стоит ли ей доверять
Рекомендательные и сравнительные - самые тяжелые и дорогие: там система называет конкретные компании, и по нашим замерам старт по ним почти всегда нулевой, а сдвигается он медленнее прочих типов. Общие рекомендации для одной из систем собраны в материале про то, как попасть в ответы ChatGPT.
Отбор. Из размеченного списка в работу берут верхушку, остальное ждет в запасе.
Таблица сбора удобнее любого текстового файла. Пять полей на строку:
- Источник: откуда взята формулировка, с датой
- Исходная формулировка: дословно, без редактуры
- Тип: один из пяти выше
- Стадия воронки: верх, середина, низ
- Целевая страница: URL или пометка «нет страницы»
Колонка с источником кажется лишней ровно до первого пересмотра набора. Через месяц никто не помнит, откуда взялась строка, а без этого невозможно понять, стоит ли за ней сотня обращений в поддержку или одна реплика на форуме.
Сколько промптов держать
Не тысячу. Набор из тысячи строк невозможно перебрать руками, а автоматическая проверка стоит денег и все равно требует присмотра.
Для старта хватает двух десятков промптов - их можно вбить в системы вручную по одному и посмотреть, кто упомянут. В своих замерах мы держим набор в пределах двух-трех десятков строк и прогоняем его по нескольким системам, включая Алису: столько получается перепроверить руками и сравнить с прошлым месяцем. Платные сервисы отслеживания ведут от нескольких десятков промптов до нескольких сотен на бренд, но верхняя граница - это уже сопровождение крупной компании с несколькими продуктовыми линейками.
Распределение внутри набора важнее размера. Брендовых промптов держите не больше пятой части: они нужны, чтобы отслеживать, что система говорит про вас, но заявок не приносят. Основная масса - верх и середина воронки, где человек еще не знает вашего имени и спрашивает про категорию. Там и решается, попадете вы в короткий список или нет.
Размер набора зависит от ширины бизнеса, а не от его оборота. У компании с одной услугой и одним городом набор из двух десятков строк закрывает почти весь спрос. У магазина с десятком направлений на каждое приходится свой мини-набор, и общий счет уходит за сотню. Считать надо по числу разных решений, которые принимает клиент.
Промпты, собранные руками, дают более точную картину, чем сгенерированные моделью по описанию ниши. Модель выдумывает правдоподобные вопросы, поддержка приносит заданные.
Как разложить набор по страницам
Один кластер промптов - одна страница или один раздел внутри страницы. Кластер здесь - группа формулировок про одно и то же, склеенная на прошлом шаге.
Вариантов три.
Кластер ложится на существующую страницу целиком - ее дорабатывают. Вопрос ставят в подзаголовок теми же словами, которыми его задали, а ниже дают ответ, который можно вынуть и процитировать отдельно от остального текста. Как устроен такой абзац и почему оговорки в начале снижают шанс цитаты, разбирает материал про чанки и извлекаемый ответ.
Совпадение частичное: страница уже про это, но отвечает на соседний вопрос. Тогда добавляется раздел, а не переписывается вся страница. Такие доработки самые дешевые и дают результат быстрее прочих, поэтому в работу их берут первыми.
Третий случай - когда кластеру не находится ни одной страницы. Обходятся с ним неверно: вопрос дописывают абзацем в ближайшую по теме статью, чтобы закрыть строку в таблице. Статья при этом теряет фокус, а система все равно не находит внятного ответа: он размазан по чужому материалу. Правильный ход - завести заявку в контент-план. Строка стоит с пометкой «нет страницы» ровно до тех пор, пока страница не появится, и это нормальное состояние набора: часть строк всегда ждет очереди.
На раскладку влияет и механика отбора. Система разбивает вопрос на подзапросы и по каждому ищет свой источник. Одна страница, закрывающая кластер целиком, попадает в ответ чаще, чем пять страниц, задевающих тему по касательной. Поэтому страницы скорее укрупняют, чем плодят: если два кластера подходят к одному вопросу с разных сторон, их лучше собрать на одной странице отдельными разделами.
Раскладка заодно показывает состояние сайта. Когда половина набора упирается в пометку «нет страницы», проблема не в наборе - у сайта нет материалов под середину воронки. Когда все строки легли на существующие страницы без единой заявки, набор собран слишком узко и почти наверняка описывает то, на что вы и так умеете отвечать.
Как проверить, что набор рабочий
Пока под набор не написана ни одна страница, его прогоняют через системы как есть. Промпт вставляют в чат, ответ читают целиком и выписывают, кто назван и на кого стоят ссылки.
Часть промптов система вообще не понимает как вопрос про покупку и уводит в сторону - такие строки из набора убираются. На другие раз за разом выдает один список из трех компаний, куда вам предстоит встроиться. А где-то отвечает общей теорией, без единого имени: это самые свободные места, туда и стоит идти первыми.
Метрики видимости считают отдельно, по своей методике. На этом шаге хватает списка, кого процитировали. Как замерять и с чем сравнивать, показывает материал про то, как измерить видимость в нейросетях.
Ответ на один и тот же промпт меняется от сессии к сессии и от пользователя к пользователю. Поэтому прогон делают несколько раз и желательно в чистом окне без истории переписки: персонализация подмешивает в ответ то, что человек спрашивал раньше, и картина смазывается.
Пересматривают набор раз в квартал. Продукт меняется, вопросы в поддержке идут вслед за ним. Часть формулировок устаревает вместе с моделями и ценами. Строки, которые за квартал не принесли ни одного упоминания и ни одного перехода, уходят вниз списка, а их место занимают новые - из тех же шести источников.
Коротко
Набор промптов - входные данные для всей работы по видимости в нейросетях. Собранный за столом, он остается догадкой о клиенте: отчета с показами и позициями по промптам не существует, сверить формулировки не с чем.
Формулировки берут там, где вопрос уже прозвучал: поддержка и чат, расшифровки звонков, отзывы и вопросы к товару, вопросные строки в Search Console, подсказки поиска, форумы. Минимум три источника, иначе перекос.
Сырой список чистится, склеивается по смыслу, размечается по типу и раскладывается по страницам - один кластер на страницу. Промпт, которому не нашлось страницы, идет в контент-план заявкой.
Рабочий размер - несколько десятков строк на направление, а не тысяча на весь сайт. Брендовых не больше пятой части. Набор проверяют прогоном в системы до написания контента и пересматривают раз в квартал.
Частые вопросы
Чем набор промптов отличается от семантического ядра
Объемом контекста и способом применения. В ядре - запрос из двух-трех слов и частота к нему, страница затачивается под этот запрос. В наборе - вопрос целиком, с обстоятельствами и ограничениями, частоты нет, а страница должна давать ответ, готовый к цитированию. Одно другое не отменяет: ядро остается для поиска, набор добавляется для нейросетей.
Можно ли собрать промпты через саму нейросеть
Как черновик - да, как основу набора - нет. Модель строит вопросы из описания ниши, а не из того, что спрашивают люди. Разница видна сразу: сгенерированные формулировки гладкие и общие, собранные из поддержки - кривые, с лишними обстоятельствами и конкретными суммами. Цитируют вторые. Зато на другом шаге модель полезна: вытащить вопросительные реплики из сотни расшифровок звонков она умеет быстрее человека.
Нужно ли собирать набор отдельно под каждую систему
Основной набор общий: люди задают одинаковые вопросы, куда бы их ни писали. Различается не набор, а то, что системы с ним делают - какие источники берут и как формулируют ответ. Брендовую часть ведут отдельно: репутационные ответы про компанию расходятся между системами сильнее всего, и следить за ними приходится в каждой.
Как часто обновлять набор
Раз в квартал для полного пересмотра, плюс точечные добавления по ходу. Вне графика к набору возвращаются в трех случаях: запуск нового продукта, заметная смена вопросов в поддержке и появление конкурента, которого системы начали называть в ответах.
Что делать, если нет ни поддержки, ни записей звонков
Начинать с того, что есть у всех. Вопросные запросы в Search Console и Вебмастере доступны любому сайту с историей, а подсказки поиска и блоки похожих вопросов не требуют ничего, кроме браузера. Отзывы про вашу категорию есть на площадках, даже если вы там не продаете. Дальше - самый точный источник для маленькой компании: спросить у трех последних клиентов, как они вас искали и какими словами формулировали задачу. Этот шаг пропускают почти все, а дает он больше, чем любая выгрузка.