Семантическое SEO: от слов к смыслу с помощью LLM
Поисковые алгоритмы развиваются, а оптимизаторы продолжают обсуждать, куда надо вставлять ключевые слова. Разберем, что давно пора внедрять в работу, чтобы оптимизация для поиска не превратилась в профанацию.
Очень полезный контент, спасибо!
Получение эмбеддингов, расчет косинусных расстояний и списков сущностей на основе текстов конкурентов - все через python?
Извлечь вложения можно через js или python - был бы доступ по API к модельке. Там скрипт короткий, готовый идёт вместе со Screaming Frog начиная с версии 20 - там просто свой ключ указать в шаблон и можно выдёргивать. Можно и напрямую, без "Фрога", сразу в гуглотаблицы.
Косинусы потом отдельно считать надо, примерно теми же средствами. Можно тоже через Гуглотаблицы, просто скрипт прицепить. Можно через Python с выгрузкой в csv.