Находит тематически близкие страницы сайта (по sitemap.xml), между которыми ещё нет перекрёстной ссылки — без ИИ, на TF-IDF.
TF-IDF — классический математический способ измерить, насколько два текста похожи по теме: он смотрит, какие значимые слова встречаются в обоих текстах чаще, чем в среднем по выборке. Это не семантическое понимание в духе модели, но для поиска тематически близких страниц работает на удивление хорошо и не требует никакого внешнего API.
Если две страницы сайта пишут об одном и том же, но не ссылаются друг на друга, это упущенная возможность: пользователь и краулер с одной страницы не узнают о существовании второй. Перекрёстные ссылки между тематически близкими материалами усиливают и обычное SEO, и то, как модель воспринимает структуру сайта.
Порог в инструменте один — около 22% похожести. Пара без перелинковки выше этого порога помечается как «пропуск» (warn), ниже — как «не обязательно» (info). Внутри группы выше порога инструмент не делит пары на «сильные» и «слабые» отдельной меткой — все получают одинаковый статус, а сам процент в строке результата — единственный ориентир, с чего начинать в первую очередь.
Проверяются только первые страницы из sitemap.xml — до 8 штук за один прогон, в том порядке, в котором они перечислены в файле. Из всех получившихся пар в таблицу результатов и в итоговый счётчик пропусков попадают только 8 самых похожих — даже если пар получилось больше. Если на сайте есть кластер из нескольких уже хорошо перелинкованных близких по теме страниц, они могут занять все восемь мест и скрыть от вас другие пары с пропущенной ссылкой, которые оказались чуть менее похожи.
Быстрый способ найти очевидные пропуски в перелинковке без ручного прочтения каждой пары страниц.
Особенно полезно для блогов с десятками статей на пересекающиеся темы.
Не требует технических знаний — просто список конкретных пар страниц для ручной правки.
Быстрая диагностика структуры сайта клиента без развёртывания платных инструментов.
Добавляйте ссылку в контекстном месте текста, а не просто в конец статьи списком — это ценнее и для читателя, и для краулера.
Начинайте с пар с наибольшим процентом похожести среди помеченных как пропуск — инструмент уже сортирует их по убыванию, отдельной границы «точно нужно» он не проводит.
Прогоняйте проверку заново после публикации новых статей — свежий контент не появится в старых результатах сам по себе.
Не превращайте рекомендации в обязательный чек-лист — если ссылка неестественна по смыслу, лучше её не добавлять.
Каждая страница требует отдельного запроса, а инструмент должен ответить за разумное время — поэтому анализ ограничен первыми 8 страницами из sitemap.xml за один прогон.
Тогда и выборка будет случайной — для целенаправленной проверки конкретных страниц убедитесь, что они окажутся в начале sitemap.
Нет, он проверяет только, встречается ли путь одной страницы в HTML другой — неважно, в футере, навигации или тексте статьи. Ссылка из футера технически «есть», хотя контекстная ссылка в тексте полезнее.
Список стоп-слов сейчас на русском — на другом языке они не будут отфильтрованы, и результат станет менее точным, хотя базовая математика продолжит работать.
Нет — в таблицу и в итоговый счётчик попадают только 8 самых похожих пар среди всех вычисленных. Если несколько уже перелинкованных страниц окажутся самыми похожими, менее похожие пары с реально пропущенной ссылкой в отчёт просто не войдут.
og:title, og:image, twitter:card — от них зависит превью страницы в мессенджерах и у части AI-ассистентов.
Проверить →LLM лучше читают чистый Markdown, чем HTML — найдём .md-версию тремя способами.
Проверить →Находит заголовки-вопросы с коротким самодостаточным ответом сразу после — то, что модели цитируют охотнее всего.
Проверить →Аудит разбирает все сигналы сразу: техническую доступность, разметку, репутацию и Entity-сигналы бренда — и даёт приоритетный план действий.
Заказать аудит
neuropush