Как собрать 1000 ключей без мусора: стоп-слова интент-фильтр и дедупликация

Собрать 1000 ключей без мусора — значит убрать из семантического ядра три вида шума: нерелевантные брендовые запросы, навигационные URL-обращения и информационный хлам, который никогда не приведёт покупателя. Для AI-портала вроде каталога инструментов это критично: одна «грязная» тысяча ключей тянет за собой десятки статей ни о чём. Ниже — рабочий алгоритм из четырёх слоёв очистки, списки стоп-слов и промпты для intent-классификации через Claude.

В статье: список из 50+ стоп-слов по категориям, промпт для intent-классификатора на Claude, метод дедупликации по стемму и порог минимальной частотности. Подход проверен на сборе семантики для AI-портала VibeCoderz на 6 200+ материалов.

Что вообще считается мусором в семантическом ядре?

Мусор — это запросы, которые технически содержат нужное слово, но никогда не приведут целевого посетителя: брендовые запросы конкурентов, школьные термины, навигационные URL и низкочастотные хвосты без стратегической ценности.

На сборе 1000+ ключей по нише AI-инструментов до 30% семантики уходит в мусорную корзину при грамотной фильтрации. Цифра держится примерно одинаково для разных ниш: технологии, медицина, финансы.

Возьмём портал про вайбкодинг. В сырой выгрузке из Wordstat или Ahrefs почти всегда всплывают четыре типа шума. Первый — брендовые запросы конкурентов вроде «cursor скачать» или «windsurf офис»: пользователь ищет конкретный продукт, а не решение своей задачи.

Второй — школьные и учебные запросы: «информатика 8 класс», «задачи python для начинающих» — семантически близко, но аудитория другая. Третий — навигационные URL-обращения: «github.com», «cursor.sh» — это не поисковые намерения, а способ попасть на уже известный сайт. Четвёртый — HR-запросы без продуктового угла: «вайбкодер вакансии», «зарплата разработчика на python».

Если не отфильтровать эти четыре слоя до начала кластеризации, семантическое ядро будет казаться в разы больше, чем есть на самом деле. И контент-план строится на неверных цифрах.

Как собрать первичный список из 1000+ ключей?

Соберите семантику из трёх источников одновременно: Яндекс.Вордстат для российского спроса, Ahrefs или Serpstat для международных данных, и ручной парсинг подсказок поисковика для длинного хвоста. На выходе — сырой список 1500-2000 фраз до очистки.

Для ниши в 100-150 базовых тем реалистично получить от полутора до двух тысяч сырых фраз за один цикл сбора. После очистки из них обычно остаётся ровно тысяча рабочих ключей — отсюда и ориентир «1000 ключей без мусора».

Начинать стоит с 15-20 seed-запросов, а не с сотни. Взять слишком много терминов сразу — типичная ошибка новичка в анализе ниши: по 15 конкурентов и 15 ключей достаточно для первого прохода, кластеры и тысячи добавляются позже. Дальше идёт по три источника параллельно.

Яндекс.Вордстат дает частотность и связанные запросы для русскоязычной аудитории — бесплатно, но без исторических трендов. Ahrefs Keywords Explorer добавляет keyword difficulty и разбивку по intent, что особенно полезно на этапе фильтрации, подход к приоритизации ключей у Ahrefs строится именно вокруг бизнес-ценности запроса, а не только объема трафика. Третий источник — автодополнение поисковика и разделы «люди также спрашивают»: оттуда приходит длинный хвост, который не всегда виден в стандартных инструментах.

Лиза: «Для одной ниши собрала 90 листов Excel, полтора миллиона ключей. Он реально собирает реальную частотность, находит запросы, до которых я бы вручную никогда не додумалась. На 30 минут можно отойти — собирает сам.»

Какие стоп-слова убрать из семантики в первую очередь?

Стоп-слова делятся на пять категорий: скачивание и пиратский контент, учебные запросы, HR-лексика, навигационные фразы и 18+ контент. Минимальный рабочий список — 50+ слов, для AI-портала стоит расширить до 100.

Ниже готовая таблица стоп-слов по категориям — можно скопировать и адаптировать под свою нишу.

Список работает как первый фильтр, а не как окончательный. Если у портала есть, например, раздел про курсы, слово «курс» из учебной категории убирать нельзя — оно как раз целевое. Стоп-слова всегда настраиваются под конкретную нишу, а не берутся универсальным шаблоном.

Что такое intent-фильтр и как построить его через Claude?

Intent-фильтр делит запросы на четыре типа: информационный, транзакционный, навигационный и мусор. Ручная разметка 1000 фраз занимает часы, но промпт для Claude справляется с батчем в 100-150 запросов за один проход.

Автоматические инструменты для определения интента часто дают сбои на неоднозначных запросах: сезонность, смена устройства или скрытый бренд внутри категорийной фразы способны исказить результат. Поэтому классификатор через LLM стоит проверять выборочно, а не доверять слепо.

Промпт для батч-классификации:

Классифицируй эти ключевые фразы по намерению: [список].
Для каждой: информационный | транзакционный | навигационный | мусор.
Формат: phrase | intent. Только таблица.

Промпт для генерации стоп-слов под нишу:

Составь список стоп-слов для очистки семантики AI-инструментов.
Категории: скачивание, обучение (школа), HR (вакансии, зарплата),
навигационные (сайт, официальный). Минимум 50 слов.

Для батчей больше 150 фраз имеет смысл дробить запрос на части — модель точнее держит категории на меньшем объеме. Ahrefs описывает intent как фильтр, определяющий, попадает ли ключ в стратегию вообще — и практика с Claude подтверждает: без явного intent-разделения кластеризация превращается в хаос из разноплановых страниц.

Готовый инструмент под такие задачи — Claude Code: пишет и запускает сам скрипт классификации по CSV, не только выдает промпт-ответ в чате.

Как убрать дубли и определить порог частотности?

Дедупликация идет по стемму (корню слова), а не по точному совпадению строки. Порог отсечения — обычно от 30 показов в месяц, если у фразы нет стратегической ценности для конкретной страницы каталога.

Нечеткие дубли — главная причина раздутого семантического ядра. Фразы «лучшая нейросеть для кода» и «какая нейросеть лучше для написания кода» технически разные строки, но одна и та же поисковая потребность. Ручная дедупликация занимает часы на тысяче строк, автоматический подход через стемминг или Claude сокращает это до 20-30 минут.

Отдельно стоит вопрос частотности. Отсекать всё ниже 30 запросов в месяц — разумный дефолт, но не универсальное правило. Если фраза с частотностью 15 закрывает узкий, но платежеспособный сегмент аудитории, ключ стоит оставить и объединить с соседними в один кластер, а не выбрасывать по формальному критерию.

Кому подходит какой способ сборки семантики?

Ручная сборка в Excel подходит для ниши до 500 ключей и полного контроля над каждой фразой. Key Collector — для объема от 1000 фраз и работы с топ-10 выдачи. Claude-промпты — для быстрой intent-классификации любого объема без специализированного софта.

Метод чистки по маскам URL заслуживает отдельного упоминания: если в топ-10 выдачи по запросу присутствует крупная коммерческая площадка вроде маркетплейса, запрос почти наверняка транзакционный. Если коммерческих сайтов в выдаче нет вообще — запрос, скорее всего, информационный. Способ доступен любому, у кого есть доступ к Вордстату, и экономит часы на ручной разметке.

Глоссарий

• Семантическое ядро — полный список ключевых фраз, по которым продвигается сайт или конкретная страница.
• Intent (намерение запроса) — цель пользователя за конкретной поисковой фразой: узнать, купить, найти сайт.
• Стемминг — приведение слова к корню для определения одинаковых по смыслу фраз.
• Seed-запрос — широкая базовая тема, от которой строится сбор семантики.
• Кластеризация — объединение похожих запросов в группы под одну посадочную страницу.

Частые вопросы

Сколько ключей реально нужно для старта нового раздела на сайте?
Для одной ниши достаточно 15-20 seed-запросов на старте. Из них после расширения и очистки получается 800-1200 рабочих ключей — этого хватает на первый контент-план.

Можно ли доверять автоматическим intent-классификаторам полностью?
Нет, автоматические инструменты ошибаются на сезонных и многозначных запросах. Промпт через Claude ускоряет разметку, но выборочная ручная проверка 10-15% результата обязательна.

Что делать с низкочастотными ключами ниже 30 показов в месяц?
Если ключ не закрывает узкий платежеспособный сегмент, его можно отсечь. Если закрывает, стоит объединить с соседними фразами в один кластер вместо отдельной страницы.

Чем стоп-слова отличаются от intent-фильтра?
Стоп-слова убирают явный мусор по словарю до всякого анализа. Intent-фильтр работает тоньше — разделяет уже очищенные фразы по цели пользователя.

Нужен ли Key Collector, если сайт небольшой?
Для семантики до 500-700 ключей хватает Excel и Вордстата. Key Collector оправдан от объема в 1000+ фраз и при работе с анализом выдачи по маскам URL.

Как часто нужно пересобирать семантическое ядро?
Для быстро меняющихся ниш вроде AI-инструментов — раз в 2-3 месяца, потому что появляются новые продукты и запросы вокруг них.

Если нужна консультация по сборке семантики под конкретный проект или разбор готового ядра — запишитесь на консультацию к Максиму. Больше обзоров AI-инструментов для контента и SEO — в каталоге VibeCoderz.

Обновлено: июль 2026