2224 статьи в Дзене за 3 месяца: что показали замеры

Три месяца, 2224 статьи, 27 каналов в Дзене, 33 сайта клиентов. Публикация полностью автоматизирована, замеры позиций сняты по 26 тысячам проверок. Разбор ниже построен на цифрах этого проекта, и главная его ценность не в том, как генерировать текст, а в том, что происходит со статьёй после публикации: попадает ли она в топ Яндекса, забирает ли её Алиса в быстрый ответ, приводит ли она людей на сайт. Заодно здесь честно перечислено то, что не сработало, — а не сработало многое.

Дзен как площадка для поиска, а не как лента

Внутри Дзена SEO не работает: это рекомендательная лента, а не поисковик. Работает стык с поиском. Статьи Дзена индексируются Яндексом и Гуглом, значит, материал можно писать под конкретный поисковый запрос и получать трафик из выдачи месяцами. По сути это та же SEO-статья, что и на своём сайте, только на чужом домене с готовым трастом.

Отсюда следует расхождение с тем, как ведут каналы девять авторов из десяти. Обычный канал живёт лентой: показы, дочитывания, подписчики, виральные темы. Статья собирает пик за несколько часов и умирает. Канал, сделанный под поиск, устроен иначе: статья публикуется не для ленты, а чтобы занять позицию в выдаче и работать оттуда неделями и месяцами. Лента становится побочным эффектом.

Разрыв между двумя картинами видно на выборке из 1004 статей: 3112 открытий всего, из них 1696 показов пришло из ленты Дзена, а 1416 — из поиска. Материал может быть почти невидим внутри площадки и при этом прекрасно себя чувствовать в выдаче. Практический вывод для тех, кто ведёт такой канал: на внутреннюю статистику Дзена не смотреть вообще. Смотреть на позиции в Яндексе и переходы на сайт.

Чем канал под поиск отличается на уровне процесса

• Темы берутся не из интереса автора, а из семантики с подтверждённой частотностью. Не «расскажу про дренаж участка», а ответ на запрос «как сделать дренаж участка с глинистой почвой». Сбор, чистка и кластеризация идут через API сервиса проверки частотности.
• Формат материала (инструкция, сравнение, разбор цен, разбор проблемы) определяет живая выдача по запросу, а не жанровые предпочтения автора. Модель перед генерацией изучает топ и выбирает форму.
• Фактура вместо мнения: цены с рынка, конкретные числа, проверяемые данные. Это же лечит выдумывание фактов — модель сначала читает выдачу, потом пишет.
• Структура под извлечение: прямой ответ в первых абзацах после заголовка и факт-блок. Именно эти куски забирает Алиса.
• Метрики другие: позиции в топ-10 и топ-3, попадание в AI-ответы, доля прочтений из поиска, переходы на сайт.

Доля переходов на статьи из поиска по всем каналам держится около 26–27% и растёт по мере взросления канала. За всё время накопилось 132 500 прочтений: 78 тысяч из ленты, 34 тысячи из поиска Яндекса и Гугла, 20 тысяч из соцсетей и мессенджеров, куда статьи попадают репостами читателей (482 репоста за три месяца).

Статья почти никогда не берёт тот запрос, ради которого написана

Это главный результат всего проекта, и он ломает привычную логику работы под ключ. Цифры такие:

В абсолютных числах: по 22 тысячам запросов в топ-10 находятся 1063 статьи, в топ-3 — 824, в AI-ответах — 749. Разница между 34% и 5% и есть весь смысл длинного хвоста. Статья берёт не свой ключ, а веер соседних формулировок вокруг него.

Дальше — зависимость от длины запроса, посчитанная на 26 тысячах замеров позиций и 20 330 уникальных запросов. Между двухсловным и девятисловным запросом разница в вероятности попадания в топ стократная. В блок Алисы попадают 15% статей по запросам от девяти слов против долей процента по двухсловным.

Объяснение этому в кейсе такое: люди всё чаще не печатают, а говорят, а голосовой запрос длиннее и почти всегда вопросительный. Плюс сам поиск переехал на выдачу готового ответа, а готовый ответ можно дать на конкретный вопрос, но не на два слова. Проверить эту причинно-следственную связь по открытым данным нельзя, но сама зависимость измерена на достаточной выборке.

Из этого выросли два рабочих правила. Первое: сначала в публикацию уходят статьи под длинные формулировки, короткие и высокочастотные ждут в конце очереди. Второе: раздел FAQ строится под реальные запросы, и каждый вопрос там становится отдельной дверью из поиска. Изначально в статье было три вопроса, сейчас семь-восемь с развёрнутыми ответами, и они тоже забираются в блок Алисы.

Писать под высокочастотные запросы всё равно нужно. Не нужно ждать, что статья встанет именно по ним.

Метод замера, который сначала съедал половину результата

Позиции сначала мерились по одному целевому ключу — тому, под который статья писалась. При такой методике большая часть реального результата просто не видна: статья про 3D-визуализацию попала в блок Алисы по запросам, которых в замерах не было вовсе. Сейчас на статью снимается до пяти формулировок: целевой ключ, похожие из семантики и вопросы из её же FAQ. В проекте признают, что и это урезает статистику, но динамику видно.

Второе наблюдение про выдачу: в топ-10 Яндекса помещается ровно одна статья Дзена. Проверено на двух тысячах запросов, исключений 0,2% — редкие случаи, когда в выдаче оказываются две статьи. Задача, таким образом, не «попасть в топ», а выбить того, кто уже занял слот. Зато слот для Дзена нередко есть и в откровенно коммерческой выдаче, где сайт не пробивается ни в органику, ни в рекламный блок.

Эксперимент, который не подтвердился

Гипотеза была простой: в топе часто стоят статьи с вопросительными заголовками, значит, вопросительная форма помогает. Проверка: 145 статей старше десяти дней, не входящих в топ-10, у которых вручную поменяли только заголовок на вопросительный. Ключ, текст, картинки остались прежними. Через три недели картина такая: смена заголовка сначала уронила позиции, потом прошла переиндексация и всё вернулось ровно к исходному. Ни на целевом ключе, ни на смежных выигрыша нет.

Зато параллельный анализ дал находку дороже самого эксперимента. Точное вхождение ключа в заголовок было в 72% собственных статей — и всего в 7% чужих статей, стоящих в топе. Средняя длина заголовка оказалась короче, чем у конкурентов. Иначе говоря, заточка под дословное вхождение отличала его материалы от топовых, причём в неверную сторону. Правило «ключ должен войти в заголовок целиком и в начале» пришлось выбить из промптов.

Как правильно: заголовок пишется естественным языком, тема называется так, как её произносит человек. Порядок слов в ключе меняется свободно, окончания склоняются, мусорные части запроса вроде геохвостов в заголовок не тащатся.

Четыре ошибки, которые стоили результата

Все они всплыли на практике, и, что показательно, первые три нашли не аналитика, а читатели Дзена. Внутренняя аудитория площадки взрослая и язвительная, и именно её комментарии сработали как система контроля качества.

Первой вылезли дубли по словоформам. В семантике не схлопнулись неочевидные повторы одного запроса, и канал получил десятки статей об одном и том же с разными заголовками. Комментарии были соответствующие: «хватит писать одно и то же два месяца». После схлопывания из 9500 ключей осталось около 5000, и однотипная лента исчезла сама собой.

Дальше вскрылось выдумывание чисел. В технических нишах, где много моделей, размеров и параметров, генерация выдавала несуществующие цифры. Читатели реагировали прямо: «вы хоть немного разбирайтесь в том, о чём пишете». Лечится это тем самым обращением к выдаче перед генерацией: сначала модель читает чужие материалы и собирает реальные числа, потом пишет.

Похожая история вышла с актуальностью: в нишах, привязанных к законам, статьи выходили с прошлогодними правилами. Лечится тем же предварительным сбором фактуры.

Самой дорогой ошибкой оказалось оформление, и её не замечали три месяца. Была уверенность, что топу проигрывают по объёму и качеству текста; проверка шла парным сравнением пары сотен своих статей вне топа с парой сотен чужих в топе по тем же запросам. Объём оказался ни при чём: у 9% конкурентов в топе статьи короче трёх тысяч знаков. Разница была в оформлении. При этом списки использовались в 94% собственных статей — но функция конвертации в HTML разбирала заголовки, а строки списка сваливала в обычный абзац. Глазами всё выглядело как список: «1.», «2.», текст. По разметке редактора Дзена списком это не было, и площадка получала сплошное полотно. После починки конвертации картинок стало пять вместо двух, и вместо абстрактных иллюстраций пошла простая инфографика.

Возраст канала весит больше, чем объём публикаций

Разделение по типам каналов даёт самую неудобную цифру всего кейса. У 17 каналов, поднятых с нуля, накопилось 73 500 прочтений, и поиск даёт из них лишь 9%. У 8 каналов, переданных клиентами вместе со старой историей, 59 000 прочтений и доля поиска 46% — при одинаковой дисциплине публикации.

Молодому каналу объём даёт лента, а поиск подтягивается заметно позже. Плюс у свежего канала есть своего рода песочница: по наблюдениям из проекта, от одной до четырёх недель статьи закрыты от индексации. Планировать результат раньше этого срока смысла нет.

Оценка выхода на осмысленный объём поискового трафика тоже отрезвляющая: публикуется от одной до трёх статей в день, то есть 60–90 в месяц на канал, а критическая масса — примерно 500–1000 статей. Это год работы.

Экономика: генерация текста давно не главная статья расходов

Два технических приёма сбивают стоимость генерации в разы, и оба доступны любому, кто ходит в модель по API.

Кэширование промпта. Неизменная часть запроса (правила формата, структура, стилевые запреты, требования к спискам и заголовкам) оплачивается со скидкой до 90% при повторном чтении. В этом проекте на постоянную часть приходится 86% входа — около 13 тысяч токенов; уникального в каждом обращении примерно 5 тысяч знаков: ключ, фактура, ссылки. Кэшируется почти весь промпт.

Пакетная обработка. Ответ приходит не мгновенно, а в течение суток, и это минус 50% к цене. Для конвейера, где статьи публикуются по расписанию, задержка ничего не стоит. Пакетная обработка при этом экономит больше, чем кэширование, а вместе оба приёма дают на входных токенах суммарную скидку, доходящую до 95%.

После этой оптимизации выяснилось, что текст перестал быть основной статьёй расходов. Обложка к статье обходится втрое дороже самого текста. Отсюда решение убрать генерацию иллюстраций внутри статьи: инфографика рендерится из HTML в PNG обычным браузером, что бесплатно и, в отличие от нейросети, безошибочно кладёт русский текст. Нейросетью генерируется только обложка. Основной расход в итоге лежит не в статьях, а в постоянных издержках: серверы и сервисы.

Что Дзен не даёт

Здесь начинается часть, которую в кейсах обычно опускают.

Ссылочного веса нет. Ссылки в теле статьи закрыты, вес не передаётся — ровно как и на других трастовых площадках такого типа. Ссылка в статье нужна для перехода живого человека, а не для ссылочной массы.

Рост видимости сайта клиента не подтвердился. Показательный замер: сайт по электромонтажным работам без всякого SEO, канал под него ведётся с начала июля. По вебмастеру до и после: показы 127 в день против 118, клики 14 в месяц против 19, страниц в поиске было 54, стало 51. За полтора месяца эффекта нет. То же самое по остальным сайтам — перелома в статистике не видно нигде.

Зато на этом же сайте Дзен за август привёл 397 человек, тогда как весь органический поиск самого сайта дал 23. То есть площадка работает как самостоятельный источник трафика, а не как усилитель позиций сайта. Это разные вещи, и путать их не стоит.

Лидогенерация не измерена. Цели на заявки настроены не у всех клиентов, конверсии видны единичные. Пока это история про узнаваемость и дополнительные точки касания, а не про заявки.

Почему все цифры по трафику занижены

В каждой статье зашиты две анкорные ссылки с UTM-метками, анкоры уникальные. По этим меткам за всё время набралось 5283 визита на сайты клиентов, что даёт конверсию из прочтения в переход около 4%. Но метрика часть заходов из Дзена не относит к переходам: реферер не передаётся, и посетитель падает в прямые заходы. Косвенное подтверждение: прямые заходы на сайты клиентов выросли на 41% после старта каналов, при сравнении равных периодов до и после.

Часть этого прироста — боты, часть — живые читатели, которых отчёт по меткам не видит. Точную границу в проекте не проводят, и это честнее, чем приписать весь рост Дзену.

Правила площадки: что можно, а что рискованно

Масштабирование строится на функционале соавторства: администратор может вести чужие каналы легально, и это то, чего нет на большинстве похожих площадок. Именно поэтому проект в итоге сосредоточился на Дзене, хотя начинался шире — с автоматизацией на нескольких площадках сразу. Поддержка зоопарка редакторов и правил оказалась неподъёмной, а на одной из площадок канал регулярно попадал под ограничения коммерческого аккаунта.

Два момента стоит уточнить, потому что цена ошибки здесь — заблокированный канал.

Про количество каналов. В кейсе звучит правило «до пяти каналов на один аккаунт Яндекса». Справка Дзена сейчас говорит другое: к одному Яндекс ID привязывается один канал, для второго нужен отдельный аккаунт. Механика масштабирования при этом сохраняется — она держится не на числе каналов под одним логином, а на доступах и соавторстве. Канал, кстати, передаётся клиенту простой сменой контактов в настройках почты.

Про сгенерированный контент. Позиция практика: запрета на генерацию в правилах нет, есть модерация по качеству, и за 27 каналов и 2224 статьи блокировок не было — кроме канала в изначально запрещённой тематике. История правил площадки выглядит сложнее: в марте 2025 в них появилось прямое разрешение публиковать нейросетевой контент, а в июле того же года это разрешение убрали, вернувшись к прежней формулировке. То есть формального разрешения на генерацию сейчас нет, и работающий конвейер живёт в серой зоне, где фактическим фильтром служит качество текста. Планировать бизнес на этом можно, но с открытыми глазами.

Отдельная деталь про баны: блокировка одного канала не задевает остальные каналы того же владельца. Проверено на собственном заблокированном канале в запрещённой тематике — соседние продолжили работать.

Чем меряется качество, если детекторы врут

Прогон текстов через детекторы ИИ дал ожидаемое: одни сервисы показывают 99% машинного текста, другие — человеческий. От этой метрики в проекте отказались и заменили её реакцией читателей. Пока в комментариях язвительность и претензии к автору — с текстом что-то не так. Когда пласт комментариев меняется на дополнения и обсуждение по существу, качество достигнуто. Косвенно это подтверждает дочитываемость: 80% открывших долистывают статью до конца.

Что из этого забрать себе

1. Мерить позиции статьи не по одному целевому ключу, а по кластеру формулировок вместе с вопросами из её FAQ. Иначе половина результата просто не видна.
2. Строить очередь публикаций от длинных формулировок к коротким, а FAQ собирать из реальных запросов.
3. Не затачивать заголовок под дословное вхождение — в топе так почти никто не делает.
4. Схлопывать словоформы в семантике до старта, иначе канал завалит дублями.
5. Заставить модель читать выдачу перед генерацией: это разом закрывает выдуманные числа и устаревшие нормы.
6. Проверить, что разметка на выходе действительно разметка. Списки, которые выглядят списками только глазами, не считаются.
7. Включить кэширование промпта и пакетную обработку — на входных токенах это до 95% экономии вместе.
8. Считать сроки честно: песочница до месяца, осмысленный поисковый трафик — сотни статей и примерно год.

И держать в голове главную поправку: канал на чужой площадке не поднимает позиции вашего сайта. Он приводит людей напрямую. В кейсе с электромонтажом это 397 человек за месяц против 23 из собственной органики — при том что видимость самого сайта не сдвинулась ни на пункт.