Все 2 550 запросов прошли через три метода кластеризации: Soft, Hard и NeuroSemantic (полный пайплайн SERP → GPU HAC → Intent)
Soft-кластеризация
Проблемы
Полный пайплайн
Преимущества
Больше одиночек — потому что SERP-кластеризация строже: если выдача не совпадает, запрос не попадёт в кластер. Зато каждый кластер гарантированно можно продвигать на одной странице.
Hard-кластеризация
Проблемы
Запрос «скуд» через разные методы кластеризации
Soft и Hard не различают интенты — все запросы в одной куче
Коммерческий интент
1 577 запросов · 235 кластеров
Информационный интент
973 запроса · 141 кластер
Soft и Hard возвращают 0 кластеров с интентом — классификация отсутствует. Из 2 550 запросов NeuroSemantic классифицировал 2 038 (1 577 + 973 с учётом пересечений кластеров); 512 запросов остались в «Без группы» — SERP не совпал.
376 кластеров NeuroSemantic — и как те же запросы распределились в Soft и Hard
Нажимайте на группы чтобы свернуть/развернуть запросы
Загрузите CSV с запросами — NeuroSemantic соберёт SERP, сгруппирует и расставит интенты автоматически
Открыть NeuroSemanticBotВсе 2 550 запросов из ниши «СКУД» прошли через Soft и Hard кластеризацию (Яндекс, Москва, ТОП-10, count=3) и полный пайплайн NeuroSemantic (SERP → GPU HAC → Intent Classification). Дата: 31.03.2026