Любой GEO-аудит начинается с семантики. Не с замера видимости, не с Schema.org, а с того, какие именно 20 запросов мы будем прогонять через Я.Нейро и Google AIO. Если семантика плохая — весь отчёт мусор: ноль показов на нулёвках, искажённые метрики на выдуманных LLM ключах, неработающий план действий.
Wordstat решает эту задачу. Он показывает реальную частотность по Яндексу — сколько раз в месяц этот запрос ищут пользователи. Из 100 черновых ключей оставляет 20 с живым трафиком. В этой статье разберём, зачем Wordstat нужен GEO-аудиту, как фильтровать через 4 intent-сегмента и как программно подключить API.
Зачем GEO-аудиту нужен Wordstat?
Wordstat нужен, чтобы отделить запросы с живым трафиком от выдумок LLM. ChatGPT и YandexGPT охотно генерируют 50 «реалистичных» поисковых фраз, но 15 из них — нулёвки или придуманные конструкции, которых пользователи не ищут. Прогон через Wordstat — это reality check.
Запрос «чатбот» в Wordstat показывает 7371 показ в месяц — реальная коммерческая ёмкость. А запрос «чат-бот для бизнеса стартап b2b», который красиво звучит в LLM-генерации, может оказаться нулёвкой — такую длинную фразу никто буквально не набирает. Без Wordstat-фильтра вы замеряете видимость на запросах, которых не существует. Цифры будут красивые, но к реальному трафику отношения не имеют.
Какие 4 intent-сегмента нужно собрать?
Для качественного GEO-аудита запросы делятся на 4 intent-сегмента: транзакционные, информационные, локальные, сравнительные. Каждый сегмент даёт разные сигналы о видимости бренда. Без баланса между ними картина перекошена — часто люди берут только транзакционные и удивляются нулевому Citation Rate.
Транзакционные — «купить чатбот», «заказать сайт» — пользователь готов платить. Информационные — «как работает чатбот», «что такое GEO» — пользователь учится. Локальные — «чатбот разработка Москва», «сайт под ключ Калуга» — пользователь ищет рядом. Сравнительные — «Salebot vs SendPulse», «лучшие чатботы 2026» — пользователь выбирает.
Идеальный baseline: 5 транзакционных + 6 информационных + 5 локальных + 4 сравнительных. На транзакционных меряем готовность платить, на информационных — узнаваемость, на локальных — локальный спрос, на сравнительных — конкурентную картину. Если в нише локальной привязки нет (SaaS, инфопродукты) — перераспределяйте долю в информационные и сравнительные.
Шаг 1: Где брать черновые ключи?
Черновые 100 ключей собираются из 3 источников: брейнсторм по нише, парсинг своего сайта (тайтлы, H1, мета-описания), Wordstat «вместе ищут». Каждый источник даёт разный угол: брейнсторм закрывает основные интенты, сайт показывает текущий фокус, Wordstat подсказывает смежные запросы.
Брейнсторм делайте в Google Sheets с шапкой «запрос / intent / источник / частотность». Берите 25–30 ключей из головы по 4 интентам. Парсинг сайта: возьмите URL главной и 3–5 продуктовых страниц, выпишите H1 и ключевые фразы из текста — ещё 20–30 ключей. Wordstat «вместе ищут»: вбейте 5 топ-запросов и соберите их smart-расширения — ещё 30–40 ключей.
На выходе — Google Sheet с 100 строками: запрос, intent (предварительно), источник, поле для Wordstat-частотности (пока пустое). Этот файл и есть baseline для следующего шага.
Шаг 2: Как фильтровать через Wordstat?
Прогоните все 100 ключей через Wordstat и заполните колонку «частотность». Это можно сделать вручную через wordstat.yandex.ru — 3–5 секунд на запрос, итого 5–8 минут. Или программно через API за 15 секунд — код ниже в статье.
После прогона — фильтр по частотности. Минимальные пороги зависят от ниши: для b2c и e-commerce — 50 показов в месяц на запрос, для b2b и узких сегментов — 20 показов в месяц. Запросы ниже порога идут в «ослабленный» список — они не попадают в финальные 20, но остаются для контроля.
Дополнительный фильтр — проверка на коммерческий смысл. Запрос «бесплатный чатбот» с частотностью 8500 в месяц технически проходит, но коммерчески для платного SaaS нерелевантен. Запросы со словами «бесплатно», «скачать», «своими руками», «c++» для b2b SaaS обычно отсеиваются — у них не тот intent.
Шаг 3: Классификация по intent через регулярки
После Wordstat-фильтра остаётся 40–60 ключей с живой частотностью. Их нужно классифицировать по 4 intent-сегментам. Вручную — 30 минут. Через регулярные выражения в Google Sheets или Python — 2 минуты.
Транзакционные ловятся по словам «купить», «заказать», «цена», «стоимость», «прайс». Информационные — «как», «что такое», «зачем», «почему», «гайд», «инструкция». Локальные — наличие города в запросе (Москва, СПб, Калуга, etc) или слов «рядом», «у дома», «возле». Сравнительные — «vs», «или», «лучше», «лучшие», «топ», «рейтинг», «обзор».
Если запрос подпадает под два intent (например, «чат-бот купить Москва» — транзакционный + локальный), оставляйте более узкий — здесь локальный. В аудите чем уже intent, тем точнее метрики на этом сегменте. Дубликаты после классификации убираете вручную: «чатбот» и «чат-бот» — это одна и та же фраза, оставляем вариант с большей частотностью.
Шаг 4: Финальный отбор 20 запросов
На вход — 40–60 классифицированных ключей с частотностями. На выходе нужно 20 топ-запросов, сбалансированных по 4 intent-сегментам. Правило отбора: 5 транзакционных + 6 информационных + 5 локальных + 4 сравнительных, внутри каждого сегмента — сортировка по убыванию частотности.
Берёте топ-5 транзакционных с самой высокой частотностью, потом топ-6 информационных, и так далее. Если в каком-то сегменте меньше нужного числа запросов (например, локальных — только 2) — остаток заливаете дополнительными запросами из «перегруженных» сегментов. Чаще всего это информационные — их обычно больше всего.
Конечный набор 20 запросов сохраняется в отдельный Google Sheet «Финальная семантика», который и уходит в runner — скрипт, прогоняющий запросы через Я.Нейро и Google AIO. Каждый запрос помечен intent-сегментом и частотностью, чтобы потом метрики считались отдельно по сегментам.
Как использовать Wordstat API программно?
Wordstat API доступен через Яндекс.Директ API. Нужны: токен OAuth, ID логина в Директе. Бесплатно, без квот в разумных пределах. Регистрация в Директе — 5 минут, баланс пополнять не нужно. После получения токена можно прогонять 100 запросов за 15 секунд.
В aiseen pipeline мы используем именно API — это часть subworkflow, который генерит семантику для каждого нового заказа. YandexGPT генерирует 50 кандидатов, Python-скрипт прогоняет через Wordstat API, отсеивает нулёвки и шум, возвращает 20 финальных запросов с intent-метками. Весь шаг — 90 секунд из общих 15 минут отчёта.
| Метод | Время на 100 запросов |
|---|---|
| Вручную через wordstat.yandex.ru | 5–8 минут (3–5 секунд на запрос) + ручной ввод результатов |
| Через Wordstat API (Python скрипт) | 15–20 секунд + автоматическая запись в таблицу |
| Через парсер браузера (например Key Collector) | 2–3 минуты, но нужна десктоп-программа |
Какие частотности считать «низкими» и пропускать?
«Низкие» — это меньше 30 показов в месяц для b2c/e-commerce и меньше 15 — для b2b и узких ниш. На таких запросах AI-метрики становятся шумными: Trigger Rate скачет от 0 до 100% случайно, Citation Rate теряет статистическую значимость.
В b2b есть исключение — узкоспециализированные технические запросы могут иметь 10–20 показов в месяц, но при этом быть стратегически важными. Запрос «лабораторная центрифуга для ПЦР купить» с частотностью 18 в месяц — это конкретный лид с большим чеком, такие пропускать нельзя. Логика: интервью с продажниками — какие запросы клиенты пишут, попадание в ответ важнее частотности.
«Заоблачные» частотности — 50000+ показов в месяц — тоже подозрительны. Чаще всего это широкие информационные запросы типа «как сделать сайт» или «что такое seo», где AI-ответ покажет крупные образовательные ресурсы (Habr, vc.ru), а ваш бренд там по умолчанию не появится. Их тоже отсеиваем — они нерелевантны для точечной видимости.
Не хотите собирать семантику вручную?
aiseen генерирует семантику автоматически за 15 минут — через YandexGPT + Wordstat API. На выходе: 20 запросов по 4 intent-сегментам, замер Trigger Rate / Brand Mention / Citation Rate, план действий.
Заказать GEO-аудит за 2 990 ₽