Заброшенные сущности Графа Знаний отжимают топы. LLM игнорят смену тематики на дропах

Статус заброшенной сущности в Графе Знаний Гугла работает как решающий фактор ранжирования для дропов, который обходит сырые метрики бэклинков и DR, вскрывает Алекс Дрю.

Алгоритм привязывает траст к сохраненной записи сущности.

В жесткой iGaming-вертикали один дроп забрал Топ-1 и генерит около $1M/month чисто за счет следа в Графе Знаний — при том, что имеет посредственный ссылочный профиль и нулевой остаточный трафик.

Вдобавок алгоритмы LLM, похоже, оценивают исторический возраст домена, а не прошлую тематическую непрерывность.

Когда практики вешают упоминания бренда или рекомендательные листинги на трастовый 20-летний домен, этот ассет передает моделям ИИ гораздо больше веса цитирования, чем новорег.

LLM отдают приоритет хронологии домена, а не анализу резкой смены тематики, поэтому унаследованный траст помогает AI Overviews цитировать новые брендовые ассеты.

Зато выкатка восстановленных дропов чисто под тематические карты ловит алгоритмический фильтр после HCU.

Фильтр ранжирования считает разрыв между частоткой брендовых запросов и общих.

Без активных сигналов брендового спроса система сносит ценность домена в ноль и наглухо нейтрализует сайт независимо от того, насколько глубоко проработана семантика.