Он-пейдж сущности сверх отметки ~50 токенов, вероятно, почти не влияют на ранжирование

Контент-брифы на базе 100 спарсенных сущностей раздувают ТЗ второсортными терминами с самого дна списка, которые, скорее всего, почти ничего не дают для позиций.

Кайл Руф отмечает, что использует две библиотеки сущностей — NLP API от Google и публичные семантические библиотеки — для извлечения и оценки он-пейдж терминов.

NLP API от Google поддерживает всего около семи языков, поэтому остальные языки закрывают публичные семантические библиотеки.

По опыту Руфа, как только выгрузка переваливает где-то за отметку в 50 терминов или 50 токенов, странице, возможно, уже не нужны 100 сущностей, потому что низкочастотные хвосты в конце списка, вероятно, почти не двигают ранжирование.

К тому же вместо погони за общим количеством сущностей специалистам имеет смысл ранжировать выгруженные сущности по числу вхождений каждого термина и собирать целевой список на основе этих показателей частотности.

Приоритет самым частотным терминам опирается на частотность терминов через скоринг TF (Term Frequency) — механизм, который продолжает работать и сегодня, хотя многие списали его со счетов как устаревший в эпоху ИИ.

Параллельно с оценкой частотности определи, что именно это за термины и в каких зонах страницы они стоят, и отсеки он-пейдж элементы, которые не влияют на позиции.