Как построить SEO-кластеры через Claude Code

Что такое контентный кластер

Контентный кластер — это группа страниц вокруг одной темы: большая опорная (pillar) и несколько узких (spoke), связанных перелинковкой. Такая структура даёт поисковику ясный сигнал: сайт разбирается в теме глубоко, а не написал одну статью «для галочки». Плюс кластер распределяет ссылочный вес — опорная страница усиливается за счёт узких и наоборот.

Собирать кластеры вручную мучительно. Надо прочитать каждый запрос, понять его интент, отнести к нужной группе, не создать дубль и не забыть, куда отнёс похожий запрос десять строк назад. На объёме в сотни ключей человек устаёт, теряет систему и начинает кидать запросы «примерно туда». Claude Code не устаёт и держит всю таблицу в поле зрения одновременно, поэтому группировка выходит последовательной от первой строки до последней.

Группировка по интенту, а не по словам

Главная ошибка — кластеризовать по совпадению слов. «Купить кроссовки» и «как выбрать кроссовки» содержат одно слово, но это принципиально разный поисковый интент: коммерческий и информационный. Их нельзя вести на одну страницу — Google покажет по «как выбрать» статью, а по «купить» карточку товара, и универсальная страница проиграет обеим.

Прочитай keywords.csv (колонки: запрос, частотность).

Раздели запросы на группы по ИНТЕНТУ, не по словам:
- информационные («что такое», «как», «почему»)
- коммерческие («купить», «цена», «заказать», «под ключ»)
- навигационные (бренды, конкретные названия)

Внутри каждой группы собери тематические кластеры.
Для каждого кластера: название темы, список запросов,
суммарная частотность. Сложи в clusters.md.

Модель разносит «как выбрать» и «купить» по разным веткам сама, ориентируясь на смысл, а не на маску. Если запрос неоднозначный — например, «CRM для магазина» может быть и обзором, и покупкой, — она либо пометит его как спорный, либо спросит уточнение. Это ровно то, чего не умеет механическая группировка в Excel по вхождению слова.

Практический совет: не сваливайте в один промпт всю тысячу запросов, если тема разношёрстная. Разбейте выгрузку по крупным направлениям — «реклама», «аналитика», «контент» — и группируйте каждое отдельно. Так модель точнее держит контекст, а вы получаете чистые кластеры без случайных склеек между далёкими темами. Потом эти куски легко собрать в общую карту сайта. На маленьком ядре в пару сотен строк это не нужно, но на большом проекте разбивка заметно поднимает качество разметки.

Схема pillar-spoke

Когда кластеры готовы, назначаем роли страницам. Для каждой темы одна pillar-статья закрывает её широко и обзорно, а spoke-статьи детально разбирают узкие подзапросы. Читатель приходит на узкую статью из поиска, а по ссылке переходит на опорную за полной картиной.

Попросите: «для каждого кластера предложи 1 pillar и 4–6 spoke, укажи основной запрос и заголовок H1 для каждой». Так за один проход вы получаете скелет целого раздела сайта — не разрозненные статьи, а связанную структуру с понятной иерархией. Дальше её остаётся наполнить. Логику наращивания трафика через такие структуры разбирали в статье про рост SEO-трафика.

Карта перелинковки

Кластер без перелинковки — просто папка со статьями, которые не знают друг о друге. Ссылки внутри кластера и передают вес, и ведут читателя дальше по теме, повышая глубину просмотра. Claude Code строит карту ссылок автоматически, потому что видит все статьи разом и понимает, какие темы близки.

По clusters.md составь карту перелинковки:
- каждая spoke ссылается на свою pillar
- pillar ссылается на все свои spoke
- добавь 1–2 логичные ссылки между близкими spoke
Выведи таблицей: откуда → куда → анкор.

Готовую карту удобно сразу отдавать райтерам как часть ТЗ или использовать при генерации: каждая новая статья уже знает, на кого сослаться, и вам не приходится потом вручную сшивать раздел ссылками постфактум.

Техзадания на статьи

Финальный шаг — превратить кластер в очередь конкретных задач. Для каждой статьи нужно ТЗ: основной и дополнительные запросы, структура из H2, ссылки внутри кластера, тезисы. Без ТЗ статьи получаются разнородными и не закрывают запросы целиком.

Для каждой spoke из кластера «email-маркетинг» сделай ТЗ:
- H1 и title
- основной запрос + 5 LSI-запросов из keywords.csv
- план из 6–8 H2
- на какие статьи кластера сослаться
Сложи в briefs/ по файлу на статью.

Дальше ТЗ можно писать руками, отдавать копирайтеру или сразу генерировать SEO-статьи через Claude Code. Кластер связывает всю цепочку производства: от сырого запроса до готового текста, у которого уже правильно расставлены внутренние ссылки. Ничего не теряется на стыках между этапами.

Проверка на каннибализацию

Обратная сторона большого числа статей — каннибализация, когда две страницы борются за один запрос и в итоге проседают обе: поисковик не понимает, какую показывать, и понижает обе. На объёме это легко пропустить вручную. Попросите модель: «найди в clusters.md кластеры, которые целятся в один и тот же интент, — их надо склеить или развести».

Один интент — одна страница. Если две статьи можно спутать по смыслу, поисковик их тоже спутает — и не покажет ни одну как следует.

Claude Code ловит пересечения по смыслу, а не только по совпадению слов, и предлагает решение: объединить две тонкие статьи в одну сильную либо чётче развести их фокус. Это тот самый аудит, который команды обычно откладывают «на потом» и который на практике спасает от необъяснимых просадок трафика.

Масштаб и поддержка

Собранная структура не статична: появляются новые запросы, старые темы разрастаются, часть статей устаревает. Раз в месяц докидывайте свежую выгрузку и просите: «впиши новые запросы в существующие кластеры или предложи новый кластер, если тема не помещается». Так контент-план растёт органично, а не переписывается с нуля каждый квартал.

Для больших проектов имеет смысл держать всё семантическое ядро в одном структурированном файле или подключить таблицу через MCP. Claude Code переваривает и тысячи строк, если данные аккуратно размечены по колонкам, и на каждом прогоне отдаёт не свалку, а обновлённую карту с пометками, что создать и что дописать.

Отдельно держите в поле зрения приоритет. Не все кластеры равноценны: одни закрывают горячий коммерческий спрос и быстро окупаются, другие — далёкий информационный, который работает вдолгую. Попросите модель отсортировать кластеры по суммарной частотности и близости к покупке, чтобы в производство первыми уходили те, что раньше принесут лиды. Так семантическая структура превращается не просто в карту, а в приоритизированную дорожную карту контента на квартал вперёд.