Search Intent / NLI (Natural Language Intent)

Что такое Search Intent / NLI (Natural Language Intent)?

Search Intent (поисковое намерение) — это цель, которую пользователь преследует, формулируя запрос в поисковой системе или генеративном ИИ.

NLI (Natural Language Intent, намерение на естественном языке) — это то же самое намерение, но выраженное разговорной, развёрнутой фразой, характерной для общения с языковыми моделями. Оба термина описывают один объект: почему пользователь обратился к системе и какой результат он ожидает получить.

Понятие относится к области AI Search и является ключевым для GEO. В классическом SEO намерение определяет тип контента (информационный, транзакционный и т.д.). В генеративном поиске NLI усложняется: модель должна не просто классифицировать запрос, но и понять его контекст, ограничения, скрытые подразумевания. От точности распознавания намерения зависит, какой контент будет найден, отобран и включён в ответ.

Важно: Search Intent — это не ключевое слово, а его смысловая функция. Один и тот же интент может выражаться десятками формулировок. NLI подчёркивает именно естественно-языковую природу этих формулировок в генеративных системах.

Как это работает?

Распознавание намерения в генеративных системах происходит на этапе Query Understanding, предшествующем retrieval:

Пользовательский ввод (Query / Prompt)

→ Query Understanding (разбор намерения и сущностей)

→ Retrieval (поиск документов по смыслу)

→ Grounding (отбор фрагментов)

→ Generation (формирование ответа)

→ Citation (по желанию)

Модель анализирует промпт с помощью NLP-алгоритмов: выделяет ключевые сущности, определяет тип действия (узнать, сравнить, купить, найти), извлекает условия и ограничения (цена, срок, регион), учитывает контекст диалога. Результатом является векторное представление намерения, которое сопоставляется с векторными представлениями документов в индексе.

Классические типы намерений:

• Информационное — узнать, понять, научиться. Промпты: «что такое», «как работает», «почему».
• Навигационное — найти конкретный сайт или ресурс. Промпты: «официальный сайт X», «личный кабинет Y».
• Транзакционное — совершить действие (купить, скачать, заказать). Промпты: «купить», «заказать», «скачать бесплатно».
• Сравнительное — выбрать лучший вариант. Промпты: «X или Y», «что лучше для», «сравнение».
• Рекомендательное — получить совет. Промпты: «посоветуйте», «какой выбрать», «лучший для новичка».

В генеративном поиске часто встречаются смешанные намерения, когда пользователь хочет и понять, и выбрать, и купить, но всё в одном диалоге.

Как это связано с GEO?

Связь: прямая и базовая. GEO начинается с анализа Search Intent / NLI: вы должны знать, зачем пользователь задаёт вопрос, чтобы дать модели контент, который она сможет использовать для удовлетворения этого намерения.

GEO воздействует на распознавание намерения и последующее извлечение следующим образом:

• Соответствие контента намерению. Если страница оптимизирована только под информационные запросы («что такое CRM»), она не будет релевантна для транзакционного промпта («купить CRM для малого бизнеса»). GEO требует создавать контент для каждого типа намерения или явно разводить их по разным страницам.
• Покрытие вариаций NLI. Генеративные системы сталкиваются с разными формулировками одного и того же намерения. GEO рекомендует включать в контент синонимичные фразы, разговорные обороты, уточняющие подзаголовки, чтобы модель могла сопоставить ваш документ с любым вариантом промпта.
• Структурирование под намерение. Для информационного намерения нужны прямые ответы и определения; для сравнительного — таблицы и списки; для транзакционного — цены, кнопки, условия. GEO адаптирует структуру страницы под преобладающий тип интента.
• Работа с этапами воронки. Намерение меняется от верхнеуровневого («что такое») к нижнеуровневому («купить»). GEO распределяет контент по этапам, чтобы модель могла подхватывать пользователя на любом этапе.

Таким образом, правильное определение намерений — первый шаг к тому, чтобы ваш контент был выбран моделью и включён в ответ.

Почему это важно для бизнеса?

Ошибка в определении намерения означает, что вы создаёте контент, который не отвечает на реальный запрос пользователя. В классическом SEO это приводило к низкому CTR и отказам. В генеративном поиске это приводит к тому, что модель просто не выбирает ваш документ как релевантный, и вы невидимы.

Причинно-следственная цепочка:

Точный анализ Search Intent / NLI

→ Создание контента, соответствующего намерению

→ Повышение семантической релевантности документа запросу

→ Попадание в retrieval и grounding

→ Включение в ответ ИИ

→ Упоминание, цитирование, рекомендация

→ Рост видимости, трафика, конверсий

Практическое значение:

• Эффективность контента. Каждая страница решает конкретную задачу пользователя, а не «обо всём понемногу».
• Улучшение качества трафика. Из AI-систем приходят пользователи, чьё намерение точно совпало с вашим контентом, поэтому конверсия выше.
• Конкурентное преимущество. Если конкуренты не различают намерения и не адаптируют контент, вы можете занять их место в ответах.
• Экономия ресурсов. Понимание намерения позволяет не создавать лишние страницы, а дорабатывать существующие под конкретные типы промптов.

Ограничение: намерение пользователя не всегда очевидно из формулировки. Двусмысленные промпты («купить телефон» — какой? зачем?) требуют от модели уточняющих вопросов, и здесь бизнес не может напрямую влиять на ответ, кроме как создавая контент, который покрывает возможные интерпретации.

Как применять на практике?

Алгоритм работы с Search Intent / NLI для GEO:

Шаг 1. Соберите репрезентативные промпты

• Используйте поисковые подсказки, вопросы из соцсетей, форумов, поддержки.
• Анализируйте логи переходов из AI-систем, если они доступны.
• Соберите разговорные формулировки через интервью с клиентами.

Шаг 2. Классифицируйте намерения

• Для каждого промпта определите тип: информационное, транзакционное, сравнительное и т.д.
• Выделите смешанные намерения, которые требуют комплексного контента.
• Составьте карту: кластеры промптов → типы намерений → целевые страницы.

Шаг 3. Приведите контент в соответствие намерению

• Для информационных промптов: добавьте блок прямого ответа, определения, пошаговые инструкции.
• Для сравнительных: создайте таблицы, списки плюсов и минусов, объективные критерии.
• Для транзакционных: укажите цены, наличие, условия покупки, добавьте призыв к действию.
• Для рекомендательных: включите блок «Кому подойдёт», «Почему выбирают нас», примеры использования.

Шаг 4. Покрывайте вариации NLI

• В тексте используйте синонимы и разговорные фразы, характерные для естественных промптов.
• Добавьте FAQ-блок с вопросами, которые пользователи задают в чатах, а не только в поиске.
• Включайте уточняющие подзаголовки, отвечающие на вероятные продолжения диалога.

Шаг 5. Тестируйте и корректируйте

• Задавайте собранные промпты в ChatGPT, Perplexity, Gemini и проверяйте, появляется ли ваш контент.
• Если нет, проверьте, соответствует ли структура страницы ожидаемому намерению, и адаптируйте её.

Роли:

• SEO/GEO-специалист — сбор и классификация промптов, определение намерений, контроль соответствия.
• Контент-менеджер — написание контента под конкретные намерения, использование естественных формулировок.
• Аналитик — обработка данных о поведении пользователей из разных источников.

Пример

SaaS: сервис онлайн-бухгалтерии

Было: компания имела страницу «Возможности сервиса», оптимизированную под информационные запросы. Однако пользователи в ИИ спрашивали: «Какую онлайн-бухгалтерию выбрать для ИП на УСН без сотрудников?» — это смешанное намерение: сравнительное + транзакционное. Страница не отвечала на такой промпт, и сервис не упоминался в ответах.

Сделали:

• Создали отдельную страницу «Онлайн-бухгалтерия для ИП на УСН без сотрудников».
• В начале страницы дали прямой ответ: «Для ИП на УСН без сотрудников оптимален сервис X: тариф от 1500 руб./мес., автоматический расчёт налога, отправка декларации, поддержка в чате».
• Добавили сравнительную таблицу с двумя конкурентами по критериям: цена, функции, ограничения.
• Включили FAQ с вопросами «Нужна ли онлайн-бухгалтерия, если нет сотрудников?», «Какой тариф выбрать?».
• Внедрили разметку Product и FAQPage.

Как это работает: модель распознаёт смешанное намерение, retrieval находит страницу благодаря релевантности, grounding выбирает блок с прямым ответом и таблицу сравнения, генерация рекомендует сервис X, citation даёт ссылку.

Потенциальный результат: сервис начинает регулярно упоминаться в ответах на промпты о выборе онлайн-бухгалтерии для ИП, растёт число переходов и регистраций.

Метрики, стандарты и ограничения

Метрики

Общепринятых метрик именно для Search Intent не существует. Используются:

• Покрытие намерений — доля целевых намерений, по которым ваш контент присутствует в ответах ИИ.
• Точность классификации — насколько точно вы определили тип намерения (проверяется через тестовые промпты).
• Share of AI Voice по типам намерений — отдельно для информационных, сравнительных, транзакционных.
• Конверсия по намерениям — какие типы промптов приводят к целевым действиям.
• Динамика новых NLI — появление новых формулировок и намерений.

Стандарты

• org — особенно Product, FAQPage, Article — для явного указания типа контента, что помогает модели понять намерение.
• Семантическая разметка — использование HTML5-тегов (article, section, aside) для смысловой структуры.
• UTM-метки — для атрибуции переходов по разным типам промптов.

Что известно достоверно

• Генеративные модели понимают намерение по семантике, а не по отдельным ключевым словам.
• Контент, не соответствующий намерению запроса, не будет отобран моделью, даже если содержит ключевые слова.
• Намерения в генеративном поиске чаще выражены разговорными длинными фразами.

Распространённая практика (не строго доказано)

• Использование разговорных оборотов в контенте повышает релевантность для NLI.
• Покрытие всех типов намерений по важной теме увеличивает общую видимость в AI Search.

Гипотезы

• Точные алгоритмы взвешивания намерений внутри модели неизвестны.
• Возможно, что персонализация изменяет интерпретацию намерения у разных пользователей.

Связанные понятия

• Prompt Universe — множество всех возможных промптов; Search Intent — это классификация этих промптов по целям.
• Query Understanding — этап обработки запроса, на котором модель извлекает намерение.
• Semantic Search — поиск по смыслу, основанный на понимании намерения.
• Entity — сущность, связанная с намерением; распознавание сущностей помогает модели уточнить цель пользователя.
• Long-tail Keywords — длинные фразы, часто выражающие конкретное намерение.
• AI Mention — результат соответствия контента намерению: упоминание бренда в ответе.
• Zero-Click Search — ответ без перехода, который возможен только если модель точно поняла намерение.
• Content Strategy — стратегия контента, построенная на классификации намерений.

Не путать с: семантическим ядром. Семантическое ядро — это набор ключевых слов, а Search Intent — это цель, стоящая за этими словами. Одно ядро может содержать запросы с разными намерениями.