Алгоритмы Яндекса: от Матрикснета до Проксимы

Каждый раз, когда Яндекс объявляет о новом алгоритме, рынок делится на два лагеря: одни в панике переписывают тексты, другие говорят «ничего не изменилось» и продолжают закупать ссылки. Правы обычно ни те, ни другие. За двадцать лет поиск прошёл путь от ручных формул до нейросетей, которые понимают смысл запроса лучше, чем автор страницы понимает свою тему. И у этой эволюции есть чёткая логика: от слов — к смыслам, от текста — к пользовательскому опыту. Если вы поймёте эту логику, вам не нужно будет гадать, что придумают в Яндексе дальше. Разберём всю цепочку — Матрикснет, Палех, Королёв, YATI, Проксима — простым языком и с выводами для практики.

Зачем оптимизатору вообще знать алгоритмы

Есть удобная позиция: «алгоритмы — чёрный ящик, изучать их бессмысленно, надо просто делать хорошо». Отчасти верно. Никто снаружи не знает точных весов факторов, и попытка «реверс-инжинирить» ранжирование по десятку выдач — самообман. Но знать принципы, на которых строится машина, нужно по трём причинам.

• Чтобы не тратить бюджет на мёртвые методики. Половина «SEO-советов» в рунете — это окаменевшие практики 2010 года. Плотность ключей, вхождения в точной форме, «прогон по каталогам». Понимание того, что с 2016 года ранжирует нейросеть по смыслу, а не совпадению строк, экономит вам сотни часов и десятки тысяч рублей.
• Чтобы правильно ставить задачи. Если алгоритм оценивает удовлетворённость пользователя, ТЗ копирайтеру «5 вхождений ключа» — это ТЗ в никуда. Задача формулируется иначе: закрыть интент, ответить полнее конкурентов, снять возражения.
• Чтобы диагностировать просадки. Когда трафик падает, надо понимать, что именно сломалось: техника, смысл, коммерция или доверие. Это разные слои, за них отвечают разные части алгоритма и лечатся они по-разному.

Дальше — по порядку. Не как хронологическая справка, а как история одной инженерной задачи: «как научить машину понимать, что человек на самом деле хочет».

До машинного обучения: эпоха формул и её наследие

В начале двухтысячных ранжирование было честной математикой. Релевантность считалась по формулам вроде TF-IDF и BM25: насколько часто термин встречается на странице, насколько он редкий в коллекции документов, какая длина текста. Плюс ссылочные метрики — тИЦ, вес ссылок. Формула была написана людьми, её параметры настраивались вручную, и хороший оптимизатор мог держать её в голове.

Отсюда родились все привычки, которые до сих пор кочуют из статьи в статью: «ключ в первом абзаце», «плотность 3–5%», «вхождение в H1». Это не суеверия — это работавшие когда-то приёмы, у которых закончился срок годности. Проблема ручных формул в том, что их легко обмануть. Нужна тысяча вхождений? Сделаем. Нужны ссылки? Купим. Каждый параметр, о котором знал рынок, немедленно накручивался, и Яндекс оказался в положении, где ручная настройка проигрывала гонку.

Первым серьёзным ударом по накрутке стал не алгоритм ранжирования, а фильтры: «Ты спамный», «Ты последний», «Непот-фильтр», а позже — «Минусинск» и «Баден-Баден». Но фильтры — это лечение симптомов. Требовалось изменить сам способ, которым строится формула.

Матрикснет (2009): формулу больше не пишут люди

Матрикснет — самое недооценённое событие в истории русского SEO. Формально это метод машинного обучения (градиентный бустинг на решающих деревьях), внедрённый в ранжирование Яндекса в 2009 году с алгоритмом «Снежинск». По сути — точка, после которой профессия оптимизатора изменилась навсегда.

Что произошло технически. Раньше инженер писал: «релевантность = вес1 × фактор1 + вес2 × фактор2 + …». После Матрикснета инженер перестал писать формулу вообще. Вместо этого:

1. Асессоры — живые люди по инструкции — размечают тысячи пар «запрос — документ», выставляя оценку релевантности.
2. Система берёт сотни (потом тысячи) факторов документа и запроса.
3. Машинное обучение само подбирает, как их скомбинировать, чтобы предсказанные оценки совпали с оценками асессоров.

Результат — формула, которую не знает ни один сотрудник Яндекса целиком. Она состоит из тысяч деревьев решений и содержит нелинейные зависимости: фактор может работать в плюс на одном типе запросов и в минус на другом. Матрикснет умел строить отдельные формулы под разные классы запросов и регионы — именно с него началось нормальное геозависимое ранжирование и разделение выдачи по типам интента.

Что это изменило для оптимизатора. Три вещи, которые актуальны и сегодня.

• Умер «идеальный текст». Раз формула нелинейна и различается по классам запросов, универсального рецепта «сколько вхождений» не существует физически. Есть только эмпирика по конкретной тематике.
• Появился смысл в анализе выдачи. Раз формула обучена на выдаче, лучший источник знаний о ней — сама выдача. Отсюда выросла вся методология конкурентного анализа в SEO: смотрим, что общего у тех, кто уже в топе, — это и есть «слепок» формулы под ваш класс запросов.
• Началась гонка факторов. Раз машина съедает сотни сигналов, Яндекс мог добавлять новые почти бесплатно. Ссылочные, текстовые, поведенческие, коммерческие — всё пошло в один котёл.

Матрикснет решил задачу «как комбинировать факторы». Но остался фундаментальный барьер: все факторы работали со словами, а не со смыслами. Запрос «чем закрыть трубы в туалете» и страница «декоративный короб для стояка» не пересекались лексически вообще. Поиск был слеп к синонимии.

Палех (2016): первый шаг от слов к смыслам

Название — от жар-птицы на палехской миниатюре: символ редких, «штучных» запросов. Задача Палеха — длинный хвост. Около 40% запросов к Яндексу уникальны: их никто и никогда не задавал в такой формулировке. Статистики по ним нет, кликов нет, поведенческих сигналов нет. Классические текстовые факторы на них работают плохо, потому что человек описывает проблему своими словами, а не терминами из документа.

Палех применил нейросети, чтобы сопоставлять запрос и заголовок документа по смыслу. Технически: и запрос, и title превращаются в векторы — наборы из нескольких сотен чисел, координаты в «пространстве смыслов». Если векторы близки — тексты близки по смыслу, даже если у них нет ни одного общего слова. Модель обучалась на статистике кликов: если по запросу люди кликали на заголовок, значит смыслы близки.

Практический смысл. С Палеха заголовок Title перестал быть просто контейнером для ключей и стал смысловым представителем документа в нейросети. Осмысленный, человеческий, точно описывающий содержание заголовок начал выигрывать у переспамленного. И именно с Палеха стало окупаться писать под редкие вопросные запросы: раньше страница по НЧ-хвосту не находилась, потому что не совпадала лексика, — теперь начала находиться по смыслу.

Ограничение Палеха было очевидным: он смотрел только на заголовок. Тело документа оставалось для нейросети невидимым — на весь текст не хватало вычислительных мощностей.

Королёв (2017): нейросеть добралась до содержимого страницы

Через год Яндекс представил Королёв — прямое развитие Палеха. Ключевых отличий два.

• Анализ всей страницы, а не только заголовка. Векторы теперь считались и для содержимого документа. Причём — заранее, на этапе индексации, а не в момент запроса. Это инженерный трюк, который и позволил масштабироваться: тяжёлые вычисления вынесли из горячего пути.
• Сопоставление запроса с другими запросами. Королёв учитывал, по каким ещё запросам пользователи находили эту страницу и оставались довольны. То есть документ описывался не только своим текстом, но и «облаком» запросов вокруг него.

Вот эта вторая часть — самая недооценённая. Она означает, что страница получает смысловой профиль из поведения пользователей. Если по десяти близким запросам люди приходили на вашу страницу и решали задачу — страница начинает ранжироваться и по одиннадцатому, похожему, которого в её тексте нет вообще.

Выводы для практики. Королёв окончательно легитимизировал подход «одна страница — один интент, но раскрытый полностью». Не «страница под ключ», а страница под задачу пользователя. Отсюда — современная логика сбора семантического ядра: группировать не по морфологии ключей, а по смыслу и по совпадению выдачи. Если по двум запросам выдача Яндекса на 60–70% одинаковая — это один интент и одна страница. Если разная — две страницы, сколько бы ни было общих слов.

Второй вывод: перестала работать логика «наклепаем сто дорвейных страниц под каждый хвост». Нейросеть видит, что страницы про одно и то же, и оставляет одну — обычно не ту, которую вы хотели.

YATI (2020): трансформеры и смерть переспама

YATI (Yet Another Transformer with Improvements) — на сегодня самое значимое изменение текстового ранжирования. В основе — трансформеры, та же архитектура, что стоит за современными языковыми моделями. Яндекс называл YATI крупнейшим улучшением поиска за десять лет, и это, похоже, не маркетинг.

Разница между Королёвым и YATI — как между «понять о чём текст в целом» и «понять текст». Векторные модели усредняли смысл документа. Трансформер работает с контекстом каждого слова: механизм внимания позволяет модели понять, что в фразе «ключ от квартиры» и «гаечный ключ» слово «ключ» означает разное, а «недорого» рядом с «купить» — это коммерческий сигнал, а не просто прилагательное.

Что конкретно умеет YATI и что из этого следует:

• Различает интент по нюансам формулировки. «Ремонт стиральной машины» и «ремонт стиральной машины своими руками» — разные выдачи: коммерческая и информационная. Модель ловит это на уровне контекста, а не по стоп-словам.
• Оценивает связность и полноту ответа. Не количество вхождений, а насколько текст действительно отвечает. Сгенерированная «портянка» из синонимов для трансформера выглядит именно тем, чем является: бессодержательным набором.
• Обесценил переспам полностью. После YATI лишние вхождения не просто не помогают — они ухудшают качество текста в глазах модели и работают в минус. Плюс на страже стоит фильтр Баден-Баден, который выкашивает переоптимизированные страницы.

Именно YATI сделал возможной адекватную работу с текстом в том виде, в каком мы её понимаем сегодня. Правила простые и скучные: писать для человека, отвечать на вопрос раньше, чем читатель устанет, использовать естественный язык и терминологию тематики. Подробно эти механики мы разбирали в материале о том, как писать SEO-тексты правильно — там же про структуру, LSI и типичные ошибки.

Отдельный вопрос, который задают с 2023 года: как YATI относится к текстам от нейросетей? Ответ инженерный: модели всё равно, кто автор, — ей важно, решает ли текст задачу. Проблема ИИ-текстов не в происхождении, а в том, что они по умолчанию средние: пересказывают топ-10 без нового знания. Такой текст проходит по смыслу, но проигрывает по поведенческим. Детали — в разборе про ИИ-тексты на сайте и Яндекс.

Проксима: качество сайта как отдельное измерение

Здесь развилка. Всё, о чём мы говорили выше, отвечало на вопрос «о чём этот документ». Проксима отвечает на другой: «а хорош ли этот сайт вообще». Это не текстовый алгоритм — это метрика качества, которая учитывает удовлетворённость пользователей и характеристики ресурса в целом.

В контур Проксимы, судя по публичным заявлениям Яндекса и наблюдениям рынка, входят:

• удовлетворённость пользователей взаимодействием с сайтом — не отдельным документом, а ресурсом;
• удобство: скорость, отсутствие агрессивной рекламы, адаптивность, читаемость;
• полнота и достоверность информации, экспертность источника;
• коммерческие характеристики для транзакционных сайтов: ассортимент, цены, условия доставки, контакты, доверие.

Ключевой сдвиг — хостовость. Оценка качества переехала с уровня страницы на уровень сайта. Раньше можно было иметь помойку с одной отличной посадочной. Теперь плохой сайт тянет вниз все свои страницы, включая хорошие. Это меняет стратегию: нет смысла вылизывать десять целевых страниц, если остальные пятьсот — мусор. Либо чистите, либо закрывайте от индексации.

Вместе с Проксимой Яндекс запустил Y1 и Y2 — крупные релизы, которые прикрутили к качеству ещё и генеративные ответы, оценку экспертности и умное определение того, чего человек хочет на самом деле. Для рынка практический эффект был один: сайты с хорошим UX и внятной коммерцией пошли вверх, «оптимизированные, но неудобные» — вниз.

Как это всё работает вместе: анатомия одной выдачи

Полезно представлять ранжирование не как один алгоритм, а как конвейер. Упрощённо, когда вы вводите запрос, происходит примерно следующее:

1. Разбор запроса. Определяется язык, регион, тип интента (информационный / коммерческий / навигационный), устройство. Трансформерные модели понимают смысл запроса, включая опечатки и разговорные формулировки.
2. Отбор кандидатов. Из индекса быстро вытаскиваются миллионы документов по лексическим и векторным признакам. Здесь работает наследие Королёва — заранее посчитанные смысловые векторы.
3. Быстрое ранжирование. Лёгкие формулы отсеивают кандидатов до нескольких сотен.
4. Тяжёлое ранжирование. На оставшихся применяется полная формула Матрикснета с тысячами факторов, включая YATI-оценку текстовой релевантности и Проксима-оценку качества хоста.
5. Постобработка. Примешивается колдунщики, карты, товарная выдача, генеративный ответ. Применяются фильтры и понижения. Формируется финальная страница с учётом разнообразия результатов.

Из этой схемы следует важная вещь, которую многие упускают. Вы можете проиграть на любом этапе, и симптом будет выглядеть одинаково — «нас нет в топе». Не попали в кандидаты из-за технических проблем с индексацией? Проиграли по смыслу на YATI? Прошли по тексту, но зарубились на качестве хоста? Это три разные болезни. Именно поэтому диагностика начинается с полноценного SEO-аудита, а не с переписывания текстов «на всякий случай».

Поведенческие факторы: топливо всей системы

Отдельно стоит понять роль поведения, потому что это связующее звено всей эволюции. Матрикснет обучается на асессорских оценках — но асессоров мало и они дорогие. Клики и поведение — бесплатная разметка в промышленных масштабах. Именно поведенческие данные обучали Палех, именно они формируют «облако запросов» в Королёве, именно они лежат в основе метрики удовлетворённости в Проксиме.

То есть поведенческие факторы — это не «ещё один фактор в списке из тысячи». Это сигнал, на котором обучается всё остальное. Что смотрит система: возвраты в выдачу (человек кликнул и вернулся — плохо), последний клик по сессии (нашёл ответ у вас — хорошо), глубину и время, дочитывания, повторные визиты напрямую.

Отсюда — соблазн накрутки. И отсюда же — жёсткость Яндекса: за имитацию поведения прилетает не понижение, а обнуление на 8–12 месяцев, часто с потерей домена. Механики антифрода и реальные последствия мы разбирали в материале про накрутку поведенческих факторов. Коротко: экономика этого мероприятия не сходится ни при каких вводных.

Что работает вместо накрутки — банально и трудоёмко: сделать так, чтобы человек, пришедший из выдачи, получил ответ быстрее и полнее, чем у конкурента. Скорость загрузки, читаемая вёрстка, отсутствие всплывающих окон в первые пять секунд, ответ в первом экране. Про технику — в разборе скорости сайта и Core Web Vitals.

Что осталось неизменным за двадцать лет

Если снять шелуху с названий алгоритмов, обнаруживается забавное: базовые вещи не менялись ни разу. Меняется только точность, с которой Яндекс их измеряет.

• Индексируемость. Если страницу нельзя обойти и проиндексировать, никакой YATI её не спасёт. Технические ошибки убивали трафик в 2005 году и убивают сейчас. Список типовых — в статье про технические ошибки сайта.
• Соответствие интенту. Раньше измерялось совпадением слов, теперь — трансформером. Суть та же: страница должна быть про то, что человек ищет.
• Полнота ответа. Раньше косвенно через объём, теперь через смысловое покрытие и поведение.
• Доверие к источнику. Раньше — ссылки и тИЦ. Теперь — E-A-T-факторы: авторство, контакты, реквизиты, отзывы, упоминания бренда.
• Коммерческая привлекательность. Для транзакционных запросов всегда имели значение цены, ассортимент, условия. Просто теперь это формализовано в коммерческих факторах ранжирования и измеряется машиной.

Вывод, который делает практик: гнаться за каждым новым алгоритмом бессмысленно. Все они — про одно и то же, просто со всё более высокой разрешающей способностью. Раньше можно было обмануть измерительный прибор. Сейчас прибор точный, и единственный способ показать хороший результат — иметь хороший результат.

Что каждый алгоритм отменил: сводка для чек-листа

Компактно, чтобы можно было свериться с собственным подходом.

1. Матрикснет отменил универсальные рецепты. Если кто-то говорит «делай так, и будет топ в любой нише» — он не понимает, как устроена формула. Работайте от анализа конкретной выдачи по конкретной группе запросов.
2. Палех отменил бессмысленные Title. Заголовок — это смысловая аннотация документа для нейросети и обещание для человека. Перечисление ключей через запятую убивает и то и другое.
3. Королёв отменил дорвейное клонирование. Страницы под каждый ключ схлопываются в одну. Группируйте по интенту, а не по морфологии.
4. YATI отменил переспам и «SEO-текст» как жанр. Плотность вхождений — метрика из музея. Полнота и связность — рабочие метрики.
5. Проксима отменила «хорошую страницу на плохом сайте». Качество хостовое. Чистите свалку или закрывайте её от индексации.

Как это переводится в работу: практический протокол

Понимание алгоритмов должно превращаться в действия, иначе это эрудиция, а не экспертиза. Вот как выглядит порядок работы, вытекающий прямо из архитектуры поиска.

1. Сначала — чтобы вас нашли. Индексация, скорость, мобильная версия, корректные коды ответа, отсутствие дублей. Это входной билет, а не конкурентное преимущество. Технический слой — зона ответственности внутренней оптимизации сайта.
2. Потом — структура под интенты. Собираете семантику, кластеризуете по совпадению выдачи, проектируете страницы. Одна страница = одна задача пользователя. Логика в статье про структуру сайта для SEO.
3. Затем — смысл. Пишете так, чтобы страница закрывала интент полнее топ-5. Не длиннее — полнее. Считайте не знаки, а закрытые вопросы и снятые возражения.
4. Дальше — коммерция и доверие. Цены, наличие, условия, гарантии, контакты, реальные отзывы, фото, авторство. Для коммерческих запросов это половина успеха.
5. Параллельно — внешние сигналы. Ссылочное перестало быть главным, но никуда не делось: сегодня оно работает как подтверждение репутации. Актуальные подходы — в разборе ссылочного продвижения 2026.
6. И в конце — итерации по поведению. Метрика, вебвизор, тепловые карты, доработки посадочных. Именно здесь обычно лежит разница между 8-й и 3-й позицией.

Порядок не случайный: каждый следующий пункт бессмыслен без предыдущего. Идеальный текст на непроиндексированной странице стоит ноль. Отличная коммерция на странице под неправильный интент стоит ноль.

Куда всё идёт дальше

Направление читается однозначно. Генеративные ответы прямо в выдаче, Алиса, нулевые клики — доля запросов, где человек получает ответ, не заходя на сайт, растёт. Это плохая новость для тех, кто живёт на чисто информационном трафике общего характера, и почти нейтральная для тех, у кого коммерческий или экспертный контент: продать услугу генеративная выжимка не может.

Второй вектор — персонализация. Формула всё больше учитывает конкретного пользователя: его историю, регион, устройство. «Позиция сайта» как понятие продолжит размываться, и отчёты по съёму позиций будут значить всё меньше, а отчёты по трафику и заявкам — всё больше. Про то, как считать реальную отдачу, есть отдельный материал — ROI от SEO.

Третий — рост веса бренда и репутации. Чем лучше машина понимает смысл, тем сложнее её обмануть текстом и тем важнее становятся сигналы, которые подделать дорого: узнаваемость, прямые заходы, упоминания, отзывы. По сути, SEO сближается с маркетингом в целом, и это возвращает нас к простой мысли: устойчивые позиции даёт не работа с алгоритмом, а работа с бизнесом.

Вывод

Двадцать лет эволюции алгоритмов Яндекса — это история о том, как поиск последовательно закрывал каждую лазейку для тех, кто пытался казаться лучше, чем есть. Матрикснет отобрал у нас формулу. Палех и Королёв — синонимический спам. YATI — переспам. Проксима — возможность прятать плохой сайт за хорошей страницей. Осталось единственное, что нельзя накрутить: реально решать задачу пользователя лучше конкурентов и подтверждать это удобством, экспертностью и коммерческими условиями.

Плохая новость в том, что это долгая, системная и не всегда очевидная работа: техника, семантика, смыслы, коммерция, поведение, репутация — и всё одновременно. Хорошая — в том, что результат, полученный так, не сгорает при следующем апдейте. Если хотите строить продвижение на этой логике, а не на списке устаревших приёмов, посмотрите наши кейсы — там видно, как этот подход выглядит в цифрах, — и приходите за консультацией: разберём вашу нишу и покажем, где именно у вас теряется трафик.