Какие поведенческие факторы учитывает Яндекс при ранжировании?

Что такое поведенческие факторы и откуда они появились

Поведенческие факторы — это сигналы ранжирования, которые Яндекс получает из реального взаимодействия пользователей с выдачей и страницами сайта: кликнул или нет, остался или вернулся, прочитал или закрыл через несколько секунд.

До середины 2000-х поисковики ранжировали страницы преимущественно по текстовым и ссылочным сигналам. Принцип работал, пока SEO-индустрия не научилась его имитировать: тексты набивались ключевыми словами, ссылочные биржи штамповали обратные ссылки тысячами. Алгоритм получал «правильные» сигналы с нерелевантных страниц — и пользователи видели в топе мусор.

Ответом стал переход к пользовательским сигналам. Яндекс начал встраивать поведенческие данные в формулу ранжирования в конце 2000-х — первые публичные упоминания этого подхода относятся к периоду около 2009–2011 годов. Логика простая: если пользователь кликает на сайт и сразу возвращается в выдачу — страница не решила его задачу, и никакой текстовый анализ это не скроет. Если остаётся, листает разделы, возвращается снова — значит, контент работает. Яндекс — официальный блог для вебмастеров

Механика сбора сигналов строится на данных из браузера, поисковой строки и собственных сервисов Яндекса. Каждый поисковый сеанс оставляет след: по какой позиции кликнул пользователь, сколько времени провёл на странице, вернулся ли к результатам, выбрал ли другой сайт после. Эти данные агрегируются по тысячам сессий — единичное поведение не меняет позиций, но статистически значимое отклонение от нормы по запросу фиксируется алгоритмом.

Со временем модель усложнялась. Простой CTR (кликабельность) оказался легко накручиваемым — и Яндекс перешёл к многомерным поведенческим моделям на базе машинного обучения, где учитывается не один сигнал, а их комбинация в контексте конкретного запроса, региона, устройства и типа страницы. Апдейты «Минусинск» (борьба с покупными ссылками) и «Баден-Баден» (борьба с переоптимизированными текстами) шли параллельно с усилением веса поведенческих факторов — поисковик последовательно снижал ценность сигналов, которые легко подделать, и повышал вес тех, которые отражают реальный пользовательский опыт.

Механика изнутри: как Яндекс собирает и обрабатывает поведенческие сигналы

Яндекс собирает поведенческие данные из нескольких источников одновременно: Яндекс.Браузер, поисковый счётчик Метрики, мобильные приложения, а также собственная поисковая оболочка. Каждый раз, когда пользователь кликает по результату выдачи, прокручивает страницу или возвращается обратно в поиск — это событие фиксируется и попадает в общий пул сигналов Яндекс Реклама — учёт поведенческих факторов на поиске. Пул огромный: Яндекс обрабатывает миллионы сессий ежедневно, что позволяет усреднять сигналы и фильтровать аномалии.

Сигналы делятся на два уровня. Первый — on-SERP сигналы: что происходит прямо на странице выдачи. CTR (кликабельность сниппета), позиция клика, время до возврата в поиск — всё это Яндекс видит без участия самого сайта. Второй уровень — on-site сигналы: глубина просмотра, время на странице, скролл, повторные визиты. Эти данные Яндекс получает через счётчик Метрики, установленный на сайте, и через браузерные данные. Если счётчика нет — on-site картина для Яндекса неполная, он опирается только на SERP-данные.

Агрегация работает по принципу статистической нормализации: один пользователь, который открыл страницу и сразу закрыл, не «утопит» сайт. Яндекс усредняет поведение по сотням и тысячам сессий на конкретный запрос, отсекает ботов и аномальные паттерны через статистические модели. Накрутка поведенческих факторов обычно заканчивается фильтром именно потому, что алгоритм видит статистически нетипичный паттерн: слишком высокий CTR при низкой релевантности или идеальное время на странице без вариабельности.

Нейросетевые модели Яндекса, в частности алгоритм YATI, интерпретируют поведенческие паттерны не как отдельные метрики, а как связанные сигналы в контексте запроса. Один и тот же показатель отказов означает разное для новостного сайта (пользователь прочитал и ушёл — нормально) и для карточки товара (пользователь ушёл искать дальше — плохо). YATI учитывает тип запроса и ожидаемое поведение для него Яндекс Реклама — учёт поведенческих факторов на поиске.

Временное измерение тоже неоднородно. Краткосрочные сигналы (дни) реагируют быстро: если страница резко набирает кликабельность после обновления сниппета, Яндекс замечает это в течение нескольких дней. Долгосрочные сигналы (месяцы) формируют устойчивую репутацию страницы — они весят больше при ранжировании конкурентных запросов, где краткосрочные флуктуации сглаживаются.

Персонализация добавляет ещё один слой. Индивидуальные поведенческие данные конкретного пользователя влияют на его личную выдачу: Яндекс запоминает, какие сайты человек посещал повторно, на каких задерживался дольше. Это означает, что позиции в выдаче не одинаковы для всех — два человека с разной историей поиска видят разный топ по одному запросу. Для SEO-специалиста это важный нюанс: замер позиций через личный браузер без учёта персонализации даёт искажённую картину.

Ключевые поведенческие факторы и их вес в ранжировании

Поведенческие факторы — не монолитный показатель, а набор отдельных сигналов, каждый из которых Яндекс взвешивает по-разному в зависимости от типа запроса. Для информационных страниц решающую роль играет одна группа метрик, для коммерческих — другая.

• CTR в выдаче. Яндекс сравнивает фактический CTR сниппета с ожидаемым для данной позиции. Если страница на 3-й позиции собирает кликов значительно меньше, чем типичная страница на этом месте, — это сигнал слабого сниппета. Алгоритм не просто фиксирует абсолютный CTR: он оценивает отклонение от нормы. Поэтому заголовок и описание влияют на ранжирование напрямую, а не только на трафик.
• Время до возврата (dwell time). Если пользователь кликнул по результату, провёл на странице очень мало времени и вернулся в выдачу — Яндекс интерпретирует это как сигнал нерелевантности. Критический порог здесь не фиксированный: алгоритм учитывает тип запроса. По рецепту достаточно нескольких секунд, по сложному B2B-вопросу — нескольких минут. Сам факт быстрого возврата в поиск — отрицательный сигнал.
• Показатель отказов в понимании Яндекса. Яндекс определяет «отказ» на поиске иначе, чем Яндекс.Метрика: для поисковика отказ — это возврат на страницу результатов без взаимодействия с сайтом, а не просто одностраничный визит без событий. Пользователь может просмотреть одну страницу, не кликнуть никуда, но при этом провести на ней несколько минут — для Яндекса это не отказ.
• Глубина просмотра. Количество страниц за сессию значимо для коммерческих сайтов: пользователь, который просматривает несколько карточек товара или переходит из каталога в корзину, демонстрирует вовлечённость. Для информационных запросов этот сигнал менее весом — читатель часто приходит за одним ответом и уходит.
• Повторные визиты и брендовые запросы. Пользователи, которые возвращаются на сайт напрямую или ищут его по названию, — сильный сигнал лояльности. Яндекс учитывает брендовые запросы как индикатор качества ресурса: если аудитория запоминает сайт и ищет его специально, это коррелирует с полезностью контента.
• Прокрутка страницы (scroll depth). Косвенный сигнал вовлечённости — доля страницы, которую пользователь прокрутил. Длинный текст, который читают до конца, даёт положительный сигнал. Страница, которую открывают и закрывают в первом экране, — отрицательный.
• Кликовые паттерны внутри сайта. Переходы по внутренним ссылкам, навигации и CTA-кнопкам говорят о том, что пользователь нашёл нужное и продолжает взаимодействие. Сайт, где пользователи стабильно уходят с посадочной страницы вглубь, получает лучшие поведенческие оценки, чем сайт с такими же внешними метриками, но нулевой внутренней навигацией.

Пример: страница на 3-й позиции по запросу «купить ноутбук» собирает CTR заметно ниже медианного для этой позиции. Яндекс интерпретирует это как сигнал слабого сниппета и может понизить страницу, даже если по ссылочным и текстовым сигналам она сильная.

Оценка значимости в таблице — относительная: Яндекс не публикует точные веса факторов, и они меняются в зависимости от конкретной ниши и конкурентной среды в выдаче. На практике это означает, что для блога с длинными статьями приоритет — dwell time и scroll depth, для интернет-магазина — глубина просмотра и повторные визиты.

Реальные кейсы: как поведенческие факторы меняли позиции сайтов

Ниже — четыре ситуации из практики. Не идеальные кейсы с красивыми графиками, а реальные сценарии, где изменение одного поведенческого сигнала сдвигало позиции. В каждом случае диагностика начиналась с Яндекс.Метрики — потому что именно там видно, что пользователи делают после клика.

Интернет-магазин бытовой техники. Сайт стабильно держался на 4–6 позициях по высококонкурентным запросам, но трафик не рос. В Метрике открыли отчёт «Источники → Поисковые системы → Поисковые фразы» и сравнили CTR по группам запросов. Выяснилось: title и description были написаны под ключевые слова, но не под пользователя — без цены, без выгоды, без призыва. После переработки сниппетов CTR на ряде категорийных страниц вырос заметно, позиции подтянулись на 1–2 строки в течение нескольких недель. Механика простая: Яндекс фиксирует, что страница получает кликов больше, чем ожидается для её позиции, и воспринимает это как сигнал релевантности.

Информационный портал. Показатель отказов на главных посадочных страницах держался на уровне выше семидесяти процентов — пользователи уходили в первые секунды. Через тепловые карты (Яндекс.Метрика → «Вебвизор») стало видно: первый экран занимал рекламный баннер, а полезный контент начинался ниже сгиба. После редизайна первого экрана — убрали баннер, вынесли ключевой ответ на запрос в заголовок и первый абзац — показатель отказов снизился примерно вдвое. Трафик по информационным запросам начал расти через несколько недель. Здесь сработал не только показатель отказов сам по себе, но и время на странице: пользователи стали дочитывать материал, а не закрывать его.

B2B-сайт. Конкурентные запросы с длинным циклом принятия решения — услуги в сфере промышленного оборудования. Страницы были текстовыми «простынями» без структуры. Метрика показывала: пользователи уходили примерно на середине страницы. После добавления якорного меню, разбивки на блоки с подзаголовками и таблицы сравнения решений время на странице увеличилось. Яндекс.Метрика → «Карта скроллинга» подтвердила: пользователи стали доходить до блока с формой заявки. По ряду конкурентных запросов позиции выросли на 3–5 строк за месяц-полтора. Dwell time — время между кликом в выдаче и возвратом в поиск — вырос, что Яндекс считает сигналом удовлетворённости запроса.

Локальный бизнес. Небольшая компания в нише ремонта техники в одном городе. При алгоритмических обновлениях конкуренты теряли позиции, этот сайт держался. Причина обнаружилась в Метрике: доля прямых заходов и брендовых поисковых запросов была заметно выше, чем у среднего локального сайта. Пользователи возвращались — искали именно эту компанию. Повторные визиты и брендовый спрос Яндекс воспринимает как сигнал лояльности аудитории: такие сайты устойчивее к алгоритмическим колебаниям, потому что их поведенческий профиль не зависит от случайного трафика.

Общая закономерность во всех четырёх случаях: диагностика через Метрику предшествовала любым изменениям. Отчёты «Вебвизор», «Карта скроллинга», «Источники трафика» и сегментация по поведению — это не дополнение к SEO-работе, а её отправная точка.

Частые ошибки: что разрушает поведенческие сигналы на практике

Шесть ошибок, которые стабильно встречаются на сайтах с просевшими позициями — и каждая из них бьёт по поведенческим сигналам по-своему.

• Накрутка поведенческих факторов через биржи. Яндекс детектирует аномальные паттерны: слишком равномерный CTR, нетипичная глубина просмотра, подозрительные временные интервалы между сессиями. Алгоритм сравнивает поведение «накрученных» пользователей с реальной аудиторией запроса — и расхождение фиксируется как манипуляция. Итог — фильтр без предупреждения, после которого страницы проседают в выдаче на несколько месяцев. Яндекс официально предупреждал: накрутка ПФ считается нарушением правил и влечёт санкции Яндекс Реклама — учёт поведенческих факторов на поиске.
• Сниппет обещает одно, страница даёт другое. Завышенный CTR в сочетании с высоким показателем отказов — токсичная комбинация. Яндекс видит: пользователь кликнул, вернулся через несколько секунд и выбрал другой результат. Это прямой сигнал несоответствия ожиданий. Проверить легко: Яндекс.Метрика → «Источники» → «Поисковые фразы» → сортировка по показателю отказов. Фразы с отказом выше среднего по сайту — кандидаты на переработку сниппета или самой страницы.
• Медленная загрузка мобильной версии. Пользователь не ждёт — он уходит. Медленный первый экран на мобильном сокращает время на странице ещё до того, как человек прочитал хоть строчку. Это усиливает негативный поведенческий сигнал: короткий визит + возврат в поиск. Проверить скорость можно через PageSpeed Insights — он покажет, где конкретно теряются секунды: неоптимизированные изображения, блокирующие скрипты, отсутствие кэширования.
• Агрессивные поп-апы и рекламные блоки в первом экране. Оверлей с подпиской или баннер на полэкрана при входе — и пользователь закрывает страницу раньше, чем видит контент. Dwell time падает до нескольких секунд. В Метрике это видно через тепловую карту (Heatmap) и вебвизор: большинство сессий обрываются сразу после загрузки. Если поп-ап нельзя убрать полностью — сдвиньте его триггер на глубину прокрутки или на время пребывания не менее 30 секунд.
• Слабая внутренняя перелинковка. Пользователь дочитал статью или просмотрел карточку товара — и не нашёл следующего шага. Нет ссылок на смежные материалы, нет перехода к похожим товарам, нет логичного продолжения. Он уходит с сайта вместо того, чтобы перейти на вторую страницу. Глубина просмотра остаётся равной единице. Для продвижения в Яндексе это один из самых дешёвых в реализации рычагов: добавить блок «Читайте также» или «Похожие товары» — задача на несколько часов, а поведенческий эффект заметен уже через несколько недель.
• Оптимизация только под десктоп при мобильной аудитории. Если большинство трафика приходит с мобильных устройств, а сайт адаптирован под десктоп формально — разрыв в поведенческих метриках между устройствами будет значительным. Яндекс.Метрика → «Технологии» → «Устройства» покажет, где отказ выше, а время на сайте — ниже. Если мобильный отказ в полтора-два раза превышает десктопный — это сигнал, что мобильная версия требует отдельной работы, а не просто «адаптивной» вёрстки.

Поведенческие факторы в Яндексе vs Google: в чём принципиальная разница

Яндекс и Google по-разному относятся к поведенческим факторам — не только в теории, но и на уровне архитектуры сбора данных.

Яндекс открыто признаёт поведенческие сигналы значимым фактором ранжирования Яндекс Реклама — учёт поведенческих факторов на поиске. Это не случайно: у Яндекса есть собственная замкнутая экосистема — Метрика установлена на значительной доле российских сайтов, Яндекс.Браузер собирает данные о сессиях, мобильные приложения дополняют картину. В результате Яндекс видит поведение пользователя не только внутри поисковой сессии, но и на самом сайте после клика. Это принципиально важно: поисковик знает, сколько времени провёл пользователь, куда кликнул, вернулся ли обратно.

Google официально не подтверждает прямое использование данных Google Analytics в ранжировании. Его источники поведенческих сигналов — Chrome (данные о скорости загрузки и взаимодействии с контентом) и собственная поисковая оболочка (клики, возвраты). При этом доступ к этим инструментам из РФ ограничен с 2022 года, что делает Google Analytics практически нерабочим для российского маркетолога.

На практике это означает: Яндекс располагает более полной картиной поведения на сайте, тогда как Google компенсирует это акцентом на концепцию E-E-A-T — то есть оценку качества контента через экспертность, авторитетность и доверие к источнику. Для коммерческих запросов в Яндексе поведенческие сигналы имеют заметно больший вес, чем в Google, где алгоритм больше опирается на ссылочный профиль и контентные сигналы.

Стратегии улучшения поведенческих факторов частично совпадают: скорость загрузки, качество контента, удобство интерфейса работают в обоих поисковиках. Однако для Яндекса приоритет — снижение показателя отказов и рост времени на сайте, потому что именно эти сигналы Яндекс видит напрямую через Метрику. Для Google — авторитетность источника и качество ссылочного профиля, поскольку поведенческие данные у него менее полные.

Практическое улучшение поведенческих факторов: пошаговый план

1. Аудит текущих поведенческих метрик. Откройте Яндекс.Метрику → «Источники» → «Поисковые системы» → «Поисковые фразы». Отфильтруйте страницы с высоким показателем отказов при хорошем трафике — это первые кандидаты на доработку. Вебвизор покажет, где пользователи останавливаются и уходят: если большинство сессий обрывается в первые 10–15 секунд на одном и том же месте страницы, проблема структурная.
2. Оптимизация сниппета. Title должен точно соответствовать запросу: не «Ремонт квартир в Москве — услуги компании», а «Ремонт квартир в Москве под ключ — цены, сроки, гарантия». Description — конкретное УТП, а не пересказ title. Если страница отвечает на вопрос — добавьте микроразметку Schema.org: Яндекс использует её для формирования расширенных сниппетов, что напрямую влияет на CTR в выдаче Яндекс Вебмастер — рекомендации по микроразметке.
3. Первый экран. H1 должен дословно или близко отвечать на запрос — пользователь за секунду подтверждает, что попал куда нужно. Скорость загрузки напрямую влияет на отказы: страница, которая открывается дольше нескольких секунд, теряет значительную часть аудитории ещё до контакта с контентом. Проверяйте через PageSpeed Insights и смотрите на реальные данные в Метрике → «Мониторинг» → «Время загрузки страниц».
4. Структурирование контента. Якорное меню в начале длинных материалов снижает отказы и увеличивает глубину скролла. Подзаголовки H2/H3, таблицы, маркированные списки — не украшение, а навигация. Пользователь сканирует страницу по подзаголовкам: если он находит нужный раздел быстро, время на сайте растёт, а Яндекс фиксирует это как сигнал релевантности.
5. Внутренняя перелинковка. Каждая страница должна предлагать логичный следующий шаг: статья про выбор товара → ссылка на категорию или карточку, статья про проблему → ссылка на решение. Ссылки без контекста («читайте также») работают хуже, чем встроенные в текст с описанием того, что пользователь найдёт по ссылке.
6. Мобильный аудит. В Метрике сегментируйте отчёты по типу устройства. Показатель отказов на мобильных часто в полтора-два раза выше, чем на десктопе, — при этом владельцы сайтов смотрят только на общую цифру и не замечают проблемы. Отдельно проверьте скорость загрузки мобильной версии и читаемость текста без горизонтального скролла.
7. Мониторинг динамики. Настройте цели в Метрике под ключевые действия: звонок, заявка, добавление в корзину. Без целей вы видите трафик, но не поведение. Еженедельно отслеживайте три метрики: показатель отказов по посадочным страницам, среднее время на сайте по сегменту «поисковый трафик», конверсия из поиска в целевое действие. Если одна из них просела — ищите причину в Вебвизоре, а не в позициях.

Заключение

Поведенческие факторы — не отдельный чек-лист, который можно закрыть за неделю. Это постоянная обратная связь от аудитории: страница либо решает задачу пользователя, либо нет. Яндекс читает этот ответ через CTR, глубину просмотра, возвраты в поиск и десятки других сигналов. Единственный способ улучшить поведенческие метрики устойчиво — улучшить сам продукт: страницу, контент, скорость, структуру.