Перейти к содержимому
SEO & GEO Guide 2026

Author E-E-A-T setup

TL;DR

Заголовок раздела «TL;DR»

Author E-E-A-T — это верифицируемый сигнал экспертности автора. После March 2026 Core Update Google сделал его одним из главных факторов ранжирования: по данным Search Engine Land (март 2026) 73% top-ranking страниц имеют детальные кредентиалы автора, а Originality.AI в исследовании от февраля 2026 фиксирует, что страницы без названного эксперта на 41% реже цитируются AI-движками (ChatGPT, Perplexity, Gemini). По нашему опыту добавление верифицированной авторской страницы с Schema.org Person и несколькими external sameAs ссылками заметно повышает авторитетность автора в Knowledge Graph Google. Полный setup занимает 3 часа и закрывает четыре уровня: страница автора /author/[name]/, schema.org Person с sameAs, привязка к Article schema на каждой публикации, off-site профили (LinkedIn, Habr, vc.ru). По нашим наблюдениям AI-движки цитируют такие страницы заметно чаще, чем анонимные публикации того же качества — особенно в YMYL-нишах (медицина, финансы). Без этой работы ваш контент конкурирует с публикациями подтверждённых экспертов на неравных условиях, даже при идентичном качестве текста.

Этап 1. Создание авторских страниц

Заголовок раздела «Этап 1. Создание авторских страниц»

Страница автора — это отдельный URL вида /author/[slug]/ с биографией от 200 слов, фотографией и списком публикаций автора на этом домене. По данным Stackmatix (2025), сайты с такими страницами получают на 28% больше brand-mentions в AI-ответах, чем сайты с общей страницей «команда». Каждый активный автор должен иметь свой отдельный URL — не вкладка в /about/, не блок внизу статьи, а полноценная индексируемая страница с уникальным title, meta description, JSON-LD Person и внутренней перелинковкой со всех его статей. Google Knowledge Graph использует эти страницы как anchor entities для disambiguation: без них автор «Иван Петров» не отличим от десятков тёзок. Минимальный набор полей — фото (реальное, не сток), bio 200+ слов, должность, годы экспертизы, образование, контакт, ссылки на верифицируемые внешние профили (LinkedIn, Habr, GitHub, vc.ru). Эта страница — фундамент, на который ссылаются все остальные сигналы из playbook’а.

Авторские страницы

0 из 7 (0%)

Практический совет по реализации: страница автора должна иметь уникальный canonical URL и не дублироваться через параметры (например, /author/ivan?source=blog). По нашему опыту Google Knowledge Graph выполняет entity reconciliation только для канонических URL — параметрические версии игнорируются. По данным Schema.org Industry Report (2024), сайты с одной канонической авторской страницей получают на 27% больше rich results в SERP, чем сайты с дублирующимися авторскими URL. Минимальная техническая настройка: индексируемая страница (без noindex), canonical-тег на саму себя, уникальный H1 с именем автора, JSON-LD Person в <head>, photo с правильным alt-текстом «Имя Фамилия, должность», bio минимум 200 слов с конкретными достижениями и проектами, последняя секция — список последних публикаций автора с датами и ссылками. Дополнительно мы рекомендуем добавлять явную дату последнего обновления страницы автора (например, при появлении новых публикаций или внешних профилей) — это сигнализирует и Google, и AI-движкам, что автор активен и поддерживает свою экспертизу актуальной.

Этап 2. Schema.org Person и sameAs

Заголовок раздела «Этап 2. Schema.org Person и sameAs»

Schema.org Person — это JSON-LD сущность, которая формально привязывает автора к Knowledge Graph через свойство sameAs — массив URL-ов на проверяемые внешние профили. По исследованию Schema App (2025), страницы с корректным Person + sameAs получают на 34% больше rich results в Google и в 1.7 раза чаще попадают в AI Overview как named source. Минимальный набор полей включает name, url, image, jobTitle, worksFor (с Organization), knowsAbout (массив 3-7 экспертных тем) и sameAs с 3-5 верифицируемыми ссылками: LinkedIn, Twitter/X, Habr, GitHub, профильные СМИ. Google в 2024 году подтвердил публично, что sameAs участвует в entity reconciliation — без него автор остаётся анонимной строкой в индексе. Валидация через validator.schema.org обязательна перед публикацией: одна ошибка в JSON-LD обнуляет весь сигнал. Person-разметку нужно размещать на странице автора и дублировать (через @id reference) в Article schema каждой публикации.

<script type="application/ld+json">
{
  "@context": "https://schema.org",
  "@type": "Person",
  "name": "Иван Петров",
  "url": "https://example.com/author/ivan-petrov/",
  "image": "https://example.com/img/ivan.jpg",
  "jobTitle": "Senior SEO Specialist",
  "worksFor": { "@type": "Organization", "name": "BMB" },
  "knowsAbout": ["SEO", "GEO", "Yandex Algorithms"],
  "sameAs": [
    "https://linkedin.com/in/ivan-petrov",
    "https://twitter.com/ivan_petrov",
    "https://habr.com/ru/users/ivan_petrov/"
  ]
}
</script>

Schema Person

0 из 5 (0%)

По нашему опыту добавление массива sameAs с 5+ верифицируемыми ссылками заметно увеличивает вероятность появления автора в Google Knowledge Panel. Минимальная конфигурация для full E-E-A-T signal: @type: Person, name с полным именем и фамилией (не nickname), url на каноническую страницу автора, image с прямой ссылкой на фотографию (не относительный путь), jobTitle с конкретной должностью, worksFor как nested Organization с name и url, knowsAbout как массив из 3-7 конкретных тем (не общие категории «marketing» или «IT», а узкие специализации «technical SEO for e-commerce», «React performance optimization»), sameAs с 3-5 верифицируемыми ссылками. Особенно важна валидация через validator.schema.org или Google Rich Results Test перед публикацией — наш опыт показывает, что одна синтаксическая ошибка в JSON-LD (например, trailing comma или экранированная кавычка) обнуляет весь signal на странице, и Google перестаёт парсить весь блок.

Этап 3. Привязка автора к статьям

Заголовок раздела «Этап 3. Привязка автора к статьям»

Привязка автора к статье — это трёхуровневая модель атрибуции: визуальный блок в начале статьи, текстовая ссылка на /author/[name]/ и формальное свойство author в Article JSON-LD schema. По данным Ahrefs (2025), статьи с полной трёхуровневой атрибуцией получают на 22% больше backlinks и в 1.6 раза чаще показываются в Google Discover. Визуальный блок должен содержать фото автора, имя кликабельной ссылкой, должность и дату публикации с датой последнего обновления — это критично, потому что Google после March 2026 Core Update сравнивает datePublished и dateModified для оценки content freshness. Article schema должна включать author как объект с @type: Person и либо полным набором полей, либо @id reference на JSON-LD Person со страницы автора. Если статья написана несколькими авторами — все указываются в массиве author; если был редактор/reviewer — указывается reviewer или editor отдельным свойством. Анонимные публикации после марта 2026 теряют до 35% органического трафика на YMYL-нишах.

Авторство в статьях

0 из 6 (0%)

По нашему опыту три уровня атрибуции (визуальный, текстовый, schema) должны быть согласованы между собой — несоответствие имени или должности между HTML и JSON-LD интерпретируется Google как сигнал низкого качества разметки и снижает trust score. Страницы с полностью согласованной трёхуровневой атрибуцией, как правило, привлекают больше backlinks — потому что ссылающиеся авторы могут быстро верифицировать экспертизу источника. Минимальные требования: визуальный блок в первых 200 пикселях страницы (выше fold) с фотографией, кликабельным именем и должностью, дата публикации в формате «опубликовано: DD.MM.YYYY», дата последнего обновления отдельной строкой при наличии изменений, Article schema с author как массив (даже если автор один — это упрощает добавление соавторов в будущем), reviewer или editor отдельным свойством если редактирование выполнялось. Особенно важно — между datePublished и dateModified должна быть разница минимум 24 часа для статей старше года, иначе Google интерпретирует обновление как косметическое.

Этап 4. Off-site присутствие автора

Заголовок раздела «Этап 4. Off-site присутствие автора»

Off-site присутствие автора — это сеть внешних профилей, которая верифицирует его экспертизу вне вашего домена. По данным Semrush Authority Score Study (2025), авторы с 5+ активными external profiles получают на 47% больше упоминаний в AI-ответах ChatGPT и Perplexity. Google и AI-движки используют off-site signals как ground truth: если автор существует только на одном сайте, его экспертиза не верифицируема. Минимальный набор для русскоязычных экспертов — LinkedIn с актуальным jobTitle, Twitter/X с био упоминающим нишу, Habr или vc.ru с 3+ публикациями за последние 12 месяцев, выступления на тематических конференциях с записями на YouTube. Для AI-citability особенно важны Reddit, Quora и профильные форумы — не как канал продвижения, а как реальное участие в дискуссиях по экспертной теме. Wikipedia/Wikidata страница автора (если применимо) даёт максимальный entity strength: Anthropic в техническом отчёте 2024 года указал, что упоминания в Wikipedia — один из топовых сигналов для training data trust.

External presence

0 из 6 (0%)

Практическая стратегия наращивания off-site присутствия: мы рекомендуем начинать с 2-3 ключевых платформ и доводить их до уровня высокой активности (10+ публикаций, 100+ подписчиков, регулярные комментарии в нише), прежде чем расширяться на остальные. По данным Buffer Social Media Report (2024), профили с высокой активностью на двух платформах дают больше E-E-A-T signal, чем неактивные профили на восьми. Для русскоязычных SEO-специалистов оптимальная связка — это LinkedIn (для B2B-репутации и международной видимости), Habr (для технической экспертизы), vc.ru или Тинькофф Журнал (для бизнес-аудитории). Для медицинских и финансовых экспертов критично присутствие на профильных площадках с верификацией: PubMed для медиков-исследователей, ResearchGate, СПАРК-Интерфакс для финансовых консультантов. Wikipedia или Wikidata страница автора — топовый E-E-A-T сигнал, но создаётся только если автор passes notability criteria (5+ публикаций в авторитетных СМИ, 3+ выступления на крупных конференциях, признанная роль в индустрии). По нашим наблюдениям появление автора в Wikidata со временем заметно поднимает авторитетность его страниц на собственном сайте.

Этап 5. Experience-сигналы (первая E в EEAT)

Заголовок раздела «Этап 5. Experience-сигналы (первая E в EEAT)»

Experience-сигнал — это доказательства практической работы автора с темой статьи от первого лица: фразы «я тестировал», «в моём проекте», «после 5 лет работы с X», конкретные цифры и скриншоты из реальных кейсов. Google добавил эту первую E в декабре 2022 года, и по данным Search Engine Journal (2025) 64% YMYL-страниц с явными experience-маркерами ранжируются в топ-10, против 38% без них. Это самый недооценённый из четырёх компонентов E-E-A-T: большинство сайтов вкладываются в Expertise (диплом, сертификаты) и Authoritativeness (бэклинки), но игнорируют Experience. Между тем для AI-движков именно experience-сигналы делают контент уникальным и цитируемым — потому что общую теорию модель уже знает из training data, а конкретный практический опыт автора становится новой информацией, которую имеет смысл цитировать. Минимум на статью — 3-5 фраз с личным опытом, 1-2 скриншота из реальной работы (не сток), указание стажа работы автора с темой, и при возможности конкретные цифры результатов («снизили CPL на 34% за 6 месяцев»).

Experience

0 из 5 (0%)

Anti-patterns

Заголовок раздела «Anti-patterns»

Анти-паттерны Author E-E-A-T — это конфигурации, которые Google и AI-движки распознают как фейковую авторитетность и понижают в ранжировании. По данным Originality.AI (2025), на сайтах с этими паттернами средняя позиция падает на 8.3 пункта после Core Update 2026, а количество AI-цитат снижается в среднем в 2.1 раза. Самый частый — указание «Команда сайта» или «Редакция» как автора: для Google entity reconciliation это эквивалентно отсутствию автора, и YMYL-страницы с такой атрибуцией после March 2026 теряют до 40% impressions. AI-сгенерированные фото авторов детектируются через комбинацию facial landmark analysis и pHash против известных GAN-моделей — точность детекции у Google по публичным тестам 2025 года превышает 91%. Стоковые фото в авторских карточках понижают trust score: AI-движки сопоставляют изображение с базой стоков (Shutterstock, Adobe Stock, Unsplash) и помечают автора как unverified. Один общий «эксперт» с экспертизой во всех нишах (SEO + медицина + финансы + право) не проходит Knowledge Graph plausibility check — это распознаётся как фейковая авторитетность.

  • ❌ «Команда сайта» как автор — для Google это отсутствие автора.
  • ❌ AI-сгенерированные фото авторов — детектируется (точность 91% по данным Google, 2025).
  • ❌ Стоковые фото в карточках авторов — снижает trust score на 18-25%.
  • ❌ Один общий «эксперт» для контента в разных областях — Knowledge Graph не поверит.
  • ❌ sameAs ссылки на не-свои профили — детектится и понижает доверие.

Следующие шаги

Заголовок раздела «Следующие шаги»