Подробнее
Чанкование (от англ. chunk — кусок) — это нарезка длинного текста на фрагменты, которыми оперируют ИИ-системы. RAG-конвейеры и нейропоиск не работают со страницей целиком: она режется на чанки, каждый превращается в эмбеддинг и попадает в векторный индекс, а при ответе система достаёт и цитирует именно отдельные куски. Отсюда практический вывод для сайта: в нейроответ попадает не «страница», а конкретный абзац или блок — и писать нужно так, чтобы любой фрагмент выживал в отрыве от контекста. Это один из базовых принципов контента под ИИ-поиск.
Как системы режут текст
Единого стандарта нет, но типичные стратегии такие:
- по фиксированному размеру — каждые несколько сотен токенов, часто с перехлёстом, чтобы не терять смысл на стыках;
- по структуре — по заголовкам, абзацам, пунктам списков: HTML-разметка становится картой нарезки;
- семантически — умные системы стараются резать по смысловым границам, а не по счётчику;
- иерархически — крупные разделы плюс мелкие подчанки, чтобы находить и общее, и частное.
Почему это важно для видимости в ИИ
Когда движок собирает ответ, он через векторный поиск и реранкинг отбирает лучшие чанки из множества сайтов. Если ваш ключевой тезис размазан по трём экранам текста, ни один чанк не содержит его целиком — и в ответ уходит конкурент, у которого мысль упакована в один цельный блок. Хорошо «чанкуемая» страница устроена как конструктор: подзаголовок задаёт тему, первый абзац отвечает по сути, детали — списком или таблицей. Такой блок самодостаточен, и модели легко забрать его в заземлённый ответ.
Как писать «чанко-дружелюбный» контент
Правило простое: один блок — одна мысль, и блок должен быть понятен без остальной страницы. Избегайте местоимений-отсылок через три абзаца («как мы писали выше…»), называйте предмет явно, держите определения и цифры рядом с тем, к чему они относятся. Структурная вёрстка — настоящие h2/h3, списки, таблицы, FAQ-разметка — помогает системам резать текст по смыслу, а не по счётчику. Проверить, какие блоки сайта уже цитируются, а какие теряются при нарезке, помогает аудит видимости в ИИ.