WebKnoGraph: внутрішні посилання можна тестувати до впровадженняEmilija Gjorgjevska опублікувала пост про новий research paper WebKnoGraph: GNN-Powered Internal Linking, який уже доступний на arXiv.Головна ідея: internal linking не має залишатися грою в здогадки. Замість того щоб додавати посилання, чекати кілька місяців і намагатися зрозуміти, що саме вплинуло на результат, WebKnoGraph пропонує оцінювати потенційний ефект внутрішніх посилань ще до їхнього впровадження.У paper описаний open-source framework, який працює з production crawl data та моделює сайт як directed graph. Сторінки представляються через embeddings, потенційні внутрішні посилання оцінюються за допомогою GraphSAGE, а наслідки змін аналізуються через метрики авторитетності та семантичної узгодженості.Простіше кажучи, WebKnoGraph допомагає відповісти на питання:- які сторінки варто з’єднати внутрішніми посиланнями;- як це може змінити розподіл authority всередині сайту;- чи не створить нове посилання семантичний шум;- які сторінки отримають найбільший потенційний виграш;- де автоматична рекомендація потребує експертної перевірки.У дослідженні WebKnoGraph тестували на production crawl сайту Kalicube.com. Автори порівнювали автоматичний підбір посилань з expert-assisted підходом і дивились не тільки на authority gain, а й на volatility, loss-gain balance та semantic coherence.Важливий висновок: автоматичний підхід може краще перерозподіляти authority, але частіше створює вищу ціну з точки зору semantic coherence. Експертний підхід краще зберігає тематичну логіку, особливо коли йдеться про сторінки з низьким PageRank.Для SEO це дуже практична ідея. Внутрішня перелінковка часто виглядає простою задачею: знайти сторінку-донор, додати анкор, поставити посилання. Але на великих сайтах кожна така зміна впливає на всю архітектуру: crawl paths, link equity, topical clusters, orphan pages, важливість категорій і навіть те, як сайт може бути зрозумілий у generative search.Що можна забрати в роботу вже зараз:1. Думати про сайт як про граф Внутрішні посилання — це не просто “лінки в тексті”. Це система зв’язків між документами, яка визначає, які сторінки отримують більше ваги та як пошукові системи розуміють структуру сайту.2. Не оцінювати internal linking тільки вручну Ручна експертиза важлива, але на великих сайтах потрібні graph metrics: PageRank, depth, inlinks, outlinks, orphan pages, topical distance, authority flow.3. Перевіряти не тільки authority, а й relevance Посилання може передавати вагу, але бути слабким семантично. Для сучасного SEO і generative search важливо, щоб внутрішня перелінковка підтримувала topical coherence.4. Тестувати linking scenarios до деплою Ідеальний сценарій — не просто “додати 500 посилань”, а спочатку змоделювати кілька варіантів: які сторінки виграють, які можуть втратити, як зміниться внутрішній розподіл ваги.5. Поєднувати автоматизацію з експертною перевіркою WebKnoGraph якраз показує, що автоматичні рекомендації можуть бути сильними, але SEO-фахівець усе ще потрібен для оцінки контексту, анкорів, комерційної логіки та editorial deployability.Головний висновок: internal linking стає не просто технічною задачею, а частиною стратегічної архітектури сайту. У світі AI-mediated discovery, answer engines і generative search виграватимуть не ті сайти, де посилання додані випадково, а ті, де структура побудована як зрозуміла, вимірювана й семантично пов’язана система.Джерела:- LinkedIn: Emilija Gjorgjevska про WebKnoGraph — https://www.linkedin.com/posts/emilijagjorgjevska_scientific-internal-linking-for-seo-and-generative-ugcPost-7468544843569434625-e23q- arXiv: WebKnoGraph: GNN-Powered Internal Linking — https://arxiv.org/abs/2606.06106- GitHub: WebKnoGraph repository — https://github.com/martech-engineer/WebKnoGraph