Як будувати topical clusters одночасно для SEO та AI Search

Хороший матеріал від Adam Tanguay у Search Engine Land про те, як перебудувати класичний hub-and-spoke під реалії AI Search.

Головна думка: не потрібно створювати окрему сторінку під кожен можливий fan-out query.

Fan-out нестабільний. У дослідженні Surfer лише близько 27% fan-out queries повторювалися між запусками.

Тому правильніше оптимізуватися не під конкретні формулювання, а під topical depth — стабільні підтеми та питання, які виникають навколо основної теми.

1. Починаємо не тільки з keyword tools

Для первинної карти тем автор використовує:

- Google Trends;
- Keyword Planner;
- Ahrefs / Semrush;
- архітектуру конкурентів.

Але цього недостатньо.

Щоб зрозуміти реальну мову користувачів, він додатково аналізує:

- Reddit threads;
- X;
- YouTube comments;
- support tickets;
- sales calls.

Після цього ті самі питання запускаються через AI Mode та ChatGPT, щоб подивитися:

які sub-questions виникають → які джерела цитуються → які аспекти теми повторюються.

2. Далі будуємо hub-and-spoke

Наприклад:

Dog Care

↓

Grooming
Exercise
Gear
Nutrition

А всередині Grooming уже можуть бути:

Skin allergies

Coat types

Shampoo

Drying

Ingredients

Не всі spokes повинні мати однакову глибину.

Завдання — не побудувати найбільший cluster, а максимально глибоко закрити релевантну для бізнесу нішу.

Тобто стаття Best dog breeds for apartments може принести багато traffic, але майже ніяк не допомогти бренду, який продає dog shampoo.

А ось:

dog skin allergies → hypoallergenic shampoo → ingredients → product

вже формує логічний шлях до revenue.

3. Враховуємо не тільки intent, а й AI answer behavior

Це дуже хороший момент.

Автор окремо класифікує queries:

answer-only

still a click

community-owned

Наприклад:

what is X?

AI часто закриє прямо у відповіді.

А:

X vs Y

pricing

implementation

best product for...

мають значно більший шанс привести користувача на сайт.

А запит:

Has anyone actually tried X?

може взагалі краще працювати через Reddit, а не через ще одну статтю на корпоративному блозі.

4. Не робимо сторінку під кожен fan-out

Це особливо важливо.

Логіка:

бачимо 100 fan-out queries → створюємо 100 AI-generated pages

може дуже швидко перетворитися на scaled content abuse.

Краще знайти повторювані semantic themes і закрити їх кількома сильними матеріалами.

Сам Adam радить почати всього з 2–3 spokes, де у вас є:

- власні tests;
- data;
- expert input;
- інформація, якої немає у конкурентів.

5. Internal linking формує сам cluster

Базова схема:

Hub → всі Spokes

Spokes → Hub

Spokes → commercial pages

Але internal links повинні вести не просто заради PageRank.

Вони повинні відповідати на питання:

що користувач логічно захоче дізнатися або зробити далі?

Після побудови cluster автор проганяє папку через Screaming Frog і шукає:

- orphan pages;
- spokes глибше 4+ clicks;
- слабко пов'язані сторінки.

6. Вимірюємо cluster як одну бізнес-одиницю

Ось тут підхід стає особливо корисним.

Не дивимося тільки на rankings окремої статті.

Для всього cluster відстежуємо:

GSC clicks + impressions → organic reach

AI impressions → visibility у Google AI

AI referral traffic → ChatGPT / Gemini / Perplexity

citations + mentions → LLM visibility

conversions / revenue / pipeline → бізнес-цінність

І якщо spoke після кількох циклів не дає:

clicks + citations + assisted conversions

його можна не підтримувати як окрему URL, а об'єднати з parent page.

Тому topical authority у 2026 році — це вже не:

напишемо 100 статей навколо keyword

а:

`Topic → Intent → Fan-out → Hub/Spoke → Internal Links → Citations → Revenue`

І мені особливо подобається фінальна рекомендація автора:

почніть з одного cluster, найближчого до revenue, дайте йому квартал і тільки після цього масштабуйте підхід.

Джерело:

Search Engine Land — How to build topic clusters for SEO and AI search