Site Focus Score & Site Radius Analyzer

Współczesne algorytmy wyszukiwarki Google — począwszy od wdrożenia technologii BERT, przez model MUM, aż po systemy generatywne Gemini — nie traktują już podstron internetowych jako izolowanych zbiorów słów kluczowych. Zamiast tego każda domena oceniana jest jako spójna encja semantyczna posiadająca określony autorytet tematyczny (Topical Authority).

Wielu specjalistów SEO staje jednak przed fundamentalnym pytaniem: w jaki sposób obiektywnie, liczbowo zmierzyć, czy nasz serwis jest spójny tematycznie, czy też cierpi na tzw. Topical Drift (rozmycie tematyczne)? Aby odpowiedzieć na to wyzwanie, stworzyłem aplikację Site Focus Score & Site Radius Analyzer, która wykorzystuje wielojęzyczny model osadzeń wektorowych (embeddings) do obliczenia semantycznego środka ciężkości serwisu oraz promienia odchylenia każdej z podstron.

Aplikacja Online: Site Focus Analyzer

Live Demo (Streamlit Cloud)

Wklej adres mapy witryny (sitemap.xml lub sitemap_index.xml) albo załaduj eksport z crawlera (Clusteric / Screaming Frog), aby wyznaczyć Centroid tematyczny domeny i przetestować symulację Content Pruning na żywo:

Zero kosztów API: 100% lokalny model multilingual-e5-small Otwórz narzędzie na pełnym ekranie

Dlaczego zjawisko Topical Drift niszczy widoczność w Google?

Przez lata dominowało podejście „im więcej treści na blogu, tym lepiej”. Agencje i copywriterzy masowo tworzyli artykuły poradnikowe na tematy luźno powiązane z główną ofertą biznesu (np. sklep meblarski publikujący przepisy kulinarne, „bo użytkownicy szukają stołów kuchennych”).

W dobie semantycznego indeksowania takie praktyki wywołują dwa groźne zjawiska:

Topical Drift (Rozmycie profilu tematycznego): Algorytm wyszukiwarki ma trudność z przypisaniem domenie jednoznacznej specjalizacji, przez co trudniej o wysokie pozycje na frazy komercyjne o wysokiej konkurencji.
Content Bloat i marnowanie Crawl Budgetu: Roboty indeksujące marnują zasoby na setki słabych, niegenerujących konwersji podstron, rzadziej odświeżając kluczowe landing page ofertowe.

Matematyka narzędzia: Jak wyliczamy Site Focus Score i Site Radius?

Narzędzie bazuje na bibliotece sentence-transformers oraz modelu intfloat/multilingual-e5-small. Reprezentuje on każdą podstronę w postaci 384-wymiarowego znormalizowanego wektora w wielowymiarowej przestrzeni semantycznej.

Formatowanie tekstu wejściowego (E5 Passage Prefix)

Zgodnie ze specyfikacją modeli z rodziny E5, każdy tekst dokumentu przed wektoryzacją musi posiadać prefiks passage: . Dla każdej podstrony konstruowany jest zwięzły profil metadanych:

passage: Ścieżka URL: {clean_path} | Tytuł: {title} | Opis: {description} | H1: {h1}

1. Wyznaczenie Centroidu Tematycznego Serwisu

Centroid ($\vec{C}$) to semantyczny środek ciężkości domeny. Obliczamy go jako średnią arytmetyczną wektorów wszystkich zaindeksowanych podstron $N$, a następnie normalizujemy do jednostkowej normy euklidesowej ($L_2$):

Wzór na Centroid Witryny

$$\vec{C}_{raw} = \frac{1}{N} \sum_{i=1}^{N} \vec{v}_i, \qquad \vec{C} = \frac{\vec{C}_{raw}}{\|\vec{C}_{raw}\|_2}$$

Gdzie $\vec{v}_i$ oznacza znormalizowany wektor $i$-tej podstrony, a $\|\vec{C}_{raw}\|_2$ jej normę euklidesową.

2. Page Radius (Promień podstrony)

Dla każdej podstrony wyliczamy podobieństwo cosinusowe ($\text{Cosine Similarity}$) względem centroidu serwisu. Ponieważ oba wektory mają długość jednostkową, podobieństwo to jest tożsame z ich iloczynem skalarnym:

Wzór na Page Radius

$$\text{Sim}(p_i, \vec{C}) = \vec{v}_i \cdot \vec{C}$$ $$\text{Page Radius}_i = 1 - \text{Sim}(p_i, \vec{C})$$

Im mniejsza wartość Page Radius, tym bliżej rdzenia tematycznego znajduje się dana podstrona. Wartości wysokie sygnalizują treści odbiegające od głównego profilu serwisu.

3. Średni Site Radius oraz Site Focus Score

Site Radius to średnia odległość wszystkich podstron od centroidu:

Wzór na Site Radius & Site Focus Score

$$\text{Site Radius} = \frac{1}{N} \sum_{i=1}^{N} \text{Page Radius}_i$$ $$\text{raw\_sim} = 1 - \text{Site Radius}$$ $$\text{Site Focus Score} = \text{clip}\left(\frac{\text{raw\_sim} - 0.65}{0.92 - 0.65} \times 100\%,\ 0\%,\ 100\%\right)$$

Dlaczego skalowanie [0.65, 0.92]? W modelu multilingual-e5-small dwa losowe, poprawne teksty w języku polskim mają bazowe podobieństwo rzędu ~0.65. Wartości powyżej 0.92 oznaczają witryny o ultra-wąskiej specjalizacji. Mapowanie tego zakresu na skalę 0–100% daje intuicyjną metrykę biznesową.

Klasyfikacja podstron i metodologia Content Pruningu

Aplikacja automatycznie dzieli badany serwis na trzy grupy za pomocą percentyli odległości od centroidu:

Rdzeń tematyczny (Core) — 70% podstron: Podstrony najbliższe centroidowi. Stanowią filar Topical Authority Twojej domeny.
Tematy poboczne (Supporting) — 18% podstron: Treści uzupełniające, artykuły poszerzające kontekst, case studies.
Ryzyko Topical Drift / Content Pruning — 12% podstron: Podstrony najbardziej oddalone od środka semantycznego (lub przekraczające próg $\mu + 1.2\sigma$).

Jak wykorzystać wyniki w praktycznym SEO?

Zidentyfikowanie podstron w czerwonej strefie (Topical Drift) otwiera drogę do 3 konkretnych działań optymalizacyjnych:

Content Consolidation (Konsolidacja treści): Połączenie kilku słabych, oddalonych artykułów w jeden wyczerpujący poradnik filarowy (Pillar Page) i przekierowanie starych adresów kodem 301.
Content Pruning (Bezpieczne usuwanie): Całkowite wyindeksowanie lub usunięcie artykułów z kodem 410 / 301, które nie generują ruchu organicznego, a rozmywają specjalizację serwisu.
Optymalizacja linkowania wewnętrznego (Silo Structure): Silniejsze powiązanie artykułów pobocznych z podstronami z grupy Core za pomocą kontekstowych linków wewnętrznych z dopasowanymi anchor textami.

Wypróbuj symulator Content Pruningu w aplikacji

W powyższym narzędziu zaznacz checkbox „✂️ Symuluj Content Pruning”. Aplikacja na żywo wykluczy podstrony z czerwonej strefy, przeliczy nowy centroid i pokaże Ci, o ile punktów procentowych wzrośnie spójność semantyczna Twojej domeny!