Один и тот же сайт может ровно стоять в Google и провалиться в Яндексе: тот же текст, та же скорость, тот же ссылочный профиль. Разница чаще объясняется не «секретными алгоритмами», а тем, насколько по-разному две системы собирают данные о поведении людей и в какой момент их применяют.
Дальше - только проверяемое: формулировки из документации Google и Яндекса, материалы судебного процесса министерства юстиции США против Google и внутренняя документация поиска Google, подлинность которой компания признала. Отдельным разделом - популярные утверждения, под которые подтверждения нет. Общий обзор того, что такое поведенческие метрики и какими способами ими пробуют управлять, разобран в статье про накрутку поведенческих факторов; здесь - сравнение систем.
Коротко
- Google официально говорит об «агрегированных и обезличенных данных о взаимодействии», которые превращаются в сигналы для машинно-обучаемых систем. Судебные документы добавляют конкретику: система NavBoost обучается на 13 месяцах пользовательских данных, а примеры таких данных - клики, наведения курсора и быстрый возврат назад.
- Яндекс в справке описывает две метрики: Проксима отвечает за качество страницы, Профицит - за полезность выдачи и прямо считается по взаимодействиям людей с результатами. Быстрый возврат к выдаче и переформулировка запроса его снижают.
- Разница не в том, «учитывает или нет», а в точке приложения. У Яндекса поведение зашито в приёмочную метрику, по которой вообще принимают изменения алгоритма. У Google это сигналы релевантности и переупорядочивание результатов.
- Ни одна из систем не называет фактором ранжирования показатель отказов и данные счётчика аналитики. Метрика и Search Console нужны вам для диагностики, а не поиску для оценки.
- Самая практичная разница: у Яндекса есть документированное нарушение «имитация действий пользователей» со сроком проверки 30 дней, у Google аналогичного пункта в правилах поиска нет.
Что измеряют системы, когда говорят о поведении
Сигналы о людях возникают в двух разных местах, и это важнее любой классификации. Первое место - сама выдача: какой результат человек выбрал из показанных, через сколько вернулся, что открыл следующим, переформулировал ли запрос, ушёл ли из поиска вовсе. Второе - страница: прокрутка, переходы по разделам, работа с фильтром, калькулятором, формой.

Поведенческие факторы - группа сигналов ранжирования, построенных на действиях людей в поисковой выдаче и на сайте: выбор результата среди конкурентов, время до возврата в поиск, дальнейшее уточнение запроса, взаимодействие со страницей.
Первый слой поиск видит целиком и без вашего участия: запрос задан в его интерфейсе, выдача нарисована им же, клик зафиксирован у него. Второй слой зависит от того, что именно установлено на сайте и что система успевает заметить. Поэтому два ключевых понятия в теме - про выдачу, а не про сайт: возврат в выдачу (ситуация, когда человек открыл результат и почти сразу вернулся продолжать поиск) и длина клика (сколько времени прошло между переходом из выдачи и возвратом в неё).
Абсолютных норм у этих показателей нет, потому что смысл задаёт тип запроса. Сорок секунд на странице с коротким ответом - успех: человек получил что хотел и закрыл задачу. Сорок секунд в карточке товара за 200 тысяч рублей - провал. Нормы по типам страниц и способы их считать разобраны в материале про показатель отказов.
Что подтверждено про клики в Google
Публичная формулировка Google одна и неизменная: компания использует агрегированные и обезличенные данные о взаимодействии, чтобы оценивать, релевантны ли результаты запросам, и превращает эти данные в сигналы, которые помогают машинно-обучаемым системам точнее определять релевантность. Что именно считается взаимодействием и с каким весом - в документации не раскрыто.
Конкретику дали материалы процесса министерства юстиции США против Google. В судебных документах пользовательские данные описаны как данные, которые собираются из пары «запрос - показанный ответ», а в примерах перечислены клики, наведения курсора и быстрый возврат назад. Там же сказано, что пользовательские данные встроены в каждый шаг работы поиска: от приоритета обхода и состава индекса до сигналов ранжирования. Отдельно названа система NavBoost, которая обучается на 13 месяцах пользовательских данных, и набор Glue - в основном «сырые» данные о взаимодействии, связывающие запросы и результаты с действиями людей. Суд назвал этот набор основой преимущества Google в масштабе данных.
Второй источник - внутренняя документация поиска Google, оказавшаяся в открытом доступе в мае 2024 года. Компания подтвердила подлинность документов, одновременно предупредив, что по вырванным из контекста, устаревшим и неполным фрагментам делать выводы о работе поиска неверно. В перечне атрибутов есть разделение кликов на «хорошие» и «плохие» и отдельный атрибут самого долгого клика.
Важно. Из этого не следует, что клики - прямой множитель позиции. Подтверждено другое и более узкое: клики служат обучающим материалом и сигналом релевантности, который считается по всей выдаче и по множеству сессий, а не по одному сайту. Отдельный сайт не может «показать» системе результат, которого не видно на фоне распределения по нише.
При этом публичная позиция Google по аналитике не менялась: данные Google Analytics и показатель отказов фактором ранжирования не называются. В GA4 показатель отказов вообще считается как доля сеансов, которые не были вовлечёнными, а вовлечённым считается сеанс длиннее 10 секунд, либо с ключевым событием, либо с двумя и более просмотрами. Это правило вашего отчёта, а не правило выдачи.
Единственная группа требований к странице, которую Google описал численно, - Core Web Vitals: LCP до 2,5 секунды, INP до 200 миллисекунд, CLS до 0,1 по 75-му перцентилю загрузок, отдельно для телефонов и компьютеров. INP заменил FID в 2024 году. Сами по себе это не поведенческие факторы, но именно они чаще всего и ломают поведение: человек не ждёт, пока кнопка начнёт отвечать.
Сайт нормально стоит в Яндексе, а в Google просел или не растёт вовсе
Что про поведение заявляет сам Яндекс
Список факторов Яндекс не публикует, зато описывает, как измеряет качество поиска, и это описание конкретнее любого списка. Выдачу формируют машинно-обучаемые алгоритмы, ручное изменение порядка результатов исключено. Обучаются эти алгоритмы на данных о поведении пользователей и на оценках асессоров, причём оценки асессоров в ранжировании напрямую не используются - они нужны только для обучения.
Дальше в справке названы две метрики. Проксима - метрика качества страницы: релевантность, полезность и оригинальность контента, удобство его потребления. Профицит - метрика полезности выдачи, построенная на взаимодействиях людей с результатами поиска: успешные взаимодействия её повышают, неудачные - быстрый возврат к выдаче или переформулировка запроса - понижают. Изменения алгоритма проверяют онлайн-экспериментом со случайным разделением пользователей на группы, и основной приёмочный показатель там - Профицит.
Из практики. Отсюда следует вывод, который экономит много споров: в Яндексе бессмысленно рассчитывать, что сильный текст или ссылки компенсируют плохое поведение. Изменение алгоритма, которое ухудшает Профицит, просто не доезжает до выдачи. Если по вашему запросу люди стабильно выбирают не вас и возвращаются добирать ответ, система не обязана это уравновешивать.
Есть и третья официальная формулировка, про которую чаще всего спорят неточно. В справке Яндекса описано отдельное нарушение - имитация действий пользователей: когда для видимости популярного ресурса искусственно наращивается посещаемость своего сайта или подобные услуги оказываются другим, в том числе через сервисы и привлечённых людей, которые имитируют заходы. После сообщения об устранении проверка идёт в течение 30 дней, а повторно отправить сайт на проверку можно только через 30 дней с момента предыдущей отправки. Признаки ограничения и порядок выхода разобраны в статье про фильтр за накрутку, а сторона поиска - в материале о том, как поисковые системы определяют накрутку.
Отдельно про утечку исходного кода января 2023 года: это не документация. В сеть попали фрагменты внутреннего репозитория, Яндекс подтвердил их происхождение и сообщил, что архив соответствует устаревшей версии кода. Среди файлов был перечень названий факторов, где заметная часть относится к поведению людей. Как оценка порядка величин это любопытно, как основание для решений - нет: ни весов, ни актуальности в перечне нет.
Чем использование сигналов отличается на практике
Если убрать лозунги, подтверждённых различий ровно четыре, и все они влияют на то, куда тратить деньги.

- Точка приложения. У Яндекса поведение встроено в приёмочную метрику, по которой принимают само изменение алгоритма, то есть работает на уровне всей системы. У Google подтверждена другая роль: обучающий материал и сигнал релевантности, уточняющий порядок результатов.
- Открытость. Яндекс документирует и метрики качества, и нарушение за имитацию. Google публично поведение фактором не называет, а конкретика известна из судебных материалов и признанной подлинной внутренней документации. Это разные по надёжности и по свежести источники, и путать их не стоит.
- Реакция на искусственный поток. У Яндекса есть описанная процедура: нарушение, сообщение в Вебмастере, проверка 30 дней. У Google в правилах поиска отдельного пункта про манипуляцию кликами нет, то есть нет и предсказуемого механизма «пожаловаться и получить решение». Что делать, если поток идёт на вас со стороны, разобрано в статье про накрутку конкурентами.
- Горизонт данных. Для NavBoost в судебных документах назван срок 13 месяцев. Это значит, что история поведения по запросу накапливается годами, и быстрого разворота картины по высокочастотному запросу ждать неоткуда.
Про веса честный ответ один: ни Яндекс, ни Google не публикуют вклад поведения в итоговую позицию. В практике рынка принято считать, что в русскоязычной коммерческой выдаче он выше, чем в Google, но это оценка отрасли по наблюдениям, а не измеренная величина.
Запомнить
- Яндекс: поведение подтверждено как основа приёмочной метрики выдачи.
- Google: поведение подтверждено как обучающие данные и сигнал релевантности.
- Показатель отказов и данные счётчика фактором не называет никто.
- Документированная ответственность за имитацию есть только у Яндекса.
Утверждения, которые не подтверждаются
Большая часть споров о поведенческих факторах держится на пяти-шести фразах, которые повторяют по инерции. Ниже - что у них с подтверждением.
| Распространённое утверждение | Что подтверждено на самом деле |
|---|---|
| Счётчик Метрики влияет на позиции, без него сайт просядет | Яндекс обучает алгоритмы на данных о поведении пользователей. Что в ранжировании участвуют данные именно счётчика, в документации не сказано. Счётчик нужен вам для диагностики |
| Показатель отказов - фактор ранжирования | Фактором его не называет ни одна из систем. Это показатель вашего отчёта, причём считается он в Метрике и в GA4 по разным правилам |
| Google вообще не смотрит на поведение | Официально описаны агрегированные данные о взаимодействии. В судебных материалах названы кликовые системы и 13-месячное окно данных |
| Рост кликабельности сниппета напрямую поднимает позиции | Подтверждено участие кликов в обучении и в оценке релевантности. Прямую зависимость «больше кликов - выше позиция» не описывает никто |
| У Яндекса есть антифрод-алгоритм с известным названием и сроком фильтра | В справке есть нарушение «имитация действий пользователей» и срок проверки 30 дней. Названий антифрод-алгоритмов и срока действия ограничения Яндекс не публикует |
| Поведение в браузере учитывается в ранжировании | Данные браузера в судебных материалах упоминаются, но суд прямо отметил, что доказательств по этому пункту недостаточно. Установленным это считать нельзя |
Из практики. В аудитах регулярно видим обратную ошибку: сайт месяцами «улучшает поведенческие», хотя у него не открывается карточка на телефоне и форма не отправляется из Safari. Пока это так, любые рассуждения про длину клика не имеют смысла - люди уходят по технической причине, а не по содержательной.
Что из этого следует для работы над сайтом
Разные механики дают разные приоритеты, и это единственный практический итог сравнения.
Под Google работает полнота ответа и структура: прямой ответ в первом экране, разбивка на блоки «вопрос - ответ», уникальные данные, которых нет у остальных, аккуратная иерархия заголовков и выдержанные Core Web Vitals. Логика простая: если клики служат обучающим материалом по всей выдаче, выигрывает документ, который закрывает задачу лучше соседей по странице результатов. Как это складывается в план работ, описано на странице продвижения в Google.
Под Яндекс в коммерческой тематике на первый план выходит попадание в интент конкретного запроса, коммерческие элементы на странице (цена, наличие, условия доставки, контакты, отзывы) и сниппет, из которого понятно, что человек получит после клика. Детали по каждому направлению - в отдельной статье о том, как улучшить поведенческие факторы, и на странице продвижения в Яндексе.
Как понять, что дело в поведении, а не в тексте
Прежде чем менять что-то «под поведенческие», стоит отделить одну причину от другой. Порядок, который работает: сначала техника и мобильная версия, затем соответствие запросу, затем сниппет, и только потом содержание страницы.

Признак того, что проблема именно в поведении, а не в релевантности: страница получает показы по своим запросам и держится в середине первой или на второй странице, но доля переходов ниже, чем у соседних позиций, либо переходы есть, а дальше первого экрана никто не идёт. Если показов мало по всей группе запросов, причина скорее в текстовой или ссылочной части, и копать надо там.
Отдельно про сроки. Мгновенной реакции не бывает ни в одной системе: странице нужно переиндексироваться, а статистике - накопиться. Для NavBoost в судебных документах назван горизонт данных в 13 месяцев, а в Яндексе любое изменение алгоритма принимают по онлайн-эксперименту, то есть тоже по накопленным данным. На практике эффект правок на странице проверяют не раньше чем через месяц после внедрения и сравнивают с тем же периодом прошлого года, а не с прошлой неделей.
Непонятно, что именно теряет людей: скорость, сниппет или сама страница
Частые вопросы
Влияют ли поведенческие факторы на ранжирование в Google?
Прямо фактором ранжирования Google их не называет. Официально сказано, что компания использует агрегированные и обезличенные данные о взаимодействии для оценки релевантности результатов и превращает их в сигналы для машинного обучения. В судебных материалах процесса министерства юстиции США описаны кликовые системы и 13-месячное окно пользовательских данных. То есть поведение участвует, но как материал для обучения моделей и уточнения порядка результатов, а не как множитель для отдельного сайта.
Нужна ли Яндекс Метрика, чтобы Яндекс видел поведение?
Поведение в выдаче система видит без вашего счётчика: запрос задан в её интерфейсе, клик зафиксирован там же. Что данные счётчика участвуют в ранжировании, в документации Яндекса не говорится. Метрика нужна вам, чтобы находить страницы, которые теряют людей, и проверять эффект правок.
Где поведение весит больше, в Яндексе или в Google?
Вклад в итоговую позицию не публикует ни одна из систем, поэтому точного ответа нет. Подтверждено различие в механике: у Яндекса взаимодействия людей с выдачей лежат в основе приёмочной метрики Профицит, по которой принимают изменения алгоритма; у Google клики описаны как обучающие данные и сигнал релевантности. В практике рынка считают, что в русскоязычной коммерческой выдаче роль поведения выше, но это оценка, а не измерение.
Отличается ли показатель отказов в Метрике и в GA4?
Да, и сравнивать их напрямую нельзя. В Метрике при настройке по умолчанию отказ - визит с одним просмотром страницы длительностью меньше 15 секунд. В GA4 показатель отказов - доля сеансов, которые не были вовлечёнными, а вовлечённым считается сеанс дольше 10 секунд, либо с ключевым событием, либо с двумя и более просмотрами. Одна и та же страница закономерно даёт разные цифры в двух системах.
Можно ли получить ограничение в Google за искусственные клики?
Отдельного пункта про манипуляцию кликами в правилах поиска Google нет, в отличие от Яндекса, где есть документированное нарушение «имитация действий пользователей». Из этого не следует, что искусственный поток работает: подтверждённая механика Google - агрегирование по всей выдаче и по длинному окну данных, где вклад одного источника размывается. Предсказуемой процедуры разбора у Google тоже нет.
Сколько времени занимает выход из ограничения в Яндексе?
Яндекс публикует только процедурные сроки: после сообщения об устранении нарушения проверка идёт в течение 30 дней, а повторно отправить сайт на проверку можно через 30 дней с момента предыдущей отправки. Сколько действует само ограничение, в справке не указано. В практике рынка называют срок в пределах полугода и больше, но официального подтверждения этой цифре нет.
Стоит ли ориентироваться на утечку кода Яндекса и внутреннюю документацию Google?
Как на ориентир по устройству систем - да, с поправкой на источник. Google подтвердил подлинность своих документов, но предупредил, что фрагменты бывают устаревшими и вырванными из контекста. Яндекс подтвердил происхождение попавших в сеть файлов и сказал, что они соответствуют устаревшей версии кода. Весов факторов ни в том, ни в другом случае нет, поэтому строить на этом план работ нельзя.
Поймём, какая система вас не пускает и почему
Разберём сайт по обеим выдачам: техническая часть и мобильная версия, соответствие страниц запросам, сниппеты, поведение по разделам. На выходе - список правок с приоритетами и понятная причина провала, а не догадки. SEO-аудит от 20 000 ₽, 7-14 рабочих дней; техническая оптимизация, правки на сайте и тексты входят в любой тариф и делаются нами.
Источники
- Маннинг К. Д., Рагхаван П., Шютце Х. Введение в информационный поиск. М.: Вильямс, 2011. 528 с.
- Chuklin A., Markov I., de Rijke M. Click Models for Web Search. San Rafael: Morgan & Claypool, 2015. 99 p.
- Kohavi R., Tang D., Xu Y. Trustworthy Online Controlled Experiments: A Practical Guide to A/B Testing. Cambridge: Cambridge University Press, 2020. 288 p.
- Joachims T., Granka L., Pan B., Hembrooke H., Gay G. Accurately interpreting clickthrough data as implicit feedback // Proceedings of the 28th Annual International ACM SIGIR Conference on Research and Development in Information Retrieval. 2005. P. 154-161.
- Agichtein E., Brill E., Dumais S. Improving web search ranking by incorporating user behavior information // Proceedings of the 29th Annual International ACM SIGIR Conference on Research and Development in Information Retrieval. 2006. P. 19-26.
- Craswell N., Zoeter O., Taylor M., Ramsey B. An experimental comparison of click position-bias models // Proceedings of the 1st ACM International Conference on Web Search and Data Mining. 2008. P. 87-94.
- Dupret G., Piwowarski B. A user browsing model to predict search engine click data from past observations // Proceedings of the 31st Annual International ACM SIGIR Conference on Research and Development in Information Retrieval. 2008. P. 331-338.
- Chapelle O., Zhang Y. A dynamic Bayesian network click model for web search ranking // Proceedings of the 18th International Conference on World Wide Web. 2009. P. 1-10.

