Анализ текста: статистика, читабельность, плотность

Введение

Анализ текста — это не просто подсчёт слов. Полноценный анализ показывает структуру текста, его читабельность, плотность ключевых слов, частоту употребления, длину предложений и абзацев, оценивает SEO-потенциал. Такие метрики помогают копирайтерам и SEO-специалистам не вслепую писать статьи, а осознанно управлять структурой и содержанием. Один взгляд на статистику — и понятно, где текст перегружен длинными конструкциями, где не хватает ключевых слов, а где они, наоборот, повторяются слишком часто и есть риск попасть под фильтр за переспам.

В этой статье разберём, какие метрики анализа текста существуют, как их интерпретировать и какие выводы делать. Подсчёт базовых показателей доступен в онлайн-счётчике слов, а более глубокий анализ — через специализированные инструменты.

Зачем анализировать текст

Глазами оценить, насколько текст «хороший», невозможно — нужны объективные метрики. Анализ решает сразу несколько задач.

SEO-оптимизация. Понимание плотности ключевых слов, длины мета-тегов, распределения терминов помогает ранжироваться выше и не попадать под фильтры за переспам.
Читабельность. Длинные предложения и абзацы снижают понимание. Метрики читабельности показывают, где текст «тяжёлый» и требует переработки.
Соответствие ТЗ. Технические задания на текст часто содержат требования по объёму, плотности ключей, количеству абзацев. Анализ проверяет соответствие.
Стилистика. Частотный анализ выявляет тавтологию, повторяющиеся слова, любимые штампы автора.
Оценка уникальности. Анализ n-грамм и фраз помогает выявить неуникальные фрагменты и перефразировать их.
Сравнение вариантов. Сравнив метрики двух версий текста, можно понять, какая лучше подходит под задачу. Подробнее о сравнении — в материале про сравнение текстов.

Базовые метрики

Это количественные показатели, которые считает любой счётчик слов.

Количество слов. Базовый объёмный показатель. Используется в ТЗ и для оценки времени чтения.
Количество символов с пробелами и без. Стандарт для рекламных и редакционных расчётов.
Количество предложений и абзацев. Структурные показатели. Мало абзацев при большом объёме — текст «кирпичом», тяжело читается.
Средняя длина слова. В русском языке 6–8 символов — норма. Слишком длинные слова утяжеляют чтение.
Средняя длина предложения. 10–15 слов — комфортно для чтения. Свыше 20 — предложение стоит разбить.
Средняя длина абзаца. 3–5 предложений — оптимально. Длинные абзацы визуально отпугивают читателя.
Время чтения. Оценка при скорости 180–200 слов в минуту. Помогает пользователям решить, читать ли статью.

Метрики читабельности

Читабельность — это объективная оценка того, насколько легко читать текст. Существует несколько формул, разработанных для английского языка и адаптированных для русского.

Индекс Флеша (Flesch Reading Ease)

Классическая формула, учитывающая среднюю длину предложения и среднее число слогов в слове. Результат — число от 0 до 100: чем выше, тем проще текст. Для английского 60–70 — стандартный уровень. Для русского формулу адаптируют с учётом морфологии.

Уровень образования (Flesch-Kincaid Grade)

Связанная метрика, показывающая, сколько лет образования нужно читателю, чтобы понять текст. 8-й класс — простой текст, 12-й — средний, выше 12 — сложный академический.

Туманность (Gunning Fog Index)

Учитывает долю «сложных» слов (три и более слогов) и среднюю длину предложения. Чем выше индекс, тем «туманнее» текст. Для массовой аудитории стремятся к 7–9, для академической — выше.

Индекс Колмогорова — адаптация для русского

Адаптация формул читабельности для русского языка, предложенная в отечественных исследованиях. Учитывает специфику кириллической морфологии и длину русских слов.

Метрики читабельности не идеальны: они не учитывают лексику, логику, контекст. Но как первичная оценка «тяжести» текста они полезны. Если индекс слишком низкий или высокий — повод пересмотреть структуру предложений.

Плотность ключевых слов

SEO-метрика, показывающая, какую долю текста занимает ключевое слово или фраза. Формула простая: количество вхождений ключа делится на общее число слов и умножается на 100%.

Оптимальная плотность — предмет дискуссий. Исторически рекомендовали 3–5%, но современные поисковики стали умнее и наказывают за переспам. Сейчас безопасный диапазон — 1–2% для основного ключа, до 1% для дополнительных. Важно не только число вхождений, но и их распределение: ключ должен встречаться в заголовках, в первом абзаце, равномерно по тексту.

Тошнота

«Тошнота» — русскоязычный SEO-термин, обозначающий повторение одного слова в тексте. Различают классическую и академическую тошноту. Классическая — корень квадратный из частоты самого частого слова (без стоп-слов). Академическая — отношение частоты самого частого слова к общему числу слов, в процентах. Норма классической тошноты — до 7–9, академической — до 7–8%. Превышение — признак переспама, текст могут расценить как SEO-спам.

Вода

«Вода» — доля стоп-слов и слов без смысловой нагрузки (местоимений, предлогов, союзов, вводных конструкций). Высокий процент воды — текст пустой, неинформативный. Норма — до 15–20%, выше — стоит пересмотреть лексику и убрать лишнее.

Частотный анализ

Частотный анализ показывает, какие слова и фразы встречаются в тексте чаще всего. Результаты выводятся таблицей или облаком слов. Полезные применения:

Выявление тавтологии. Если одно слово встречается в каждом абзаце — это перебор, нужно заменить синонимами.
Проверка ключей. Видно, какие ключевые слова и как часто употреблены, равномерно ли распределены.
Анализ стиля. Любимые слова автора, штампы, повторяющиеся формулировки становятся очевидными.
Поиск тем. В большом тексте топ слов показывает, о чём реально речь, в отличие от заявленной темы.

Частотный анализ обычно исключает стоп-слова — предлоги, союзы, местоимения, — иначе они всегда будут в топе и заслонят содержательные слова.

Анализ n-грамм

N-граммы — последовательности из N подряд идущих слов. Биграммы (N=2), триграммы (N=3) показывают часто встречающиеся словосочетания. Полезно для:

поиска устоявшихся выражений и клише;
анализа ключевых фраз длинного хвоста (long tail);
выявления неуникальных фрагментов (если биграмма повторяется много раз, это подозрительно);
проверки естественности языка — слишком одинаковые биграммы могут указывать на машинную генерацию.

SEO-анализ

Полноценный SEO-анализ текста объединяет несколько метрик.

Объём. Достаточен ли объём для темы? Слишком короткий текст ранжируется хуже, слишком длинный — не дочитывают.
Плотность основного ключа. В пределах 1–2%.
Плотность LSI-слов. Тематические слова, расширяющие семантику, делают текст релевантнее.
Тошнота и вода. В пределах нормы.
Структура. Наличие H1, H2, H3, списков, изображений с alt.
Длина мета-тегов. Title — до 60 символов, description — до 155–160.
Уникальность. Доля неуникальных фрагментов через анализ n-грамм или внешние сервисы антиплагиата.

Подводные камни

Метрики не равно качество. Текст с идеальной плотностью ключей и нормальной тошнотой может быть скучным и неинформативным. Метрики — инструмент, а не критерий истины.
Адаптация формул. Формулы Флеша и Fog рассчитаны на английский. Прямое применение к русскому даёт искажения, нужны адаптации.
Стоп-слова. Список стоп-слов в разных инструментах отличается, и плотность ключей может считаться по-разному. Важно понимать, какой список используется.
Морфология. Подсчёт «слова» без учёта форм (дом, дома, дому — одно или три?) даёт разные результаты. Хорошие инструменты приводят слова к начальной форме (лемматизация).
Сложные ключи. «купить ноутбук в москве» — это одно вхождение или каждое слово отдельно? Зависит от инструмента.
HTML-разметка. Если анализировать текст с разметкой, метрики будут искажены. Нужно предварительно удалить теги.

Сценарии использования

Подготовка SEO-статьи

Написали черновик — прогнали через анализатор. Смотрите: объём 1200 слов (достаточно), плотность основного ключа 1.5% (норма), тошнота 6 (норма), вода 18% (на грани). Средняя длина предложения 14 слов (комфортно). Вывод: текст в целом годится, но стоит убрать немного воды и проверить LSI-слова.

Редактура тяжёлого текста

Автор принёс академический текст со средней длиной предложения 28 слов. Читатель утонет. Анализатор подсветил «тяжёлые» места — разбиваем длинные конструкции, упрощаем лексику. После правок средняя длина падает до 15, индекс читабельности растёт.

Проверка перед публикацией

Перед сдачей статьи клиенту проверяем: title 56 символов (укладывается в 60), description 152 (укладывается в 160), ключи распределены равномерно, тошнота в норме. Можно публиковать.

Аудит старых статей

На сайте 200 статей. Прогоняем через анализатор пакетно — находим переспамленные (тошнота > 10), водянистые (вода > 30%), слишком короткие. Эти статьи дорабатываем в первую очередь.

Лучшие практики

Анализируйте черновик и финальную версию. На этапе черновика метрики помогают скорректировать структуру, на финале — убедиться, что всё в норме.
Сравнивайте с конкурентами. Прогоните через анализатор топ-3 статей из выдачи по вашему запросу. Их метрики — ориентир для вашего текста.
Не гонитесь за идеальными цифрами. Текст для людей важнее текста для метрик. Если цифры говорят одно, а здравый смысл — другое, доверяйте здравому смыслу.
Учитывайте специфику ниши. Технические тексты естественно тяжелее развлекательных. Не пытайтесь сделать академическую статью лёгкой ценой потери точности.
Используйте лемматизацию. Подсчёт с учётом форм слова даёт более корректные результаты, особенно для русского с его богатой морфологией.

Заключение

Анализ текста — объективная основа для редактурных и SEO-решений. Метрики объёма, читабельности, плотности ключей, тошноты и воды показывают сильные и слабые места текста, которые глазом не увидишь. Но метрики — инструмент, а не финальный суд: хороший текст для людей всегда важнее идеальных цифр. Используйте счётчик слов для базовой статистики и специализированные анализаторы для глубокого разбора — и ваши тексты станут и лучше читаемыми, и выше ранжируются.