Роботы для роботов: SEO интернет-магазина с помощью ИИ

После разработки, а если точнее, пересоздания, сайта интернет-магазина «ШинСнаб.рф» (кейс об этом здесь), мы приступили к его поисковому продвижению по предварительно собранному семантическому ядру. Процесс внутренней оптимизации включал, помимо прочего:

1. Контентную оптимизацию основных страниц и разделов — таких насчитывалось 70.
2. Создание и контентное наполнение для SEO около 500 посадочных страниц, для которых есть семантика.

Опыт и начальные наблюдения за экспериментальными страницами показали, что для успешного попадания в топ-10 нужны не только грамотно настроенные метатеги, но и текст. Причем классического «сеошного» на пару абзацев в стиле «купить недорого шины» вполне достаточно. И поскольку процесс написания такого контента — рутинный, мы решили доверить его нейросети.

Выбор решения

Источником идеи и вдохновения для нас стал кейс наших коллег из SLT. Они великодушно поделились не только опытом, но и шаблоном для массовой генерации. Его мы и взяли в качестве базы, доработали под себя и расширили для создания не только тайтлов и дескрипшенов, но и текстов.

В нашем случае, основа для работы с ИИ в коммерческих масштабах — решение для Google Sheets от GPT for Work. Оно устанавливается как стандартное расширение Google и позволяет работать через привычный интерфейс Google Таблиц или Google Документов с более чем 20 LLM (на момент написания кейса): от уже устаревшей GPT-3.5-turbo до Gimini-2.5-flash. Список моделей постоянно обновляется и дополняется.

Так как у нас не было аккаунта в OpenAI (и потребность в нем ни разу не возникла), мы выбрали работу c GPT for Work без API: покупаешь на GPT for Work пакет токенов (от 29$) и пользуешься любыми доступными нейросетями. Деньги списываются только за потраченные токены, то есть за отправку запросов / получение ответов от ИИ. Пакет действует в течение 1 года.

Важное преимущество GPT for Work — для регистрации требуется только Google-аккаунт, все работает без VPN.

Не нужны никакие танцы с бубнами и рисками получить бан, как, например, при регистрации в OpenAI. Оплата, правда, принимается только с зарубежных карт, а интерфейс расширения – на английском. Но это уже не сложности.

Настройка модели

Сейчас в расширении GPT for Sheets™ есть три основных раздела:

1. Agent (BETA-версия) — недавно добавленный самый «умный» режим, в котором нейросеть сама определяет нужные действия для выполнения заданной общими фразами задачи.
2. Bulk tools — предустановленный набор инструментов для массовых преобразований, таких как перевод или категоризация.
3. GPT functions — сборник различных функций, задающихся как формулы Excel.

Для генерации текстов с использованием множества вводных мы выбрали GPT functions.

Сначала настроили параметры, которые определяют в целом работу ИИ при каждой генерации:

1. Собственно LLM.
2. Общая инструкция (Global instructions) — указания на поведение, которого нейросеть будет придерживаться при каждой генерации.
3. Температура (Creativity / temperature) — степень креативности ИИ, обратно пропорциональная точности следования промпту.
4. Ограничения длины ответа (Cut-off limit) — максимальный объем генерируемого нейросетью за один раз текста, выражаемый в токенах.

Мы экспериментировали с разными моделями и пришли к выводу, что с нашими задачами, то есть с генерацией текстов, лучше всего справляется передовая на тот момент claude-4-sonnet. Она не только допускали меньше «корявостей» в тексте, чем та же gpt-4o, но и сама добавляла в текст полезные факты, например, о стране производства шин в соответствии с их брендом.

Изучив несколько десятков предустановленных образцов поведения: от академика до стендапера, остановили выбор на собственной (Custom) инструкции. Для генерации тайлов и дескрипшенов его делали совсем простой: только просили нейросеть вести себя как SEO-специалист, работающий над продвижением интернет-магазина. Для текстов написали подробный общий промпт, указав в том числе:

• преимущества компании, которые можно упоминать в тексте;
• особенности написания брендов;
• стилистику и правила оформления текста;
• запреты применять любимые ИИ (и копирайтерами) шаблонные конструкции, наподобие «Если вы хотите купить шины в Самаре, обращайтесь… »;
• пример написанного человеком SEO-текста как образец для подражания.

Образец — пожалуй, самый действенный способ заставить нейросеть писать в том стиле, который нужен. Правило «лучше один раз показать, чем тысячу раз объяснить» действует на 100%.

С креативностью / температурой сначала экспериментировали, но постепенно пришли к выводу, что оптимальное в нашем случае значение для тайтлов и дескрипшенов — 0,6 (минимальный перевес в сторону креативности), для текстов — 1 (максимальная креативность).

Температуру можно задавать и индивидуально для каждой формулы — об этом чуть ниже.

Ограничения длины ответа актуально, если вы хотите ограничить длину генерируемого текста, например, для ускорения или экономии, или, наоборот, хотите получить максимальной объемный ответ. Мы работали с настройками по умолчанию.

Подготовка промпта

Для генерации тайтлов, дескрипшенов и текстов использовали базовую функцию, которая в общем виде выглядит так:

Где prompt — это или собственно текст задачи для ИИ, или ссылка на ячейку таблицы с промптом. Сначала мы использовали формулу в расширенном виде, чтобы поэкспериментировать с температурой:

Здесь:

• prompt — текст промпта;
• пустое место перед запятой — пропущенное значение [value] — здесь можно указать имеющийся контент, который должна обработать нейросеть, в нашем случае эта переменная была не нужна;
• temperature — степень креативности для конкретного запроса.

Промпт составлялся в отдельной ячейке путем комбинации неизменяемого текста и переменных, таких как название категории, список ключевых фраз, автоматически подставляемые в случайном порядке эмодзи (для дескрипшенов) — все эти вводные указывали в строке каждого раздела.

В результате, например, для дескрипшенов получался такой промпт:

Зеленым подсвечены «постоянные» части промпта, голубым — подставляемые из таблицы индивидуально для каждого раздела (посадочной страницы) таблицы.

А также мы выделили столбец для подсчета количества символов в сгенерированном тексте (для метатегов это важно) и для температуры (чтобы менять ее для каждого запроса, когда экспериментировали).

После этого оставалось только забить формулу вида:

и выбрать ячейки, в которой сформирован промпт и указана температура (при необходимости).

Генерация контента

Когда таблица была готова, мы отработали и скорректировали на нескольких первых текстах промпт и настройки. А затем просто скопировали формулу =GPT($H3) на все строки и любовались, как ИИ за считанные минуты выполняет работу, на которую копирайтеру потребовалось бы несколько дней.

Естественно, и метатеги, и особенно тексты нуждались в вычитке и доработке. В среднем, на один текст редактор тратил около 10 минут. Но это было значительно быстрее и дешевле написания человеком.

Потом мы решили поручить ИИ также черновую редактуру текста: просили его переписать предварительно сгенерированный текст в стиле образца, отредактированного человеком. И на выходе получили нуждающиеся в минимальных корректировках, практически готовые к публикации тексты.

Генерация для 100 страниц тайтлов, дескрипшенов и SEO-текстов (суммарным размером около 80 000 символов) обходилась в среднем $4–5, а их вычитка, редактура и размещение на сайте занимала около 24 часов работы специалиста.

Однажды ИИ внезапно перешел на рассказ о чем-то навроде глокой куздры. Такой пердимонокль случился лишь разово, причем и 30 предыдущих и 30 последующих текстов, запущенных на генерацию одновременно, были совершенно обычными.

В рамках работы с «ШинСнаб.рф» посадочных страницы создавались и заполнялись контентом вручную. Но этот процесс можно автоматизировать с помощью выгрузки из Google-таблиц на сайт с CMS «1C-Битрикс». О нем подробно рассказано в нашем кейсе «Супер-импорт: как наполнить сайт с помощью одной таблицы». Кстати, именно возможность последующего импорта по давно проверенной методике стала одним из основных аргументов в пользу выбора расширения GPT for Sheets™ в качестве основного инструмента взаимодействия с LLM.

Результат

Внутреннее SEO нового сайта интернет-магазина «ШинСнаб.рф» началось в ноябре 2024 года и завершилось в августе 2025 года. За это время:

• созданы 484 посадочные страницы;
• сгенерированы, отредактированы и размещены 541 SEO-текст;
• сгенерированы и размещены 563 группы метатегов.

Весь этот контент равномерно добавлялся в течение 10 месяцев. Не раз было отмечено, что попадание и закрепление страницы на топовых позициях происходило только после добавления текста. Причем во всех случаях это был текст, сгенерированный ИИ.

На протяжении всего периода работ по SEO мы наблюдали рост видимости и средней позиции в поисковых системах «Яндекс» и Google.

Итогом стал рост переходов из поисковых систем более, чем на 50%, проявляющийся в периоды как сезонного спроса (весна и осень), так и в межсезонье.

В апреле из-за проблем с сервером сайт не работал чуть более суток. Из-за этого подавляющее большинство страниц выпало из индекса Google. Именно поэтому возник резкий провал видимости по Google и спад посещаемости в конце весны и в первой половине лета. Тем не менее к началу осеннего сезона нам удалось вернуть сайту хорошие позиции. Но то, как мы сделали это — совсем другая история.

По кейсу поискового продвижения «ШинСнаб.рф» мы видим, что контентная оптимизация по-прежнему имеет важное значение для SEO. И превосходно, что в лице ИИ мы получили помощника, отлично справляющегося с рутинными задачами.

Поисковые системы спокойно относятся к качественному контенту «искусственного» происхождения. Это неудивительно, потому что SEO-тексты, получаемые путем генерации современными LLM по продуманным промптам с последующей человеческой редактурой, практически неотличимы от «копирайтерских». И мы готовы создать такой контент в любом объеме, в том числе для вашего проекта.