Нейросети для SEO: по шагам, где выигрыш, а где убыток

SEO — это не одно дело, а десяток разных: собрать спрос, разложить его по страницам, написать, оформить, выложить, проследить. Нейросеть на этих шагах ведёт себя по-разному: где-то экономит день, где-то работает вничью, а где-то создаёт проблемы, которые вы обнаружите через месяц.

Разбираю по шагам — с тем, что я сам гоняю на своих сайтах.

Коротко: где выигрыш, а где нет

Дальше — подробно по каждому шагу, в том порядке, в котором работа делается.

Спрос: собирать нельзя, обрабатывать можно

Первое, что пробуют все: «напиши мне сто запросов по теме септиков». Модель напишет. Проблема в том, что это будут правдоподобные фразы, а не реальные — она не имеет доступа к тому, что люди набирают в поисковой строке, и достраивает список по языковой вероятности.

Частоты берутся из источников данных: Вордстат, подсказки поисковиков, реальные запросы из Search Console и Вебмастера. Как это делается руками, я разбирал в статье про семантическое ядро и про Вордстат.

А вот дальше начинается то, где модель сильна. Выгрузка на три тысячи строк — это ровно та работа, которую человек делает долго и с ошибками от усталости: убрать мусор, склеить словоформы, разложить по темам, предложить, какие темы объединить в один раздел.

Вот выгрузка запросов с частотами (CSV в конце сообщения). Задача:

1. Убери мусор: запросы с названиями чужих брендов, городов не из списка [список], нерелевантные теме.
2. Сгруппируй оставшееся по темам так, чтобы одна тема = одна будущая страница.
3. Для каждой группы: основной запрос, суммарная частота, тип интента (информационный / коммерческий / навигационный).
4. Отдельно выпиши группы, где ты не уверен в объединении, — я проверю по выдаче.
5. Формат — таблица.

Не придумывай запросы, которых нет в выгрузке.

Последний пункт промпта важнее остальных: без него в таблице появятся строки, которых в исходнике не было.

Тексты: самый переоценённый пункт

Здесь ожидания и реальность расходятся сильнее всего. Черновик статьи модель пишет за минуту — и это правда экономия. Но между черновиком и публикацией лежит работа, которая никуда не делась.

Что придётся делать всё равно:

• Проверять цифры. Годы, номера стандартов, суммы, проценты, ссылки на исследования — всё это выдумывается уверенно и выглядит убедительно. Правило простое: любая цифра считается выдуманной, пока вы не увидели её в первоисточнике.
• Резать воду. Модель по умолчанию пишет вводные абзацы ни о чём, «важно отметить» и «в современном мире». Это лечится шаблоном, но шаблон надо написать.
• Ломать однообразие. Пять статей подряд с одинаковой структурой, одинаковым числом списков и одинаковыми подзаголовками дают сайту узнаваемый почерк.

Про то, как это выглядит в масштабе и что с фильтрами, у меня есть отдельная статья про статьи нейросетью — там подробнее про риски.

Мета-теги: тот случай, когда экономия честная

Title и description для сотни страниц — работа механическая и скучная, поэтому люди делают её плохо: копируют шаблон, забывают про длину, дублируют по всему сайту. Модель делает её ровно и быстро.

Что важно задать в промпте: длину, обязательное вхождение основного запроса, запрет на дубли внутри пачки и тон. И проверить выборочно — не по всем ста, но по десяти. Про требования к самим тегам — в статье про title и description.

Технический аудит: модель видит код, а не сайт

Отдайте модели HTML страницы, и она найдёт то, что человек ищет глазами полчаса: дубли h1, пустые alt, отсутствующий canonical, разметку с ошибками, редиректы по цепочке.

Но здесь есть граница, о которую спотыкаются регулярно.

Отсюда рабочее разделение: код — модели, картинка — человеку. Причём человеку с телефоном, а не только с ноутбуком.

Что нейросеть делать не должна

Три места, где я не отдаю решения модели, и не по идеологическим причинам, а потому что она в них систематически ошибается.

Как понять, что от нейросети есть польза

Соблазн мерить скоростью производства: раньше писал две статьи в неделю, теперь двадцать. Это плохая метрика — она измеряет ваш комфорт, а не результат.

Мерить надо на выходе:

• Страницы в индексе. Сколько опубликовано и сколько принято поиском. Разрыв — норма, но он должен сокращаться, а не расти.
• Показы и клики по новым страницам. Появились ли запросы, которых не было месяц назад.
• Доля страниц с нулевым трафиком через три-четыре месяца после публикации. Если она растёт, значит конвейер производит мусор быстрее, чем вы успеваете это заметить.

Если после трёх месяцев работы страниц стало втрое больше, а кликов столько же — ускорение было не в ту сторону.

Что со всем этим делать

Практический порядок, если вы начинаете: отдайте модели данные (кластеризация, мета, аудит кода), оставьте себе решения (ниша, приоритеты, приёмка), а тексты пустите через шаблон и фактчек. Это даёт основной выигрыш и почти не даёт риска.

Когда этот контур заработает, следующий шаг — связать шаги в конвейер, чтобы он крутился по расписанию без вас. Как устроен такой конвейер целиком — я разобрал в статье про контент-завод: восемь узлов, что в них автоматизируется, а что остаётся ручным.

Готовая сборка этого конвейера — с шаблонами статей, фактчеком, перелинковкой и мониторингом — лежит у меня в «Цехе»: ставится агентом на ваш сайт, дальше работает на ваших ключах. Там же уроки по каждому шагу и разборы сайтов участников, где видно, что из этого списка у людей ломается в реальности.