Автоматизация SEO-работ с помощью ИИ для интернет-магазина «Теплолидер»
Гипотеза
У интернет-магазинов с каталогом, где несколько сотен товаров, есть одна общая проблема — на описание всей продукции не хватает ни времени, ни бюджета заказчика.
Например, у «Теплолидера» тысячи товарных позиций. Чтобы подготовить описание под каждую единицу товара, потребуется потратить сотни часов работы. Что самое главное — товары могут отличаться лишь одной характеристикой, например, мощность, но текст при этом должен быть уникальный для всех карточек товара.
Если заполнять по десять карточек в месяц, на каталог из 5000 товаров уйдёт больше года.
Мы решили проверить, можно ли решить данную задачу с помощью ИИ и автоматизации процессов.
Гипотеза: если увеличить число товаров с уникальным текстом, то сайт сможет улучшить позиции в выдаче по коммерческим запросам, например, «купить тёплый электрический пол» или «купить механический терморегулятор», что в свою очередь привлечёт больше органического трафика.
Ранее мы пробовали улучшать контент вручную, но такой подход оказался нецелесообразным, так как требовал много времени и не давал ожидаемого эффекта.
Решение
Как правило, ИИ используют в качестве помощника: он генерирует текст, а специалист проверяет его и публикует на сайте. Но если товаров тысяча, то ручная работа все равно занимает много времени. Поэтому мы решили автоматизировать весь процесс — от выбора товара до публикации готового описания к нему.
В работе объединили генеративный ИИ и программные алгоритмы. Познакомим вас с тем, как устроена система:
- Выбор товара. Программа определяет, для какой единицы необходимо создать описание.
- Формирование запроса. На основе названия, характеристик, стандартного описания товара автоматически составляется промт для ИИ.
- Генерация текста. ИИ создаёт описание с учётом данных конкретного товара с высокой уникальностью.
- Размещение. Готовый текст автоматически публикуется в соответствующую описанию карточку товара.
- Отчет. Система фиксирует, для какого товара была создана и размещена генерация.
Также предусмотрено постепенное заполнение ассортимента каталога. Например, программа может обрабатывать товары раз в день, а не публиковать за раз сотни новых текстов.
При необходимости полученный текст можно отредактировать вручную.
Такой подход позволяет масштабировать работу без необходимости увеличивать штат команды пропорционально количеству товаров.
Что важно учитывать?
Основная сложность — не просто сгенерировать текст, а сделать его точным, уникальным и читаемым.
Рассмотрим пример на сайте размещены два комплекта теплого пола одной серии, бренда, цвета и т.д. Но один 20 метров, а другой 25 метров. Их характеристики во многом совпадают, но описания должны отражать незначительные различия между товарами.
Поэтому было уделено внимание нескольким условиям:
- Уникальность. Текст не должен дублировать друг друга и отличаться только двумя цифрами. Каждая карточка получает собственное, не похожее на остальные, описание.
- Точность. ИИ должен учитывать характеристики конкретной позиции, которое соответствует товару, а не создавать универсальное описание с заменой названия.
- Автоматизация публикаций. Генерация должна попадать сразу в нужную карточку без ручного переноса данных.
- Чёткий контроль. Система фиксирует результаты и отслеживает ход заполнения каталога.
Что показал эксперимент?
После внедрения описанных механизмов мы стали наблюдать за изменениями позиций сайта и органического трафика.
Несмотря на то что в этот период проводились и другие работы по сайту, предварительные результаты показали положительную динамику.
Что было отмечено?
Улучшение поисковых позиций. За последние три месяца после начала работ улучшились позиции по 58% отслеживаемых поисковых запросов. При этом значительная часть запросов не просто показала положительную динамику, но и попала в ТОП-10 поисковой выдачи. Положительные изменения наблюдались и на протяжении последних шести месяцев.
Прирост органического трафика. Количество переходов из поисковых систем также увеличилось. Например, с августа по сентябрь число органических визитов выросло с 570 до 835. Это прирост на 47% всего за один месяц.
При этом на графике такая динамика может выглядеть не столь заметной. Однако сравнение фактических показателей позволяет оценить масштаб изменений.
Масштабирование контента. Вместо неэффективного ручного заполнения появилась возможность системно обрабатывать большой каталог товаров. Специалистам больше не нужно самостоятельно готовить и размещать каждое описание в административной панели сайта.
Точно определить, насколько именно на результат повлияли новые описания и метаданные, сложно: одновременно выполнялись и другие работы по улучшению интернет-магазина. Поэтому мы не можем приписывать весь рост исключительно автоматизации.
Тем не менее полученные данные показали, что выбранный подход более чем перспективный.
Качество важнее количества?
Мы считаем, что качество генераций нельзя игнорировать. Описание должно быть точным и полезным для покупателя, а метаданные — соответствовать содержанию страницы.
Однако есть и другая сторона. Если ручная работа позволяет заполнить только несколько карточек в месяц, то тысячи товаров так и останутся без полноценного SEO-контента.
Автоматизация помогает решить эту проблему: охватить больше товаров и при этом сохранить достаточно высокий контроль над качеством содержимого.
Что потом?
Следующий запланированный этап — настроить оптимальную скорость публикации, продолжить контроль качества описаний и метаданных, а также отслеживать изменения поискового трафика.
Кроме того, важно не останавливаться и в других работах по развитию сайта. Автоматизация контента не заменяет техническую оптимизацию, улучшение каталога и пользовательского опыта.
Итог
В проекте «Теплолидер» была произведена автоматизация SEO-работ с помощью ИИ и программных алгоритмов. Мы объединили создание уникальных товарных описаний и подготовку метаданных, чтобы масштабировать оптимизацию большого интернет-магазина.
Предварительные результаты показали положительную динамику: за последние три месяца позиции улучшились по 58% отслеживаемых запросов, а органический трафик с августа по сентябрь вырос на 47%.
Для LABSALES этот проект стал примером того, как ИИ и классические алгоритмы помогают решать задачи, которые раньше было слишком дорого и долго выполнять вручную.