Массовая генерация meta-description с помощью Chat GPT

Всем привет! Сегодня рассказываем о своем первом крупном опыте применения Chat GPT в продвижении сайта, и делимся шаблоном для массовой генерации meta-description. Сообщения о различных прорывах в области искусственного интеллекта давно будоражат SEO-сообщество, однако, до недавнего времени это все еще казалось довольно далеким от реального использования в рутинных задачах агентства. Но после недавнего релиза Chat GPT, наделавшего немало шума, стало ясно – не за горами глобальные перемены диджитал-индустрии и SEO, в частности. Побаловавшись январским питерским вечером с рецептами шаурмы шавермы, конечно, нам захотелось применять все это чудо к своим суровым будням. Под глобальными грядущими переменами в индустрии, мы не имеем ввиду, что-то вроде “SEO умрет”, “поисковики исчезнут”, “копирайтеры не нужны”. Но четко понимая, что ИИ – мощный инструмент, который наконец стал доступен широким массам компетентных (и не очень) людей, глупо отрицать, что он повлияет и на выдачу, и на алгоритмы ПС, и на методологию работы агентств. Уже произошедшие у нас перемены С ноября 2022 года мы перестали заказывать тексты для внешнего размещения у копирайтеров. Речь к примеру о Миралинкс и наших сайтах для PBN. Раньше цепочка выглядела примерно так: сеошник нашел площадку → поставил ТЗ копирайтеру → дождался и проверил текст → разместил текст. Теперь так: нашли площадку → написали текст в Google Docs с помощью API Chat GPT → через 15 минут отправили текст на размещение. Все. С февраля 2023 года у нас появился в штате оператор нейронки, который работает по чек листу и значительно экономит время и бюджеты на тексты. При этом качество текстов на уровне (а зачастую лучше), чем у бюджетного копирайтера с биржи. Поскольку мы работаем преимущественно в сфере промышленного маркетинга, и ведем сайты металлообрабатывающих компаний, на клиентских сайтах этот подход неприменим. Там по-прежнему работают авторы с личной экспертизой, берутся интервью на стороне клиента, и тексты прорабатываются долго и мучительно. Но неизбежную сеошную “текстовую текучку” можно и нужно постепенно перекладывать на ИИ. Первый большой опыт применения Chat GPT в SEO У нас удачно сложились обстоятельства, и на момент максимального ажиотажа вокруг Chat GPT, мы в SLT как раз готовили к запуску сайт технической тематики. Продукция максимально однотипная: подшипники, направляющий профиль, комплектующие… Сотни наименований, практически неотличимые друг от друга. В общем, потенциальные страницы с пресловутым “малополезным контентом”. Заполненный meta-description у страницы никто не отменял, это общепринятый стандарт в SEO. “Две тысячи описаний подшипников - отличный челлендж для нейросети!” - подумали мы и взялись за дело. Изначально протестировали в интерфейсе самого чата GPT. Получалось более-менее прилично: Но идея набирать руками 2000+ запросов к чату и нажимать ctrl+c / ctrl+v нам не очень нравилась, и мы решили попробовать реализовать это в привычных Google Sheets в полуавтоматическом режиме. Порядок был примерно следующим: Небольшой спойлер. В итоге мы заполнили примерно две тысячи дескрипшен за один-два дня, потратив 12 долларов. На момент решения задачи, API Open AI позволял использовать только модель da-Vinci, с 1 марта доступно непосредственно API Chat GPT, токены которого дешевле в 10(!) раз. Как связать Google Sheets и Chat GPT Это самая простая часть задачи, поскольку уже нашлось качественное и бесплатное решение. Просто идем в каталог расширений и устанавливаем плагин от gptforwork.com . В личном кабинете аккаунта Open AI копируем ключ и в Google-таблицах добавляем его в настройках расширения: На самом деле, там поддерживается большое количество функций, но в нашем кейсе использовалась только одна, базовая функция следующего вида: =GPT(prompt, [value], [temperature], [max_tokens], [model]) Невнимательно в спешке прочитав документацию, некоторое время не могли заставить ее работать. Как обычно, проблема оказалась в сущей мелочи. В зависимости от локации в формуле может использоваться “,” либо “;”. Также задавая параметр креативности, в качестве разделителя используется точка, или запятая . Разберем синтаксис функции: Prompt. Непосредственно ваш запрос к нейросети, задача. У нас задача состояла из нескольких значений и выглядела, как диапазон ячеек. Value (заполняем при необходимости, в нашем случае не использовалось). Текст, ячейка, строка, к которой относится наш prompt. Temperature. Уровень “творческой свободы”, который вы предоставляете AI. Задаем числом от 0 до 1. В нашем случае, не использовалась креативность выше 0,6. Опытным путем пришли к выводу, что в технических коротких описаниях высокая креативность является излишней. Max_tokens. Сколько условных единиц вы максимально готовы заплатить за выполнение задания. Model. Какую модель будем использовать для генерации. Если не указано иное, используется самая мощная на данный момент gpt 3,5-turbo. * На момент решения задачи, в API еще не была доступна gpt 3,5-turbo и мы работали с da-Vinci. Структура задачи для нейронки Пришлось потратить пару дней на эксперименты и размышления, но в итоге мы пришли к вполне рабочей схеме работы в Google Sheets. Там также стремились реализовать полуавтоматический режим. Прописывая массивы ключевых слов, дополнительных ключей, эмоджи и так далее, мы затем формируем рандомный список переменных для каждого товара. При этом в работу брали по категориям, то есть для каждой группы были свои релевантные наборы ключей. В результате, к каждому товару в таблице выводятся: Название товара (зачастую также содержит дополнительные ключи). Артикул (требовала специфика проекта). 3-4 ключевых слова. Эмодзи. Различные переменные о контактах и доставке. Рандомное значение temperature от 0 до 0,6. Задача выглядела просто и коротко: “write a meta-description in Russian language about product use 140-160 characters”. Далее мы выделяем диапазон переменных и через пару минут получаем сотни готовых и относительно разных метаописаний. Возможно на словах все это звучит слишком абстрактно, и проще один раз увидеть, как это происходит. Конечно дальше за дело берется человек. Примерно каждый 10-й дескрипшен требовал правок. Но это все равно в десятки раз быстрее, чем писать их с нуля. После вычитки и правок, передаем таблицу в работу backend-программисту. Не будем лукавить, понятно, что в первый раз пришлось израсходовать пару-тройку дней, но теперь, имея основной каркас, можно генерировать описания почти мгновенно. Естественно, методология будет дорабатываться и улучшаться, чтобы результат получался естественнее, разнообразней и требовал меньшего участия со стороны специалиста. Чем пока не очень довольны Как уже отмечалось выше, все еще требуется достаточно большое участие со стороны человека. Это снижает бюджетность и скорость методики. Качество, в общем, приемлемое, но порой перебор с использованием ключей, что также нужно отслеживать при участии сотрудника. Выходит за рамки общепринятого количества знаков в метаописании. Редко, но порой пишет по 250-350 знаков. Аналогичный подход можно использовать для составления title, заголовков для статей, контент-планов и так далее. Здесь уже все зависит от вашего воображения. Тем более в описанном примере мы используем только одну, основную функцию, на самом деле их больше. GPT_CODE – в помощь программистам. Интерпретирует текстовые запросы в код. GPT_SUMMARIZE – делает выжимки из больших текстов. GPT_FILL – заполняет столбцы нужными данными (как вариант для описаний карточек товаров) GPT_EXTRACT – извлекает “чистые” данные из заданных значений. Например очистит список email-адресов от эмоджи, спецсимволов и прочего мусора после парсинга. GPT_TRANSLATE – перевод на нужный вам язык. И многие другие полезности. Написание больших текстов по API Большие тексты, естественно, проще писать и редактировать в Google Docs, с чем, после релиза API, также не возникает трудностей. Ранее установленный плагин одинаково хорошо работает и в таблицах, и в текстовом редакторе Google. От вас требуется открыть сайдбар, задать нужное значение “температуры”, а также количество токенов, которые вы готовы израсходовать на вопрос и ответ. 1000 токенов = 75 слов = 0,002$. Далее вы взаимодействуете с Chat GPT напрямую из своего документа, что намного удобней стандартного интерфейса. Пишем статью, при необходимости дополняем нужными деталями, фактами, добавляем заключение и вступление. Здесь же форматируем и переходим к следующему тексту. Можно сформулировать prompt, как в свободной форме, так и использовать заготовленные паттерны из выпадающего меню: Сменить тон выделенного фрагмента Правка грамматики и орфографии Выжать суть из большого текста Перевести выделенный фрагмент На текущий момент мы пришли к выводу, что лучший результат получается все же на английском языке. Поэтому во многих случаях, для работы с большими текстами используем связку Chat GPT + DeepL + человек. А не грозит ли за все это дело пессимизация? Приведем здесь цитату Парацельса: “Все яд и все лекарство – важна лишь дозировка”. Все зависит от того, как вы будете применять полученные инструменты. Забить под завязку блог компании генережкой – не советуем. Собирать ключи и определять интент – не советуем. Писать статьи для сателлитов – почему нет. Использовать для поиска идей / заголовков / рерайта текстов / перевода – обязательно. Если вам интересны официальные заявления от ПС, то Яндекс пока традиционно молчит. Google напротив, выпустил справку, где ясно сказано, что использование текста, сгенерированного любым способом, не возбраняется, если конечная цель – не манипуляции выдачей. Шаблон таблицы со всеми формулами можно забрать в нашем Телеграм. Можно и нужно дорабатывать его под свои нужды. Проигнорировать явление не получиться ни у кого. Ни у слабых авторов на бирже, ни у неповоротливых крупных акул диджитал-рынка. Из разряда странной игрушки для гиков нейросети стали доступным и эффективным инструментом, который просто нужно научиться использовать. Мы с большим интересом вовлекаемся в этот процесс и всем советуем не отставать!
Источник
#SEO