«От создания текстов до анализа метрик: свои SEO-инструменты с помощью вибкодинга»

В итоге это даёт ощутимый результат: сокращаются временные затраты на стандартные операции, повышается точность аналитики, снижаются расходы на создание контента, а количество ошибок на сайте уменьшается. Разработка и внедрение инструментов могут проходить поэтапно — большинство примеров в статье как раз демонстрируют такой подход.

Генератор текстов

Если раньше маркетологи ограничивались одной страницей, например, описывающей функцию продукта, то теперь, с переходом на GEO — оптимизацию под ИИ-поиск — выгоднее создавать отдельные материалы для разных сегментов аудитории или под каждый бизнес-направление. При этом контент должен оставаться читаемым и естественным.

Соответственно, нагрузка по генерации страниц значительно возрастает. Делать это вручную — долго, заказывать у подрядчиков — дорого, к тому же требует дополнительного контроля. Нам удалось создать собственный генератор страниц без привлечения разработчиков — применив вайбкодинг.

Наш текстовый ИИ-агент работает поэтапно: сначала создаёт контент по заданным параметрам, затем корректирует стиль, сверяет терминологию с глоссарием продукта и проверяет соответствие тарифов, автоматически выявляя неточности. Благодаря этому модель не приписывает продукту несуществующих возможностей, не путает названия и не вводит пользователей в заблуждение, например, упоминая «безлимитный тариф» там, где его нет.

SEO-специалист загружает CSV-файл с параметрами страниц (по сути, ТЗ в удобном для ИИ формате), а на выходе получает готовую структуру: заголовки, подзаголовки, блок вопросов и ответов.

Генератор поддерживает как OpenAI, так и локальные модели, между которыми можно переключаться прямо в интерфейсе. Работает через браузер и командную строку — что удобно для автоматизации и запланированного запуска.

Загрузка файлов в Генератор. Здесь задаём промпт и передаём необходимые данные

Сейчас мы можем производить сотни текстов в час, при этом стоимость одной страницы — менее 10 рублей. Услуги агентства обошлись бы в сотни раз дороже.

В планах — расширение функционала: добавить проверку текстов от внешних исполнителей на соответствие нашей терминологии. На основе этого инструмента можно создать конвейер, который не только генерирует контент, но и подбирает иллюстрации, а также формирует страницы по шаблонам.

Проверка дубликатов на сайте

Этот инструмент разрабатывался постепенно. Сначала ИИ-алгоритмы просто выявляли копии контента на сайте: модель находила страницы с похожим содержанием и собирала данные в таблицу, которая требовала ручной обработки.

Затем добавили дополнительные уровни проверки — от поверхностной до детальной. Сначала отсеиваются тексты-клоны, затем — частично переписанные материалы, после — смысловые дубли (говорящие об одном и том же разными словами). Финальный этап — проверка на поглощение, когда один текст фактически включает другой.

Для каждой пары ИИ анализирует контекст и даёт рекомендации: удалить, объединить или переработать. SEO-специалист получает отчёт с таблицами, примерами текстов и цветовой разметкой.

Поиск тем на UGC-площадках

Чем больше контента нужно создавать, тем актуальнее становится поиск востребованных тем. При сотнях публикаций в месяц ручной подбор тематик становится неэффективным.

Мы разработали инструмент, который отслеживает соцсети, форумы для бухгалтеров, предпринимателей и других профессионалов, а также тематические обсуждения на крупных платформах. Здесь пользователи открыто обсуждают проблемы, задают вопросы, делятся опытом — что и становится основой для релевантного контента.

Наш ИИ-агрегатор анализирует публикации за заданный период (например, за месяц), объединяет данные и группирует их по темам. При этом учитывается не только частота упоминаний, но и контекст, динамика обсуждений, а также активность разделов. Например, блог с сотнями комментариев получает больший вес, чем тот, где обсуждения единичны.

Собранные данные проходят кластеризацию, и мы получаем тематические группы, например, «Выгорание в IT-командах» или «AI-инструменты для малого бизнеса». Для каждого кластера LLM формирует краткое описание. Также система исключает дубли: повторы сообщений или репосты новостей не учитываются. Выявленные темы проверяются на уникальность по сравнению с уже опубликованными материалами.

В итоге мы получаем конкретный список актуальных тем для контент-плана, а не просто набор ключевых слов.

Выбор между созданием нового текста или переработкой существующего

GAP-анализ конкурентов

Пользователи всё чаще ищут информацию через чат с ИИ, получая готовый ответ без переходов на сайты. В этом контексте выигрывает тот, чей контент цитируют ИИ-системы. А для этого нужна новая стратегия и новые инструменты.

Этот инструмент построен на основе предыдущего: он анализирует не только UGC-площадки, но и данные из поисковой выдачи, ответы ИИ-чатов, выявляя, какие конкуренты и темы в них фигурируют.

Первая версия работала около пяти месяцев, пока не заполнилась база контента. Затем начались проблемы: дублирование тем, ручная фильтрация, что сводило на нет преимущества автоматизации.

Чтобы не терять время, за три дня полностью переработали систему.

Черновики будущих тем

Вторая версия — уже не скрипт, а автономное приложение. За 15 минут система выдаёт более 100 тематик в любой отрасли, а аналитик получает их в виде готовых ТЗ. Мы внедрили умный смысловой аудит на основе ИИ, что позволило сократить дубли.

Пример отчёта

Теперь мы получаем темы не только для сайта, но и для блогов, соцсетей, вебинаров, а также рекомендации по упоминанию продуктов в СМИ — с учетом специфики целевой аудитории.

Например, система может предложить продвижение конкретного набора инструментов Битрикс24 для малого бизнеса через определённые СМИ. Хотя инструмент работает стабильно, от генерации рекомендаций для сторонних ресурсов мы временно отказались — из-за высокого расхода токенов.

Предиктивный анализ SEO-метрик

Мы экспериментировали с ИИ-решением для прогнозирования ключевых показателей на 1-3 месяца: трафика, регистраций, удержания пользователей. Было два подхода, оба с использованием вайбкодинга, но результаты различались.

Первый вариант оказался неудачным. Мы попытались построить прогноз на слабом датасете. Модель получилась сложной, но ненадёжной: изменение одного параметра искажало итоговый прогноз. Это показало ограничения подхода: без качественных данных даже сложный алгоритм бесполезен.

Второй подход сработал лучше. Мы доработали датасет, включив праздники, изменения алгоритмов и другие факторы. На этой основе модель сформировала три сценария: негативный, нейтральный и позитивный.

Сейчас мы проверяем точность прогнозов, сравнивая их с фактическими данными. Пока отклонения допустимы, что говорит о работоспособности модели.

Проверка мобильной вёрстки

Во время проверки в Яндекс Вебмастере обнаружили страницы, которые были просканированы, но не попали в индекс. Возникла гипотеза, что это связано с некорректным отображением на мобильных устройствах.

Ручная проверка выявила горизонтальный скролл в мобильной версии, что ухудшает UX и может влиять на ранжирование.

Готового решения для массовой проверки не нашлось, поэтому мы создали свой инструмент. Через вайбкодинг в OpenCode описали задачу для ИИ: проверить страницы из Вебмастера, которые не были проиндексированы.

ИИ предложил использовать эмулятор мобильного браузера. В итоге получился агент, который проверяет наличие скролла, корректность вёрстки, загрузку элементов и доступность интерактивных блоков.

Результат — список страниц с ошибками для доработки. Таким образом, мы связали данные Вебмастера с практической проверкой мобильной версии, получив инструмент для выявления проблем с индексацией.

Вайбкодинг меняет SEO-индустрию

Универсальные SEO-инструменты подходят для базового мониторинга, но не решают узкоспециализированных задач, не учитывают специфику ниши и не помогают выстроить стратегию. Они выявляют стандартные ошибки, дают общие рекомендации, но не адаптируются под уникальные запросы, например, не группируют запросы по смыслу или не предлагают точечные решения для конкретной аудитории. Специалистам приходится тратить время на ручную доработку.

Вайбкодинг позволяет создавать кастомные решения под конкретные задачи без глубоких знаний кода. Если специалист умеет развёртывать приложения в облаке или на сервере, можно использовать Codex, OpenCode, OpenClaw и другие решения. OpenSource-варианты вроде Qwen Coder могут быть бесплатными при наличии ресурсов (например, видеокарты от GTX 3090 с 12 ГБ памяти).

Главное преимущество вайбкодинга — скорость тестирования гипотез. Раньше разработка GAP-анализатора с нуля заняла бы недели или месяцы. Сейчас комбинация экспертизы и ИИ сокращает срок до трёх дней. Более того, ИИ анализирует работу инструмента и предлагает пути его улучшения.

Анализ работы инструмента и рекомендации по развитию

Процесс идёт в реальном времени: от сырого прототипа до стабильного сервиса в Docker-контейнере через итеративные правки и тесты. ИИ берёт на себя шаблонный код, позволяя SEO-специалисту сосредоточиться на логике работы с семантикой и архитектуре приложения.

Результат очевиден: экономия времени на аналитику и подготовку контента, более точная SEO-стратегия, перераспределение ресурсов команды с рутины на стратегические задачи. Вайбкодинг не заменяет готовые сервисы, а дополняет их, делая SEO более гибким и подстраивающимся под конкретный бизнес.

Мнение редакции может не совпадать с мнением автора. Ваши статьи присылайте нам на 42@cossa.ru. Наши требования к материалам можно найти по ссылке.