От генератора текстов до предиктивной аналитики метрик: собственные SEO-инструменты через вайбкодинг

Объём работы в SEO растёт: нужно постоянно актуализировать контент и создавать в разы больше новых материалов с учётом требований ИИ‑поиска. При этом задачи SEO-специалистов становятся всё более узкими, а универсальные сервисы с ними уже не справляются.

Вайбкодинг меняет правила игры, позволяя SEO‑специалисту создавать собственные инструменты, заточенные под реальные рабочие сценарии, буквально за пару часов. О своём опыте ИИ-разработки и создания уникальных решений рассказывает Иван Павлов, cпециалист по вайб-SEO в Битрикс24.

Зачем SEO-специалисту собственные инструменты

Сейчас маркетолог и SEO-специалист может самостоятельно создавать и настраивать рабочие инструменты под конкретные бизнес‑задачи без привлечения разработчиков и глубоких знаний программирования. Через промпты он быстро генерирует скрипты для автоматизации рутинных операций: от обработки семантики и кластеризации запросов до мониторинга позиций и анализа качества контента.

МегаФон Таргет: точный таргетинг и бонус 3000 рублей

• Помогает решать задачи бизнеса: реактивация базы, увеличение конверсии и лояльность клиентов.
• SMS-рассылки с высокой вовлеченностью.
• Получите 3000 бонусных рублей и запускайте первую кампанию с ИИ-помощником.

Узнать больше >>

Реклама. ПАО «МегаФон». ИНН 7812014560. ОГРН 1027809169585. ERID: 2W5zFJN2cgh.

В результате он получает измеримый эффект: сокращается время на выполнение типовых задач, повышается точность аналитики, создание контента обходится дешевле, а ошибок на сайтах становится меньше. Инструменты можно разрабатывать и внедрять поэтапно: большинство примеров в статье имеют именно такую историю.

Генератор текстов

Ещё недавно маркетологи могли обходиться одной универсальной страницей, например, по конкретной функции продукта. Но сейчас, когда мы все переориентируемся на GEO — оптимизацию под ИИ-поиск — желательно создавать отдельные страницы, например, для разных сегментов целевой аудитории, или учитывать в текстах специфику каждого бизнес-направления. При этом тексты на страницах должны быть живыми и легко читаемыми.

Поэтому объём работы по генерации страниц возрастает в разы. Делать это своими силами — долго, отдавать на аутсорс — дорого, да и требует дополнительных проверок и редактуры. Мы создали собственный генератор страниц, не привлекая для этой задачи разработчиков — использовали вайбкодинг.

Наш текстовый ИИ-агент работает в два этапа. На первом шаге он создаёт текст по заданным параметрам страницы, а на втором правит стиль, сверяет результат со словарём терминов продукта и таблицей тарифов, сам отлавливает фактические несоответствия. Таким образом модель не приписывает продукту возможности, которых не существует, не путает названия, не пишет про «безлимитный тариф» там, где его нет.

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

Генератор текстов поддерживает OpenAI и локальные модели, переключаться между ними можно прямо в интерфейсе. Работает и через браузер, и из командной строки — это удобно для автоматизации и запуска по расписанию.

Загрузка файлов в Генератор. На этом этапе задаём промпт и отдаём необходимые материалы

Сейчас мы можем создавать сотни текстов в час, при этом стоимость одной страницы составляет менее 10 рублей. Аналогичная работа у агентства стоит в сотни раз больше.

Мы планируем расширять возможности генератора: добавить в его проверку текстов, которые пишут для нас внешние подрядчики, на соответствие нашему глоссарию терминов. На базе этого инструмента можно создать конвейер, который будет не только писать тексты, но и подбирать изображения и отрисовывать сами страницы по заданным шаблонам.

Проверка дубликатов на сайте

Этот инструмент создавался постепенно. Сначала с помощью ИИ-алгоритмов мы просто проверяли дубли контента на сайте: модель находила на сайте страницы с похожим содержанием, собирала данные в табличку, которую нужно было затем обрабатывать вручную.

Постепенно добавилось несколько слоев проверок, от более грубого к тонкому — на каждом следующем шаге находится то, что могли пропустить на предыдущем. На первом уровне отсеиваются точные копии текстов. Затем определяются тексты, которые частично переписали, но не до неузнаваемости. На следующем шаге система находит смысловые дубли: страницы, говорящие об одном и том же, даже если они написаны совершенно разными словами. Финальная проверка — на поглощение, когда один текст фактически включает в себя другой, просто в другой обёртке.

По каждой найденной паре локальная ИИ-модель смотрит на контекст и даёт рекомендацию: удалить, объединить или переработать. На выходе SEO-специалист получает отчёт с таблицами, примерами текстов и цветовой маркировкой по разделам.

Поиск тематик на UGC-площадках

Чем больше контента необходимо создавать, тем острее встаёт проблема поиска по‑настоящему востребованных тематик. Если компания публикует на сайте или на внешних блогах сотни материалов в месяц, то находить нужные темы для них вручную становится слишком трудозатратно.

С помощью вайбкодинга мы создали инструмент, который может мониторить соцсети и UGC-площадки, специализированные форумы для бухгалтеров, предпринимателей и других профессионалов, а также тематические ветки на крупных площадках в поисках актуальных тематик. На них люди открыто обсуждают проблемы, задают вопросы, делятся опытом — и именно это становится источником идей для релевантного контента.

Мы используем ИИ‑инструмент, который сканирует публикации на выбранных ресурсах за заданный период (например, за последний месяц), агрегирует информацию и автоматически кластеризует её по смысловым тематикам. При этом ИИ-агент не просто считает упоминания, он также учитывает контекст и динамику обсуждения и дифференцирует отдельные блоги или разделы площадок по уровню активности. Например, блог с сотнями комментариев под постами объективно весомее, чем тот, где комментарии единичны. Таким образом, ИИ-агент помогает выбрать темы, реально интересные пользователям.

Весь массив собранных материалов проходит через алгоритм кластеризации и в итоге мы получаем тематические группы вроде «Проблемы выгорания в IT-командах» или «Новые AI-инструменты для малого бизнеса». Для каждого такого кластера большая языковая модель (LLM) составляет краткое и ёмкое описание того, какие вопросы в нём поднимаются. Кроме того, мы научили систему исключать дубликаты: одинаковые сообщения или репосты одних и тех же новостей не анализируются. А выявленные тематики сопоставляются с контентом на сайте, чтобы избежать дублирования с уже опубликованными материалами.

В результате мы получаем не абстрактный набор ключевых слов, а чёткий список актуальных тематик, на основе которого формируем контент-план.

Выбираем, хотим мы новый текст или рерайт имеющегося

GAP-анализ конкурентов

Люди всё чаще ищут не через строку поиска, а через диалог с ИИ-агентом, и получают готовый ответ без перехода по ссылкам. В этой реальности выигрывает тот, чей контент ИИ-системы хотят процитировать. И под эту логику нужна другая контента-стратегия и другие инструменты для её создания.

Этот инструмент мы создали на базе предыдущего: он не только смотрит на UGC-площадки, но и учитывает выгрузки из поисковой выдачи, из ответов ИИ-систем и чатов и анализирует, какие конкуренты и с какими темами появляются в этом массиве информации.

Первая версия была временным решением. Она давала результат первые месяцев пять, пока контентная база не заполнилась. Затем начались проблемы: система стала предлагать темы по десятому кругу, количество дублей зашкаливало, а ручная фильтрация результатов сводила на нет всю пользу от автоматизации. Когда люди тратят ценное время на исправление багов софта — это непозволительная роскошь.

Чтобы не плодить рутину, мы за три дня полностью перестроили весь конвейер.

Драфты будущих тематик

Вторая версия — это уже не статичный скрипт, а полноценное автономное приложение со своей экосистемой. За 15 минут система выдаёт более 100 тем для любой отрасли, аналитик получает их в виде готовых ТЗ. Мы подключили умный аудит смыслов на базе ИИ, а не простой поиск по ключам — это помогло минимизировать дубли.

Пример выгрузки

В результате мы получаем список тематик не только для сайта, но и для внешних блогов и соцсетей, темы для вебинаров и даже рекомендации для упоминания продуктов компании в конкретных СМИ — в нужных аспектах для отдельных сегментов ЦА.

Например, система может рекомендовать попасть в конкретный пул СМИ с точными коммуникационными сообщениями, чтобы прокачать отдельный набор инструментов Битрикс24 для малого бизнеса. Система в целом работает и регулярно даёт рекомендации по контенту. Но от генерации рекомендаций для сторонних ресурсов мы пока отказались, так как ИИ-агенты на эти задачи расходуют слишком много токенов. Для собственного сайта инструмент остаётся основным рабочим решением.

Предиктивный анализ SEO-метрик

Мы пытались создать ИИ-решение, которое помогало бы прогнозировать ключевые показатели на 1–3 месяца вперёд: трафик, количество регистраций и удержание аудитории. В процессе у нас было два подхода, оба во многом строились через вайбкодинг, но результаты оказались очень разными.

Первый подход был скорее неудачным. Мы попытались построить качественный прогноз на недостаточно подготовленном датасете. Модель получалась сложной, с большим количеством параметров, но при этом нестабильной: изменение одного параметра могло заметно исказить итоговый прогноз. Из-за качества исходных данных и количества переменных результат нельзя было считать надёжным. По сути, этот заход показал нам ограничения подхода: без нормальной структуры данных даже сложная модель не даёт полезного предикта.

Второй подход оказался значительно успешнее. Мы расширили и доработали датасет: добавили метки праздников, изменения алгоритмов и другие факторы, которые могли влиять на динамику показателей. На этой базе модель сформировала три классических сценария развития: негативный, нейтральный и позитивный.

Сейчас мы находимся в этапе проверки качества прогноза: отслеживаем, насколько фактические показатели отклоняются от предсказанных и оцениваем, можно ли использовать эту модель в будущем как рабочий инструмент. На текущий момент выглядит так, что модель не ошиблась: фактическая динамика в целом идёт по нейтральному сценарию. При этом отдельные показатели могут смещаться в сторону позитивного или негативного прогноза, но пока эти отклонения выглядят скорее как допустимая погрешность на большой массе данных.

Первый эксперимент помог понять ограничения предиктивной модели на слабом датасете, а второй показал, что при более качественной подготовке данных ИИ-прогноз может быть полезным инструментом для планирования и оценки будущей динамики.

Проверка мобильной вёрстки

Очередная проверка сайта через Яндекс Вебмастер показала проблемные страницы: часть URL была просканирована, но не попала в индекс. Мы решили проверить гипотезу о том, что одна из причин может быть в некорректном отображении на мобильных устройствах.

При ручной проверке нескольких страниц заметили горизонтальный скролл в мобильной версии. Это ухудшает пользовательский опыт и потенциально может влиять на поведенческие факторы, а значит — на позиции страниц в поиске.

Готового инструмента для массовой проверки таких ошибок мы не нашли, поэтому решили сделать свой. Через вайбкодинг в OpenCode описали задачу ИИ: проверить страницы из Яндекс Вебмастера, которые были просканированы, но не проиндексированы.

ИИ предложил реализовать эмулятор мобильного браузера. В результате мы собрали агента, который открывает список URL в. мобильной эмуляции, проверяет наличие горизонтального скролла, корректность вёрстки, загрузку ключевых элементов и доступность интерактивных компонентов.

На выходе агент формирует список страниц с ошибками, которые можно передать в доработку. Так мы связали данные из Яндекс Вебмастера с практической проверкой мобильной версии и получили инструмент для массового поиска возможных причин проблем с индексацией.

Вайбкодинг меняет правила игры в SEO

Стандартные универсальные SEO‑инструменты полезны для базового мониторинга, но не решают узкоспециализированных задач, не учитывают специфику ниши или особенности крупного сайта и не помогают выстроить целостную стратегию. Они фиксируют типовые ошибки, выдают шаблонные советы, но не адаптируются под уникальные требования, например, не объединяют семантически близкие запросы, не группируют контент по смысловым кластерам, не дают точечных рекомендаций для конкретной аудитории. Специалистам приходится тратить время на ручную доработку результатов и поиск обходных путей.

Вайбкодинг позволяет создавать кастомные инструменты под конкретные задачи без глубоких знаний программирования. Если у специалиста есть навыки развёртывания собственных приложений в облаке или на собственном железе, можно использовать любое из решений: Codex, OpenCode, OpenClaw и другие. Решение на OpenSource моделях, например на Qwen Coder, можно сделать бесплатным, если есть хорошие ресурсы, например, видеопамять не менее 12Гбайт, GTX 3090 или новее.

Самое ценное в использовании вайбкодинга — скорость проверки гипотез. Написать решение вроде GAP-анализатора с нуля раньше заняло бы недели, если не месяцы. Но сегодня связка из профильного опыта и ИИ-ассистента позволяет сократить этот путь до трёх дней. Более того, ИИ анализирует работу инструмента и запросы пользователей и предлагает пути его развития и доработки. Например, в случае GAP-анализатора это выглядит вот так:

Анализ решения и пути развития от ИИ

Процесс идёт в режиме реального времени: от сырого, падающего прототипа до стабильного сервиса в Docker-контейнере через непрерывный цикл коротких правок и тестов. ИИ берёт на себя генерацию шаблонного кода, что позволяет SEO-специалисту сфокусироваться на логике работы с семантикой и архитектуре приложения.

Практический эффект очевиден: сокращается время на анализ и подготовку контента, повышается точность SEO‑стратегии, ресурсы команды фокусируются на стратегических инициативах, а не на ручной обработке данных. Вайбкодинг не заменяет готовые инструменты, но дополняет их, превращая SEO из набора типовых операций в гибкий, управляемый процесс, заточенный под цели конкретного бизнеса.

Мнение редакции может не совпадать с мнением автора. Ваши статьи присылайте нам на 42@cossa.ru. А наши требования к ним — вот тут.