Массовая генерация meta-description с помощью Chat GPT

0 29

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.


            Массовая генерация meta-description с помощью Chat GPT

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:


            Массовая генерация meta-description с помощью Chat GPT

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:


            Массовая генерация meta-description с помощью Chat GPT

Небольшой спойлер. В итоге мы заполнили примерно две тысячи десрипшен 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:


            Массовая генерация meta-description с помощью Chat GPT

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:

  1. Prompt. Непосредственно ваш запрос к нейросети, задача. У нас задача состояла из нескольких значений и выглядела, как диапазон ячеек.
  2. Value (заполняем при необходимости, в нашем случае не использовалось). Текст, ячейка, строка, к которой относится наш prompt.
  3. 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.
  4. Max_tokens. Сколько условных единиц вы максимально готовы заплатить за выполнение задания.
  5. 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.


            Массовая генерация meta-description с помощью Chat GPT

В результате,  к каждому товару в таблице выводятся:

  1. Название товара (зачастую также содержит дополнительные ключи).
  2. Артикул (требовала специфика проекта).
  3. 3-4 ключевых слова.
  4. Эмодзи.
  5. Различные переменные о контактах и доставке.
  6. 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

  1. Как уже отмечалось выше, все еще требуется достаточно большое участие со стороны человека. Это снижает бюджетность и скорость методики.
  2. Качество, в общем, приемлемое, но порой перебор с использованием ключей, что также нужно отслеживать при участии сотрудника.
  3. 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$.

    
            Массовая генерация meta-description с помощью Chat GPT

    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:

    1. Сменить тон выделенного фрагмента
    2. Правка грамматики и орфографии
    3. Выжать суть из большого текста
    4. 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

    Оставьте ответ

    Ваш электронный адрес не будет опубликован.