Третий раз за месяц мой сайт просел в выдаче. Понятно, что Google опять что-то поменял, но разбираться лень. Решил попробовать ИИ-инструменты для диагностики — и залип на два часа, потому что оказалось: половину задач можно закрыть быстрее, чем я думал. А половину — нельзя.
Этот пост — про реальный опыт, а не про обещания. Что работает, что нет, и куда смотреть, если хочешь закрыть типичные SEO-задачи без найма агентства.
Ключевые слова: ИИ ускоряет рутину, но не заменяет голову
Первое, что я делаю с новым проектом — семантическое ядро. Раньше это был день с Keyword Planner, Serpstat и ручной чисткой мусора. Сейчас беру Large Language Model и делаю первичный кластер за полчаса.
Как именно. Даю промпт примерно такого типа:
Нужны ключевые запросы для блога о [тема].
Сгруппируй по интентам: информационные,
транзакционные, навигационные.
Для каждой группы — 5-10 вариантов с частотностью
и примерным конкурентным словом.
Подвох в том, что ИИ не знает реальных частотностей. Он выдаёт цифры, которые могут отличаться от реальности в разы. Поэтому выход языковой модели — это сырьё, которое потом надо проверить через Ahrefs, Serpstat или хотя бы Key Collector. А вот само составление кластера — структуру, синонимы, альтернативные формулировки — ИИ делает лучше меня.
Инструменты, которые использую:
- ChatGPT / Claude — для кластеризации и генерации вариантов
- AnswerThePublic — визуализация вопросов, хорошо дополняет ИИ-разведку
- Semrush Keyword Magic — для проверки и валидации сгенерированных кластеров
Честный вывод: ИИ не заменит keyword research целиком. Но сгенерировать 200+ вариантов для кластера за 20 минут вместо трёх часов — вполне реально. Потом фильтруешь через реальные данные и работаешь с тем, что имеет смысл.
Генерация контента: быстро — не значит хорошо
Тут у меня было два подхода, и оба по-своему тупые.
Первый — попросить ИИ написать статью целиком на основе заголовка. Результат: читаемо, структурировано, бесполезно. Текст получается настолько средним, что его не хотят индексировать даже поисковики, а люди с него уходят на третий абзац.
Второй подход — правильный. ИИ как черновик-каркас, а не как автор.
Что делаю сейчас: беру кластер, выписываю реальные вопросы из комментариев конкурентов и форумов, даю ИИ структуру статьи с конкретными тезисами, потом переписываю половину своими словами и примерами. Это занимает в два раза больше времени, чем просто «попросить ИИ написать», но результат хотя бы читают.
Отдельная история — метаописания. Вот здесь ИИ реально экономит время. Берёшь Title, Description конкурента из топ-3, кидаешь в промпт:
Напиши 10 вариантов meta description для статьи
о [тема]. Длина — до 155 символов.
Каждый вариант с призывом к действию
или цифрой.
И получаешь пачку заготовок, из которых можно быстро выбрать лучший. Это не магия, но это рутина, которую раньше писал руками и которая каждый раз отнимала полчаса.
Хорошие инструменты для этого: Surfer SEO (анализирует топ-конкурентов и подсказывает структуру), MarketMuse (оценка контент-стратегии), ну и любой LLM для черновиков и метатекстов.
Технический SEO: тут ИИ реально полезнее всего
Это открытие меня удивило. Я думал, что ИИ бесполезен для технической части — ну что он может, если сайт не грузится или Robots.txt кривой.
Оказалось — может. Особенно с диагностикой.
Сейчас отдаю Screaming Frog-экспорт (или просто кусок HTML страницы) в Claude и прошу:
Найди проблемы с SEO: отсутствующие title,
дубли meta description, длинные title,
проблемы с H1-H6 иерархией, битые ссылки,
отсутствующие alt у картинок.
Он находит 80% стандартных проблем за секунды. Не все — битые ссылки всё-таки лучше проверять专门的ными тулами. Но то, что касается текстовой оптимизации на уровне страницы — ИИ справляется.
Для более глубокого анализа: Sitebulb и Screaming Frog — как сканеры. Потом выход от них кидаю в ИИ с промптом на русском — и он выдаёт приоритизированный список что чинить в первую очередь.
Ещё ИИ хорошо помогает с написанием редиректов и технических заданий для разработчиков
