Полгода назад я решил проверить, можно ли делать SEO-работу руками ИИ. На живом проекте — небольшом блоге про электронику. Не по книжкам. Спойлер: можно. Но не так, как обещают в роликах с thumbnail "ИИ сделал всё за меня!!!".
Расскажу что реально работало, где я напоролся, и какие инструменты остались в обиходе.
Семантика — то, с чего я начал и где сразу ошибся
Первое, что я сделал — попросил ChatGPT собрать семантическое ядро по теме "умные колонки". Получил красивый список из 80 ключевиков. Несколько часов ушло на сверку с Ahrefs — и примерно треть фраз оказалась либо с нулевым объёмом, либо вообще несуществующей. ИИ просто придумал то, что звучало правдоподобно.
Дело в том, что языковая модель не знает реального спроса — она знает, как выглядят SEO-списки. Поэтому я поменял подход. Беру живые ключи из Ahrefs или Search Console и уже с ними иду к GPT, но с другой задачей: сгруппируй по интенту, найди похожие кластеры, покажи где запросы конкурируют между собой. Вот здесь модель работает хорошо — это задача на рассуждение, а не на генерацию данных из воздуха.
Анализ конкурентов — неожиданно полезная штука
Нашёл это случайно. Скопировал текст статьи конкурента с первой страницы по нужному запросу и попросил GPT разобрать: что там покрыто, каких подтем не хватает, какие вопросы читателя остались без ответа. Модель выдала толковый анализ — не идеальный, но за три минуты лучше, чем я бы сделал за двадцать.
Потом стал делать это регулярно: скармливаю 3–4 статьи из топа и прошу найти пересечения. Что все упоминают — обязательная база. Что никто не покрыл — потенциальное место, где можно сделать лучше. На практике срабатывает примерно в половине случаев, остальное всё равно нужно додумывать самому.
Написание текстов — тут у меня нет иллюзий
Я не пишу SEO-тексты от и до с помощью ИИ. Пробовал — получал что-то, что выглядит как текст, но не читается как текст. Такие статьи узнаёшь сразу: ни одной конкретной детали, зато "комплексный подход" и "эффективное решение задач" встречаются по три раза на страницу.
С конкретными кусками — другая история. Метаописания: даю заголовок страницы и целевой запрос, получаю пять вариантов, выбираю лучший или правлю под себя. Заголовки H1-H2: прошу предложить варианты под конкретный запрос, иногда находится что-то лучше моего первого варианта. Вводные абзацы: даю тезис и прошу написать зацепляющее начало, потом переписываю под свой голос.
Это не "ИИ пишет за меня". Это больше похоже на то, что у меня появился собеседник, с которым можно проговорить структуру до того, как садишься писать.
Технические задачи — неожиданно сильная сторона
Раньше я бы не подумал, что буду тащить технические SEO-вопросы к языковой модели. Но вот пример.
Был сайт с нестандартной CMS: часть страниц попадала в индекс с неправильным canonical, и я не мог понять почему. Описал проблему GPT-4 в деталях — структуру URL, как генерируется canonical, что видит Search Console. Модель предложила три возможных причины. Одна оказалась правильной. Час копания превратился в пятнадцать минут.
Ещё использую для регулярных выражений — для фильтров в Search Console и GA4. Раньше шёл на Stack Overflow, теперь объясняю задачу и получаю готовый regex с объяснением. Не всегда с первого раза, но в среднем быстрее. Схемы разметки — то же самое: описываю страницу, прошу написать JSON-LD нужного типа, потом проверяю в валидаторе Google. Ошибки бывают, но мелкие.
Что я понял за это время
Главное открытие: ИИ плох там, где нужны реальные данные, и хорош там, где нужно рассуждать над данными, которые уже есть. Это разграничение мне стоило нескольких потраченных часов, зато теперь я не прошу его придумывать ключевые слова — только анализировать то, что я принёс из нормальных источников.
Второе — качество результата напрямую зависит от того, насколько конкретно я описываю задачу. Не нужно учить "магические промпты". Просто если я пишу "помоги с SEO" — получаю общую воду. Если пишу "вот страница, вот запрос, вот три конкурента из топа — найди структурные отличия" — получаю что-то полезное.
Сейчас у меня такая связка: Ahrefs для данных, GPT-4 или Claude для анализа и текстовых задач, Search Console для мониторинга. ИИ встроился в середину этой цепочки, не заменив ни начало, ни конец.
Ждал я большего? Наверное. Но то, что осталось, реально экономит время. Этого уже достаточно.
