Яндекс.Wordstat + ChatGPT: как собирать семантику и оценивать спрос без ручной работы

Wordstat — это не только инструмент для подбора ключевых слов. По сути, это способ посмотреть на реальный сформированный спрос: что люди ищут, какими словами формулируют задачу, что сравнивают, что хотят купить, попробовать или получить бесплатно.

Если подключить Wordstat к нейронке, работа становится заметно проще: не нужно вручную собирать фразы, переключать регионы, чистить дубли и разбирать таблицы. Можно сразу ставить задачу обычным языком и получать готовый анализ.

Интернет-маркетологу это нужно, чтобы собирать семантику, находить новые группы спроса, смотреть частотность, сезонность и готовить структуру рекламных кампаний.

Продакт-менеджеру — чтобы понимать, как пользователи называют продукт и свою проблему, какие функции ищут и какие сценарии использования уже есть в спросе.

Предпринимателю — чтобы оценивать размер рынка, сравнивать регионы, искать новые направления и принимать решения не только по ощущениям, а по реальному поисковому поведению.

Например, собрать все запросы по «КонсультантПлюс» и «Консультант Плюс», объединить варианты написания, убрать дубли и отсортировать по частотности.

Можно посмотреть, как меняется интерес к конкретному запросу по месяцам. Например, отследить сезонность по фразе «КонсультантПлюс цена» и сразу построить график.

Например, отдельно найти все запросы, связанные с бесплатным доступом, пробной версией и возможностью попробовать продукт, а отдельно — запросы про ИИ-помощника, нейросети и искусственный интеллект.

Можно взять список крупнейших городов и собрать частотность по каждому отдельно: Москва, Санкт-Петербург, Новосибирск, Екатеринбург и так далее. Это удобно для регионального маркетинга и оценки локального спроса.

Ниже — схема, которую я сам прошел на MacBook. На Windows шаги будут немного отличаться, но логика та же. Проще всего в таком случае открыть ChatGPT, Codex, Claude или другую языковую модель и написать: «Проведи меня пошагово по этой же настройке на Windows».

Шаг 1. Создаём сервисный аккаунт в Yandex Cloud

Находим в Yandex Cloud и создаём отдельный сервисный аккаунт, например:

wordstat-mcp

Он нужен, чтобы языковая модель могла обращаться к Wordstat через API не от вашего личного аккаунта, а через отдельный технический доступ.

Шаг 2. Выдаём нужные права

Я использовал такую рабочую схему:

Это нужно, чтобы сервисный аккаунт видел нужный каталог, облако и мог выполнять запросы к Search API.

Шаг 3. Создаём API-ключ

В сервисном аккаунте создаём API-ключ с областью действия:

yc.search-api.execute

Сохраняем два значения:

WORDSTAT_API_KEY

и

WORDSTAT_FOLDER_ID

Folder ID — это идентификатор каталога Yandex Cloud.

Шаг 4. Подключаем Billing

У меня API не заработал, пока к облаку не был привязан платёжный аккаунт.

После подключения Billing запросы к Wordstat начали нормально возвращать данные.

Поэтому если всё настроено правильно, но API отвечает ошибками доступа, обязательно проверьте, активен ли платёжный аккаунт.

Шаг 5. Проверяем Wordstat API

До подключения MCP лучше один раз проверить сам API.

Я сделал тестовый запрос по слову «кейтеринг» и получили:

Если данные приходят — значит доступ к Wordstat уже работает.

Шаг 6. Скачиваем MCP-сервер

Я использовал репозиторий:

stufently/yandex-mcp

Если не хочется работать с Git, его можно просто скачать с GitHub ZIP-файлом и распаковать.

Внутри есть отдельный сервер для Wordstat.

Шаг 7. Ставим Node.js и Bun

Для запуска MCP понадобились:

После этого в папке проекта запускаем:

bun install

Эта команда устанавливает все необходимые зависимости.

Шаг 8. Подключаем MCP к Codex

В Codex открываем:

Plugins → MCPs → Add → Custom MCP

Тип:

STDIO

Команда запуска:

node

В аргументах указываем путь к файлу:

yandex-wordstat-mcp/src/index.mjs

Дальше добавляем две переменные окружения:

WORDSTAT_API_KEY

WORDSTAT_FOLDER_ID

Сохраняем MCP и включаем его.

Далее в Codex просто вводите "Используй Wordstat MCP в Codex", и диктуете нужные промты.

Если будут вопросы — пишите.

Николай Пушков, интернет-маркетолог