ChatGPT для рутинных задач в SEO: генерируем Meta
В этой статье разбираемся с одной из возможностей ChatGPT — массовой генерацией контента для SEO-задач. Непосредственно с генерацией текстов нейросеть справляется вполне успешно. Но при большом объеме работ, когда требуется большое количество коротких текстов, использовать окно чата накладно, поэтому для таких случаев я использую другой алгоритм. В частности с его помощью мы смогли нагенерировать за один день несколько тысяч дескрипшнов и Title для сайта под «бурж».
Обо мне
Александр Крыжановский, SEO-консультант и Team Lead. Руководитель SEO команд. Специализируюсь на выстраивании SEO процессов, их стандартизации, автоматизации и аналитике. В SEO c 2011 года. Имею опыт работы со стартапами и с состоявшимся крупным бизнесом. ГЕО: бурж, СНГ и Рунет.
Телеграм: @alexkrads
Что и как делает для меня Chat GPT
Для работы с большими объемами контента я использую расширение GPT for Sheets and Docs. Такое решение позволяет:
- генерировать контент в ячейках Google таблицы;
- осуществлять его дальнейшее массовое редактирование и проверку;
- использовать формулы для составления заданий на генерацию;
- осуществлять массовый экспорт текста на сайт.
Для использования расширения:
- Переходим по ссылке https://gptforwork.com/ и нажимаем кнопу Install.
- Получаем API ключ по ссылке https://platform.openai. com/account/api-keys.
- Переходим в настройках расширения к пункту Set Api Key.
- Вводим в открывшемся окне полученный ключ, после чего настройка будет завершена.
Алгоритм действий для генерации контента
Рассмотрим, как сгенерировать в ChatGPT тексты Meta Description, Title и заголовков H1. Этот алгоритм также можно использовать и для других SEO задач – уникализировать описания товаров и услуг, массово генерировать комментарии и отзывы и т. д.
Общий алгоритм
Итак, делаем следующее:
- Создаем задание для ChatGPT, придерживаясь стиля ТЗ.
Пример задания:
Для интернет-магазина% название-магазина% должен быть создан Meta Description. Их сайт% доменное-имя-сайта%.
Обязательно придерживайся следующих правил: 1. Для поисковой фразы должен быть создан Meta Description. 2. Meta Description должен быть не короче 130 и не длиннее 160 символов, считая пробелы. 3. Meta Description должен содержать поисковый запрос «принтеры этикеток". 4. Рядом с телефоном можно использовать символ телефона ☎. 5. Избегай в тексте наречий и прилагательных по возможности. 6. Не используй слово "Можно». Дополнительная информация, которая может быть использована в тексте: Телефон +7 (495) 000-00-00. Бесплатная доставка по Москве и регионам РФ. Самовывоз. Большой ассортимент в наличии. Гарантия. Meta Description конкурентов: Купить принтер этикеток и для печати штрих-кодов по цене от 15 000 р. ? Быстрая доставка по Москве и регионам России ? Принтеры этикеток в наличии на собственном складе ? Звоните!
- Пишем в ячейке, где должен быть выведен результат, формулу =GPT(% ссылка_на_ячейку%) . Ссылка на ячейку – это ячейка с заданием. В нашем случае формула выглядит так =GPT(A2).
- Наблюдаем, как после ввода формулы начинается обработка данных.
- Ждем, пока будет сгенерирован результат. Обычно процесс занимает от нескольких секунд до нескольких десятков секунд.
В итоге получаем такой сгенерированный текст:
«Купите принтеры этикеток с гарантией и бесплатной доставкой по Москве и РФ. ☎ +7 (495) 000-00-00. Большой выбор принтеров этикеток в наличии. Самовывоз.»
Такой же результат мы могли бы получить в окне чата, но это слишком медленно для наших задач. Тем более, почти всегда нужно использовать больше одной поисковой фразы. Соответственно, нам нужно как-то отправить сразу много фраз для ChatGPT с привязкой к URL, чтобы в итоге свети все в единую таблицу с URL и Meta Description.
Алгоритм для массовой генерации
В отдельной ячейке нам нужно представить таблицу с ключевыми фразами и их частотностью, которые потребуются для приоритезации поисковых фраз.
ChatGPT (модель GPT 3.5, если быть точным) может воспринимать данные, разделенные, например, вертикальной чертой, как таблицы. При этом нужно для каждого URL собрать все относящиеся к нему поисковые фразы и их частотности и не дублировать сами URL. Для этого можно использовать разные инструменты – от применения формул и создания макросов до использования плагинов. Для меня наиболее удобным оказался последний вариант. Я использую для этого https://www. ablebits. com/.
В результате получаем такую таблицу:
Далее делаем следующие шаги:
- Переписываем задание для GPT с упоминанием таблицы, содержащей поисковые запросы.
- Копируем URL и полученные списки ключевых слов в Google таблицу.
- Объединяем формулой в отдельном столбце текст ячеек с заданием и списком ключевых слов для каждого URL. Получаем результат:
- Протягиваем формулу вниз и получаем Description для всех URL.
Одновременная генерация Meta Description, Title и H1
В этом случае все делаем так же, как и при генерации Meta Description, только в соседних ячейках указываем правила генерации для Title и H1.
В результате мы получаем тексты Meta Description, Tilte и H1 для всех URL из списка, которые содержат необходимые поисковые запросы.
Ограничения API
С массовой генерацией не все так гладко – бесплатно можно генерировать всего несколько запросов в минуту. При необходимости создать сразу много заголовков и дескрипшнов потребуется подписка на функционал API от OpenAI (не путайте с подпиской на Chat GPT!) – оформить ее можно здесь https://platform. openai. com/account/billing/overview.
Что нужно учесть
При использовании модели GPT для массовой генерации контента можно столкнуться с такими проблемами:
- После первой генерации скорее всего придется дописать под проект новые правила и требования.
- Текущая модель GPT пока не может строго соблюдать или вовсе игнорирует правила, касающиеся длины Meta Description и Title. Даже если вы акцентируете на этом требовании особое внимание.
- Нейросеть может добавлять в заголовки неважную для SEO отсебятину. Так, я получал заголовки H1 вида %Оптимизированный заголовок% — выбор профессионалов! Чтобы решить проблему, приходилось добавлять соответствующие ограничения в задании на генерацию.
- Chat GPT иногда вставляет в сгенерированный текст анонс вида «Сгенерированный Meta Description: » (после двоеточия следует уже сам текст).
Общие рекомендации по работе
Чтобы получить от ChatGPT желаемый контент приемлемого качества:
- Формулируйте задачи, требования и правила максимально четко.
- Приводите прямо в задаче (при необходимости) примеры неудачных текстов, сгенерированных нейросетью, и свои варианты, которые считаете корректными. Как правило, достаточно привести несколько примеров, чтобы получить текст удовлетворительного качества.
- Составляйте короткие описания, поскольку существует ограничение на максимальную длину текста. Учитывайте, что список поисковых запросов учитывается в суммарной длине текста задачи.
- Проверяйте свои формулировки на отсутствие опечаток. Нейросеть умеет их исправлять, но, по моим наблюдениям, при наличии в словах каких-либо опечаток, пункты могут быть проигнорированы или интерпретированы некорректно.
- Делайте для больших проектов хотя бы выборочную, беглую проверку сгенерированного контента. Если заголовки и описания генерируются для нескольких страниц, рекомендую вычитать весь материал.
- Используйте рандомную подстановку частей в задания с помощью встроенных формул Google Sheets, если хотите получить более разнообразные тексты (например, хотите, чтобы часть из них начиналась со слова «купить», а часть была без него).
- Учитывайте особенности страниц – для разных их типов (например, для страниц категорий и карточек товаров) , вероятно, придется модифицировать формулировку задания.
Подводя итог
Я на своем опыте убедился, что ChatGPT – полезный инструмент для создания большого количества коротких текстов. Он способен значительно упростить процесс и при этом сэкономить время и бюджет. Для качественного результата также потребуется определенная сноровка в составлении заданий для нейросети, вычитка и при необходимости внесение правок. Но все равно это будет в десятки раз быстрее, чем писать все с нуля.
Приветствую, Александр! 👋
У нас фразы вида «Сгенерированный Meta Description:» и подобные не появлялись на выборках в несколько тысяч Description. Возможно, потому что мы используем немного иные формулировки promt-ов для ChatGPT https://vc.ru/seo/620941-ispolzuem-iskusstvennyy-intellekt-v-seo-i-ekonomim-denyuzhki-klienta
Поглядите, может наш подход поможет вам избавится от них.
Добавим свои 5 копеек, чтобы сделать работу seo-специалистов с ChatGPT эффективнее:
- Promt-ы на английском формируют более качественный ответ. В варианте с Description мы отправляем promt на английском, но просим ответ сформировать уже на русском.
- В бесплатной версии ограничение 20 запросов в минуту по API – вдруг кто-то хочет знать точное число 😆
- Очень важный момент ⚠️⚠️⚠️ для тех, кто использует платную версию – если вы сохранили формулу в Google Data Sheets по вашему примеру =GPT(A2), то при каждом новом открытии документа Google Data Sheets формула будет пересоздавать результаты. При наличии десятков тысяч Description это может быстро опустошить баланс аккаунта. Не забывайте отключать работу формулы на уже сгенерированном диапазоне.
При работе с большими ядрами, для генерации под большое количество страниц отпадает необходимость прорабатывать словоформы и последовательность слов для того, чтобы текст описаний выглядел естественным. Это особенно актуально при работе с большим количеством разноплановых категорий, относящихся к разным разделам и т.п. То есть один раз составив корректное задание для GPT мы можем “не беспокоиться” о том, что часть сгенерированных результатов буде содержать “кривые” с точки зрения русского (и любого другого поддерживаемого) языка фразы. Кроме этого, отпадает необходимость ручной проработки, например Title для включения туда слов из запросов и т.п.
Метод не лишен недостатков и экономит время на больших объемах при массовой оптимизации, когда речь идет о сотнях или тысячах страниц.
Добавлю, что в статье показан сам принцип, проиллюстрированный генерацией на основе семантики, но есть задачи, на которых можно сэкономить еще больше времени.
Например, создание описаний на основе параметров товаров и поисковых запросов, мэппинг данных, создание списков ключевых моментов, которые необходимо раскрыть в контенте на основе запросов для страницы, масоовое автоматическое создание структуры текстов для информационных страниц на основе ранее спаршенного контента (или заголовков) от конкурентов и т.п.
Святослав, приветствую!
Благодарю за уточнения, однако, что касается промтов на английском (делали под бурж, магазин одежды, около 15 000 страниц), я также получал в некоторых случаях (грубая оценка от 2% до 5%) нечто вроде: "Meta Description text: " с самим текстом, следующим после такого анонса. Аналогично было для некоторых Title и H1 (H1: текст или <H1>Текст</H1>). Возможно проблема характерна для некоторых тематик и вызвана особенностями процесса обучения модели. Тем не менее, вы правы, как было сказано в статье, это лечится исправлениями promt, а также проверкой сгененированного контента по списку.
Вариант "промт английском - результат на русском" не проверял, воспользуюсь рекомендацией :)
Буквально сегодня пришла идея формировать мета теги через нейросеть, пробовал, но не было примера формирования правила. Спасибо за пример! Буду экспериментировать. Насколько я понимаю, там платный доступ по API?
До 20 запросов к API в минуту - бесплатно. Если больше, то - да, доступ платный, но цена адекватная. Подписки на API как таковой нет, оплачивается расход токенов постфактум.
О, да! Кто же не мечтает о том, чтобы нейросеть делала всю работу за него? Ну а чего еще ожидать от такого опытного SEO-консультанта и Team Lead? Он же знает, как лучше всего автоматизировать процессы, чтобы не приходилось напрягаться и думать самому. А что, если нейросеть начнет писать статьи лучше, чем человек? Ну а что, если она займет нашу работу и мы останемся без работы? Не беда, мы же SEO-специалисты, найдем себе новую нишу, например, будем обучать нейросети. Да, друзья, будущее уже здесь, и оно автоматизированное!
У вас очень интересная продуктивность создания комментариев: 50 000 символов за последний час, если исключить заголовки и т.п., предположим, что будет 25 000 символов. И во всех прослеживается похожий паттерн. Если не секрет, скажите каким образом создавали промты (можно в личку). Объемы текстов многих статей на VC, которые вы прокомментировали, превышают лимиты в ChatGPT.