Interpult Studio

Создание конкурентных заголовков и описаний страниц ― утомительная рутина, которую не всегда можно автоматизировать. В некоторых тематиках пользователи ищут настолько по-разному, что содержимое для H1, title и description проблематично заполнить с помощью шаблонов.

Алексей Губерман, руководитель SEO-отдела в «Ашманов и партнеры», рассказывает, как они с коллегами научили нейросеть оценивать и генерировать заголовки и описания не хуже, чем это сделал бы оптимизатор со стажем.

Алексей Губерман, руководитель SEO-отдела в «Ашманов и партнёры»

В каких случаях оптимизация заголовков и описаний становится проблемой

Мы любим шаблоны и часто используем их, например, для интернет-магазинов и новостных ресурсов. Работа незатейливая: определяешь структуру заголовков и описаний, программист пишет код — и типовые страницы автоматически заполняются по образцу.

Например, «купить + название категории, название товара + по цене от min… до max + в интернет-магазине NN с доставкой». Где “купить”, название категории и магазина будут постоянными величинами, а название товара, значения минимальной и максимальной цены — переменными, которые программа подтянет из базы данных.

Если перед нами сайт с услугами, озвученная выше схема вряд ли будет работать. Возьмем сферу страхования. Во-первых, сложно определить переменную. Цена не подходит — даже приблизительная стоимость страховки рассчитывается калькулятором. Во-вторых, услугу могут искать по-разному. И если «застраховать дом» или «застраховать квартиру» с натяжкой можно отнести к типовым запросам, то со страховкой путешествия начинаются трудности.

Здесь встречаются и «страховка для путешествий за границу», и «страхование туристов», и «страхование путешественников». И всё это частотные запросы, которые ищут тысячи раз в месяц. Теоретически, шаблон применить можно, но слишком энергозатратно.

Идея научить нейросеть генерировать метаописания родилась на кухне

Наш сервис SearchLab и раньше анализировал заголовки и метатеги. На основе этой математики оптимизаторы составляли метатеги вручную. Как я писал выше, это нормально, если у вас интернет-магазин, типовой контент и описания составляются по шаблонам. А когда одну и ту же услугу ищут с помощью разных запросов, возникают трудности. «Квартирный переезд», «переезд квартирный с грузчиками», «переезд в новую квартиру» – интент один, а оформление разное. Даже после автоматизированного распределения запросов придется формировать H1, title description для каждой страницы.

Наш коллега бизнес-аналитик Алексей Плющев заметил, что эта работа «отъедает» много времени у оптимизаторов и задумался над тем, что её можно автоматизировать, используя машинное обучение. Он решил выяснить насколько трудозатратно воплотить идею и обратился к Саше Туманову. Саша занимался SEO в «Ашманов и партнеры», но позже увлёкся машинным обучением. На тот момент он вёл в «Наносемантике» проект, связанный с генерацией песен и текстов с помощью нейросети. Саша предположил, что если машина может генерировать большие тексты, то можно дообучить её писать содержимое для H1, title и description.

Основная мысль заключалась в том, что нейросеть будет генерировать H1, title и description из данных, предоставленных LSI-анализатором сервиса SearchLab. До этого схема была такая: анализатор “смотрел” топ-10 выдачи по указанным запросам, оценивал заголовки и метаданные страниц, ранжировал их по частоте употребления, предлагая самые релевантные. И оптимизатор сам думал над оформлением страницы. Теперь эту работу должна была делать нейросеть, а оптимизатор — контролировать результат.

У нас, правда, был неудачный опыт, когда клиент — крупный интернет-магазин — прислал на SEO-аудит порядка 10 000 описаний, составленных чей-то нейросетью. Нам нужно было оценить заспамленность ключевиками, риски попадания под фильтр «баден-баден» и так далее. Довольно большая часть описаний получилась неприемлемого качества и клиент отказался от нейросети в пользу копирайтера.

В нашем случае, мы не ставили цель генерировать сложные тексты на 800-1000 символов. Поэтому составление заголовков и коротких описаний выглядело решаемой задачей.

За основу взяли нейросеть на базе GPT-3, которую в «Наносемантике» активно развивают ― учат генерировать песни, посты, отличать сгенерированные тексты от написанных человеком.

Процесс дообучения нейросети под задачи SearchLab занял 3,5 месяца — от первоначального обсуждения и до момента, как http-сервис развернули на докере. Самым сложным этапом стала генерация H1 — нейросеть «забывала» добавить популярные ключи в заголовок.

Баг произошел из-за того, что для первой итерации взяли чуть больше данных, чем нужно. Но благодаря стараниям Саши, обработке данных и выполнению условий отбора качество заголовков выросло.

Нейросеть работает ― оптимизатор (отдыхает) проверяет

В конце марта генерация метаописаний с помощью нейросети стала частью LSI-анализатора сервиса SearchLab и стала общедоступной.

В ближайших планах — дообучить нейросеть на большем количестве данных, в том числе по информационным запросам, и устранить небольшую путаницу с брендами. Иногда нейросеть добавляет не тот бренд, для которого шла генерация. Например, условно вместо «Авито» появляется «Циан». Ошибки бывают не часто, но все-таки иногда бывают. Поэтому желательно, чтобы оптимизаторы проверяли результат и забирали в работу самые удачные формулировки.

Так или иначе, наши оптимизаторы экономят 15-20% рабочего времени на текстовых ТЗ, где надо прописывать H1, title и description. Внешние клиенты тоже используют эту опцию и, надеемся, ощущают пользу.

Приведу ниже пару примеров рекомендаций, которые выдаёт нейросеть.

Новая страница сайта банковских услуг, тематика “Расчётный счёт для ИП”. Текущих значений нет, рекомендации нейросети следующие:

Title: Расчетный счет для ИП бесплатно – открыть расчетный счет в банках Москвы, Санкт-Петербурга и других городов

Description: Выберите расчётный счёт для ИП в банках Москвы. Сравните тарифы банков для ИП, воспользуйтесь калькулятором тарифов и тарифов для ИП, оформите онлайн-заявку на открытие счета для ИП и получите предложение с минимальными банковскими комиссиями и скрытыми платежами.

H1: Расчетный счет для ИП (физ.лица)

Description по всей видимости вдохновлен большим количеством финансовых агрегаторов в выдаче, его стоит поправить перед внедрением на сайт.

Пример с нашего сайта, страница https://ashmanov.com/orm/serm/. Текущие значения:

Title: SERM управление репутацией в интернете – заказать услугу в Москве, цены

Description: Управление репутацией в поисковых системах (SERM) в Москве от компании «Ашманов и Партнеры». 📒 Портфолио, 💰 Цены. Индивидуальный подход, давайте сотрудничать ☎ +7 495 269-06-30

H1: Управление репутацией в интернете SERM

Рекомендации нейросети:

Title: Услуги по управлению репутацией в интернете, заказать услуги SERM

Description: Управление репутацией в сети Интернет. Репутационный менеджмент. Работа с отзывами. Работа с негативными отзывами. Анализ репутаций. Разработка и поддержка сайта компании. Комплексная работа с репутацией.

H1: SERM-услуги по управлению репутацией

В Description потерялся телефон и эмоджи, поэтому его лучше скорректировать.

Если с экономией времени всё очевидно, то корреляцию между сгенерированных сетью метаописаний и ранжированием в поиске ещё предстоит оценить. Вполне вероятно, что сеть окажется эффективнее, человека, но точно не будет хуже.

https://vc.ru/seo/425014-okey-google-nauchili-neyroset-sostavlyat-zagolovki-i-opisaniya-dlya-saytov-c-uchetom-trebovaniy-seo

READ  Rutube восстановил сервисы на 99,9 % после хакерской атаки двухнедельной давности

от admin