Как я создала собственного GPT-помощника для подготовки и проверки SEO-текстов

Часть этих задач можно выполнять с помощью ChatGPT. Но обычного диалога с нейросетью мне было недостаточно.

Мне нужен был инструмент, который работает по моему SEO-регламенту, обращается к поисковым и аналитическим данным и не придумывает частотность запросов.

Так появился собственный GPT-помощник SEO Автор — Victoria, а затем отдельный Контролёр качества SEO-текстов.

Какую задачу я хотела решить

До автоматизации работа над одним SEO-материалом состояла из нескольких отдельных этапов:

• собрать поисковые запросы;
• проверить спрос;
• определить основной и дополнительные интенты;
• посмотреть запросы, показы и клики существующей страницы;
• оценить посещения и поведение пользователей;
• сформировать структуру;
• подготовить Title и Description;
• написать материал;
• проверить факты и технические утверждения;
• оценить SEO-риски;
• отдельно проверить готовый текст в «Тургеневе».

Wordstat, Вебмастер, Метрика, ChatGPT и сервисы проверки существовали отдельно друг от друга.

Мне хотелось не просто ускорить написание текста, а связать эти этапы в один рабочий процесс.

Что получилось

Я создала SEO Автор — Victoria — GPT-помощника, настроенного под мои SEO-задачи и рабочие регламенты.

Он используется не как универсальный генератор текстов.

В системе предусмотрены сценарии для разных задач:

• написать SEO-текст под ключ;
• собрать ключевые запросы и проверить спрос;
• проанализировать существующую страницу;
• использовать Вебмастер и Метрику при обновлении контента;
• подготовить структуру, FAQ, Title и Description;
• переработать готовый текст.

Но для меня было принципиально важно другое: показатели поискового спроса, показов, кликов и посещений должны поступать из внешних сервисов.

Если API не вернул данные, GPT не должен их придумывать.

Почему первая версия Wordstat работала через API Яндекс Директа

Первую интеграцию для получения Wordstat-данных я построила через API Яндекс Директа.

Схема выглядела примерно так:

SEO Автор → мой сервер → API Яндекс Директа → Wordstat-данные → анализ семантики.

Приложение передавало запрос и регион, получало поисковые фразы и количество показов, после чего GPT-помощник уже мог распределять семантику по интентам и использовать её при подготовке текста.

На тот момент это решало главную проблему: частотность перестала быть предположением языковой модели.

Например, для запроса «электрик Чехов» помощник получал из внешнего сервиса конкретные фразы и числовые показатели спроса.

Но по мере развития проекта стало понятно, что для моей задачи Директ — лишнее промежуточное звено.

Почему я решила перейти на Wordstat API напрямую

Я занимаюсь SEO и не веду рекламные кампании в Яндекс Директе.

Сам API Директа бесплатный, но работа с ним построена на системе API-баллов. Их доступный суточный объём зависит в том числе от активности рекламных кампаний.

Для рекламного агентства или специалиста по контекстной рекламе это естественная модель.

Для SEO-инструмента, которому нужно просто получить поисковый спрос, зависеть от рекламного кабинета необязательно.

Кроме того, сейчас у Wordstat есть отдельный API в Yandex Search API.

Поэтому новую архитектуру логичнее строить напрямую:

SEO Автор → мой сервер → Wordstat API → поисковые запросы и частотность.

Без обязательного промежуточного обращения к Яндекс Директу.

Откуда теперь берётся частотность ключевых слов

Это особенно важный для меня момент.

SEO Автор не рассчитывает частотность самостоятельно и не просит ChatGPT предположить, сколько раз пользователи вводят тот или иной запрос.

Wordstat API возвращает данные поискового спроса.

Для популярных запросов можно получить:

• саму поисковую фразу;
• количество запросов;
• связанные формулировки;
• общую статистику по исходному запросу;
• данные с учётом региона.

Отдельные методы позволяют анализировать динамику и региональное распределение спроса.

Например, пользователь задаёт тему:

«электрик Чехов».

Далее SEO Автор получает данные Wordstat и может:

• выделить популярные формулировки;
• посмотреть их частотность;
• убрать нерелевантные запросы;
• разделить семантику по интентам;
• определить основной кластер;
• выделить дополнительные темы;
• предложить H1 и H2;
• сформировать FAQ;
• подготовить Title и Description;
• использовать семантику при написании страницы.

В результате число рядом с ключевой фразой — это не оценка нейросети, а показатель, полученный из Wordstat.

Сколько стоит прямой Wordstat API

При переходе на новый вариант появился ещё один вопрос: стоимость.

API Директа сам по себе бесплатный.

Прямой Wordstat API в Yandex Search API — платный, но стоимость для обычных SEO-задач небольшая.

На момент подготовки этого кейса тарифы выглядят так:

• GetTop — 20 ₽ за 1000 запросов;
• GetDynamics — 20 ₽ за 1000 запросов;
• GetRegionsDistribution — 50 ₽ за 1000 запросов;
• GetRegionsTree — бесплатно.

Получается, один вызов GetTop стоит около 0,02 ₽.

Например:

• 100 запросов GetTop — примерно 2 ₽;
• 500 запросов — около 10 ₽;
• 1000 запросов — 20 ₽.

Даже если дополнительно использовать динамику и региональную статистику, при небольшом рабочем объёме расходы остаются низкими.

Например, условный месяц:

• 500 запросов GetTop — 10 ₽;
• 100 запросов GetDynamics — 2 ₽;
• 100 запросов распределения по регионам — 5 ₽.

Итого — примерно 17 ₽.

Это не мой обязательный ежемесячный расход, а пример расчёта по действующим тарифам.

Для меня небольшая стоимость прямого API оказалась более приемлемой, чем необходимость поддерживать зависимость SEO-инструмента от рекламного кабинета.

Значит ли это, что API Яндекс Директа больше не нужен

Для получения SEO-частотности — нет.

Если задача выглядит так:

«Подбери ключевые запросы для статьи и покажи поисковый спрос»,

достаточно Wordstat API.

Но Директ не становится бесполезным.

Он может понадобиться, если нужно объединить SEO и контекстную рекламу.

Например:

• анализировать рекламные кампании;
• работать с рекламными ключевыми фразами;
• получать статистику по объявлениям;
• анализировать расходы;
• работать со ставками;
• сопоставлять SEO-семантику с PPC-данными.

Поэтому я разделяю две задачи:

Wordstat API — поисковый спрос и SEO-семантика.

Direct API — данные контекстной рекламы.

Если проект занимается только SEO, подключать Директ исключительно ради частотности я теперь не считаю необходимым.

Зачем SEO Автору Яндекс Вебмастер

Wordstat показывает, что ищут пользователи в целом.

Но если страница уже существует, этого недостаточно.

Мне нужно понимать, по каким запросам конкретный сайт уже появляется в поиске.

Через Яндекс Вебмастер можно анализировать:

• запросы сайта и отдельных страниц;
• показы;
• клики;
• средние позиции;
• запросы около первой страницы выдачи;
• фразы с большим количеством показов и небольшим количеством кликов;
• дополнительные направления, с которыми поисковая система уже связывает страницу.

При подключении API пришлось учитывать внутренние идентификаторы.

Нельзя просто передать URL сайта туда, где сервис ожидает host ID.

Поэтому схема выглядит так:

получить пользователя → получить доступные сайты → определить host ID → запросить данные сайта.

Например, если существующая страница уже получает показы по дополнительной группе запросов, это ещё не означает, что нужно создавать новый URL.

Сначала можно проверить, достаточно ли расширить текущую страницу: добавить раздел, подзаголовок или FAQ.

Что даёт Яндекс Метрика

Вебмастер помогает понять:

«Как страница представлена в поиске?»

Метрика отвечает на другой вопрос:

«Что происходит после перехода пользователя на сайт?»

Поэтому в систему я подключила и данные Яндекс Метрики.

В пределах доступной сервису информации можно учитывать:

• визиты;
• страницы входа;
• глубину просмотра;
• время на сайте;
• отказы;
• доступные поисковые фразы;
• другие поведенческие показатели.

При этом я специально не смешиваю показатели разных сервисов.

Wordstat → поисковый спрос.

Вебмастер → показы, клики и позиции конкретного сайта.

Метрика → посещения и поведение после перехода.

У каждого источника своя задача.

Почему Контролёр качества сделан отдельно

Я не стала объединять написание и окончательную проверку материала в одном GPT-помощнике.

Для финального контроля создан отдельный Контролёр качества SEO-текстов.

SEO Автор работает с семантикой, структурой и подготовкой материала.

Контролёр получает уже готовый вариант и проверяет его заново.

В его задачи входят:

• фактические ошибки;
• технические неточности;
• противоречия;
• нормативные утверждения, если они есть;
• языковые ошибки;
• SEO-риски;
• чрезмерные повторы;
• качество формулировок;
• проверка через «Тургенева».

Для своих SEO-текстов я использую внутренний рабочий порог:

«Тургенев» — не более 7 баллов.

Это не требование Яндекса или Google и не универсальная SEO-норма.

Это один из критериев моего собственного контроля качества.

Как подключена проверка «Тургенева»

Проверку я также решила вынести в API.

Контролёр может отправлять на проверку текст или URL опубликованной страницы и получать результат внешнего сервиса.

Здесь действует то же правило, что и с частотностью:

нейросеть не должна придумывать результат API.

Если Контролёр сообщает, что «Тургенев» поставил 5 или 7 баллов, это значение должно быть получено от сервиса.

Повторный API-вызов выполняется после существенной переработки текста, а не после каждой небольшой редакционной правки.

Как теперь выглядит мой процесс подготовки SEO-текста

1. Определяю тему и интент

Сначала нужно понять задачу страницы и поисковую потребность пользователя.

2. Получаю данные Wordstat

SEO Автор обращается к API и получает поисковые запросы и показатели спроса.

3. Группирую семантику

Запросы распределяются по интентам и смысловым кластерам.

4. Анализирую существующую страницу

Если URL уже находится в поиске, подключаются данные Вебмастера и Метрики.

5. Формирую структуру

Подготавливаются H1, H2, дополнительные блоки, FAQ, Title и Description.

6. Готовлю материал

SEO Автор работает по моему регламенту и использует собранные данные.

7. Передаю текст Контролёру

Отдельный инструмент проверяет факты, технические утверждения, язык и SEO-риски.

При необходимости выполняется API-проверка «Тургенева».

8. Исправляю замечания

Материал дорабатывается, если обнаружены ошибки, спорные утверждения или проблемы с качеством текста.

9. Принимаю решение о публикации

GPT помогает автоматизировать отдельные этапы, но окончательное SEO-решение остаётся за специалистом.

Что оказалось самым сложным

Самая интересная часть проекта началась не с промптов, а с API.

Wordstat

Первая версия работала через API Директа.

Она позволила решить проблему придуманной частотности, но со временем я решила убрать лишнюю зависимость от рекламной платформы и перейти на специализированный Wordstat API.

Вебмастер

Пришлось разобраться с идентификаторами пользователя и сайта, а также с тем, какие данные доступны для всего проекта, а какие — для конкретной страницы.

Метрика

Здесь задача состояла не только в подключении API.

Нужно было определить, какие показатели действительно полезны при подготовке и обновлении SEO-контента.

Архитектура самого инструмента

Пользователь не должен вручную выбирать технические API-методы.

Ему нужно поставить понятную задачу:

«Подобрать ключи в Wordstat»

или:

«Проанализировать страницу и улучшить текст».

Внутреннюю последовательность запросов должен выполнять сам инструмент.

Почему это не просто генератор SEO-текстов

Получить черновик статьи от нейросети сейчас несложно.

Гораздо важнее качество данных, на которых строится материал.

Мне нужен был инструмент, который помогает ответить на вопросы:

• что действительно ищут пользователи;
• насколько востребована тема;
• по каким запросам сайт уже показывается;
• где есть показы, но недостаточно кликов;
• какие страницы имеют потенциал роста;
• какие темы стоит раскрыть;
• нужен ли отдельный URL;
• где достаточно доработать существующую страницу;
• где текст содержит лишние повторы;
• где нейросеть допустила фактическую или техническую неточность.

Поэтому задача проекта изначально была шире простой генерации контента.

Что получилось в итоге

У меня сформировалась собственная система работы с SEO-контентом внутри ChatGPT.

В ней используются:

• SEO Автор — Victoria;
• Wordstat API;
• Яндекс Вебмастер;
• Яндекс Метрика;
• собственные серверные API-интеграции;
• отдельный Контролёр качества;
• API «Тургенева».

Яндекс Директ при этом перестаёт быть обязательным звеном для получения SEO-частотности.

Если в дальнейшем понадобится работа с контекстной рекламой, Direct API можно подключить отдельным модулем.

SEO Автор помогает получить и обработать исходные данные, сформировать структуру и подготовить материал.

Контролёр независимо проверяет результат.

Финальное решение принимает специалист.

Главный результат для меня — не только экономия времени.

Процесс стал более воспроизводимым: разные материалы проходят одну и ту же последовательность — от анализа поискового спроса до финального контроля качества.

Что планирую развивать дальше

Следующий этап — глубже объединять поисковые и аналитические данные.

В планах:

• сопоставлять спрос Wordstat с запросами Вебмастера;
• автоматически выделять запросы в зоне роста;
• находить страницы с большим количеством показов и низким CTR;
• учитывать данные Метрики при обновлении контента;
• совершенствовать кластеризацию семантики;
• автоматизировать рекомендации для существующих страниц;
• при необходимости подключить рекламные данные Директа отдельным модулем;
• расширять собственные API-инструменты для SEO-задач.

Для меня этот проект стал примером того, как использовать AI не вместо SEO-специалиста, а как часть рабочего процесса — вместе с поисковыми данными, аналитикой и независимой проверкой результата.

FAQ

ВОПРОСЫ И ОТВЕТЫ

Нужно ли мне самому собирать ключевые слова и готовить подробное ТЗ?

Нет. Для начала достаточно темы, URL страницы или описания услуги. Семантику, поисковые интенты и возможную структуру можно собрать уже в процессе работы. Если у вас есть готовое ядро, данные SEO-аудита или список приоритетных запросов, их тоже можно использовать.

Что делать, если сайт новый и в Метрике или Вебмастере ещё почти нет данных?

Это не мешает подготовить SEO-материал. Для новой страницы сначала можно опираться на поисковый спрос, интент и структуру запросов. Данные конкретного сайта подключаются позже, когда накопятся показы, клики и посещения. При этом отсутствующие показатели не подменяются предположениями.

Обязательно ли полностью переписывать уже опубликованный текст?

Нет. Иногда странице не нужен новый текст с нуля. Может быть достаточно изменить структуру, дополнить отдельные блоки, уточнить Title и Description, добавить FAQ или раскрыть запросы, по которым страница уже имеет потенциал. Решение принимается после анализа самой страницы.

Не получится ли обычный «нейросетевой» текст, похожий на десятки других?

Задача как раз в обратном. AI используется как рабочий инструмент, а не как источник готового текста «в один клик». В материал добавляются данные проекта, поисковый интент, факты о компании и конкретной услуге. После подготовки текст отдельно проверяется и редактируется, поэтому результат не должен строиться на универсальных шаблонных формулировках.

Нужно ли передавать пароли и API-ключи вместе с текстом или в чат?

Нет. Пароли, токены и API-ключи не должны становиться частью текста или передаваться в обычном запросе к нейросети. Доступы к внешним сервисам настраиваются отдельно, а при работе с материалом используются только необходимые для анализа данные. Это позволяет отделить SEO-контент от технических секретов проекта.