Коротко
- Модель пишет черновик и рутинные тексты, а факты, цифры и примеры вносят из открытых источников.
- Google не запрещает тексты с ИИ, но массовую генерацию страниц без пользы называет спамом.
- Метаданные, alt-тексты и структурированные данные проверяют так же, как основной текст.
- У каждого материала есть журнал, где видно, кто готовил бриф, кто проверял факты и что поменяли при обновлении.
- Объем текста подгонять под мифическую норму не нужно, Google прямо пишет, что предпочтительного числа слов у него нет.
Где ИИ экономит время
ИИ для создания контента полезен там, где работа повторяется и результат легко проверить. Основная экономия приходится на подготовку и на тексты, которые пишутся по одному шаблону.
- Структура статьи по брифу и списку вопросов из семантики.
- Черновик раздела по выписке из источников, которую подготовил автор.
- Варианты заголовков, Title и Description для выбора редактором.
- Пересказ длинного документа, например справки платформы, чтобы автор быстрее нашел нужное место. Цитату потом берут из оригинала.
- Описания похожих товаров по таблице характеристик.
- Поиск противоречий и повторов в готовом тексте.
Меньше всего модель экономит на экспертных статьях. Набор текста там занимает малую часть времени, остальное уходит на сбор фактов, разговор со специалистом и проверку. Ждать, что ИИ ускорит такие материалы в разы, не стоит. Быстрее становится черновик, а фактчек и редактура порой даже растягиваются, потому что в черновике модели надо искать выдумки.
Для SEO-части процесса модель помогает собрать и разметить запросы. Как это делать без выдуманных частот, описано в статьях про семантическое ядро с ИИ и кластеризацию запросов.
Где ИИ создает риск
В справке Google о генеративном контенте сказано, что модели не извлекают факты, а предсказывают вероятную последовательность слов по данным обучения. Отсюда главный риск. Модель уверенно пишет цифры, даты, названия функций и ссылки, которых нет.
Выдуманные факты
Проценты роста, результаты клиентов, цитаты специалистов, требования платформ, цены. Все это модель дописывает сама, если в задании нет данных. В тематиках здоровья, финансов и права ошибка обходится дороже, и Google в разъяснении о контенте с ИИ отдельно пишет, что для таких тем его системы уделяют еще больше внимания сигналам надежности.
Массовые страницы
Политика Google о спаме называет злоупотреблением масштабированным контентом генерацию большого числа страниц ради позиций, и среди примеров есть использование генеративного ИИ для создания множества страниц без пользы для пользователей. В рекомендациях о полезном контенте Google предлагает себе задать вопросы, не используете ли вы обширную автоматизацию для текстов на множество тем и не пересказываете ли в основном то, что сказали другие.
Одинаковые тексты
Модели пишут похоже друг на друга, а при одинаковом задании и одинаковых источниках часто выдают похожий план статьи. Конкуренты пользуются теми же моделями. Без редактуры статьи сайта начинают звучать одинаково с сайтами конкурентов, и читатель не находит в них ничего, чего не видел раньше.
Подготовка источников
Хороший черновик начинается до запуска модели. Автор собирает папку материалов и бриф, а модель работает только с ними.
- Первичные документы. Справка платформы, закон, стандарт, инструкция производителя.
- Данные компании. Прайс, условия, выгрузки из аналитики, вопросы клиентов из CRM.
- Опыт специалистов. Короткое интервью с тем, кто делает работу, с примерами и ошибками.
- Запросы и вопросы из семантики, которые статья должна закрыть.
Интервью со специалистом не обязательно долгое. Обычно хватает короткого созвона по списку вопросов из брифа, с записью и расшифровкой. Тезисы из расшифровки модель вытаскивает неплохо, а примеры, оговорки и словечки специалиста автор переносит в текст сам, сверяясь с записью. У конкурентов в выдаче такого материала нет.
У каждой фактической вставки в тексте должна быть пометка, из какого файла или по какой ссылке она взята и когда ее проверили. Эта пометка потом идет в журнал материала.
Черновик и фактчек
Черновик собирают по частям. Модель получает бриф, выписку из источников и задание на один-два раздела за раз. Так проще проверять результат и проще заметить, где модель вышла за пределы выписки.
Как ставить задачу модели
В задании указывают читателя, цель материала, список разделов, выписку из источников и запрет на любые цифры, примеры и названия, которых нет в выписке. Отдельно просят пометить места, где модели не хватило данных. Эти пометки ценнее гладкого текста, по ним видно, что автору надо добрать.
Как проверять факты
Google в той же справке пишет, что весь сгенерированный текст стоит вручную проверять на точность до публикации. Фактчекер проходит по тексту и для каждой цифры, даты, названия и утверждения о платформе открывает источник. Нет источника, утверждение удаляют или переписывают без цифры, через методику. Фактчек делает не тот человек, который писал задание модели, иначе он видит то, что ожидает увидеть.
Редактура
Редактор работает с проверенным текстом. Его задача, чтобы текст звучал как материал компании и в нем не узнавался ответ чат-бота.
Что убирает редактор
Вступления про эпоху и важность темы, выводы в конце каждого раздела, слова-усилители, перечни ровно из трех пунктов там, где по смыслу их два или пять, вопросы самому себе, одинаковые по длине абзацы. Отдельно проверяет, что один и тот же предмет называется одним словом по всему тексту.
Что добавляет редактор
Примеры из практики компании, которые дал специалист, оговорки, где метод не работает, конкретные шаги для читателя. Правила, как использовать ИИ в SEO и не публиковать выдуманные данные, мы собрали в отдельной статье про AI SEO.
Комментарий Q2 AgencyУ нас в редакционном журнале у каждой статьи три подписи. Автор брифа, фактчекер и редактор. Если хотя бы одной нет, материал не уходит в публикацию, даже если текст выглядит готовым.
Публикация и обновление
Перед публикацией проверяют все, что видно в поиске помимо текста. В справке Google о генеративном контенте отдельно перечислены Title, meta description, структурированные данные и alt-тексты изображений, их проверяют так же внимательно. Для интернет-магазинов там же сказано, что Merchant Center требует помечать сгенерированные ИИ изображения метаданными IPTC и отдельно указывать сгенерированные ИИ названия и описания товаров.
Подпись и раскрытие
Google советует ставить точную подпись автора там, где читатель может спросить, кто это написал, и пояснять участие автоматизации там, где читатель может спросить, как создан материал. Ставить ИИ автором, по словам Google, вряд ли удачный способ это показать. Подпись получает человек, который отвечает за материал, и на странице автора видно, чем он занимается и почему ему можно доверять в этой теме.
Обновление
Материалы с цифрами и требованиями платформ пересматривают по графику и по событию, когда платформа меняет справку. В журнале фиксируют дату проверки, что изменили и по какому источнику. Новые статьи связывают ссылками с хабом раздела, по схеме из материала про контент-хабы.
Контроль качества
Вся схема редакционного процесса выглядит так.
- Бриф. Читатель, цель, запросы, список разделов, тип страницы.
- Источники. Папка с документами, данными компании и интервью специалиста.
- Черновик. Модель пишет разделы по выписке, помечает нехватку данных.
- Фактчек. Отдельный человек сверяет каждое утверждение с источником.
- Редактура. Язык, структура, примеры из практики.
- Проверка метаданных. Title, Description, alt, разметка.
- Публикация с подписью ответственного.
- Мониторинг и обновление по журналу.
Чек-лист перед публикацией ведут в таблице, по строке на материал.
После публикации смотрят в Search Console, по каким запросам материал получает показы, и сравнивают с запросами из брифа. Если показы идут по другим запросам, материал правят или уточняют бриф для следующих. Раз в квартал удобно открыть журнал и посмотреть, на каком этапе больше всего правок. Если фактчекер раз за разом вычеркивает одни и те же типы ошибок, правьте задание модели или папку источников. Добавлять проверяющих тут бесполезно.
Такой процесс мы настраиваем в рамках SEO-оптимизации сайта, вместе с брифами, шаблоном журнала и обучением авторов.
Частые вопросы
Источники
Основатель Q2 Agency, бывший директор по маркетингу: работал в Яндексе, Xsolla, Cheelee и Allen Carr’s Easyway. Специализация - нейромаркетинг, воронки продаж и сквозная аналитика.
Михаил Кислов
